Natural history of renal cell carcinoma: An immunohistochemical analysis of growth rate in patients with delayed treatment
Notice bibliographique
Résumé
BACKGROUND/PURPOSE: To investigate the natural history of renal cell carcinoma (RCC) with delayed treatment and to immunohistochemically analyze the correlation between some biomarkers and the growth rate of RCC. METHODS: We reviewed our institutional databases to identify renal tumors which were confirmed to be RCC by delayed surgical treatment after at least 12 months of active surveillance (AS). Growth rate was defined as the average growth rate of the maximal diameter on computed tomography or magnetic resonance imaging. The clinicopathological characteristics and immunohistochemical biomarkers (Ki-67, p53, bcl-2, and vascular endothelial growth factor) were analyzed the correlation with the growth rate of RCC. RESULTS: We identified 45 RCCs from 45 patients. The mean patient age was 54 years (range, 26-78 years). The mean tumor size increased from 2.39 cm (range, 0.10-6.70 cm) at presentation to 4.54 cm (range, 1.40-11.80 cm) after a mean time of 45.4 months (range, 12-155 months) of AS. The mean growth rate was 0.79 cm/y (range, 0.10-4.74 cm), and 36 (80.0%) tumors presented a growth rate ≤ 1.00 cm/y. Clear cell RCC had a trend of growing faster than other histological subtypes. Pathological grade was significantly correlated with the growth rate of RCC (p = 0.043). High positive ratio of Ki-67 (r = 0.351, p = 0.018) and being p53 positive (p = 0.019) were significantly correlated to the fast growth rate of RCC. CONCLUSION: In general, RCCs under AS are slow growing with a wide variation of growth rate, with a portion of RCCs presenting rapid growth kinetics. RCC with rapid growth during AS is characterized by a high histological grade, high positive ratio of Ki-67, and being p53 positive.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».