Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Znaczenie kliniczne stężenia LDH w surowicy w prognosycznej ocenie dużyokomórkowego neuroendokrynnego raka płuc

562 wyświetleń

⸱

DOI:

10.3791/69352

⸱

30 grudnia 2025

 ,  ,  , 
1Department of Thoracic Surgery, Beijing Chest Hospital, Capital Medical University, Beijing Tuberculosis and Thoracic Tumor Research Institute, 2Department of Metabolism and Endocrinology, Zhangjiajie People's Hospital, 3Department of Internal Medicine, Zhangjiajie Public Hospital, 4Department of Metabolism and Endocrinology, The Third Hospital of Changsha (Changsha Hospital Affiliated to Hunan University)

W tym artykule

Podsumowanie

Badanie obejmowało poziomy LDH w surowicy, które były istotnie podwyższone u pacjentów z wielkokomórkowym neuroendokrynnym rakiem płuc (LCNEC) i korelowały z rozmiarem guza, stadium, różnicowaniem oraz przerzutami do węzłów chłonnych. LDH wyłoniło się jako niezależny czynnik prognoscyjny, wykazując wysoką dokładność predykcyjną, co wskazuje na jego kliniczne zastosowanie w prognozowaniu LCNEC.

Streszczenie

Badanie to bada cechy ekspresji dehydrogenazy mleczanowej w surowicy (LDH) u pacjentów z wielkokomórkowym neuroendokrynnym rakiem płuc (LCNEC) oraz ocenia jego kliniczne znaczenie prognostyczne. Przeprowadzono prospektywne badanie kohortowe, w którym obejmowało 80 pacjentów z LCNEC przyjętych między styczniem 2022 a styczniem 2024 (grupa przypadku) oraz 80 zdrowych osób poddawanych badaniom lekarskim w tym samym okresie (grupa kontrolna). Poziomy LDH w surowicy były ilościowo mierzone za pomocą enzymatycznego immunosorbentnego testu (ELISA). Niezależne czynniki ryzyka złego rokowania analizowano przy użyciu modelu wieloczynnikowej regresji logistycznej (MLR). Prognostyczna zdolność predykcyjna LDH została oceniona za pomocą krzywej charakteryzacji operacyjnej odbiorcy (ROC). Poziomy LDH w surowicy w grupie przypadków były wyraźnie wyższe niż w grupie kontrolnej (p < 0,05). Analiza podgrup wykazała, że poziomy LDH u pacjentów z maksymalną średnicą guza ≥5 cm, niską zmiennością, stadium III-IV oraz przerzutami do węzłów chłonnych były istotnie wyższe niż w równoważnych grupach referencyjnych (wszystkie p < 0,05). Grupa z niską prognozą miała wyższe poziomy ekspresji LDH i wskaźniki przerzutów do węzłów chłonnych w porównaniu do grupy z dobrą prognozą (zarówno p< 0,05). MLR wykazał, że LDH (OR = 2,130, 95% CI: 1,312-3,465) oraz przerzuty do węzłów chłonnych są autonomicznymi predyktorami złego rokowania (zarówno p < 0,05). Analiza ROC wykazała, że LDH przewiduje rokowanie z AUC 0,825 (95% CI: 0,752-0,898), optymalną wartością krytyczną 280,5 U/L, wrażliwością 75,0% oraz specyficznością 78,0%. Poziomy LDH w surowicy były nieprawidłowo podwyższone u pacjentów z LCNEC i istotnie skorelowane z cechami nowotworów nowotworowych, co może stanowić ważny marker biologiczny do oceny prognozy choroby.

Wprowadzenie

Jako wysoce złośliwy podtyp specjalnego raka płuc (LC), wielkokomórkowy rak neuroendokrynny (LCNEC) ujawnił wyraźny trend rozwoju częstotliwości w diagnostyce klinicznej i leczeniu w ostatnich latach i przyciągnął dużą uwagę w dziedzinach badań klinicznych i naukowych1. Według statystyk, LCNEC odpowiada za 3% do 5% wszystkich przypadków nowotworów płuc. W porównaniu z innymi typami LCNEC, LCNEC wykazuje unikalne zachowania biologiczne i cechy kliniczne, takie jak słabo rozróżnione komórki nowotworowe i szybki rozwój, co często prowadzi do złych rokowań i 5-letniego wskaźnika przeżycia poniżej 30%2. Jednak wciąż istnieje wiele wyzwań w diagnozie i leczeniu LCNEC, szczególnie brak skutecznych wskaźników predykcyjnych, co znacząco wpływa na postęp planów leczenia klinicznego i prognozy pacjentów.

W normalnych warunkach fizjologicznych poziomy dehydrogenazy mleczanowej (LDH) w surowicy są stosunkowo stabilne i utrzymują się w wąskim zakresie 3,4. Jednak gdy zachodzą zmiany patologiczne5, zwłaszcza w nowotworach złośliwych, nieprawidłowa proliferacja komórek nowotworowych często wiąże się ze znacznym wzrostem aktywności metabolicznej, a ta zmiana patologiczna prowadzi do znacznego uwalniania LDH wewnątrzkomórkowego, co z kolei powoduje nieprawidłowo wysoki poziom LDH w surowicy 6,7. Najnowsze badania kliniczne potwierdziły, że poziom LDH w surowicy jest ściśle powiązany z zachowaniami biologicznymi kilku nowotworów złośliwych. Ich wahania nie tylko wskazują na inwazję guza, ale także stanowią kluczowe markery molekularne do mierzenia postępu choroby i przewidywania wyników leczeniapacjentów 8,9,10.

W badaniach nad rakiem płuc coraz bardziej doceniane jest znaczenie kliniczne LDH. Dane z wielu badań klinicznych wskazują, że poziomy LDH w surowicy u pacjentów z niedrobnokomórkowym rakiem płuc (NSCLC) oraz drobnokomórkowym rakiem płuc (SCLC) są istotnie wyższe niż u osób zdrowych. Ważne jest, aby zauważyć, że poziom tego wzrostu jest istotnie powiązany z kliniczno-patologicznymi cechami guza, ponieważ pacjenci z wyższym obciążeniem nowotworowym, późniejszymi stadiami oraz bardziej ogólnymi przerzutami mają tendencję do wykazywania wyższych poziomów LDH w surowicy. Co ważniejsze, nieprawidłowe zmiany tego indeksu biochemicznego zostały wykazane jako ściśle powiązane z prognozą choroby u pacjentów11, 12, 13. W SCLC poziom LDH jest również uwzględniany w modelu oceny prognosycznej, co czyni go kluczowym wskaźnikiem do określania rokowania pacjentów. Wyniki te stworzyły solidne podstawy do wykorzystania LDH w ocenie rokowania LC.

Jednak stosunkowo niewiele badań przeprowadzono na LDH u pacjentów z LCNEC, a jego znaczenie kliniczne dla wartości prognosycznej LCNEC pozostaje niejasne. Jako podtyp LC o cechach różnicowania neuroendokrynnego, zachowanie biologiczne komórek i cechy metaboliczne LCNEC mogą różnić się od innych typów raka płuc, a ekspresja i funkcja LDH w nim mogą byćrównież unikalne. Dlatego metodyczne badanie ekspresji LDH w surowicy i jego wartości klinicznej u pacjentów z LCNEC ma wiele znaczeń, które nie tylko wzbogacą ważne teoretyczne zrozumienie LCNEC, ale także mają istotną wartość praktyczną dla poprawy leczenia klinicznego pacjentów.

Dehydrogenaza mleczanowa (LDH) to biomarker systemowy, który jest ekonomiczny pod względem kosztów w porównaniu z innymi biomarkerami, ponieważ odzwierciedla obciążenie guza i aktywność glikolityczną; Jednak nie jest to precyzyjne, ponieważ wzrasta również przy chorobie wątroby lub hemolizie 6,12. Inne markery zorientowane na linię to neuronowo-specyficzna enolaza (NSE), peptyd uwalniający gastrzynę (ProGRP). NSE jest mniej konsekwentne i bardziej wrażliwe oraz specyficzne na guzy neuroendokrynne o wysokim stopniu. Biomarkery obrazowania o rozdzielczości przestrzennej, takie jak pomiary barwników odpornościowych (FDG), PET/CT (SUVmax, MTV, TLG), proponują dane prognostyczne, są kosztowne i interoperacyjne na różnych platformach. Skuteczniejszą prognostyczną stratyfikację LCNEC osiąga się poprzez połączenie LDH z markerami neuroendokrynnymi i obrazowaniem11. W praktyce klinicznej pomiar LDH zależy od warunków testowych, takich jak wrażliwość stosowanych substancji oraz badania korekcyjne. Wartości progowe wskazują na zmienność międzylaboratoryjną i wymagają standaryzowanych zakresów odniesienia. Czynniki zakłócające, które można zinterpretować, to hemoliza, zaburzenia funkcji wątroby lub ogólnoustrojowe zapalenie, które mogą podnosić LDH same w sobie, a tym samym wpływać na specyficzność w prognozowaniu onkologicznym.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Badanie to ściśle przestrzegało zasad etyki medycznej i zostało zatwierdzone przez komitet etyki szpitala Katedry Chirurgii Klatki Piersiowej w Pekinie, Uniwersytetu Medycznego Stolicy, Instytutu Badań nad Gruźlicą i Guzami Klatki Piersiowej w Pekinie, Chiny. Uzyskano pisemną świadomą zgodę od zapisanych uczestników.

1. Przedmioty badań

  1. Wykorzystaj projekt prospektywnej kohor i wybierz 80 pacjentów z LCNEC przyjętych między lutym 2022 a styczniem 2024 roku, w tym 55 mężczyzn i 25 kobiet z LCNEC w wieku 45-75 lat (średnia 62,5 ± 10,3 roku) w kohorcie badawczej. Równocześnie rekrutować 80 zdrowych osób, dopasowanych według wieku i płci, jako grupę kontrolną, obejmującą 48 mężczyzn (60%) i 32 kobiety (40%), w wieku od 40 do 70 lat, ze średnim wiekiem 60,8 ± 9,5 roku.
  2. Uwzględnić osoby w wieku ≥18 lat, z rozpoznaniem LCNEC potwierdzonym testem patohistologicznym15 lat, które nie otrzymały żadnej terapii przeciwnowotworowej (w tym radioterapii, chemioterapii, immunoterapii i terapii celowanej) przy początkowej diagnozie; oraz posiadanie kompletnych danych klinicznych i warunków do dalszej kontroli.
  3. Wyklucz osoby z kombinacją innych pierwotnych nowotworów, ciężkich chorób organicznych, aktywnych chorób zakaźnych, zaburzeń psychicznych lub zaburzeń poznawczych, a także kobiety w ciąży lub karmiące piersią.
  4. W przypadku kategoryzacji prognosycznej należy podzielić pacjentów na dwie grupy na podstawie wyników obserwacji: tych bez nawrotu lub przerzutów, albo z stabilną chorobą po leczeniu, z objawami bez rozprzestrzeniania się choroby i żyjącymi do końca obserwacji; oraz te o słabych wynikach, charakteryzujących się nawrotem guza, odległymi przerzutami lub śmiertelnością dowolnej przyczyny (w tym śmiercią z powodu postępu guza lub innych przyczyn podczas obserwacji).

2. Metodologia badań

  1. Zbieranie danych klinicznych
    1. Zbieranie danych dotyczących przypadków klinicznych w sposób standaryzowany poprzez specjalnie zaprojektowany formularz raportu przypadku (CRF) oraz samodzielne wprowadzanie i weryfikację danych przez dwóch lekarzy posiadających tytuł lekarza prowadzącego lub wyższy. Dane ogólne obejmują cechy demograficzne: wiek, płeć, wzrost, waga (BMI); styl życia: historia palenia (definiowana jako ponad 6 kolejnych miesięcy ze średnią 10 lub więcej papierosów dziennie), osoba spożywająca alkohol (co najmniej 3 drinki tygodniowo przez co najmniej rok); oraz choroby współwystępujące: wcześniejsze nadciśnienie, cukrzyca.
    2. Zbieranie danych kliniczno-patologicznych pacjentów z LCNEC, w tym cech guza, średnicy guza. Mierz pooperacyjne pomiary patologiczne jako podstawę; miejsce występowania guza; stopień różnic patologicznych: silnie zróżnicowany, dyskretnie oddzielony i słabo zróżnicowany; Etapowanie TNM: ocena zaawansowania guza ściśle przestrzega 8. edycji Międzynarodowego Stowarzyszenia ds. Badań nad Rakiem Płuc (IASLC) według kryteriów16 TNM i przyjmuje interdyscyplinarny, kompleksowy model testowy; oraz przerzuty do węzłów chłonnych.
  2. Opracowanie planu leczenia
    1. Zgodnie z zasadami indywidualizacji i kompleksowości testuj indywidualne i kompleksowe leczenie pod kierunkiem multidyscyplinarnego zespołu diagnostyki i leczenia nowotworów, opisanego poniżej.
    2. Pacjenci we wczesnym stadium (stadium I-II): Preferują radykalną resekcję chirurgiczną z metodą chirurgiczną obejmującą lobektomię + systematyczną sekcję węzłów chłonnych. Decyzję o tym, czy chemioterapia adjuwantowa (podwójny lek zawierający platynę, np. cisplatyna + pemetreksed) czy radioterapia powinna być prowadzona na podstawie wyników patologicznych po operacji. Wykonaj pemetreks lub radioterapię u pacjentów z dodatnimi marginesami lub przerzutami do węzłów chłonnych.
    3. Pacjenci lokalnie zaawansowani (stadium III): U tych pacjentów należy prowadzić interdyscyplinarne, kompleksowe leczenie. U pacjentów z dobrą rokowaniem leczenie jest stosowane neoadiuwantową chemioterapią (2-4 cykle), następnie oceną wykonalności chirurgicznej oraz pooperacyjną radioterapią adiuwantową. Leczenie pacjentów niepodlegających resekcji równoczesnej radioterapii.
    4. Pacjenci zaawansowani (stadium IV): Stosuj zachowania systemowe, w tym chemioterapię, terapię celowaną, immunoterapię oraz w razie potrzeby radioterapię miejscową, aby złagodzić objawy. Szczegółowo zapisuj metodę leczenia wszystkich pacjentów w elektronicznym systemie dokumentacji medycznej, w tym cykl leczenia, dawkowanie leków, działania niepożądane oraz zmiany dawki, aby zapewnić śledzenie programu leczenia.

3. Wykrywanie LDH w surowicy

  1. Zbieraj próbki krwi od wszystkich badanych i przetwarzaj je zgodnie ze standardową procedurą. Dla pacjentów z grupy LCNEC pobrać 5 ml krwi żylnej na pusty żołądek ranodrugiego dnia przyjęcia (07:00-08:00). W grupie kontrolnej pobieraj krew w dniu badania fizykalnego.
  2. Pobieraj krew za pomocą próżniowych probówek (probówki K2-EDTA) i delikatnie odwracaj (8x-10x), aby zapobiec krzepnięciu. Natychmiast odwiruj próbki w 1000 x g przez 15 minut w 4 °C. Następnie usuń surowicę i podziel ją na dwie probówki kriokonserwacyjne po 2 mL (po 1 ml na każdą probówkę), przechowując je w lodówce o ultraniskiej temperaturze w temperaturze -80 °C, aby uniknąć wielokrotnego zamarzania i rozmrażania przez cały czas.
  3. Jednocześnie należy ustanowić kompleksowy system zarządzania danymi próbek, aby rejestrować lokalizację i czas zachowania próbek.
  4. Określ poziom LDH w surowicy za pomocą kanapki ELISA z podwójnymi przeciwciałami. Rozmroź próbkę surowicy na lodzie i wiruj w 10 000 x g w temperaturze 4 °C.
  5. Do każdego dołku dodaj 20 μL plazmy z 200 μL buforu odczynnikowego LDH (pH 7,4) i inkubuj w temperaturze 37 °C, 5 minut. Spektrofotometrycznie monitoruj utlenianie NADH co 2 minuty na 320 nm z odczytami kinetycznymi przez 25,5 minuty. Użyj współczynnika wymierania molowego NADH (6,22 /mM/cm) do określenia aktywności LDH (U/L) poprzez podzielenie 6,22 mM przez długość ścieżki, przy czym długość drogi jest 0,3 cm.
  6. Dla próbek powyżej zakresu liniowego rozcieńcz i ponownie sprawdź, czy są liniowe (r 2 0,99). Wykonaj porównawcze testy biomarkerów NSE i ProGRP w duplikatach z osoczem rozcieńczonym w skali 1:10, korzystając z komercyjnych zestawów ELISA. Wykonaj 3x zabieg mycia PBST i inkubuj reakcję przez 1 godzinę w temperaturze pokojowej z przeciwciałem sprzężonym z HRP.
    UWAGA: W tym badaniu stężenie LDH w surowicy zostało zmierzone ilościowo za pomocą enzymatycznego immunosorbentu testu (ELISA), ponieważ wykazuje większą wrażliwość analityczną i swoistość oraz jest częściej stosowane w badaniach naukowych. ELISA może precyzyjnie mierzyć ilościowo nawet przy niższych stężeniach w porównaniu z rutynowo zautomatyzowanymi analizatorami chemii klinicznej, które mierzą ogólną aktywność LDH, a nie drobne różnice między różnymi partiami. Ponadto ELISA wspiera identyfikację konkretnych izoform, jeśli są potrzebne, a także jest elastyczna w przetwarzaniu próbek, dzięki czemu nadaje się do starannie kontrolowanych badań prospektywnych. Chociaż automatyczne analizatory są szybkie i wygodne w praktyce klinicznej, ELISA umożliwia kontrolę powtarzalności i spójności wyników podczas pomiaru próbek w badaniach naukowych, co powinno zapewnić, że pomiar nie zostanie zakłócony przez hemolizę, lipemię lub inne składniki surowicy, co jest kluczowe przy porównywaniu poziomów LDH, cech kliniczno-patologicznych i informacji prognostycznych u pacjentów z LCNEC.
  7. Wywołuj przez 15 minut z podłożem TMB, następnie zatrzymuj reakcję 2 M H2SO4 przed pomiarem absorpcji na 450 nm (odniesienie 620/650 nm). Stosuj czteroparametrową regresję logistyczną, aby tworzyć standardowe krzywe i utrzymać CV wewnątrz- i inter-assay odpowiednio poniżej 10% i 15%.
  8. Przeprowadz analizę przeżycia Kaplana-Meiera oraz regresję hazardów proporcjonalnych Coxa jako analizy uzupełniające w celu oceny prognostycznej wartości LDH. Zdefiniuj zmienne ciągłe (LDH, NSE, ProGRP, wielkość guza, wiek, BMI) oraz zmienne kategoryczne (płeć, palenie, alkohol, stadium, różnicowanie, status węzłów chłonnych) w SPSS v26.0, klikając File > Open > Data oraz w R v4.3.1 (read_csv funkcja).
  9. Normalizuj wartości wszystkich biomarkerów do jednostek SI, LDH do U/L (1 μkat/L = 60 U/L), NSE do ng/mL oraz ProGRP do pg/mL. Transformacja logarytmiczna przekształciła zwykłe biomarkery rozproszone (LN w SPSS, log w R), a następnie normalizowała do z wyników, aby umożliwić analizę wielowymiarową, zachowując surowe wyniki dla interpretacji klinicznej. Użyj SPS i R do analizy przeżycia Kaplana-Meiera, stratyfikowanej według poziomów LDH (280,5 U / L), oraz użyj testu log-rank do porównania grup.
  10. Używaj LDH, stanu węzłów chłonnych, stadium, różnicowania, wielkości guza, wieku, płci, palenia i alkoholu jako współzmienności w regresji ryzyka proporcjonalnego Coxa. Ustaw je w SPSS, klikając Analizuj > Survival > Cox Regression, a w R użyj funkcji coxph. Do testu założeń modelu Cox stosuj test hazardów proporcjonalnych Coxa (cox.zph w R) do testowania założeń modelu.
  11. Przedstawić wszystkie wyniki statystyczne w formie wskaźników zagrożeń z 95% przedziałem ufności i traktować usuwanie brakujących danych w zależności od przypadku, aby zachować poziom rzetelności analitycznej i powtarzalności. Podwyższone poziomy LDH były istotnie powiązane ze zmniejszoną ogólną przeżywalnością (log rank p < 0,01), a regresja Coxa potwierdziła LDH jako niezależny predyktor złego rokowania po dostosowaniu do klinicznych kowarianów.

4. Protokół monitorowania i grupowanie prognostyczne

  1. Proces dalszych działań
    1. Czas rozpoczęcia kontroli (rozpoczęty 1 lutego 2022 roku) to data diagnozy lub przyjęcia pacjentów, a czas zakończenia to 31 stycznia 2024 roku, z łącznym okresem obserwacji wynoszącym 2 lata. Użyj multimodalnego programu follow-up, aby zapewnić kompletność danych.
    2. Dla pacjentów pooperacyjnych stosuj standaryzowane badania kontrolne: umów ambulatoryjne badania co 3 miesiące przez pierwsze 2 lata, w tym tomografię klatki piersiowej, USG jamy brzusznej, markery nowotworowe (CEA, NSE) oraz badania czynności krwi, wątroby i nerek; U pacjentów z zaawansowanym stadium skróć okres obserwacji do co 2 miesiące.
    3. U pacjentów z ograniczoną ruchomością korzystaj z telefonicznej kontroli co 1-2 miesiące, aby zarejestrować zmiany w objawach ostrzegawczych, reakcji na leczenie oraz statusie przeżycia. Skoncentruj wizyty kontrolne na czasie do nawrotu guza, rozprzestrzenieniu przerzutów, zmianie schematu leczenia oraz przyczynie zgonu (z wyraźnym rozróżnieniem dla zgonów związanych z nowotworami).
    4. Zapisz wszystkie dane uzupełniające w arkuszu kalkulacyjnym z metodą wprowadzania przez dwie osoby i ustal regularny mechanizm weryfikacji, aby zapewnić dokładność danych.
  2. Grupowanie prognostyczne
    1. Według wyników obserwacji należy podzielić pacjentów na 2 grupy: brak nawrotów lub przerzutów podczas obserwacji, czyli nawrót, ale stabilny po leczeniu, bez oznak postępu choroby i nadal żywi na koniec kontroli; Grupa o słabym rokowaniu: nawrót guza, odległe przerzuty lub śmierć z ogólnej przyczyny w okresie obserwacji (w tym śmierć z powodu postępu guza i śmierć z innych przyczyn).
    2. Ustalić przyczynę śmierci zmarłych pacjentów, łącząc dane kliniczne, raport z sekcji zwłok (jeśli występuje) i potwierdzając ją z dwoma lekarzami o tytułach zastępcy głównego lekarza lub wyższym.

5. Analiza statystyczna

  1. Używaj oprogramowania do analizy statystycznej. Przedstawiamy dane pomiarowe jako średnią ± odchyleniu figure-protocol-1standardowym. Dla porównań grupowych zastosuj test t-prób niezależnych dla porównań dwóch grup oraz analizę wariancji (ANOVA) dla porównań wielu grup, a wielokrotne porównania post-hoc wykonuje test SNK-q. Wyrażamy zmienne kategoryczne jako procenty, a do porównań grupowych stosujemy test chi-kwadrat; gdy jest to konieczne, stosuj metodę dokładnego prawdopodobieństwa Fishera.
  2. Aby zbadać czynniki wpływające na rokowanie LCNEC, zbuduj wielowymiarowy model regresji logistycznej. Aby ocenić prognostyczną zdolność predykcyjną surowicy LDH, użyj krzywej charakteryzacji operacyjnej odbiorcy (ROC), uwzględniając powierzchnię pod krzywą (AUC) oraz jej 95% przedział ufności. Określ optymalną wartość odcięcia, wraz z czułością i specyficznością. Wszystkie testy statystyczne były dwustronne, a do definiowania statystycznie istotnych różnic użyto wartości P < 0,05.
  3. Obsługa brakujących danych (<5%) za pomocą usuwania w poszczególnych przypadkach i wykluczania osób z niepełnymi wartościami dla istotnych zmiennych z konkretnych analiz. Biorąc pod uwagę niski odsetek braków testów, metoda ta minimalizowała błędy i zachowywała wiarygodność statystyczną bez istotnego wpływu na wielkość próby, siłę analityczną czy odporność wyników badań.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Porównanie informacji ogólnych
Wyniki wykazały, że odsetek palaczy w grupie LCNEC był wyraźnie wyższy niż w grupie kontrolnej, a rozbieżność była klinicznie istotna (p < 0,05; Tabela 1). Nie stwierdzono klinicznie istotnej różnicy między obiema grupami pod względem wieku, płci i proporcji spożycia alkoholu (p > 0,05).

Charakterystyka

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Biologiczny mechanizm LDH w rozwoju LCNEC
Dehydrogenaza mleczanowa (LDH), kluczowy enzym w szlaku glikolizy, sprawia, że komórki nowotworowe LCNEC są podatne na efekt Warburga. Oznacza to ich lepsze wsparcie w zakresie glikolizy energii, co powoduje znaczne uwalnianie LDHdo krążenia. W tym badaniu poziomy LDH w surowicy u pacjentów z LCNEC były istotnie wyższe niż u zdrowych kontrolnych (285,6 ± 56,3 U/L w porównaniu do 198,5 ± 32,4 U/L, p < 0,05), co jest zgodne z wynikami w...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają żadnych konkurujących interesów do ujawnienia.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
sprzęt
2 TB HDDSegante6G SATA 7.2k 3.5"(LFF) Przechowywanie
8 GB RAMKingston Technology 4Rx4 DDR4 LRDIMM 2666 MT/s.Przechowywanie
Intel Core i5IntelIntel Core i7 Procesor
NVIDIA GeForce RTX 4060 TiNvidia CorporationNAKarta graficzna
Oprogramowanie
R  (wersja 4.1.2)  Język programowania 
SPSSIBM30Narzędzie do wizualizacji danych

Bibliografia

  1. Corbett, V., Arnold, S., Anthony, L., et al. Management of large cell neuroendocrine carcinoma. Frontiers in Oncology. 11, 653162(2021).
  2. Andrini, E., Marchese, P. V., De Biase, D., et al. Large cell neuroendocrine carcinoma of the lung: current understanding and challenges. Journal of Clinical Medicine. 11 (5), 1461(2022).
  3. Yang, L., Fan, Y., Lu, H. Pulmonary large cell neuroendocrine carcinoma. Pathology & Oncology Research. 28, 1610730(2022).
  4. Wang, G., Yuan, R., Zhou, C., et al. Urinary large cell neuroendocrine carcinoma: a clinicopathologic analysis of 22 cases. American Journal of Surgical Pathology. 45 (10), 1399-1408 (2021).
  5. Huang, L., Feng, Y., Xie, T., et al. Incidence, survival comparison, and novel prognostic evaluation approaches for stage III-IV pulmonary large cell neuroendocrine carcinoma and small cell lung cancer. BMC Cancer. 23 (1), 312(2023).
  6. Wu, Y., Lu, C., Pan, N., et al. Serum lactate dehydrogenase activities as systems biomarkers for 48 types of human diseases. Scientific Reports. 11 (1), 12997(2021).
  7. Deng, H., Zhao, L., Ge, H., et al. Ubiquinol-mediated suppression of mitochondria-associated ferroptosis is a targetable function of lactate dehydrogenase B in cancer. Nature Communications. 16 (1), 2597(2025).
  8. Claps, G., Faouzi, S., Quidville, V., et al. The multiple roles of LDH in cancer. Nature Reviews. Clinical Oncology. 19 (12), 749-762 (2022).
  9. Miholjcic, T. B. S., Halse, H., Bonvalet, M., et al. Rationale for LDH-targeted cancer immunotherapy. European Journal of Cancer. 181, 166-178 (2023).
  10. Sharma, D., Singh, M., Rani, R. Role of LDH in tumor glycolysis: regulation of LDHA by small molecules for cancer therapeutics. In: Seminars in Cancer Biology. 87, Academic Press. 184-195 (2022).
  11. Galvano, A., Peri, M., Guarini, A. A., et al. Analysis of systemic inflammatory biomarkers in neuroendocrine carcinomas of the lung: prognostic and predictive significance of NLR, LDH, ALI, and LIPI score. Therapeutic Advances in Medical Oncology. 12, 1758835920942378(2020).
  12. Tjokrowidjaja, A., Lord, S. J., John, T., et al. Pre- and on-treatment lactate dehydrogenase as a prognostic and predictive biomarker in advanced non-small cell lung cancer. Cancer. 128 (8), 1574-1583 (2022).
  13. Yang, Y., Chong, Y., Chen, M., et al. Targeting lactate dehydrogenase a improves radiotherapy efficacy in non-small cell lung cancer: from bedside to bench. Journal of Translational Medicine. 19 (1), 170(2021).
  14. Wang, S., Lv, J., Lv, J., et al. Prognostic value of lactate dehydrogenase in non-small cell lung cancer patients with brain metastases: a retrospective cohort study. Journal of Thoracic Disease. 14 (11), 4468(2022).
  15. Li, H., et al. Recent Advances and Controversies in Minute Pulmonary Meningothelial-like Nodules. Zhongguo Fei Ai Za Zhi. 26 (8), 621-629 (2023).
  16. Chansky, K., Detterbeck, F. C., Nicholson, A. G., et al. The IASLC lung cancer staging project: external validation of the revision of the TNM stage groupings in the eighth edition of the TNM classification of lung cancer. Journal of Thoracic Oncology. 12 (7), 1109-1121 (2017).
  17. Ferrara, M. G., Stefani, A., Simbolo, M., et al. Large cell neuro-endocrine carcinoma of the lung: current treatment options and potential future opportunities. Frontiers in Oncology. 11, 650293(2021).
  18. Liu, T., Chen, X., Mo, S., et al. Molecular subtypes and prognostic factors of lung large cell neuroendocrine carcinoma. Translational Lung Cancer Research. 13 (9), 2222(2024).
  19. Menekse, S. The prognostic significance of lung immune prognostic index (LIPI) and pan-immune-inflammation value (PIV) in patients with large cell neuroendocrine carcinoma. , (2022).
  20. Haocheng, W., Dongfeng, S., Ya, D., et al. Correlation analysis of serum LDH concentration before and after operation and prognosis of large cell neuroendocrine lung cancer patients. Zhongguo Fei Ai Za Zhi. 24 (5), (2021).
  21. Liu, L., Zhang, J., Zhao, K., et al. Prognostic factors and nomogram for pulmonary resected high-grade neuroendocrine carcinomas: a 20-year single institutional real-world experience. Orphanet Journal of Rare Diseases. 19 (1), 232(2024).
  22. Chen, X. Y., Guo, N. J., Guo, P. L., et al. Clinical features and prognosis of advanced intra- and extra-pulmonary neuroendocrine carcinomas. Journal of Cancer Research and Therapeutics. 19 (4), 951-956 (2023).
  23. Callejo, A., Frigola, J., Iranzo, P., et al. Interrelations between patients' clinicopathological characteristics and their association with response to immunotherapy in a real-world cohort of NSCLC patients. Cancers. 13 (13), 3249(2021).
  24. Evangelou, G., Vamvakaris, I., Nikolaidou, V., et al. Preliminary analysis of progression-free survival results for atezolizumab plus platinum etoposide as first-line treatment in metastatic lung large-cell neuroendocrine carcinoma patients. , (2025).
  25. Constantin, A. A., Cotea, A. A., Mihălțan, F. D. Pulmonary large-cell neuroendocrine carcinoma, a multifaceted disease-case report and literature review. Diagnostics. 15 (9), 1056(2025).
  26. Mao, X., Liu, J., Hu, F., et al. Serum NSE is early marker of transformed neuroendocrine tumor after EGFR-TKI treatment of lung adenocarcinoma. Cancer Management and Research. 2023, 1293-1302 (2023).
  27. Shirasawa, M., Yoshida, T., Horinouchi, H., et al. Prognostic impact of peripheral blood neutrophil to lymphocyte ratio in advanced-stage pulmonary large cell neuroendocrine carcinoma and its association with the immune-related tumour microenvironment. British Journal of Cancer. 124 (5), 925-932 (2021).
  28. Huang, W., Liu, P., Zong, M., et al. Combining lactate dehydrogenase and fibrinogen: potential factors to predict therapeutic efficacy and prognosis of patients with small-cell lung cancer. Cancer Management and Research. 2021, 4299-4307 (2021).
  29. Huang, H., Huang, F. Afatinib reverses EMT via inhibiting CD44-Stat3 axis to promote radiosensitivity in nasopharyngeal carcinoma. Pharmaceuticals. 16 (1), 37(2023).
  30. Zhang, Y., Zhu,, et al. M2 macrophage exosome-derived lncRNA AK083884 protects mice from CVB3-induced viral myocarditis through regulating PKM2/HIF-1α axis mediated metabolic reprogramming of macrophages. Redox Biology. 69, 103016(2024).
  31. Pei, W., Zhang, Y., et al. Multitargeted immunomodulatory therapy for viral myocarditis by engineered extracellular vesicles. ACS Nano. 18 (4), 2782-2799 (2024).
  32. Lin, X., Liao, Y., et al. Regulation of oncoprotein 18/Stathmin signaling by ERK concerns the resistance to Taxol in nonsmall cell lung cancer cells. Cancer Biotherapy and Radiopharmaceuticals. 31 (2), 37-43 (2016).
  33. Gong, H., Liu, Z., et al. Identification of cuproptosis-related lncRNAs with the significance in prognosis and immunotherapy of oral squamous cell carcinoma. Computers in Biology and Medicine. 171, 108198(2024).
  34. Men, X., Liu, F., et al. Activatable fluorescent probes for imaging and diagnosis of hepatocellular carcinoma. Journal of Innovative Optical Health Sciences. 18 (3), 2530004(2024).
  35. Luo, C., Yu, Y., et al. Deubiquitinase PSMD7 facilitates pancreatic cancer progression through activating Notch1 pathway via modifying SOX2 degradation. Cell & Bioscience. 14 (1), 35(2024).
  36. Wang, N., Zhao, Q., et al. Lnc-TMEM132D-AS1 as a potential therapeutic target for acquired resistance to osimertinib in non-small-cell lung cancer. Molecular Omics. 19 (3), 238-251 (2023).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Ekspresja LDHimmunologoiczna analiza enzymatyczna ELISAprzerzuty do w z w ch onnychregresja logistycznakrzywa ROCz o liwo nowotworu
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.