MétaCan
Menu
Retour à la cohorte
Enregistrement W3138505417 · doi:10.1002/hep.31829

Genetic Determinants of Outcome in Intrahepatic Cholangiocarcinoma

2021· article· en· W3138505417 sur OpenAlexaff
Thomas Boerner, Esther Drill, Linda M. Pak, Bastien Nguyen, Carlie Sigel, Alexandre Doussot, Paul Shin, Debra A. Goldman, Mithat Gönen, Peter J. Allen, Vinod P. Balachandran, Andrea Cercek, James J. Harding, David B. Solit, Nikolaus Schultz, Ritika Kundra, Henry Walch, Michael I. D’Angelica, Ronald P. DeMatteo, Jeffrey A. Drebin, Nancy E. Kemeny, T. Peter Kingham, Amber L. Simpson, Jaclyn F. Hechtman, Efsevia Vakiani, Maeve A. Lowery, Jan N.M. IJzermans, Stefan Buettner, Bas Groot Koerkamp, Michail Doukas, Rohit Chandwani, William R. Jarnagin

Notice bibliographique

RevueHepatology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCholangiocarcinoma and Gallbladder Cancer Studies
Établissements canadiensQueen's University
Organismes subventionnairesNational Cancer InstituteWeill Cornell Medical CollegeNational Institutes of HealthEisaiCycle for SurvivalErasmus Medisch CentrumGlaxoSmithKlineMemorial Sloan-Kettering Cancer CenterPfizerNational Center for Advancing Translational SciencesAgios PharmaceuticalsEli Lilly and CompanyBristol-Myers Squibb
Mots-clésIntrahepatic CholangiocarcinomaOutcome (game theory)MedicineInternal medicineOncologyEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIM: Genetic alterations in intrahepatic cholangiocarcinoma (iCCA) are increasingly well characterized, but their impact on outcome and prognosis remains unknown. APPROACH AND RESULTS: This bi-institutional study of patients with confirmed iCCA (n = 412) used targeted next-generation sequencing of primary tumors to define associations among genetic alterations, clinicopathological variables, and outcome. The most common oncogenic alterations were isocitrate dehydrogenase 1 (IDH1; 20%), AT-rich interactive domain-containing protein 1A (20%), tumor protein P53 (TP53; 17%), cyclin-dependent kinase inhibitor 2A (CDKN2A; 15%), breast cancer 1-associated protein 1 (15%), FGFR2 (15%), polybromo 1 (12%), and KRAS (10%). IDH1/2 mutations (mut) were mutually exclusive with FGFR2 fusions, but neither was associated with outcome. For all patients, TP53 (P < 0.0001), KRAS (P = 0.0001), and CDKN2A (P < 0.0001) alterations predicted worse overall survival (OS). These high-risk alterations were enriched in advanced disease but adversely impacted survival across all stages, even when controlling for known correlates of outcome (multifocal disease, lymph node involvement, bile duct type, periductal infiltration). In resected patients (n = 209), TP53mut (HR, 1.82; 95% CI, 1.08-3.06; P = 0.03) and CDKN2A deletions (del; HR, 3.40; 95% CI, 1.95-5.94; P < 0.001) independently predicted shorter OS, as did high-risk clinical variables (multifocal liver disease [P < 0.001]; regional lymph node metastases [P < 0.001]), whereas KRASmut (HR, 1.69; 95% CI, 0.97-2.93; P = 0.06) trended toward statistical significance. The presence of both or neither high-risk clinical or genetic factors represented outcome extremes (median OS, 18.3 vs. 74.2 months; P < 0.001), with high-risk genetic alterations alone (median OS, 38.6 months; 95% CI, 28.8-73.5) or high-risk clinical variables alone (median OS, 37.0 months; 95% CI, 27.6-not available) associated with intermediate outcome. TP53mut, KRASmut, and CDKN2Adel similarly predicted worse outcome in patients with unresectable iCCA. CDKN2Adel tumors with high-risk clinical features were notable for limited survival and no benefit of resection over chemotherapy. CONCLUSIONS: TP53, KRAS, and CDKN2A alterations were independent prognostic factors in iCCA when controlling for clinical and pathologic variables, disease stage, and treatment. Because genetic profiling can be integrated into pretreatment therapeutic decision-making, combining clinical variables with targeted tumor sequencing may identify patient subgroups with poor outcome irrespective of treatment strategy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0010,000

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 GPT0,312
Écart entre enseignants0,275 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations162
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHepatologyMême sujetCholangiocarcinoma and Gallbladder Cancer StudiesTravaux en français237 207