Descriptive statistics of dataset from the meta-analysis and meta-regression analysis on prognostic significance of pre-treatment systemic hemato-immunological indices of cervical cancer patients
Notice bibliographique
Résumé
In this study, we perform a meta-analysis and meta-regression analysis for the article entitled “Prognostic value of systemic hemato-immunological indices in uterine cervical cancer: A systemic review, meta-analysis, and meta-regression of observational studies.” [1] We implemented quantitative meta-analyses and time series meta-regression analysis to determine whether systemic hemato-immunological indices, such as neutrophil-to-lymphocyte ratio (NLR), platelet-to-lymphocyte ratio (PLR), lymphocyte-to-monocyte ratio (LMR), thrombocyte-to-lymphocyte ratio (TLR), and C-reactive protein/albumin ratio (CAR) are associated with an increased risk of cervical collision cancer. In all, 9558 patients from 22 studies were included after a systematic data search, performed comprehensively using the following databases: MEDLINE, Web of Science, Embase, and Cochrane. The meta-analysis was conducted with a random-effects model using the Review Manager software (Revman version 5.3). The overall survival (OS), disease-free survival (DFS), and progression-free survival (PFS) data were compared among each observational study. All data are expressed as hazard ratios (HRs) and 95% confidence intervals (CIs), and were calculated using the generic inverse of variance method. Statistical heterogeneity was quantified using Cochrane's Q statistic and Higgins I2 statistic. Subgroup analysis was performed to investigate the sources of heterogeneity. Furthermore, quality assessment of the included datasets was presented according to the Newcastle-Ottawa Scale method. Additionally, sensitivity analysis was conducted to explore the sources of heterogeneity and analyze whether the results were stable and reliable. Meta-analysis random-effect approach was used for the regression to evaluate the effect of age, presence of squamous cell carcinoma patients, and number of evaluated NLR and PLR parameters on patient survival.
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 | 0,037 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,016 |
| Bibliométrie | 0,011 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,002 |
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 ».