Large retroperitoneal lymph nodes (RPLN) as a predictor for venous thromboembolism (VTE) in patients (pts) with germ cell tumor (GCT) receiving first-line chemotherapy (chemo).
Notice bibliographique
Résumé
332 Background: VTE causes significant morbidity and mortality in GCT pts. While an existing and validated predictive model identifies VTE risk in chemo pts with any cancer (Khorana model), a predictive model specific to GCT does not exist. Many GCT pts present with bulky RPLN that produce venous stasis in the lower extremities. The objective of this study was to explore the association between large RPLN and VTE in GCT pts receiving chemo and compare large RPLN as a predictor for VTE in GCT pts to the non-GCT specific Khorana model. Methods: Clinical data from our institutional GCT database was complemented by review of radiology, pharmacy and medical records. All GCT pts receiving 1st line chemo between 1-Jan-00 and 31-Dec-10 were included. Large RPLN were defined as ≥5cm in maximal diameter. Factors used in the Khorana model (baseline BMI, hemoglobin, white cell count and platelets) were collected. We compared the predictive accuracy of large RPLN versus Khorana score ≥3 using receiver operator characteristic (ROC) curve statistical analyses. Results: The cohort consisted of 260 GCT pts, median age 31.5 years, predominantly testis primary (235, 90%) and good risk (171, 66%). 17 (7%) developed VTE prior to the start of chemo. 19 (7%) were given prophylactic anticoagulation, none of whom developed VTE. Of the remaining 224 pts, 20 (9%) developed VTE during chemo. In a univariate analysis, large RPLN was strongly associated with VTE (OR 7.74, p<0.001), as were Khorana score ≥3 (OR 9.81, p<0.001) and hospital admission during chemo (OR 3.96, p=0.004). ROC curve analyses demonstrated large RPLN was a significant individual predictor for VTE (AUC 0.588, p=0.03), however, Khorana score ≥3 was a better predictor (AUC 0.664, p=0.02). Adding large RPLN to create a modified Khorana score provided marginal gains (AUC 0.682, p=0.02). Conclusions: Although large RPLN at diagnosis predicts for VTE in GCT pts, the Khorana predictive model is superior. Given the high rate of VTE in GCT pts receiving chemo, we recommend prophylactic anticoagulation for pts at increased risk, including pts with Khorana score ≥3, pts requiring hospital admission or pts with large RPLN.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».