The role of neutrophil-to-lymphocyte ratio and platelet-to-lymphocyte ratio as venous thromboembolism predictors in breast cancer patients pre- and post-therapy
Notice bibliographique
Résumé
OBJECTIVES: Breast cancer (BC) accounts for 12.3% of all cancer-associated venous thromboembolism (VTE). Platelet-to-lymphocyte ratio (PLR) and neutrophil-to-lymphocyte ratio (NLR) are recognized inflammatory biomarkers but have not been incorporated into thrombosis risk stratification models. We evaluated NLR and PLR as predictive biomarkers for VTE in BC patients to determine their optimal predictive cutoffs and net predictive value before and after treatment. METHODS: We conducted a prospective pilot study that involved 56 women with BC, recruited prior to treatment (chemotherapy and immunotherapy) initiation with at least 6-month monitoring for VTE. NLR and PLR were assessed pre and posttreatment. RESULTS: Five patients (8.9%) developed VTE. NLR and PLR increased significantly posttreatment (P = 0.001). Post, not pretreatment, NLR (P = 0.029) and PLR (P = 0.033) were significantly associated with VTE occurrence. Receiver Operating curve analysis indicated enhanced predictive capacity for VTE postimmunotherapy. Optimal posttreatment cutoffs were 3.6 for NLR and 280 for PLR, aligning with existing literature, with slightly elevated NLR. CONCLUSIONS: Posttreatment NLR and PLR have higher predictability for VTE in patients receiving immunotherapy compared to chemotherapy. NLR outperforms PLR, particularly postimmunotherapy. This data holds promise for thrombosis risk stratification in the context of immunotherapy but requires evaluation in larger 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 | 0,004 |
| 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 | 0,000 | 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) | 0,001 | 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 ».