S100A7 as a predictive biomarker in malignant transformation of oral epithelial dysplastic lesions
Notice bibliographique
Résumé
BACKGROUND: S100A7 expression is increased in oral potentially malignant disorders (OPMD) at risk of transformation to oral squamous cell carcinoma (OSCC). The objective of this study was to evaluate S100A7 expression in OPMD which transformed and to correlate these results with the 3-tier and 2-tier dysplasia grading systems, and an S100A7 immunohistochemistry-based signature algorithm (S100A7 ARS). METHODS: Formalin fixed paraffin embedded specimens from 48 patients with OPMD that had transformed into OSCC were selected. Thirty-five patients with multiple biopsies of dysplasia which had not transformed, and 25 cases with normal appearing and/or hyperkeratotic oral mucosa were included as control groups. Specimens were stained for S100A7 protein by immunohistochemical methods. Expression of S100A7 was assessed semi-quantitatively and by image analysis for the S100A7 ARS. RESULTS: The semi-quantitative score had strong correlation with the S100A7 ARS and allowed differentiation of OPMD from the Control groups. The S100A7ARS was also useful in differentiation of OPMD that transformed to carcinoma from non-transforming cases (p < 0.05). CONCLUSION: S100A7 immunohistochemical staining and the S100A7 ARS has potential for identifying oral potentially malignant lesions that have an increased risk of malignant transformation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».