Evaluating the Prognostic Variables for Overall Survival in Patients with Metastatic Renal Cell Carcinoma: A Meta-Analysis Of 29,366 Patients
Notice bibliographique
Résumé
Background: Scoring systems are a method of risk assessment used to stratify patients with metastatic renal cell carcinoma (mRCC) and guide systemic therapy. The variables are weighed equally when calculating total score. However, the difference of even 1 positive predictor can change one's risk category and therapy. Objective: To compare the relative strength of association between predictive variables and overall survival (OS) in mRCC. Methods: A search of Medical Literature Analysis and Retrieval System Online (MEDLINE) and Embase was conducted. Clinical studies, retrospective and prospective, were included if the association of at least 1 predictor and OS in patients with mRCC receiving first-line systemic therapy was evaluated. Meta-analysis was performed to generate pooled hazard ratios (HRs) and 95% CIs for OS for predictors with ≥ 5 included studies. Sensitivity analysis identified outlier heterogeneity and publication bias. Results: Sixty-six studies containing 29,366 patients were included. Meta-analysis indicated lung metastases, bone metastases, thrombocytosis, time to systemic therapy < 1 year, liver metastases, hypercalcemia, anemia, elevated neutrophil-lymphocyte ratio, multiple metastatic sites, neutrophilia, poor Eastern Cooperative Oncology Group (ECOG) status, no previous nephrectomy, elevated lactate dehydrogenase, Fuhrman grade 3 or 4, central nervous system metastases, elevated C-reactive protein, and Karnofsky Performance Status < 80% were associated with significantly worse OS. The HRs varied from 1.34 to 2.76, representing heterogeneity in predictive strength. The effects of study heterogeneity and publication bias were minimal to moderate across all predictors. Conclusions: Based on the differences in pooled HRs, prognostic strength between the variables is likely not equivalent. Restructuring scoring models, through inclusion of other variables and usage of relative weighting, should be considered to improve accuracy of risk stratification.
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 | 0,012 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,048 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».