Developing a pan-cancer research autopsy programme
Notice bibliographique
Résumé
AIMS: Rapid procurement of a wide variety of metastatic and primary cancers and normal tissues after death through rapid autopsy opens largely unexplored avenues in cancer research. We describe a high-volume rapid research autopsy programme at a large academic medical centre. METHODS: Advanced-stage cancer patients, most commonly inpatients in palliative care facilities, were approached to participate in a cancer research autopsy programme with the goal of acquiring multidimensionally annotated tissue for cancer research. On death of an enrolled patient, a predetermined notification plan was enacted, with the medical oncologist/clinical research coordinator informing a team of pathologists, researchers and allied staff. Quality assurance metrics were measured. Thereafter, tissues were annotated in a tissue bioinformatics database and linked to electronic patient records. All banked tissues were reviewed for tumour integrity, including DNA and RNA quality. RESULTS: Over 100 rapid research autopsies from diverse cancer sites were performed, and specimens were procured and annotated with detailed clinical information, including treatment and response. Tissues were successfully enabling studies of tumour immunology, xenografts, genomics and proteomics. CONCLUSIONS: Large-scale rapid procurement and biobanking of cancer tissues from a rapid autopsy programme is feasible. Multidisciplinary integration between health and administrative staff from medical oncology, palliative care, pathology and biospecimen sciences is critical for the success of this challenging endeavour.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,086 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,005 | 0,020 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,008 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».