Comparação de duas classificações histopatológicas com o padrão de imuno-marcação para KIT, a avaliação da proliferação celular e com a presença de mutações no c-KIT de mastocitomas cutâneos caninos
Bibliographic record
Abstract
RESUMO: A graduação histopatológica é o método de eleição para prever o comportamento biológico do mastocitoma e, atualmente, são utilizados os métodos de Patnaik e de Kiupel para dividi-los em graus de malignidade. O objetivo do presente trabalho foi comparar as duas classificações histológicas com as variáveis clínicas, os marcadores imuno-histoquímicos e com a presença de mutações para verificar as características que estão mais relacionadas entre si e com os piores prognósticos. Foram avaliados 61 animais, levando em consideração o sexo, a raça, a idade, a localização tumoral, o grau tumoral pelas classificações de Patnaik e Kiupel, a infiltração de eosinófilos, a marcação do KIT e do Ki-67 e a presença de mutação. As variáveis foram correlacionadas utilizando os testes de qui-quadrado, teste de Fisher, teste de verossimilhança e o teste de risco relativo. Os animais idosos foram os mais acometidos, enquanto os animais sem raça definida e os das raças Boxer, Labrador e Pinscher foram aqueles com maior predisposição ao desenvolvimento tumoral. A localização e a idade estão associadas ao grau tumoral. Os tumores em cabeça, pescoço e região genital têm 10 vezes mais chance de serem classificados como de alto grau (RR=10,667; IC95% 1,909-59,615, p=0,004) e os idosos oito vezes mais chance (RR=8,00; IC95% 0,955-67,009; p=0,029). Os tumores de grau II e os de baixo grau foram os mais encontrados e as duas classificações histológicas demonstram correlação muito significativa entre si (p<0,001). A concentração do infiltrado eosinofílico não demonstrou correlação significativa com nenhuma das classificações histológicas. O padrão KIT foi dependente da localização tumoral (p=0,015), já que os tumores genitais, na cabeça e no pescoço possuíam 18 vezes mais chance de apresentarem padrão citoplasmático (RR=18,571; IC95% 1,954-176,490; p=0,003), e das classificações de Patnaik (p=0,001) e Kiupel (p<0,001), sendo que os tumores de alto grau têm 36 vezes mais chance de apresentarem padrão citoplasmático (RR=36,00, IC95% 4,35-297,948; p<0,001). A marcação do Ki-67 demonstrou dependência da localização (p=0,024). A presença de mutação no exon 11 do domínio justamembrana não demonstrou associação com nenhuma das variáveis clínicas, das classificações histológicas, da concentração de eosinófilos e do padrão KIT. A presença da mutação foi correlacionada significativamente apenas ao Ki-67 (p=0,010). Os resultados obtidos sugerem que a localização é a variável clínica mais relacionada ao prognóstico e que apenas a classificação de Kiupel associada à imuno-histoquímica são eficientes para avaliar o comportamento tumoral.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.004 |
| Meta-epidemiology (narrow) | 0.003 | 0.003 |
| Meta-epidemiology (broad) | 0.004 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.006 | 0.003 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".