Large Retroperitoneal Lymphadenopathy As a Predictor of Venous Thromboembolism in Patients With Disseminated Germ Cell Tumors Treated With Chemotherapy
Notice bibliographique
Résumé
PURPOSE: Cisplatin-based chemotherapy, a mainstay of treatment for disseminated germ cell tumors (GCTs), is associated with venous thromboembolism (VTE). Many patients with disseminated GCTs have large retroperitoneal lymph node (RPLN) metastases that may cause venous stasis and increase the risk of VTE development. We hypothesized that there was an association between large RPLN and chemotherapy-associated VTE risk. PATIENTS AND METHODS: The training cohort was composed of patients with disseminated GCT receiving first-line chemotherapy at Princess Margaret Cancer Centre between January 2000 and December 2010. Large RPLN was defined as more than 5 cm in maximal axial diameter. The predictive and discriminatory accuracies of a model using large RPLN in predicting VTE were compared with high-risk Khorana score (≥ 3) using logistic regression and area under receiver operator characteristic curves (AUROCs). The model was externally validated in a cohort of patients treated at the London Health Sciences Centre. RESULTS: The training cohort comprised 216 patients, 21 (10%) of whom developed VTE during chemotherapy. VTE was associated with large RPLN (odds ratio [OR], 5.26; P = .001), high-risk Khorana score (OR, 11.8; P < .001), intermediate-/poor-risk disease (OR, 3.76; P = .005), and hospitalization during chemotherapy (OR, 4.24; P = .002). Large RPLN showed higher discriminatory accuracy than high-risk Khorana score (AUROC, 0.71 v 0.67, respectively). Superior discriminatory accuracy of large RPLN over high-risk Khorana score was validated in the London cohort (AUROC, 0.61 v 0.57, respectively). CONCLUSION: Large RPLN is associated with VTE in patients with disseminated GCT and provides higher discriminatory accuracy than high-risk Khorana score. Results should be validated in larger, prospective studies. Prophylactic anticoagulation may be considered in high-risk patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».