MétaCan
Menu
Retour à la cohorte
Enregistrement W4290720597 · doi:10.3390/medicina58081069

Neutrophil-to-Lymphocyte Ratio and Platelet-to-Lymphocyte Ratio as Prognostic Markers for Advanced Non-Small-Cell Lung Cancer Treated with Immunotherapy: A Systematic Review and Meta-Analysis

2022· review· en· W4290720597 sur OpenAlexaboutno aff
Hesti Platini, Eric Ferdinand, Kelvin Kohar, Stephanie Amabella Prayogo, Shakira Amirah, Maria Komariah, Sidik Maulana

Notice bibliographique

RevueMedicina · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueInflammatory Biomarkers in Disease Prognosis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineHazard ratioLung cancerOncologyMeta-analysisSubgroup analysisImmunotherapyLymphocyteNeutrophil to lymphocyte ratioCancerConfidence interval

Résumé

récupéré en direct d'OpenAlex

Background and Objectives: Advanced non-small-cell lung cancer (NSCLC) has led to a high number of mortalities. Immunotherapy, as a first-line treatment in advanced NSCLC, currently has no clarity regarding its prognostic markers to assess the treatment outcome. This systematic review aimed to evaluate neutrophil-to-lymphocyte ratio (NLR) and platelet-to-lymphocyte ratio (PLR) as prognostic markers in advanced NSCLC patients treated with immunotherapy. Materials and Methods: This systematic review was conducted using the PRISMA guidelines, starting from screening for relevant studies from several databases. Each included cohort study was further assessed by using the Newcastle−Ottawa Quality Assessment Scale, and the available data were extracted for qualitative and quantitative synthesis in pooled and subgroup analysis. Results: A total of 1719 patients were included in this meta-analysis. Hazard ratio (HR) outcomes for progression-free survival (PFS) and overall survival (OS) for NLR and PLR showed significant results, supporting NLR and PLR as prognostic markers (NLR: HR PFS 2.21 [95% CI: 1.50−3.24; p < 0.0001] and HR OS 2.68 [95% CI: 2.24−3.6; p < 0.0001]; PLR: HR PFS 1.57 [95% CI: 1.33−1.84; p < 0.00001] and HR OS 2.14 [95% CI: 1.72−2.67; p < 0.00001]). Subgroup analysis with a cut-off value of 5 for NLR and 200 for PLR also demonstrated notable outcomes. Higher NLR and PLR levels are associated with poor prognostic. Conclusions: There is considerable evidence regarding both markers as prognostic markers in NSCLC patients treated with immunotherapy. However, further studies with more homogeneous baseline characteristics are required 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,031
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0170,039
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,316
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicinaMême sujetInflammatory Biomarkers in Disease PrognosisTravaux en français237 207