Immunohistochemical Screening of Upper Tract Urothelial Carcinomas for Lynch Syndrome Diagnostics: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: To review the effect of universal screening of newly diagnosed upper tract urothelial carcinomas (UTUC) for mismatch repair (MMR) protein loss to aid in Lynch syndrome diagnostics. MATERIALS AND METHODS: Studies were identified through PubMed on December 1, 2021. Eligibility criteria were universal immunohistochemical analyses for at least 2 MMR proteins in unselected, consecutively collected UTUC cohorts. Exclusion criteria included reviews, case-reports, non-English language, and non-humans. Risk of bias was assessed using a modified Newcastle-Ottawa scale. Meta-analyses were performed to compare the association between clinical criteria and Lynch syndrome diagnoses. RESULTS: From 12 included studies, 1628 surgically removed UTUC from 1626 patients were screened for MMR protein loss. In 11 studies, 140 of the 1559 patients had tumors with loss (9.0%) with 80.7% showing loss of MSH2, MSH6, or both. In 7 studies, genetic testing confirmed Lynch syndrome diagnosis for 20 of 970 patients (2.1%). In 8 studies, 31 patients were given a clinical Lynch syndrome diagnosis (2.6%). In total, 51 assumed or verified Lynch syndrome patients were identified among 1087 patients (4.7%). Meta-analyses of 3 studies showed significant association between previous cancer diagnosis and Lynch syndrome-associated UTUC (P = .038). CONCLUSION: Despite the few studies conducted and lack of genetic testing, current data suggests that universal screening for MMR protein loss in UTUC may result in Lynch syndrome diagnoses in 4.7%. However, for the screening to be effective for Lynch syndrome diagnostics, follow-up investigations, such as genetic testing for MMR variants, are needed.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| 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 | 0,001 |
| 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 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 ».