MétaCan
Menu
Retour à la cohorte
Enregistrement W3217307305 · doi:10.3390/cancers13235906

Mutation Profile Variability in the Primary Tumor and Multiple Pulmonary Metastases of Clear Cell Renal Cell Carcinoma. A Review of the Literature and Analysis of Four Metastatic Cases

2021· review· en· W3217307305 sur OpenAlexaff
Kristýna Procházková, Nikola Ptáková, Reza Alaghehbandan, Sean R. Williamson, Tomáš Vaněček, J Vodička, Vladislav Třeška, Joanna Rogala, Kristýna Pivovarčíková, Květoslava Michalová, Maryna Slisarenko, Milan Hora, Michal Michal, Ondřej Hes

Notice bibliographique

RevueCancers · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineRenal cell carcinomaClear cell renal cell carcinomaPrimary tumorMetastasisOncologyMutationImmunohistochemistryInternal medicineCellPathologyGenetic heterogeneityCancerGenePhenotypeBiology

Résumé

récupéré en direct d'OpenAlex

(1) Background: There are limited data concerning inter-tumoral and inter-metastatic heterogeneity in clear cell renal cell carcinoma (CCRCC). The aim of our study was to review published data and to examine mutation profile variability in primary and multiple pulmonary metastases (PMs) in our cohort of four patients with metastatic CCRCC. (2) Methods: Four patients were enrolled in this study. The clinical characteristics, types of surgeries, histopathologic results, immunohistochemical and genetic evaluations of corresponding primary tumor and PMs, and follow-up data were recorded. (3) Results: In our series, the most commonly mutated genes were those in the canonically dysregulated VHL pathway, which were detected in both primary tumors and corresponding metastasis. There were genetic profile differences between primary and metastatic tumors, as well as among particular metastases in one patient. (4) Conclusions: CCRCC shows heterogeneity between the primary tumor and its metastasis. Such mutational changes may be responsible for suboptimal treatment outcomes in targeted therapy settings.

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)0,001
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: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 GPT0,296
Écart entre enseignants0,258 · 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'étudeÉtude de cas
Domainenon disponible
GenreSynthèse

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

En bref

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetRenal cell carcinoma treatmentTravaux en français237 207