Neutrophil to lymphocyte ratio as an assessment tool to differentiate between uterine sarcoma and myoma: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: This systematic review and meta-analysis aimed to determine the potential value of neutrophil to lymphocyte ratio (NLR) as an assessment tool in the clinical distinction between uterine sarcoma and uterine leiomyoma. METHODS: We comprehensively searched Web of Science, Scopus, and PubMed for relevant papers published before March 19, 2023. The standardized mean difference (SMD) was provided, along with a 95% confidence interval (CI). The random-effects model was employed to derive pooled effects due to the high levels of heterogeneity. The Newcastle-Ottawa scale was used for the quality assessment. Our study was registered in PROSPERO (CRD42023478331). RESULTS: Overall, seven articles were included in the analysis. A random-effect model revealed that patients with uterine sarcoma had higher NLR levels compared to those with uterine myoma (SMD = 0.60, 95% CI = 0.22-0.98; p = 0.002). In the subgroup analysis according to sample size, we found that patients with uterine sarcoma had elevated levels of NLR compared to those with uterine myoma in either large studies (SMD = 0.58, 95% CI = 0.04-1.13; P < 0.001) or small studies (SMD = 0.64, 95% CI = 0.33-0.96; P = 0.32). In the sensitivity analysis, we found that the final result was not significantly changed when single studies were removed, suggesting that the finding of this meta-analysis was stable. The pooled sensitivity of NLR was 0.68 (95% CI = 0.61-0.73), and the pooled specificity was 0.64 (95% CI = 0.59-0.69). CONCLUSION: NLR might be utilized as an assessment tool in clinics to help clinicians differentiate between patients with uterine sarcoma and those with myoma.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| 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 | 0,000 |
| 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 ».