MétaCan
Menu
Retour à la cohorte
Enregistrement W4285611005 · doi:10.1177/10732748221106268

Clinical Significance of Pim-1 in Human Cancers: A Meta-analysis of Association with Prognosis and Clinicopathological Characteristics

2022· review· en· W4285611005 sur OpenAlex
Lin Lai, Xinyu Chen, Ge Tian, Renba Liang, Xishan Chen, Yuelan Qin, Kai-Hua Chen, Xiaodong Zhu

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueCancer Control · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Mechanisms and Therapy
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMedicineMeta-analysisInternal medicineSubgroup analysisOncologyCochrane LibraryConfidence intervalHazard ratioPublication biasMetastasisCancer

Résumé

récupéré en direct d'OpenAlex

Background Pim-1 is overexpressed in cancer tissues and plays a vital role in carcinogenesis. However, its clinical significance in cancers is not fully verified by meta-analysis, especially in relation to prognosis and clinicopathological features. Methods Four databases, PubMed, Embase, Cochrane Library, and Web of Science, were searched. Literature screening and data extraction according to the inclusion and exclusion criteria. The quality of the included literatures was evaluated using the Newcastle-Ottawa scale and the data analysis was performed using STATA and Review Manager software. Results 15 articles were finally included for meta-analysis, involving 1651 patients. Effect-size pooling analysis showed that high Pim-1 was related to poor overall survival (OS) (HR 1.68 [95% CI 1.17-2.40], P = .004) and disease-free survival (DFS) (HR 2.15 [95 %CI 1.15-4.01], P = .000). Subgroup analysis indicated that the detection techniques of Pim-1 were the main sources of heterogeneity, and 2 literatures using quantitative polymerase chain reaction (qPCR) for Pim-1mRNA had high homogeneity (I 2 = .0%, P = .321) in OS. Another 13 studies that applied immunohistochemistry (IHC) for Pim-1 protein had significant heterogeneity (I 2 =82.2%, P = .000; I 2 =92%, P = .000) in OS and DFS, respectively, and further analysis demonstrated that ethnicity, sample size, and histopathological origin were considered to be the main factors affecting their heterogeneity. In addition, high Pim-1 was associated with lymph node metastasis (OR 1.40 [95% CI 1.02-1.92], P = .04), distant metastasis (OR 2.69 [95%CI 1.67-4.35], P < .0001), and clinical stage III-IV (OR .7 [95% CI .50-.96, P = .03). Sensitivity analysis suggested that the pooled results of each effect-size were stable and reliable, and there was no significant publication bias ( P = .138) in all included articles. Conclusion High Pim-1 can not only predict poor OS and DFS of cancer, but also help to infer the malignant clinical characteristics of tumor metastasis. Pim-1 may be a potential and promising biomarker for early diagnosis, prognostic analysis and targeted therapy of tumors.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,715
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0090,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,208
Tête enseignante GPT0,445
Écart entre enseignants0,237 · 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