Clinical and Genome-Wide Analysis of Multiple Severe Cisplatin-Induced Neurotoxicities in Adult-Onset Cancer Survivors
Notice bibliographique
Résumé
Abstract Purpose: Cisplatin is a first-line chemotherapeutic for many cancers, but causes neurotoxicity including hearing loss, tinnitus, and peripheral sensory neuropathy. However, no study has comprehensively characterized risk factors for developing multiple (>1) severe neurotoxicities. Experimental Design: The relationship between multiple severe neurotoxicities and age, cumulative cisplatin dose, medical history, and lifestyle/behavioral factors was evaluated in 300 cisplatin-treated testicular cancer survivors using logistic regression. Case–control genome-wide association study (GWAS; cases, n = 104 and controls, n = 196) was also performed. Results: Age at clinical examination (P = 6.4 × 10−16) and cumulative cisplatin dose (P = 5.4 × 10−4) were positively associated with multiple severe neurotoxicity risk, as were high serum platinum levels (P = 0.02), tobacco use (ever smoker, P = 0.001 and current smoker, P = 0.002), and hypertension (P = 0.01) after adjustment for age and cumulative cisplatin dose. Individuals with multiple severe neurotoxicities were more likely to experience dizziness/vertigo (P = 0.01), Raynaud phenomenon (P = 3.7 × 10−9), and symptoms consistent with peripheral motor neuropathy (P = 4.3 × 10−14) after age and dose adjustment. These patients also reported poorer overall health (P = 2.7 × 10−5) and a greater use of psychotropic medications (P = 0.06). GWAS identified no genome-wide significant SNPs. Gene-based association analysis identified RGS17 (P = 3.9 × 10−5) and FAM20C (P = 5.5 × 10−5) as near genome-wide significant. Decreased FAM20C expression was associated with increased cisplatin sensitivity in tumor cell lines. Conclusions: Certain survivors are more susceptible to cisplatin-induced neurotoxicity, markedly increasing likelihood of developing numerous neuro-otological symptoms that affect quality of life. Genome-wide analysis identified genetic variation in FAM20C as a potentially important risk factor.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».