A practical and precise approach to quantification of body composition in cancer patients using computed tomography images acquired during routine care
Notice bibliographique
Résumé
Human body composition is important in numerous cancer research domains. Our objective was to evaluate clinically accessible methods to achieve practical and precise measures of body composition in cancer patients. Dual-energy X-ray absorptiometry (DXA)-based analysis of fat and fat-free mass was performed in 50 cancer patients and compared with bioelectrical impedance analysis (BIA) and with regional computed tomography (CT) images available in the patients' medical records. BIA overestimated or underestimated fat-free mass substantially compared with DXA as the method of reference (up to 9.3 kg difference). Significant changes in fat-free mass over time detected with DXA in a subset of 21 patients (+2.2 +/- 3.2%/100 days, p = 0.003), was beyond the limits of detection of BIA. Regional analysis of fat and fat-free tissue at the 3rd lumbar vertebra with either DXA or CT strongly predicted whole-body fat and fat-free mass (r = 0.86-0.94; p < 0.001). CT images provided detail on specific muscles, adipose tissues and organs, not provided by DXA or BIA. CT presents great practical significance due to the prevalence of these images in patient diagnosis and follow-up, thus marrying clinical accessibility with high precision to quantify specific tissues and to predict whole-body composition.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».