Comparison of p53 immunohistochemical staining in differentiated vulvar intraepithelial neoplasia (dVIN) with that in inflammatory dermatoses and benign squamous lesions in the vulva
Notice bibliographique
Résumé
AIMS: Differentiated vulvar intraepithelial neoplasia (dVIN), the precursor lesion to human papillomavirus-independent vulvar squamous cell carcinoma (VSCC), can be difficult to distinguish from vulvar inflammatory dermatoses. Our goal was to determine if p53 could be a useful biomarker for dVIN, by characterizing p53 percentage, intensity and patterns of staining in dVIN and its histological mimics. METHODS AND RESULTS: We studied p53 immunohistochemical staining patterns in 16 dVIN cases and 46 vulvar non-neoplastic squamous lesions [12 lichen sclerosus (LS); seven lichen simplex chronicus; three lichen planus (LP); six psoriasis; 13 spongiotic dermatitis (SPO); and five candidiasis]. dVIN cases were adjacent to a p16-negative invasive VSCC in resection specimens. All dVIN cases showed null-type or moderate to strong uniform p53 staining in >70% of basal cells, with moderate to strong continuous parabasal staining extending to two-thirds of the epidermis. This was in contrast to weak or weak to moderate patchy p53 staining in the majority of other lesions. Moderate to strong and increased basal p53 staining (≥70%) was also observed in a subset of LS cases (5/12, 42%), LP cases (1/3, 33%), and SPO cases (36%, 4/11); however, in all categories, this was limited to the basal layer, and any staining in the parabasal layers was patchy. CONCLUSION: Strong and uniform p53 staining of basal cells, extending into the parabasal layers, and a complete absence of staining (null type) is useful in distinguishing dVIN from other mimics in the vulva. p53 staining of lesser intensity or quantity, particularly basal overexpression only, overlaps with that in vulvar inflammatory lesions.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».