Prognostic value of neutrophil-lymphocyte ratio in gastroenteropancreatic neuroendocrine neoplasm: a systematic review and meta-analysis
Notice bibliographique
Résumé
Purpose A high neutrophil-to-lymphocyte ratio (NLR) might be connected with an unfavorable tumor prognosis. We sought to conduct a meta-analysis of published studies exploring the prognostic value of NLR in patients with gastroenteropancreatic neuroendocrine neoplasm (GEP-NEN). Methods We have referred to the PRISMA 2020 for the Abstracts checklist and have registered our review at the International Prospective Register of Systematic Reviews (registration number CRD42020187679). The PubMed, Embase, and Web of Science databases were screened using words like ‘neutrophil to lymphocyte ratio’, ‘neuroendocrine tumors’, and others up to July 2024. In our study, we evaluated the significance of NLR on overall survival (OS), recurrence-free survival (RFS), and progression-free survival (PFS) of patients with GEP-NEN. Subgroup analysis were conducted to identify the origins of heterogeneity and examine the impact of factor grouping. Results We gathered 18 cohorts with 2,995 cases. All included studies were high quality, with Newcastle Ottawa Scale (NOS) scores ranging from 6 to 8. The pooled analysis revealed that a higher NLR related to worse OS (hazard ratio (HR): 4.59, 95% confidence interval (CI) [3.35–6.29], p < 0.00001) and poor RFS (HR: 4.05, 95% CI [2.78–5.90], p < 0.00001) in patients with GEP-NEN. Subgroup analysis of race, tumor sites, and therapy showed good predictive significance, however, NLR is not effective in predicting the overall survival time of non-operative patients. Conclusion This meta-analysis showed that a high NLR predicted poor OS, RFS, and PFS in patients with GEP-NEN and can be used as a promising predictor.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».