Coagulation markers as independent predictors of colorectal cancer aggressiveness
Notice bibliographique
Résumé
Abstract Background Colorectal cancer (CRC) is frequently associated with thrombosis with thrombotic events, such as deep vein thrombosis or pulmonary embolism, often correlate with poor clinical outcomes. Coagulation markers have been suggested as potential prognostic indicators for CRC severity. However, the relationship with clinicopathological characteristics in CRC remains unclear. Purpose This study aims to examine the relationship between routine coagulation markers and clinicopathological characteristics in CRC patients. Patients and methods A retrospective analysis was conducted on 100 patients with confirmed diagnosis of CRC, classified according to the 2018 edition of the American Joint Committee on Cancer Tumor/Node/Metastasis staging system for malignant tumors. Clinicopathological characteristics and routine coagulation tests including prothrombin time, and international normalized ratio, activated partial thromboplastin time, prothrombin activity, thrombin time, fibrinogen, d-dimer, platelet count, were evaluated. Spearman correlation was used to assess correlations with clinicopathological characteristics. Additionally, univariate and multivariate ordinal regression analysis were conducted to detect the independent predictors for CRC aggressiveness. Results Our data documents several associations between coagulation markers and cancer progression markers. Specifically, positive correlations were identified between fibrinogen and d-dimer levels and each of the following: carcinoembryonic antigen, carbohydrate antigen, tumor stage, node involvement, and metastasis. Regression analysis showed, d-dimer (OR = 1.102, p < 0.001) and fibrinogen (OR = 1.002, p < 0.001) are independent predictors of high-risk CRC cases. Conclusion Fibrinogen and d-dimer may serve as independent predictive biomarkers for CRC aggression. Their clinical utility could support personalized treatment plans for CRC patients.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 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 ».