Pretreatment Neutrophil-to-Lymphocyte Ratio as a Predictive Marker of Response to Atezolizumab Plus Bevacizumab for Hepatocellular Carcinoma
Notice bibliographique
Résumé
Background: Combination therapy with anti-programmed death-ligand 1 monoclonal antibody atezolizumab plus anti-vascular endothelial growth factor agent bevacizumab (Atezo/Bev) was approved in 2020 as a first-line treatment for unresectable hepatocellular carcinoma (HCC). Atezo/Bev therapy is relatively well tolerated; however, factors that can predict its response have not yet been reported. Thus, we aimed to investigate whether the pretreatment neutrophil-to-lymphocyte ratio (NLR) could predict the therapeutic response in patients with HCC treated with Atezo/Bev therapy. Methods: We analyzed the course of 40 patients with HCC who received Atezo/Bev therapy at our hospital and attempted to identify pretreatment factors that could predict response by comparing those who achieved disease control with those who did not. Results: The pretreatment NLR value in patients who achieved disease control was significantly lower than that in patients with disease progression (2.47 vs. 4.48, p = 0.013). Using the optimal NLR cut-off value for predicting response (3.21) determined by receiver operating characteristic curve analysis, patients with NLR ≤ 3.21 had significantly better progression-free survival than those with NLR > 3.21 (p < 0.0001), although there were no significant differences in liver function or tumor-related background factors between the two groups. Conclusions: The pretreatment NLR value may be a useful predictor of response to Atezo/Bev therapy for HCC.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».