MétaCan
Menu
Retour à la cohorte
Enregistrement W2993489868 · doi:10.1186/s13148-019-0766-2

The central nervous system tumor methylation classifier changes neuro-oncology practice for challenging brain tumor diagnoses and directly impacts patient care

2019· article· en· W2993489868 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueClinical Epigenetics · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensSt. Michael's HospitalUniversity of TorontoUniversity Health NetworkPrincess Margaret Cancer Centre
Organismes subventionnairesBrain Tumour Charity
Mots-clésBrain tumorMedicineMedical diagnosisNeurologyCentral nervous systemHuman geneticsOncologyPatient careInternal medicineBioinformaticsIntensive care medicinePathologyBiologyPsychiatryNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Molecular signatures are being increasingly incorporated into cancer classification systems. DNA methylation-based central nervous system (CNS) tumor classification is being recognized as having the potential to aid in cases of difficult histopathological diagnoses. Here, we present our institutional clinical experience in integrating a DNA-methylation-based classifier into clinical practice and report its impact on CNS tumor patient diagnosis and treatment. METHODS: Prospective case review was undertaken at CNS tumor board discussions over a 3-year period and 55 tumors with a diagnosis that was not certain to two senior neuropathologists were recommended for methylation profiling based on diagnostic needs. Tumor classification, calibrated scores, and copy number variant (CNV) plots were obtained for all 55 cases. These results were integrated with histopathological findings to reach a final diagnosis. We retrospectively reviewed each patient's clinical course to determine final neuro-pathology diagnoses and the impact of methylation profiling on their clinical management, with a focus on changes that were made to treatment decisions. RESULTS: Following methylation profiling, 46 of the 55 (84%) challenging cases received a clinically relevant diagnostic alteration, with two-thirds having a change in the histopathological diagnosis and the other one-third obtaining clinically important molecular diagnostic or subtyping alterations. WHO grading changed by 27% with two-thirds receiving a higher grade. Patient care was directly changed in 15% of all cases with major changes in clinical decision-making being made for these patients to avoid unnecessary or insufficient treatment. CONCLUSIONS: The integration of methylation-based CNS tumor classification into diagnostics has a substantial clinical benefit for patients with challenging CNS tumors while also avoiding unnecessary health care costs. The clinical impact shown here may prompt the expanded use of DNA methylation profiling for CNS tumor diagnostics within prominent neuro-oncology centers globally.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,725
Score d'incertitude au seuil0,600

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,360
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle