Does an Autoimmune Disorder Following Ovarian Cancer Diagnosis Affect Prognosis?
Notice bibliographique
Résumé
We investigated whether developing an autoimmune disorder (AID) following a high-grade epithelial ovarian cancer diagnosis improves overall survival. This retrospective study included data from women treated for high-grade serous, endometrioid, or transitional cell ovarian, fallopian tube, or peritoneal cancer FIGO stage III or IV at a Swiss cantonal gynecological cancer center (2008–2023). We used Kaplan–Meier estimates and the Cox proportional hazards model using time-varying covariates for the survival function estimation. In all, 9 of 128 patients developed an AID following a cancer diagnosis. The median time from cancer diagnosis to AID was 2 years (IQR 2–5). These women survived for a median of 3031 days (IQR 1765–3963) versus 972 days (IQR 568–1819) for those who did not develop an AID (p = 0.001). The median overall survival of nine women with a pre-existing AID was 1093 days (IQR 716–1705), similar to those who never had an AID. The multivariate analyses showed older age (p = 0.003, HR 1.04, 95% CI 1.013–1.064) was associated with a poorer prognosis, and developing an AID after a cancer diagnosis was associated with longer survival (p = 0.033, HR 0.113, 95% CI 0.015–0.837). Clinical manifestations of autoimmune disorders following ovarian cancer diagnoses were associated with better overall survival (8 versus 2.7 years), indicating an overactive immune response may improve cancer control.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».