Can We Predict a Higher Risk of Urothelial Bladder Cancer With a Simple Blood Test?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND/AIM: The COVID-19 pandemic highlighted the need to develop tools prioritizing high risk patients for urgent evaluation. Our objective was to determine whether Glasgow Prognostic Score (GPS), an inflammation-based score, can predict higher grade and stage urothelial bladder cancer in patients with gross hematuria who need urgent evaluation. PATIENTS AND METHODS: We analyzed a database of 129 consecutive patients presenting with gross hematuria. GPS was calculated using pretreatment C-reactive protein (CRP) and albumin levels. Patients with bacteriuria or other known malignancies were excluded. The relationship between GPS and final diagnosis was analyzed with multivariate logistic regression. RESULTS: A total of 101 patients were included in the study and 24 patients were identified without any pathology and 77 with a bladder tumor. Pathology demonstrated 21 with muscle invasive, 18 with high grade non-muscle invasive, and 38 with low grade superficial bladder cancer. Twenty-six of 39 (67%) patients with high grade tumors had a GPS of 1 or 2 compared to only 8 out of 62 (13%) patients with either low grade or negative findings (p<0.0001). Ten of 21 (48%) patients with muscle invasive disease had a GPS of 2 compared to 1 out of 18 (6%) with high grade non muscle invasive tumors (p=0.04). On multivariate analysis, GPS was a strong independent predictor of high grade and stage bladder cancer. CONCLUSION: GPS may serve as a highly accessible predictor of high grade, high stage, and large urothelial bladder tumors at the time of initial evaluation and can help identify patients who need urgent evaluation.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 découle