BJ
Baoqing Jia
Author with expertise in Colorectal Cancer Research and Treatment
Achievements
Cited Author
Key Stats
Upvotes received:
0
Publications:
6
(33% Open Access)
Cited by:
477
h-index:
32
/
i10-index:
59
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

The additive interaction of healthy lifestyles and genetic susceptibility on colorectal cancer risk in prediabetes: a large population-based prospective cohort study

Wang Wen-chen et al.Dec 18, 2024
We aimed to investigate the interrelationships among polygenic risk scores (PRS), healthy lifestyle factors (HLFs), and colorectal cancer (CRC) risk in individuals with prediabetes. To investigate whether adherence to HLFs influence CRC risk in those with elevated PRS within this specific population. Data from 22,408 prediabetes participants without CRC at baseline were analyzed from the UK Biobank. HLFs were graded using healthy lifestyle scores (HLSs) and classified as favorable, intermediate, or unfavorable, while the PRS for CRC was categorized as high, medium, or low. Cox proportional hazards models were used to calculate hazard ratios (HR) and 95% confidence intervals (CI) for CRC risk. High PRS (HR: 2.36; 95% CI: 1.86–3.00) and medium PRS (HR: 1.42; 95% CI: 1.09–1.83) prediabetes were associated with increased CRC risk compared to those with low PRS. HLFs were linked to lower CRC risk in a dose–response manner, with never smoking (HR: 0.69; 95% CI: 0.57–0.84) and maintaining a healthy BMI (HR: 0.64; 95% CI: 0.49–0.82) associated with reduced CRC risk. Adherence to favorable HLFs may reduce the CRC risk in those with medium (HR: 0.51; 95% CI: 0.27–0.95) and high PRS (HR: 0.62; 95% CI: 0.39–0.99) over 15 years of follow-up. In participants with high PRS and unfavorable HLFs, the excess risk due to the additive interaction between PRS and HLFs was 1.41% (p < 0.01), especially for women (1.07%). There is an additive interaction of PRS and HLFs on CRC risk in individuals with prediabetes. Adopting favorable HLFs should be integrated into the management of prediabetes individuals to reduce the risk of CRC.
0
Citation1
0
Save
0

Robotic versus laparoscopic surgery for middle and low rectal cancer (REAL): Primary outcome of a multicenter randomized controlled trial.

Jianmin Xu et al.Jun 1, 2024
3617 Background: Robotic surgery for rectal cancer is gaining popularity, but persuasive evidence on long-term oncological outcomes is lacking. This multicenter randomized controlled trial compared robotic and conventional laparoscopic surgery regarding surgical quality and long-term oncological outcomes among patients with middle and low rectal cancer. Previously the short-term outcomes of this trial had been reported that robotic surgery had significantly lower circumferential resection margin positivity rate, lower postoperative complication rate, and better postoperative recovery. Now the long-term oncological outcomes were reported. Methods: This superiority trial was undertaken at 11 hospitals in 8 Chinese provinces. Patients with middle (> 5–10 cm from anal verge) or low (0–5 cm from anal verge) rectal adenocarcinoma, cT1–T3 N0–1 or ycT1–T3 Nx after preoperative radio-/chemoradiotherapy, and no evidence of distant metastasis were enrolled and randomly assigned in a 1:1 ratio to receive robotic or conventional laparoscopic surgery. The 3-year locoregional recurrence rate was the primary outcome and was compared using modified intention-to-treat (mITT) analysis. Secondary outcomes included disease-free survival and overall survival. All time-to-event outcomes were calculated using Kaplan-Meier method with log-rank test. This trial was registered with ClinicalTrials.gov (NCT02817126). Results: Between July 2016 and December 2020, 1240 patients were enrolled, and 1171 were included in the mITT analysis (586 in robotic and 585 in laparoscopic group). The pathological TNM stage of the mITT population was 73 (6.2%) patients with complete response, 346 (29.5%) with stage I, 368 (31.4%) with stage II, 384 (32.8%) with stage III. And the median follow-up time was 43.0 months (interquartile range = 36.7 to 60.0), with 34 (2.9%) patients lost to follow-up. The 3-year locoregional recurrence rate in robotic group (1.5%) was significantly lower than in laparoscopic group (4.0%, log-rank p=0.025, hazard ratio = 0.451, 95% confidence interval = 0.221 to 0.921). Robotic group also had significantly higher 3-year disease-free survival rate (87.3% vs. 83.6%, log-rank p=0.035). No significant difference was observed in 3-year overall survival rate (94.8% vs. 93.1%, log-rank p=0.155). Conclusions: Robotic surgery for middle and low rectal cancer significantly reduced locoregional recurrence and improved disease-free survival, compared with conventional laparoscopic surgery. Clinical trial information: NCT02817126 .
2

Accurate prediction of colorectal cancer diagnosis using machine learning based on immunohistochemistry pathological images

Bobin Ning et al.Dec 2, 2024
Colorectal cancer (CRC) ranks as the third most prevalent tumor and the second leading cause of mortality. Early and accurate diagnosis holds significant importance in enhancing patient treatment and prognosis. Machine learning technology and bioinformatics have provided novel approaches for cancer diagnosis. This study aims to develop a CRC diagnostic model based on immunohistochemical staining image features using machine learning methods. Initially, CRC disease-specific genes were identified through bioinformatics analysis, SVM-RFE and Random Forest algorithm utilizing RNA-seq data from both GEO and TCGA databases. Subsequently, verification of these genes was performed using proteomics data from CPTAC and HPA database, resulting in identification of target proteins (AKR1B10, CA2, DHRS9, and ZG16) for further investigation. SVM and CNN were then employed to analyze and integrate the characteristics of immunohistochemical images to construct a reliable CRC diagnostic model. During the training and validation process of this model, cross-validation along with external validation methods were implemented to ensure accuracy and reliability. The results demonstrate that the established diagnostic model exhibits excellent performance in distinguishing between CRC and normal controls (accuracy rate: 0.999), thereby presenting potential prospects for clinical application. These findings are expected to provide innovative perspectives as well as methodologies for personalized diagnosis of CRC while offering more precise references for promising treatment.