MétaCan
Menu
← Retour à la cohorte
Enregistrement W7116856229 · doi:10.3390/curroncol33010006

Changes in HER2, ER, PR, and Ki-67 in HER2-Negative Breast Cancer After Neoadjuvant Chemotherapy: A Case–Control Study

2025· article· en· W7116856229 sur OpenAlexvenueno aff
Youzhao Ma, Yang Yan, Mingda Zhu, Yue Yu, X Q Wang

Notice bibliographique

RevueCurrent Oncology · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésImmunohistochemistryBreast cancerProgesterone receptorEstrogen receptorLogistic regressionHuman Epidermal Growth Factor Receptor 2Univariate analysisHormone receptor

Résumé

récupéré en direct d'OpenAlex

Purpose: This study investigates receptor status changes following neoadjuvant chemotherapy (NAC) in breast cancer, aiming to identify new therapeutic opportunities and improve human epidermal growth factor receptor 2 (HER2) detection and categorization methods. Methods: This retrospective analysis was conducted on patients with breast cancer who underwent NAC and surgery between July 2022 and June 2024. Chi-square tests and logistic regression models were applied to assess the associations between HER2 status changes and clinicopathological features. Results: Among 508 patients, the receptor discordance rates after NAC were 5.3% for estrogen receptor (ER), 21.3% for progesterone receptor (PR), and 43.7% for HER2. Ki-67 expression decreased in 64.6% of cases and increased in 6.8%. Of the 103 patients with HER2-0, 47 (45.6%) transitioned to IHC 1+, 9 (8.7%) to IHC 2+/ISH−, and 1 (1.0%) to IHC 2+/ISH+. Among 256 patients with HER2 IHC 1+, 58 (22.7%) transitioned to IHC 2+/ISH−, 36 (14.1%) to IHC 0, and 9 (3.5%) to IHC 2+/ISH+. For 149 patients with HER2 IHC 2+/ISH−, 50 (33.6%) transitioned to IHC 1+, 6 (4.0%) to IHC 2+/ISH+, 5 (3.4%) to IHC 0, and 1 (0.7%) to IHC 3+. Univariate analysis revealed that, when compared to grade III tumors, grade I–II tumors exhibited a higher rate of HER2-0 to HER2-low conversion (66.7% vs. 36.8%, p = 0.027). HER2-low to HER2-0 conversion was associated with ER negativity (p = 0.028), PR negativity (p = 0.021), HER2 IHC 1+ (vs. IHC 2+, p = 0.001), and TIL >10% (p = 0.049). Multivariate analysis revealed that tumors with HER2 IHC 1+ were more likely to convert to HER2-0 after NAC than those with HER2 IHC 2+ (p = 0.020). Conclusions: Following NAC, ER gain, PR loss, and Ki-67 reduction were common. HER2 and ER status changes predominantly occurred within adjacent expression intensity levels.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,353
Écart entre enseignants0,335 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetBreast Cancer Treatment Studies→Travaux en français237 207→