MétaCan
Menu
← Retour à la cohorte
Enregistrement W4237681400 · doi:10.1200/jco.2004.22.14_suppl.3772

Linear regression is a reproducible model of tumor response to pre-operative endorectal brachytherapy

2004· article· en· W4237681400 sur OpenAlexaff
I. Zlobec, Carolyn C. Compton, T. Vuong

Notice bibliographique

RevueJournal of Clinical Oncology · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineBrachytherapyLinear regressionRadiologyOncologyNuclear medicineInternal medicineRadiation therapyStatistics

Résumé

récupéré en direct d'OpenAlex

3772 Background: The aim of this study was to evaluate linear regression using p21, bcl-2 and p53 immunohistochemistry as a reproducible tumor response model for patients undergoing pre-operative endorectal brachytherapy. Methods: Immunohistochemistry for p21, bcl-2 and p53 was performed on pre-treatment tumor biopsies from 51 patients with rectal adenocarcinoma. Patients underwent pre-operative endorectal brachytherapy (26 Gy in 4 fractions) followed by surgery 4–8 weeks after radiation. Tumors were classified as completely, partially or non-responsive to therapy by pathologic evaluation of the tumor post-operatively. Fifteen patients had complete tumor response (ypT0), 20 had partial response (microfoci of residual carcinoma) and 16 had no response (no histologic evidence of treatment-related tumor necrosis). Tumor cell staining was quantitatively assessed by at least two independent investigators. Each tumor biopsy was associated with 3 percentages X, Y and Z representing the immunoreactivity of p21, bcl-2 and p53 respectively. The coordinates X, Y and Z for biopsies of each response group were represented graphically and linear regression was performed. Tumor cell staining for the same proteins and 51 patients was assessed by a third independent investigator blinded to the previous scores 6–8 months later. Linear regression was performed with the new tumor coordinates for each response group. Results: The intraobserver variability for the two sets of scores is approximately 14%. The linear regression planes for both scores are similar and display significant differences between the tumor response groups. Graphical representation of the planes shows the most pronounced divergence to be between the completely and non-responsive groups as they appear as “mirror images” of each other. The linear regression model demonstrates the different relationships between p21, bcl-2 and p53 in the three tumor response groups. Conclusion: The quantitative evaluation of immunostaining and the subsequent representation of response groups by linear regression appear to be a reproducible model of rectal tumor response to pre-operative brachytherapy. No significant financial relationships to disclose.

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)0,009
score de la tête « metaresearch » (Gemma)0,021
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,087
Tête enseignante GPT0,503
Écart entre enseignants0,416 · 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

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→