MétaCan
Menu
Retour à la cohorte
Enregistrement W2916339782 · doi:10.14740/wjon1179

Pretreatment Lung Immune Prognostic Index Is a Prognostic Marker of Chemotherapy and Epidermal Growth Factor Receptor Tyrosine Kinase Inhibitor

2019· article· en· W2916339782 sur OpenAlexvenueno aff
Seigo Minami, Shouichi Ihara, Kiyoshi Komuta

Notice bibliographique

RevueWorld Journal of Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueInflammatory Biomarkers in Disease Prognosis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineEpidermal growth factor receptorAdenocarcinomaHazard ratioInternal medicineLung cancerOncologyChemotherapyTyrosine-kinase inhibitorBiomarkerCancer researchCancerConfidence intervalBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Lung immune prognostic index (LIPI) was recently developed on the basis of the combination of baseline derived neutrophil to lymphocyte ratio (dNLR) and lactate dehydrogenase (LDH). This index was demonstrated as a specific biomarker of immune checkpoint inhibitors for non-small cell lung cancer (NSCLC). We aimed to show that LIPI may be a useful biomarker of cytotoxic chemotherapy and epidermal growth factor receptor (EGFR) tyrosine kinase inhibitor (TKI) for NSCLC. METHODS: We retrospectively collected 175 wild-type EGFR adenocarcinomas, 131 NSCLCs harboring mutant EGFR and 110 squamous cell carcinomas. All patients initiated first-line cytotoxic chemotherapy or EGFR-TKI monotherapy between July 2007 and August 2017 at our hospital. These patients were divided into good, intermediate and poor LIPI groups. We compared their overall survival (OS) and progression-free survival (PFS). Multivariate analyses detected prognostic and predictive factors of OS and PFS. RESULTS: The good LIPI group survived longer than the intermediate and poor LIPI groups in wild-type EGFR adenocarcinoma (good, intermediate and poor LIPI groups: median 19.6, 11.5 and 3.3 months, P < 0.01, respectively) and mutant EGFR NSCLC (45.4, 25.6 and 15.7 months, P < 0.01). The PFS of good LIPI group was significantly longer that those of the other two groups in mutant EGFR NSCLC (16.6, 12.6 and 8.3 months, P < 0.01). The intermediate group (hazard ratio (HR) 1.49, 95% confidential interval (CI) 1.03 - 2.15, P = 0.04) of wild-type EGFR adenocarcinoma, intermediate (HR 2.30, 95% CI 1.33 - 3.99, P < 0.01) and poor (HR 2.76, 95% CI 1.03 - 7.42, P = 0.04) groups of mutant EGFR NSCLC were independent prognostic factors of poor OS. The intermediate (HR 1.57, 95% CI 1.01 - 2.44, P = 0.04) and poor (HR 2.63, 95% CI 1.14 - 6.07, P = 0.02) groups were significant prognostic factors of PFS of mutant EGFR NSCLC. CONCLUSIONS: LIPI was an independent prognostic factor of chemotherapy for adenocarcinoma with wild-type EGFR and of EGFR-TKI for NSCLC harboring mutant EGFR. Thus, LIPI was not a specific biomarker for ICI therapy, but a useful biomarker for chemotherapy and EGFR-TKI therapy in specific subsets of NSCLC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,275
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of OncologyMême sujetInflammatory Biomarkers in Disease PrognosisTravaux en français237 207