Lung Immune Therapy Evaluation (LITE) Risk, a Novel Prognostic Model for Patients With Advanced Non-Small Cell Lung Cancer Treated With Immune Checkpoint Blockade
Notice bibliographique
Résumé
INTRODUCTION/BACKGROUND: Immune checkpoint inhibitors (ICI) have revolutionized non-small cell lung cancer (NSCLC). We aimed to identify baseline characteristics, that are prognostic factors for overall survival (OS) in patients with NSCLC treated with ICI monotherapy, in order to derive the Lung Immune Therapy Evaluation (LITE) risk, a prognostic model. MATERIALS AND METHODS: Multi-center observational cohort study of patients with advanced NSCLC that received ≥1 dose of ICI monotherapy. The training set (n=342) consisted of patients with NSCLC who received first line ICI. The test set (n=153) used for external validation was a discrete cohort of patients who received second line ICI. 20 candidate prognostic factors were examined. Penalized Cox regression was used for variable selection. Multiple imputation was used to address missingness. RESULTS: Three baseline characteristics populated the final model: ECOG (0, 1 or ≥2), lactate dehydrogenase>upper limit of normal, and derived neutrophil to lymphocyte ratio ≥3. Patients were parsed into 3 risk groups; favorable (n=146, risk score 0-1), intermediate (n=101, risk score 2) and poor (n=95, risk score ≥3). The c-statistic of the training cohort was 0.702 and 0.694 after bootstrapping. The test cohort c-statistic was 0.664. The median OS for favorable, intermediate and poor LITE risk were; 28.3 months, 9.1 months and 2.1 months respectively. Improving LITE risk group was associated with improved OS, intermediate vs favorable HR 2.08 (95%CI 1.46-2.97, P < .001); poor vs favorable HR 5.21 (95%CI 3.69-7.34, P < .001). CONCLUSION: A simple prognostic model, utilizing accessible clinical data, can discriminate survival outcomes in patients with advanced NSCLC.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».