Predictors of Progression-Free Survival and Overall Survival in Metastatic Non-Clear Cell Renal Cell Carcinoma: A Single-Center Experience
Notice bibliographique
Résumé
BACKGROUND: Due to the infrequency of non-clear cell renal cell carcinoma (RCC), there is currently a paucity of high-quality literature to help guide the effective treatment of these tumors. Recently, biomarkers such as platelet to lymphocyte ratio (PLR), lymphocyte to monocyte ratio (LMR), systemic immune inflammation (SII) index and C-reactive protein to albumin ratio (CAR) have been demonstrated to be closely related to poor prognosis of patients with RCC. The objective of this study was to evaluate these biomarkers for determining the progression-free survival (PFS) and overall survival (OS) in patients with metastatic non-clear cell cancer. METHODS: We retrospectively reviewed 31 cases diagnosed with metastatic non-clear cell RCC from January 2012 to December 2017. We assessed the prognostic value (OS and PFS) of pretreatment PLR, LMR, SII index and CAR based on multivariate analysis and Kaplan-Meier survival curve. RESULTS: Median time of OS and PFS were 15.5 months (95% confidence interval (CI): 13.7 - 15.2) and 10.9 months (95% CI: 8.9 - 12.8), respectively. The median PFS (0.001) and OS (P = 0.01) was shorter in patients with PLR > 171, LMR < 2.61. Moreover, median PFS but not OS was significantly lower in SII index > 883 (P = 0.064) and CAR > 0.11 (P = 0.229). Scan to surgery time (3.91 weeks, P = 0.001) was also significantly related to progression. CONCLUSIONS: Elevated pretreatment inflammatory biomarkers such as PLR, LMR, SII index and CAR are significant determinants of shorter PFS and OS (PLR and LMR only) in patients with metastatic non-clear cell RCC treated with cytoreductive nephrectomy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».