Inflammatory Indexes as Predictive Biomarkers of Postoperative Complications in Oncological Thoracic Surgery
Notice bibliographique
Résumé
The role of inflammatory responses in predicting outcomes in oncological thoracic surgery is still unclear. The aim of this study was to evaluate a series of blood count inflammation indexes as predicting factors for postoperative complications. We retrospectively studied 249 patients undergoing elective thoracic surgery in our institution between 2008 and 2020. A total of 184 patients underwent open surgery, and 65 underwent VATS. The neutrophil-to-lymphocyte (NLR), monocyte-to-lymphocyte (MLR), and platelet-to-lymphocyte (PLR) ratios, Systemic Inflammation Response Index (SIRI) were calculated preoperatively and on the first and fourth postoperative days, as well as a new derivative index, the Aggregate Inflammation Systemic Index (AISI). Univariate correlations evidenced a statistically significant association between the NLR at the fourth postoperative day and the occurrence of surgical complications in the global cohort (rho = 0.15, p = 0.03). A similar significant association with MLR on the fourth postoperative day is found in the open group (rho = −0.15, p = 0.048). NLR and LMR on the fourth postoperative day are associated with postoperative complications in the whole and open groups, respectively. Simple, easy-to-perform and inexpensive, blood cell count indexes may be useful in predicting complications in oncological thoracic surgery. A greater number of broader, prospective, randomized studies are necessary to confirm these findings.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».