Análise imunoistoquímica da expressão dos marcadores ALCAM e ALDH1 em pacientes com adenocarcinoma colorretal e associação com desfechos clinicopatológicos
Bibliographic record
Abstract
Introdução: O câncer colorretal apresenta alta mortalidade global, requerendo que investigações sejam realizadas para melhor compreender esta enfermidade. Marcadores tumorais têm surgido como sinalizadores de diagnóstico, manejo e prognóstico das neoplasias. Novos marcadores são estudados neste cenário. Objetivo: Verificar se há correlação da expressão por imunoistoquímica das proteínas ALCAM e ALDH1 em tecido com adenocarcinoma colorretal com as características epidemiológicas, clinicopatológicas, seu impacto na progressão de doença, e no óbito. Método: Revisão narrativa com base em publicações selecionas a partir de pesquisa em plataformas virtuais. Inicialmente foi realizada busca por descritores DeCS relativos ao tema, sendo escolhidos: “câncer colorretal, ALCAM e ALDH1” com busca AND ou OR, primeiramente pelo título e resumo e, depois, por leitura na íntegra dos selecionados. Resultado: Foram incluídos 52 artigos. Conclusão: A expressão por imunoistoquímica dos marcadores ALCAM e ALDH1 não apresentou associação com a progressão de doença e ao evento óbito, também não foi possível observar relação de correspondência com os marcadores avaliados
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".