...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>EBioMedicine >Prediction of Clinical Outcome for All Stages and Multiple Cell Types of Non-small Cell Lung Cancer in Five Countries Using Lung Cancer Prognostic Index
【24h】

Prediction of Clinical Outcome for All Stages and Multiple Cell Types of Non-small Cell Lung Cancer in Five Countries Using Lung Cancer Prognostic Index

机译：使用肺癌预后指数预测五个国家非小细胞肺癌所有阶段和多种细胞类型的临床结果

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Lung cancer is a commonly diagnosed cancer. In this era of personalized medicine, genetic predictive models arebecoming increasingly important. However, many current predictive models fail verification tests due to smallsample sizes and institutional biases.Wecollected 17 gene expression datasets frompublic databases to generateour largest training and testing cohorts. After successfully eliminating institutional variations and mergingmultiple datasets, we generated a training cohort of 1073 and a testing cohort of 659. Using Siggenes, univariateand multivariate analyses, we identified seven gene signatures, and combined them with the clinical parameterage and stage to design the lung cancer prognostic index (LCPI). Using LCPI, we could differentiate lung cancerpatients into three risk groups and predict patient survival probabilities at 10 and 15 year post-surgical resection.We extensively verified the predictive ability of LCPI for overall and recurrence free survival using 6 otherdatasets from five different countries.
机译：肺癌是一种常见的癌症。在这个个性化医学的时代，遗传预测模型变得越来越重要。然而，由于样本量小和机构偏见，许多当前的预测模型未能通过验证测试。我们从公共数据库中收集了17个基因表达数据集，以产生最大的培训和测试人群。在成功消除机构差异并合并了多个数据集之后，我们生成了一个训练队列1073和一个测试队列659。使用Siggenes，单变量和多变量分析，我们确定了7个基因标志，并将它们与临床参数和阶段相结合以设计肺癌预后指数（LCPI）。使用LCPI，我们可以将肺癌患者分为三个风险组，并预测术后10年和15年的患者生存率。我们使用来自五个不同国家的6个其他数据集，广泛验证了LCPI对总体生存和无复发生存的预测能力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号