摘要
p53作为肺癌生存的预后因素,其作用是有争议的,本系统文献综述的目的是确定这种影响。
已发表的研究的目的是在使用欧洲肺癌工作组(ELCWP)专门设计的量表进行方法学评估后汇总可用的生存结果。为了符合资格,一项研究必须只处理肺癌(原发部位)中的p53评估,并根据p53状态提供生存比较。
在74篇合格的论文中,有30篇将p53异常确定为统计学意义上的单变量不良预后因素,56篇提供了足够的数据来允许生存结果聚合。根据方法学评分或使用的实验室技术,在显示或未显示p53预后影响的试验之间没有显著差异。研究按组织学、疾病分期、治疗和实验室技术进行分类。综合危险比表明异常p53状态对生存有不利影响:在任何分期非小细胞肺癌(NSCLC)中,平均(95%置信区间)为1.44(1.20-1.72)(亚组纳入的研究数量为11项),I-II期NSCLC (n=19)为1.50 (1.32-1.70),I-IIIB期NSCLC (n=5)为1.68 (1.23-2.29),III-IV期NSCLC (n=9)为1.68(1.30-2.18),手术切除NSCLC (n=20)为1.48(1.29-1.70),鳞状细胞癌(n=9)为1.37(1.02-1.85),腺癌(n=9)为2.24 (1.70-2.95),免疫组化抗体1801阳性(n=8)为1.57(1.28-1.91),免疫组化抗体DO-阳性为1.25(1.09-1.43);分子生物学检测异常(n=13)为7 (n=16), 1.65(1.35-2.00)。数据不足以确定p53在小细胞肺癌中的预后价值。
在非小细胞肺癌的每个亚组中,p53异常状态均显示与较差的生存预后相关。
肺癌是工业化国家最常见的癌症死亡原因,在女性和许多欧洲国家,肺癌的发病率正在稳步上升。尽管诊断和治疗有所改善,但总体5年生存率仍为15%。
一些独立的预后因素已被确定为预测生存和帮助肺癌患者的管理1.它们包括:小细胞肺癌(SCLC),疾病程度和表现状况(PS)2;可切除的非小细胞肺癌(NSCLC)、PS、肿瘤、淋巴结、转移(TNM)分期和年龄3.;晚期NSCLC、PS、TNM分期、年龄、性别和体重减轻4,5.在生物学因素中,白细胞计数、血清乳酸脱氢酶水平、血管新生和反映增殖状态的因素对预后有显著的预测作用6,7.
分子生物学的最新进展使预后因素的研究扩展到与癌症发展有关的蛋白质和基因的分析。例如,与成长有关的因素(如。上皮生长因子erb-;B2),细胞周期(如。视网膜母细胞瘤基因),或凋亡(如。P53和bcl-;2)已在最近的出版物中进行了研究,以将它们与生存率联系起来8- - - - - -11.
P53一直是肺癌患者的众多出版物的主题。它是一种53- kD核磷蛋白,由p53肿瘤抑制基因产生,定位在人类染色体17p13上。它与双链脱氧核糖核酸(DNA)结合,具有调节细胞周期、诱导凋亡和稳定基因组三大生理功能12.p53基因的突变与许多癌症的发生有关,在肺癌中也很常见13,14.
尽管有大量的研究,p53对肺癌患者生存的预后价值是有争议的,该领域发表的许多研究都是针对小系列的患者。因此,我们对相关文献进行了系统回顾,以评估p53异常对肺癌患者生存的预后价值。
材料与方法
出版物选择
本系统综述的研究资格标准为:仅涉及肺癌;评价p53状态与患者生存的相关性;分析原发肿瘤(不在转移组织或肿瘤邻近组织中)中的p53(蛋白质、DNA或核糖核酸(RNA))和/或血清中针对p53的抗体;以全文的形式在英语或法语文献中发表。
文章通过MEDLINE上使用关键词“肺肿瘤”和“p53”进行电子搜索确定,并通过两位作者的个人参考书目完成。所确定的任何研究报告的书目也被用于鉴定试验。搜寻工作于1999年7月结束。
当同一作者在几篇论文中报告了在同一患者人群中获得的结果时,只有最近或最完整的报告被纳入分析(以避免队列之间的重叠)。
该综述仅限于已发表的研究,未与作者联系以获得未发表的数据。
方法评估
为了评估试验方法(本论文使用了沃尔弗试验,指的是一项临床研究),10名研究人员,包括9名医生和1名生物统计学家,独立阅读了每篇论文,并根据附录中描述的质量量表对它们进行了评分。每个项目都使用序号量表进行评估(可能的值:2,1,0)。
在至少三分之二的调查人员需要出席的会议上,对分数进行比较,并就每个项目达成共识值。许多读者的参与是文章正确解读的保证。由于分数是客观的,所以总能达成共识。
总体得分评估了方法论的几个维度,分为四个主要类别:科学设计;用于识别p53状态异常的方法的描述(异常意味着存在突变基因,可检测的蛋白质或抗;p53抗体);结果的泛化性;研究数据的分析。
每个类别的最高得分为10分,因此总体最高得分为40分。当一个项目不适用于一项研究时,在有关类别的总数中不考虑理论上的归属点。最终得分以百分比表示,范围为0-100%,数值越高表明方法学质量越好。
符合系统评价条件的研究被称为“合格的”,为荟萃分析提供数据的研究被称为“可评价的”。只有报告单变量生存分析结果的研究才被考虑用于生存数据的汇总。
统计方法
如果一项研究的结果被认为是显著的,用于比较p53状态异常组和无异常组之间生存分布的统计检验的p-;值<0.05,有利于无异常组。该研究随后被称为“阳性”(这意味着异常是生存的不良预后)。如果作者仅在亚组分析中报告了显著的结果,则该研究也被认为是积极的。在其他情况下,它被称为“阴性”,包括发现p53异常患者组存在显著的生存差异的情况。
质量分数或两个连续变量之间的相关性用斯皮尔曼等级相关系数来衡量。通过检验该系数等于零的原假设来评估其显著性。采用非参数检验根据离散变量的值比较质量分数的分布(Mann-Whitney U-;二元变量检验和Kruskal-Wallis多类变量检验)。
对于生存结果的定量聚合,p53效应通过两种生存分布之间的危险比(HR)来衡量。对于每个试验,根据以前出版物中提供的结果,用一种方法估计这一HR15.最准确的方法包括从报告的结果中检索人力资源估计值及其方差,或直接使用作者为单变量分析提供的参数进行计算:O-;E统计量(观察到的事件数与预期事件数之间的差异),人力资源的置信区间(CI), logrank统计量或其p-;值。如果没有这些,则使用事件总数、每组中有危险的患者数量和logrank统计量或其p-;值来进行HR估计值的近似计算。最后,如果唯一可利用的数据是生存分布的图形表示形式,则可以从中提取某些特定时间的生存率,以便重建HR估计值及其方差,并假设在研究随访期间剔除的患者率不变。如果作者报告了三个或更多组的存活率(例如,使用细胞核中存在的蛋白质百分比的几个临界值,或单独考虑DNA的外显子),则将结果汇总,使两组之间的比较可行。
根据p53状态,全球范围内分析了整个患者群体的生存情况。如果单独报告了特定亚组的结果,则在相应亚组的meta分析中进行处理。当然,同样的患者在同一项分析中从未被考虑超过一次。使用Yusuf发布的方法,将单个人力资源估算合并为整体人力资源et al。16,其中包括使用固定效应模型,并假设个别人力资源的同质性。如前所述,通过对异质性进行Chi-;平方检验来检验这一假设16.根据已知的肺癌预后因素协变量(组织学、分期、治疗或实验室方法)对研究进行分类,而不是考虑随机效应模型,首先考虑了hr之间可能的异质性。然而,如果对于某些特定的子组必须拒绝同质性假设,则在第二阶段对这些特定的子组使用随机效应模型。按照惯例,观察到的hr> 1暗示p53异常组的生存率较差。如果总体HR的95% CI不重叠1,则认为p53对生存的负面影响具有统计学意义。
结果
研究选择及特点
入选1992-1999年间发表的79项试验[9-11,17 - 92]。他们都报道了p53状态对肺癌患者生存的预后价值,评估原发肿瘤中p53基因异常或蛋白表达,或血清中p53抗体的存在。其中5项研究被排除在外,因为在其他选定的出版物中使用了相同的患者队列(被排除和纳入的研究为39,40,43,44,71,72,84- - - - - -87.
符合系统评价条件的74项研究的主要特征见表1⇓.其中67个涉及NSCLC,而SCLC、神经内分泌肿瘤和任何组织学类型分别是2、2和3个试验的主题。NSCLC研究考虑了所有亚型(n=57)、腺癌(n=6)或鳞状细胞癌(n=4)。67项NSCLC研究中有50项评估了局部疾病,76%的病例仅通过手术治疗。
一些研究评估了p53基因突变的预后作用,通过分子生物学(n=18),聚合酶链反应(PCR),最常见的是单链构象多态性(SSCP)方法,或变性梯度凝胶电泳(DGGE),或DNA测序鉴定。一项研究通过反转录PCR-SSCP方法评估了RNA异常。其他人通过免疫组化(IHC)检测(n=49)、光学显微镜或流式细胞术,或通过酶联免疫吸附测定技术(ELISA)对细胞提取物(n=2)评估p53蛋白的积累。五项研究通过ELISA、Western blot或免疫印迹检测p53抗体在血清中的作用。
三个试验同时评估了p53 DNA和蛋白质;在目前的分析中,它们仅被认为是DNA结果,蛋白质积累与基因突变没有严格的相关性。一项研究评估了原发肿瘤中p53蛋白的积累和血清中抗体的存在,并被认为仅用于蛋白质分析。
在有资格进行系统评价的74个试验中,由于报告的数据不充分,无法评估18个试验的HR估计,因此,它们不能被考虑到生存结果的汇总。未将研究纳入元分析的原因为:缺乏单因素分析(n=3)37,63,80;无p-;值,HR或CI报告(n=8)11,23,24,49,61,62,67,91;未显示生存曲线(n=5)17,31,35,53,81;无p53状态分布(n=2)28,73.
研究结果报告
如表1所示,在74项试验中,有30项(41%)确定p53异常是影响生存的不良预后因素(其中28项进行了荟萃分析评估),42项(57%)得出结论p53不是影响生存的预后因素(26项评估),2项(2%)报告p53阳性预后较好,均进行了评估18,58.为了比较阳性研究(p53在统计学上是不良预后因素)和阴性研究(无统计学意义),后两项研究与阴性研究合并。
在67项NSCLC试验中,28项(42%)为阳性(其中26项进行了评估)。两项涉及SCLC的研究均未报告显著结果。两项评估神经内分泌肿瘤中p53的试验之一有显著结果。三项研究评估了任何组织学和任何阶段的肺癌,其中一项是显著的。51项试验中有22项(43%)评估p53蛋白的作用,39%评估p53 DNA的作用,20%评估抗p53抗体的作用是显著的。
关于荟萃分析,74项研究中有18项未被评价。meta分析的评价状态与试验阳性相关;可评估的试验的阳性结果率为50%(56例中有28例),而不能评估的试验的阳性结果率为11%(18例中有2例)(p=0.005)。
质量评估
总体而言,全球质量评分范围为23.9-85.2%,中位数为54.8%(表2)⇓).设计子得分最低,中值为4分(满分10分)。描述最糟糕的项目(<最大理论分数的30%)是先天的估计进行研究所需的样本量(2%)、结果评估中的盲法(24%)和初始检查描述(11%)。
总体评分与纳入研究的患者数量之间存在显著相关性(Spearman相关系数r年代= 0.43, p = 0.0015)。
关于总体评分,30个阳性试验和44个阴性试验之间没有统计学上的显著差异(中位数为55.1%)与54.3%,经Mann-Whitney U-;检验p=0.24)。然而,阳性试验在分析结果报告方面得分更高:6.2(满分10分),阴性试验为3.7(满分10分)(p=0.02)。
56项被评估的研究与18项未被评估的研究之间,无论是总体评分(54.8%对54.6%,Mann-Whitney U-;检验p=0.72)还是四个亚评分,都没有统计学上的显著差异。
在meta分析评估的56个试验中,总体评分范围为24.0-85.2%,中位数为54.8%。这四个子评分与74个试验的子评分重叠,其中设计子评分描述最差。同样的项目描述不佳(<最大理论评分的30%)。根据总体评分,阳性试验和阴性试验之间无显著差异(两组中位数为54.8%,p=0.61)。
在通过免疫组化(n=35)和分子生物学(n=14)评估p53状态的研究之间,总体评分无统计学差异,得分分别为56.5%和52.4% (p=0.07),但在实验室方法学的描述上存在显著差异,免疫组化比分子生物学的描述更好(10分之6.4比10分之4,p=0.0002)。
荟萃分析
阳性试验和阴性试验之间的总体方法学评分没有显著差异,导致个体生存结果的定量聚合表现。由于56个入选试验的队列具有重要的异质性,因此只进行亚组分析。事实上,作者报告了不同的患者队列(根据组织学、分期和/或治疗选择)。此外,用于识别p53异常的技术可能带来一些额外的异质性。
分析的子组是根据前面描述的协变量定义的。
在56项可评估的研究中,由于以下原因,有8项未用于荟萃分析。在SCLC中没有进行结果聚合,因为两项现有研究使用的方法差异太大,一项研究直接将p53基因评估到肿瘤细胞中60另一组评估循环抗p53抗体82.对于神经内分泌肿瘤,只有一项试验可以进行评估77.在包括任何类型肺癌的三项研究中,一项报告了腺癌和鳞状细胞癌亚组的结果64,在他们各自的课堂上使用。另外两个研究人员使用了非常不同的方法来分析p53,以防止它们聚集在一起;一项研究评估了这种蛋白质进入肿瘤细胞的情况19另一种是循环抗体54.
这五项评估可评估的循环抗p53抗体的研究没有聚集在一起,因为它们都涉及不同的患者群体:任何阶段的NSCLC18,局部鳞状细胞肺癌50, SCLC82以及任何类型的肺癌54.
48项评估研究的个体hr是通过材料和方法部分中报告的三种方法之一计算的。只有五项研究报告了直接计算估计HR所需的数据。在14个试验中,HR用事件总数和logrank统计量或其p值来近似。对于剩余的29项研究,HR必须从生存分布的图形表示中推断出来。
I期和II期NSCLC亚组包括19项试验(9项阳性),分析2580例患者。聚合产生了具有统计学意义的HR (1.52;95% CI 1.35-1.72),在p53异常的病例中生存预后较差(表3⇓).异质性检验给出了显著的结果(p=0.01),但不可能进一步对试验进行分类,即单独处理报告I期患者的论文。随机效应模型的使用没有改变结论,合并HR为1.78 (95% CI 1.45-2.19)。
手术切除的NSCLC亚组,定义为完全手术切除而没有任何其他治疗方式的肿瘤,20个试验中有10个阳性,显示出非常相似的结果(HR=1.56;95% CI 1.37-1.79, Chi-;异质性p=0.02的平方检验)(表4⇓).再一次,随机效应的引入并没有改变对HR的解释(HR=1.66;95% ci 1.37-2.01)。
在NSCLC I-IIIB期,或III和IV期,或所有期进行的研究(分别为试验5、9和11)也显示HR显著高于b0 1:分别为1.68 (95% CI 1.23-2.29)、1.68 (95% CI 1.30-2.18)和1.44 (95% CI 1.20-1.72)。在这些亚组中均未发现异质性(p>0.05)(表5-7)⇓⇓⇓).
在考虑NSCLC组织学亚型时,9项试验可评估腺癌(表8)⇓)和9例鳞状细胞癌(表9⇓).结果显著,HR分别为2.24 (95% CI 1.70-2.95)和1.37 (95% CI 1.02-1.85),无显著异质性。
用于检测p53异常的方法根据以下三个集合进行了分析(图。1 - 3⇓⇓⇓,个体数据已在以前的表格中报道):免疫组化抗体1801 (n=8),免疫组化抗体DO-;7 (n=16)和分子生物学(n=13)。hr分别为1.57 (95% CI 1.28-1.91)、1.25 (95% CI 1.09-1.43)和1.65 (95% CI 1.35-2.00)。三种相应的异质性Chi- squared检验均无统计学意义(分别为p=0.38, p=0.77和p=0.32)。
讨论
对文献的系统回顾表明,肺癌细胞p53基因的改变是NSCLC患者生存的不良预后因素。分析揭示了每个NSCLC亚组的相似特征,并有助于澄清个别研究中有些不一致的信息。
这一观察结果对预后有潜在的重要意义。独立预后因素的确定可以定义高危患者群体,为其设计特定的治疗方案或在随机试验中进行分层。到目前为止,对于肺癌,有用的预后因素是临床变量,如疾病程度或表现状况,或常规组织学检查,如白细胞计数或血清乳酸脱氢酶水平。荟萃分析的结果表明,p53与生存之间存在关系,但仅在单变量环境下,应该鼓励充分设计的前瞻性研究的发展,采用适当的统计方法,包括多变量分析,以证明像p53这样的分子生物学标记的常规效用。
此外,p53异常表达的存在可能是一个潜在的治疗靶点。肿瘤抑制基因治疗是目前临床研究的初步课题93,94.
生存数据的汇总仅使用单变量分析中报告的结果。可用的研究类型非常多样化,通常针对特定的患者群体,例如仅通过手术治疗的NSCLC或特定的组织学亚型或特定的肿瘤分期。由于这个原因,没有进行全球荟萃分析,通过汇总在相似患者群体或肿瘤中进行的研究数据,分析集中在更同质的患者亚组。
然而,即使这样做,个体试验之间存在的异质性问题也不能完全解决。事实上,在考虑的10个亚组中,有两个发现了统计学上显著的异质性检验(I-II期和手术期)。在I-II期亚组中,异质性主要是由于一项特定的研究76该疗法仅适用于病理I期患者。通过终止本试验,异质性检验变得不显著(p=0.51)。选择预后最好的患者,如I期疾病,可能是p53异常对生存没有影响的原因。然而,没有其他试验提供针对I期患者的结果,因此不可能单独分析它们。
在手术切除的亚组中,检测到的异质性并不令人惊讶。手术预后最好的患者可能属于I期,IIIA期的生存概率严重降低。使用治疗协变量对该亚组的定义不是最优的,但由于缺乏可用的数据,根据具有更好预后价值的协变量进行分类是不可能的。
当使用随机效应模型时,作者得到了与固定效应模型相同的结论,但这种模型没有识别异质性的来源,这是临床的重要点。然而,在所有测试的类别中,定量聚集的HRs是一致和相似的,在p53蛋白异常表达或基因突变的情况下,生存期显著降低:I-II期NSCLC,手术治疗的NSCLC, I-IIIB期NSCLC, III-IV期NSCLC,任何期NSCLC,腺癌,鳞状细胞癌(表3-9)⇓⇓⇓⇓⇓⇓⇓).由于缺乏类似的方法,对涉及神经内分泌肿瘤、SCLC、任何组织学和抗- p53抗体的亚组研究没有进行荟萃分析。
值得注意的是,报告SCLC的两项合格研究均为阴性。单一试验直接评估基因60纳入的患者数量非常少(n=28),因此所提供的信息必须被视为初步的。事实上,需要进一步的研究来确定p53作为SCLC生存预后因素的价值。
进行荟萃分析的决定是基于先前对出版物的方法学质量评估。采用了类似于本文作者先前报道的肺癌治疗系统综述的方法95-。根据专家的意见和先前在该领域的经验,设计了生物预后因素的特定量表(附录)。通过比较p53是显著预后因素的研究和非显著预后因素的研究的得分,可以确定由试验方法引起的偏差。事实上,两组的分数比较没有显示出统计学上的显著差异,因此可以进行有意义的数据汇总。然而,应该强调的是,积极研究的结果分析报告明显好于消极研究。
然而,所使用的方法并没有阻止所有潜在的偏差。最重要的可能是发表偏倚。事实上,具有非统计显著性结果的研究发表的频率较低,如果有,则数据更简洁(如方法学分析所示)。此外,还有一个语言问题。本审查只限于以英文和法文发表的文章,因为读者无法获得其他语文,例如日文。这种偏见可能有利于积极的研究,而消极的研究往往用母语报道99.另一个可能引起混淆的原因是在不同的出版物中使用同一组患者39,43,72,84,86同样的患者在荟萃分析中被纳入两次或三次,这可能很难避免。最后,出于实际目的,由于数量较少,显示异常p53存在显著正生存效应的两项试验被纳入阴性组。
用于识别p53状态变化的技术的多样性也可能是偏见的潜在来源。一些作者通过分子生物学技术寻找基因内的突变,通常是针对肺癌中大多数突变所在的外显子5-8One hundred..然而,并不是所有突变的蛋白质都失去了它们的生理功能,在p53的情况下,细胞周期调节的干扰取决于突变的位置101,102.此外,并非所有的突变都是通过对基因的部分分析发现的。其他作者研究了细胞核中异常形式的蛋白质的积累,正常的p53蛋白质的半衰期太短而无法检测到103.为此,他们使用了免疫组化技术,或者较少使用的ELISA。对同一抗体进行免疫组化不显示该蛋白。此外,定义p53积累的肿瘤的阳性细胞数量的临界值通常是任意的,根据研究人员的不同,从百分之几到50%不等。最佳阈值还有待确定。有时,这些操作可能是不充分的:例如,在石蜡包埋组织上使用抗体1801,因为它具有特定的免疫反应性104,或在固定组织上没有表位揭掩的预先反应105.最后,免疫组化可以产生假阴性结果,因为一些突变与缺乏可检测的蛋白质有关106或假阳性结果,因为p53可以在基因突变以外的情况下定量增加或稳定107-。因此,免疫组织化学与分子生物学之间没有绝对的相关性。为了排除技术偏差,根据最常用的方法进行亚组分析:抗体1801免疫组化,抗体DO-免疫组化;7和分子生物学(图2)。1 - 3⇓⇓⇓).在任何情况下,结果都是一致的,在p53状态异常的情况下,生存率较低,这使得该技术不太可能成为偏见的来源。
一些偏差可能是由于用于执行元分析的方法。正如已经强调的那样,负面研究报告的结果不太详细,因此不太可能进行评估。在18项因缺乏报告数据而被排除在荟萃分析之外的研究中,16项为阴性,这比荟萃分析可评估的试验的比例明显更高。因此,存在一种倾向于积极试验的潜在偏见。另一个潜在的偏差来源与人力资源的外推方法有关。如果作者没有报道,则从文章中提供的数据中计算出来,如果不可能,则从生存曲线中推断出来,因此对审查过程做出假设。此外,在曲线上读取死亡率的时间间隔的选择也没有达成共识。最后,应该再次强调的是,由于患者群体的异质性,全球荟萃分析似乎没有意义。这种潜在的人群偏倚使得将未纳入数据汇总的亚组患者(如SCLC患者)的荟萃分析结果一般化是危险的。
目前的结果是基于在大多数回顾性试验中通过单变量生存分析获得的数据的聚合。需要强调的是,1.5-2的HR并不意味着p53对生存有很大的影响,因此,p53在个体患者水平上并不能构成预测更短生存的有用因素。这些结果需要通过充分设计的前瞻性研究来证实,p53异常状态的确切值需要通过适当的多变量分析来确定,同时考虑到经典的明确的肺癌预后因素。基于纳入研究的患者个人数据的荟萃分析110将有助于通过多变量方法定义p53的预后作用,但这将需要收集大量的回顾性数据,并存在处理大量缺失数据的潜在问题。此外,它不具有设计良好的前瞻性研究的明确价值111.
总之,对肺癌文献的系统回顾表明,无论使用何种生物检测,p53异常对非小细胞肺癌患者的生存预后价值较差。数据尚不足以确定其在小细胞肺癌中的作用。这一观察结果需要进一步的调查,以充分的统计方法来确定其在其他已知肺癌生存预后因素中的确切位置。
附录:欧洲肺癌工作组肺癌生物预后因素质量量表
除特别规定外,文章中明确定义的每项属性值为2分,描述不完整或不清楚的为1分,未定义或不充分的为0分。
科学的设计
学习目标的定义。
研究设计:前瞻性(2分);回顾或回顾(1分);未定义(0点)。
结果定义。
统计考虑:充分报告,并对纳入和/或分析的患者/样本数进行初步评估(2分);纳入和/或分析的患者/样本数量由研究变量的数量确定(每个变量至少10名患者)(1分);未定义(0点)。
统计方法和测试说明。
实验室方法
生物检测性能盲法:双盲(2分);单盲(1分);无盲或未定义(0分)。
被测因素描述:DNA(分析的外显子类型),信使RNA(全部或部分带有所使用引物的描述),蛋白质(核,细胞质或从细胞成分中提取),抗体(样本组织或液体类型)。
组织样本保存:可以是新鲜组织,也可以是需要在≤- 80°C冷冻保存的RNA抗rnaase,或在≤- 20°C冷冻保存DNA、蛋白质和血清,或在甲醛、酒精或石蜡中固定。
生物因子揭示试验程序描述:PCR,并提及引物、聚合酶类型、一般反应条件(各种试剂的浓度、周期数、持续时间和各步骤的温度);DNA-;用所使用的方法测序,电泳特征(凝胶组成,持续时间,温度和发电机电压)和显示程序;逆转录(RT),逆转录类型和一般孵育条件(试剂浓度、温度和持续时间);具有凝胶成分(丙烯酰胺百分比,甘油含量),其他电泳特征(持续时间,温度和发生器电压),显色方法的SSCP(如果没有阴性内控,则必须按照SSCP进行异常迁移片段测序);DGGE具有凝胶组成和凝胶组成梯度,其他电泳特征(持续时间、温度和发生器电压)和显色方法(如果没有阴性内控,DGGE必须对异常迁移片段进行测序);限制性片段长度多态性(限制性片段长度多态性,RFLP)与限制性酶类型、温度和孵育时间、电泳特征(凝胶组成、持续时间、温度和发生器电压)、显色方法(如果没有阴性内控,则必须按照RFLP对异常迁移片段进行测序);免疫组化,第一抗体类型和克隆鉴定,第二抗体类型,反应特征(抗体浓度,孵育时间和温度),显色法(过氧化物酶,碱性磷酸酶或染色法),固定组织的表位去掩膜法,显色法需要过氧化物酶的内源性过氧化物酶活性抑制法;使用的抗体/抗原类型的ELISA,一般反应条件(试剂浓度,温度,持续时间),非特异性位点堵塞(所用血清类型),染色和读数方法(荧光测定法,分光光度法,等。);Western blot检测所用抗体/抗原类型,凝胶成分,其他电泳特征(持续时间,温度,发生器电压),显色方法;免疫印迹,使用的抗体/抗原类型,膜的类型,其他电泳特征(持续时间,温度,发生器电压),着色方法。
阴性和阳性控制程序的描述。
试验重现性控制:如果研究是多中心的,在研究者的中心之间,如果是单中心的,在中心内部。
检测阳性水平的定义(仅在免疫组化情况下评估):已验证(2分);任意(1分);未描述(0点)。
普遍性
患者选择标准,包括组织学类型,疾病分期和治疗。
患者的特征,包括组织学类型、疾病分期和治疗。
最初的检查。
治疗的描述。
样品来源。
排除原因的不可评估样本数量。
结果分析
后续描述,包括事件数量。
根据生物标志物进行生存分析。
生存预后因素单因素分析:以2点置信区间报告相对危险度;结果未评价相对风险及其置信区间(1点);没有报告或不充分(0分)。
生存预后因素的多因素分析:以置信区间(2点)报告相对风险;结果未评价相对风险及其置信区间(1点);没有报告或不充分(0分)。
致谢
作者感谢D. Larsimont、P. Martiat、P. Vermylen、B. Martin、D. Gancberg和L. leespagnard在生物预后因素方法学量表设计方面的帮助。
- 收到了2000年7月7日。
- 接受2001年4月12日
- ©ERS期刊有限公司