Circulating Blood Biomarkers and Risk of Venous Thromboembolism in Cancer Patients: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background Cancer patients have an increased risk of venous thromboembolism (VTE). Currently, the availability of highly discriminatory prediction models for VTE in cancer patients is limited. The implementation of biomarkers in prediction models might lead to refined VTE risk prediction. In this systematic review and meta-analysis, we aimed to evaluate candidate biomarkers and their association with cancer-associated VTE. Methods We searched Medline, EMBASE, and Cochrane Central for studies that evaluated biomarkers in adult cancer patients from inception to September 2022. We included studies reporting on VTE after a cancer diagnosis with biomarker measurements performed at a defined time point. Median/mean differences (for continuous measures) and odds ratios (for dichotomous measures) with 95% confidence intervals were estimated and pooled using random-effects models. Results We included 113 studies in the systematic review. Of these, 50 studies were included in the meta-analysis. We identified two biomarkers at cancer diagnosis (factor VIII and time to peak thrombin), three biomarkers pre-chemotherapy (D-dimer, fibrinogen, and mean platelet volume), and one biomarker preoperatively (platelet count) that had significant median or mean differences. Additionally, we found that hemoglobin <100 g/L and white blood count >11 × 109/L were significantly associated with future VTE risk only when measured at cancer diagnosis. Pre-chemotherapy neutrophil-to-lymphocyte ratio ≥3 and preoperative platelet count ≥400 × 109/L were also found to be associated with future VTE risk. Conclusion In conclusion, this study identified nine candidate blood biomarkers that may help in optimizing VTE prediction in cancer patients that should be further explored in future 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 | 0,009 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,030 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».