Meta-Analysis of VTE Risk: Ovarian Cancer Patients by Stage, Histology, Cytoreduction, and Ascites at Diagnosis
Notice bibliographique
Résumé
Venous thromboembolisms (VTEs) have been a leading secondary cause of death among ovarian cancer patients, prompting multiple studies of risk factors. The objective of this meta-analysis is to quantify the associations between VTE and the most commonly reported risk factors among ovarian cancer patients. PubMed, Embase, and Cumulative Index to Nursing and Allied Health Literature (CINAHL) were used to identify observational studies. Two reviewers independently abstracted data and assessed quality via the Newcastle–Ottawa tool. A random effects model was used to calculate the pooled odds ratios for VTE with each of the following exposures: advanced cancer stage, clear cell histology, serous histology, ascites at diagnosis, and complete cytoreduction. The I 2 and Q tests were used to evaluate heterogeneity. Twenty cohort studies with 6,324 total ovarian cancer patients, 769 of whom experienced a VTE, were included. The odds of VTE in ovarian cancer patients were higher among patients with cancer stage III/IV (versus cancer stage I/II, pooled odds ratio (OR) 2.73; 95% CI 1.84–4.06; I 2 = 64%), clear cell (versus nonclear cell) histology (OR 2.11; 95% CI 1.55–2.89; I 2 = 6%), and ascites (versus no ascites) at diagnosis (OR 2.12; 95% CI 1.51–2.96; I 2 = 32%). Serous (versus nonserous) histology (OR 1.26; 95% CI 0.91–1.75; I 2 = 42%) and complete (versus incomplete) cytoreduction (OR 1.05; 95% CI 0.27–4.11; I 2 = 88%) were not associated with VTE. This meta-analysis quantifies the significantly elevated odds of VTE in ovarian cancer patients with advanced stage at diagnosis, clear cell histology, and ascites at diagnosis. Further studies are needed to account for confounders and inform clinical decision-making tools.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,003 | 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 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 ».