Predictive Value of the Lung Immune Prognostic Index for Immune Checkpoint Inhibitor Therapy Outcomes in Non-Small Cell Lung Cancer: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Non-Small Cell Lung Cancer (NSCLC) patients undergoing Immune Checkpoint Inhibitors (ICIs) therapy exhibit diverse clinical outcomes. The Lung Immune Prognostic Index (LIPI) may emerge as a potential prognostic marker. This study systematically reviews and meta-analyzes the prognostic value of LIPI in predicting the clinical efficacy of ICIs therapy for NSCLC patients. A thorough literature review was performed using the Cochrane Library, Web of Science, PubMed, and Embase, following PRISMA guidelines. Studies assessing LIPI's predictive value in NSCLC patients treated with ICIs were included. Effect sizes were aggregated utilizing a fixed-effects model. The studies featured in the review were appraised using the Newcastle-Ottawa Scale for quality assessment. Eight studies were incorporated into the meta-analysis, encompassing various treatment lines and ICIs. No substantial heterogeneity was detected across the studies. The meta-analysis revealed that the low-risk group exhibited significantly extended overall survival (OS) (HR=3.18, 95%CI: 2.78~3.59 and progression-free survival (PFS) (HR=1.60, 95%CI: 1.4~61.74, underscoring the predictive significance of LIPI for NSCLC patients treated with ICI therapy. No significant publication bias was detected. LIPI demonstrates potential as a prognostic marker for NSCLC patients receiving ICI therapy, contributing to the development of therapeutic strategies. Further prospective researches are required to investigate its relationship with factors such as tumor mutational burden, PD-L1 and PD-1.
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 | 0,017 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,047 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».