MétaCan
Menu
Retour à la cohorte
Enregistrement W3024558538 · doi:10.14740/wjon1275

Gustave Roussy Immune Score and Royal Marsden Hospital Prognostic Score Are Prognostic Markers for Extensive Disease of Small Cell Lung Cancer

2020· article· en· W3024558538 sur OpenAlexvenueno aff
Seigo Minami, Shouichi Ihara, Kiyoshi Komuta

Notice bibliographique

RevueWorld Journal of Oncology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInflammatory Biomarkers in Disease Prognosis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineHazard ratioInternal medicineProportional hazards modelConfidence intervalMultivariate analysisPerformance statusNeutrophil to lymphocyte ratioLactate dehydrogenaseOncologyStage (stratigraphy)Framingham Risk ScoreCancerGastroenterologyDiseaseOverall survival

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Royal Marsden Hospital prognostic score (RMH score) and the Gustave Roussy immune score (GRIm-score) were developed in order to select more suitable patient for phase I trials. Lactate dehydrogenase (LDH) and serum albumin concentration are common risk factors to these two systems. As the third risk factor, the RMH score and the GRIm-score adopt number of metastatic sites and neutrophil-to-lymphocyte ratio (NLR), respectively. We aimed to investigate whether these two systems are also useful for extensive disease of small cell lung cancer (ED-SCLC). METHODS: We retrospectively collected 128 patients who had initiated platinum-based chemotherapy at our hospital between September 2007 and March 2018. We divided our patients into low (score 0 - 1) and high (2 - 3) score groups, and compared overall survival (OS) and progression-free survival (PFS) between them. Multivariate Cox proportional hazard analyses found prognostic factors of survival times. RESULTS: Regarding GRIm-score, OS was significantly shorter in high score group than in low score group (median 6.1 vs. 11.4 months, P < 0.01), while no significant difference was observed in PFS (median 4.7 vs. 5.0 months, P = 0.12). Both OS (median 6.9 vs. 12.4 months, P < 0.01) and PFS (median 4.4 vs. 5.4 months, P = 0.01) were significantly shorter in high RMH score group than in low group. Multivariate analyses detected both high GRIm-score (hazard ratio (HR) 1.80, 95% confidence interval (CI) 1.20 - 2.72, P < 0.01) and high RMH score (HR 1.93, 95% CI 1.27 - 2.92, P < 0.01) as independent worse prognostic factors of OS, and then only high RMH score (HR 1.53, 95% CI 1.04 - 2.25, P = 0.03) as independent worse prognostic factor of PFS. CONCLUSIONS: Both RMH score and GRIm-score are useful as independent prognostic factors of OS in ED-SCLC. However, only RMH score is an independent prognostic factor of PFS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,018
Tête enseignante GPT0,275
Écart entre enseignants0,257 · 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 tête enseignante, pas un consensus.

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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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