Evaluation of neutrophil-to-lymphocyte ratio prior to prostate biopsy to predict biopsy histology: Results of 1836 patients
Notice bibliographique
Résumé
INTRODUCTION: We evaluate the role of NLR prior to prostate biopsy to predict biopsy histology and Gleason score in patients with prostate cancer. METHODS: In this retrospective study, we evaluated data of patients underwent prostate biopsy between May 2005 and March 2015. We collected the following data: age, prostate-specific antigen (PSA), biopsy histology, Gleason score (GS) in prostate cancer patients, neutrophil counts, and lymphocyte counts. Patients were grouped as benign prostatic hyperplasia (BPH), prostate cancer, and prostatitis. The Chi square test was used to compare categorical variables and analysis of variance (ANOVA) was applied for continuous variables. RESULTS: Data of 1836 patients were investigated. The mean age, total PSA and neutrophil-lymphocyte ratio (NLR) of the population were 66.8 ± 8.17 years, 9.38 ± 4.7 ng/dL, and 3.11 ± 1.71, respectively. Patients were divided as follows: 625 in the group with BPH history, 600 in the prostatitis group, and 611 in the prostate cancer histology group. The mean NLR of the prostatitis group was higher compared to the prostate cancer and BPH groups (p = 0.0001). The mean NLR of the prostate cancer group was significantly higher compared to the BPH group (p = 0.002). The GS 8-10 group had a significantly higher mean NLR compared to GS 5-6 (3.64 vs. 2.54, p = 0.0001) and GS 7 (3.64 vs. 2.58, p = 0.0001) patients. CONCLUSIONS: NLR was found to differ with regard to histology of prostate biopsy and higher GS was associated with higher NLR in patients with prostate cancer. However prostatitis prevents the use of NLR in predicting prostate cancer before a prostate biopsy. Also, the retrospective nature and lack of multivariate analysis in this study somewhat limits the relevance of these results.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».