Tumor growth monitoring in breast cancer xenografts: A good technique for a strong ethic
RODALLEC, Anne
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Simulation and Modeling of Adaptive Response for Therapeutics in Cancer [SMARTc]
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Simulation and Modeling of Adaptive Response for Therapeutics in Cancer [SMARTc]
VAGHI, Cristina
Modélisation Mathématique pour l'Oncologie [MONC]
Institut de Mathématiques de Bordeaux [IMB]
Modélisation Mathématique pour l'Oncologie [MONC]
Institut de Mathématiques de Bordeaux [IMB]
CICCOLINI, Joseph
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Assistance Publique - Hôpitaux de Marseille [APHM]
Voir plus >
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Assistance Publique - Hôpitaux de Marseille [APHM]
RODALLEC, Anne
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Simulation and Modeling of Adaptive Response for Therapeutics in Cancer [SMARTc]
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Simulation and Modeling of Adaptive Response for Therapeutics in Cancer [SMARTc]
VAGHI, Cristina
Modélisation Mathématique pour l'Oncologie [MONC]
Institut de Mathématiques de Bordeaux [IMB]
Modélisation Mathématique pour l'Oncologie [MONC]
Institut de Mathématiques de Bordeaux [IMB]
CICCOLINI, Joseph
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Assistance Publique - Hôpitaux de Marseille [APHM]
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Assistance Publique - Hôpitaux de Marseille [APHM]
FANCIULLINO, Raphaëlle
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Assistance Publique - Hôpitaux de Marseille [APHM]
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Assistance Publique - Hôpitaux de Marseille [APHM]
BENZEKRY, Sebastien
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
< Réduire
Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique [COMPO]
Langue
en
Article de revue
Ce document a été publié dans
PLoS ONE. 2022-09-30, vol. 17, n° 9, p. e0274886
Public Library of Science
Résumé en anglais
Purpose Although recent regulations improved conditions of laboratory animals, their use remains essential in cancer research to determine treatment efficacy. In most cases, such experiments are performed on xenografted ...Lire la suite >
Purpose Although recent regulations improved conditions of laboratory animals, their use remains essential in cancer research to determine treatment efficacy. In most cases, such experiments are performed on xenografted animals for which tumor volume is mostly estimated from caliper measurements. However, many formulas have been employed for this estimation and no standardization is available yet. Methods Using previous animal studies, we compared all formulas used by the scientific community in 2019. Data were collected from 93 mice orthotopically xenografted with human breast cancer cells. All formulas were evaluated and ranked based on correlation and lower mean relative error. They were then used in a Gompertz quantitative model of tumor growth. Results Seven formulas for tumor volume estimation were identified and a statistically significant difference was observed among them (ANOVA test, p < 2.10 −16 ), with the ellipsoid formula (1/6 π × L × W × (L + W)/2) being the most accurate (mean relative error = 0.272 ± 0.201). This was confirmed by the mathematical modeling analysis where this formula resulted in the smallest estimated residual variability. Interestingly, such result was no longer valid for tumors over 1968 ± 425 mg, for which a cubic formula (L x W x H) should be preferred. Main findings When considering that tumor volume remains under 1500mm 3 , to limit animal stress, improve tumor growth monitoring and go toward mathematic models, the following formula 1/6 π × L × W x (L + W)/2 should be preferred.< Réduire
Origine
Importé de halUnités de recherche