Smoking, sex, and nonâSmall cell lung cancer: Steroid hormone receptors in tumor tissue (S0424)
Notice bibliographique
Résumé
© The Author(s) 2018. Background: To what extent steroid hormones contribute to lung cancer in male and female never smokers and smokers is unclear. We examined expression of hormone receptors in lung tumors by sex and smoking. Methods: Patients with primary non–small cell lung cancer were recruited into an Intergroup study in the United States and Canada, led by SWOG (S0424). Tumors from 813 cases (450 women and 363 men) were assayed using immunohistochemistry for estrogen receptor (ER)–a, ER-b, progesterone receptor (PR), and human epidermal growth factor receptor 2 (HER2). Linear regression was used to examine differences in expression by sex and smoking status. Cox proportional hazard models were used to estimate survival associated with the receptors. All statistical tests were two-sided. Results: In ever smokers, postmenopause and oral contraceptive use were associated with lower nuclear ER-b (P ¼ .02) and total (nuclear þ cytoplasmic) PR expression (P ¼ .02), respectively. Women had lower cytoplasmic ER-a (regression coefficient [b], or differences in H-scores ¼ –15.8, P ¼ .003) and nuclear ER-b (b ¼ –12.8, P ¼ .04) expression than men, adjusting for age, race, and smoking. Ever smokers had both higher cytoplasmic ER-a (b ¼ 45.0, P < .001) and ER-b (b ¼ 25.9, P < .001) but lower total PR (b ¼ –42.1, P < .001) than never smokers. Higher cytoplasmic ER-a and ER-b were associated with worse survival (hazard ratio ¼ 1.73, 95% confidence interval [CI] ¼ 1.15 to 2.58, and HR ¼ 1.59, 95% CI ¼ 1.08 to 2.33, respectively; quartiles 4 vs 1). Conclusions: Lower expression of nuclear ER-b in women supports the estrogen hypothesis in lung cancer etiology. Increasing cytoplasmic ER-a and ER-b and decreasing PR protein expression May be mechanisms whereby smoking disrupts hormone pathways.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,008 | 0,002 |
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 ».