Prognostic value of lipid profiles after radical prostatectomy: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Lipid profiles are believed to play an important role in the tumorigenesis and progression of prostate cancer (PCa), but research combining those data is lacking. Therefore, this meta-analysis aims to assess the prognostic role of lipid profiles after RP. METHOD: We systematically searched PubMed, Embase, and Cochrane Library Central Register of Controlled Trials for articles evaluating association between lipid profiles and prognosis after RP. Odds ratio (OR) and hazard ratio (HR) of lipid profiles for advanced pathological tumor features and biochemical recurrence (BCR) were extracted and pooled OR and HR were calculated. Newcastle-Ottawa scale was used for study quality assessment and funnel plot was used for evaluating publication bias. RESULTS: Twelve articles involving 11,108 patients were eventually selected. We found low HDL was associated with more frequent occurrence of pathological T stage (pT) ≥ T3 (pooled OR = 1.29, 95% CI 1.07-1.56) and Gleason score (GS) ≥8 (pooled OR = 1.32, 95% CI 1.02-1.72) after RP. Hypertriglyceridemia was also linked with higher risk of pT ≥ T3 (pooled OR = 1.20, 95% CI 1.01-1.42) and positive surgical margin (PSM) (pooled OR = 1.36, 95% CI 1.11-1.65). However, no significant association was observed between BCR and abnormal lipid profile levels. CONCLUSION: Low HDL level was associated with more common occurrence of pT ≥ T3 and GS ≥8, and elevated triglycerides level was linked higher risk of pT ≥ T3 and PSM, but none of the lipid subfractions was correlated with biochemical recurrence after RP.
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 | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,036 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».