Sixth-Week Immune-Nutritional-Inflammatory Biomarkers: Can They Predict Clinical Outcomes in Patients with Advanced Non-Small Cell Lung Cancer Treated with Immune Checkpoint Inhibitors?
Notice bibliographique
Résumé
Background: We investigated the relationships between inflammatory markers such as the neutrophil-to-lymphocyte ratio (NLR), platelet-to-lymphocyte ratio (PLR), Lung Immune Prognostic Index (LIPI), and modified Glasgow prognostic score (mGPS) to determine whether they could predict treatment response to pembrolizumab or nivolumab (immunotherapy) 6 weeks after the start of treatment (post-treatment). Methods: We included all patients with lung cancer treated with immunotherapy. We examined the biomarker trends and explored their associations with progression-free survival (PFS), overall survival (OS), and response rate (RR) at 6 weeks. Results: Eighty-three patients were enrolled in the study. The presence of liver metastasis, low post-treatment NLR (<5), low post-treatment PLR (<170), intermediate post-treatment LIPI, and immune-related adverse events were significantly associated with the response. The multivariate analysis revealed that high post-treatment NLRs ≥ 5 (p = 0.004) and PLRs ≥ 170 (p ≤ 0.001) were independent prognostic factors of shorter OS. A good LIPI status was associated with better PFS (p = 0.020) and OS (p = 0.065). Post-treatment mGPS (0–2) was significantly associated with improved PFS (p = 0.009) and OS (p = 0.064). Conclusions: Post-treatment NLR, PLR, LIPI, and mGPS are associated with worse OS and recurrence. These findings should be independently and prospectively validated in further studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».