Eosinophilia and Lung Cancer: Analysis From Real-World Data and Mendelian Randomization Study
Notice bibliographique
Résumé
Background and Objective Growing evidence added to the results from observational studies of lung cancer patients exhibiting eosinophilia. However, whether eosinophils contributed to tumor immune surveillance or neoplastic evolution was unknown. This study aimed to analyze the causal association between eosinophilia and lung cancer. Methods The causal effect of eosinophil count on lung cancer from a genome-wide association study (GWAS) was investigated using the two-sample Mendelian randomization (MR) method. Secondary results according to different histological subtypes of lung cancer were also implemented. Meanwhile, we compared the measured levels of blood eosinophil counts among different subtypes of lung cancer from real-world data. Results The median absolute eosinophilic count (unit: 10 9 /L) [median (min, max): Lung adenocarcinoma 0.7 (0.5, 15); Squamous cell lung cancer 0.7 (0.5, 1.3); Small cell lung cancer 0.7 (0.6, 1.3); p = 0.96] and the median eosinophil to leukocyte ratio [median (min, max): Lung adenocarcinoma 8.7% (2.1, 42.2%); Squamous cell lung cancer 9.3% (4.1, 17.7%); Small cell lung cancer 8.9% (5.1, 24.1%); p = 0.91] were similar among different histological subtypes of lung cancer. MR methods indicated that eosinophilia may provide 28% higher risk for squamous cell lung cancer in East Asian [Weighted median method: odds ratio (OR) = 1.28, 95% CI: 1.04–1.57, p = 0.02]. Conclusion Our study suggested that eosinophilia may be a potential causal risk factor in the progression of squamous cell lung cancer in East Asian.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».