Clinicopathologic Features and Molecular Biomarkers as Predictors of Epidermal Growth Factor Receptor Gene Mutation in Non-Small Cell Lung Cancer Patients
Notice bibliographique
Résumé
Lung cancer ranks first in the incidence and mortality of cancer in the world, of which more than 80% are non-small cell lung cancer (NSCLC). The majority of NSCLC patients are in stage IIIB~IV when they are admitted to hospital and have no opportunity for surgery. Compared with traditional chemotherapy, specific targeted therapy has a higher selectivity and fewer adverse reactions, providing a new treatment direction for advanced NSCLC patients. Tyrosine kinase inhibitors of epidermal growth factor receptor (EGFR-TKIs) are the widely used targeted therapy for NSCLC patients. Their efficacy and prognosis are closely related to the mutation status of the EGFR gene. Clinically, detecting EGFR gene mutation is often limited by difficulty obtaining tissue specimens, limited detecting technology, and economic conditions, so it is of great clinical significance to find indicators to predict EGFR gene mutation status. Clinicopathological characteristics, tumor markers, liquid biopsy, and other predictors are less invasive, economical, and easier to obtain. They can be monitored in real-time, which is supposed to predict EGFR mutation status and provide guidance for the accurate, individualized diagnosis and therapy of NSCLC patients. This article reviewed the correlation between the clinical indicators and EGFR gene mutation status in NSCLC patients.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».