The relationship between adiposity and gleason score in men with localized prostate cancer
Notice bibliographique
Résumé
BACKGROUND: We investigated the relationship between body mass index (BMI) at the time of cancer diagnosis and malignant phenotype as measured by Gleason score. METHODS: This was a population-based cross-sectional study conducted on 1,096 prostate cancer patients treated for cure in Ontario, Canada between 1990 and 1998. An electronic-linked data set was enhanced by retrospective chart review. BMI was categorized as: normal (BMI <25.0), overweight (BMI 25.0-29.9), and obese (BMI ≥30). We also investigated the role of diabetic status. Gleason scores were categorized as: 2-4, 5-6, 7, and 8-10. We assessed the effect modification by patient age. RESULTS: BMI was not associated with Gleason score; 9.7% of those with normal BMI had a Gleason score ≥8, and 9.4% fell into this Gleason category in both the overweight and obese groups (P = 0.73). 11.7% of diabetics had a Gleason score ≥8 compared to 9.3% in the non-diabetic group (P = 0.79). Both of these results persisted in a multivariate analysis controlling for age and diagnosis year. When stratified by age, only the Gleason score distribution in the youngest cohort (50- to 59-year olds) indicated higher Gleason scores in the obese group, with marginally significant results (P = 0.16). CONCLUSIONS: With a possible exception in younger men, elevated BMI at the time of diagnosis does not appear to be associated with aspects of aggressive behavior associated with Gleason grade. The effect of adiposity on prostate cancer outcome is complex, requiring further study that includes attention to factors such as length of exposure, concomitant co-morbidities, and ethnicity.
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 | 0,000 |
| 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) | 0,000 | 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 ».