Lymphocyte‐to‐monocyte ratio and neutrophil‐to‐lymphocyte ratio as biomarkers for predicting lymph node metastasis and survival in patients treated with radical cystectomy
Notice bibliographique
Résumé
PURPOSE: To evaluate the role of lymphocyte-to-monocyte ratio (LMR) and neutrophil-to-lymphocyte ratio (NLR) as pre-operative markers for predicting extravesical disease and survival outcomes in patients undergoing radical cystectomy (RC) for urothelial carcinoma of the bladder (UCB). MATERIALS AND METHODS: Data from 4335 patients undergoing RC for clinically non-metastatic UCB were analyzed. Multivariable logistic regression models were used to predict lymph node involvement and extravesical disease (defined as ≥pT3 and N0). Recurrence-free (RFS), cancer-specific (CSS), and overall survival (OS) were evaluated using multivariable Cox models. The accuracy of the models was assessed with receiver operating characteristics (ROC) curves and concordance-index. RESULTS: Median LMR was 3.5 and median NLR was 2.7. Addition of LMR and NLR to a standard preoperative model improved its discrimination for prediction of lymph node metastasis by 4.5%. On multivariable analysis LMR and NLR independently predicted RFS, CSS, and OS. The discrimination of this model increased by adding LMR and NLR but was not significant. CONCLUSIONS: LMR and NLR independently improved the preoperative prediction of lymph node metastasis and survival outcomes. As they are readily available, they could be integrated in a panel of preoperative markers helping selecting patients who have extravesical lymph node involvement and more aggressive disease.
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 | 0,003 |
| 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 | 0,000 | 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 ».