MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410822585 · doi:10.1200/jco.2025.43.16_suppl.e20031

The HALP score as a prognostic biomarker in non-small cell lung cancer: A comprehensive meta-analysis of over 7,000 patients.

2025· article· en· W4410822585 sur OpenAlexaboutno aff
Bryan Everth Rudas Sulca, Alvaro Montes, Hans Kodic Baltazar Ñahui, Alvaro Lopez Luza, Carlos Quispe, Giancarlo Moscol

Notice bibliographique

RevueJournal of Clinical Oncology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineLung cancerMeta-analysisBiomarkerOncologyInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

e20031 Background: The Hemoglobin, Albumin, Lymphocyte, and Platelet (HALP) score is an emerging prognostic biomarker in oncology, reflecting nutritional, immune, and inflammatory states. While its prognostic utility has been studied in various cancer types, its role in non-small cell lung cancer (NSCLC) remains unclear. This study presents the first meta-analysis assessing the prognostic significance of the HALP score in NSCLC, utilizing the most comprehensive dataset of studies to date and distinguishing itself from previous systematic reviews that included diverse solid tumor types. Methods: A systematic search was conducted in PubMed, EMBASE, Scopus, and WOS to find studies on pre-treatment HALP score groups (high or low) and hazard ratios (HR) for overall survival (OS), progression-free survival (PFS), or disease-free survival (DFS). Two reviewers independently extracted data and assessed quality. Random-effects meta-analyses were conducted using Cochrane RevMan Web. Confidence intervals (CIs) for OS and PFS applied the Hartung-Knapp-Sidik-Jonkman method, while the Wald-type method was used for DFS. Tau² was estimated using the Restricted Maximum-Likelihood (REML) method. Sensitivity analyses and quality assessments using the Newcastle-Ottawa Scale were performed. Results: An initial search identified 1,352 studies, with 15 selected for full-text review. Of these, 11 cohort studies (10 retrospective, 1 prospective) included 7,452 NSCLC patients across all stages. HALP cut-offs ranged from 13.99 to 48.2, determined by ROC analysis, X-tile software, or mean values. The median follow-up time varied across studies, lasting between 16 and 64 months. Meta-analysis of these 11 studies showed a significant association between a low HALP score and worse OS (HR 1.78, 95% CI 1.30–2.44; I² = 83%). For PFS, low HALP scores were associated with a pooled HR of 2.05 (95% CI: 0.78–5.39; I² = 90%), while for DFS, the HR was 1.98 (95% CI: 0.86–4.56; I² = 56%). Subgroup analyses of OS based on metastatic status showed non-significant results for four studies including only nonmetastatic NSCLC (HR: 1.67; 95% CI: 0.68–4.12; I² = 85%) and for two studies including only metastatic NSCLC (HR: 2.12; 95% CI: 0.03–144.24; I² = 88%). Sensitivity analyses confirmed the stability of the OS results. Conclusions: This meta-analysis identifies the HALP score as a significant prognostic biomarker for OS in NSCLC. However, its associations with PFS, DFS, and OS in subgroup analyses by metastatic status were not statistically significant, likely due to limited study numbers, heterogeneous designs and HALP cut-off values, and stage- or treatment-specific variations in prognostic impact. These findings underscore the need for standardization of HALP cut-off values and the implementation of prospective studies to validate its predictive value across diverse NSCLC cohorts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,029
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0160,050
Bibliométrie0,0080,010
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,109
Tête enseignante GPT0,496
Écart entre enseignants0,387 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetLung Cancer Treatments and Mutations→Travaux en français237 207→