Is there a genetic cause of appetite loss?—an explorative study in 1,853 cancer patients
Notice bibliographique
Résumé
BACKGROUND: Appetite loss has a major impact on cancer patients. It is exceedingly prevalent, is a prognostic indicator and is associated with inferior quality of life. Cachexia is a multi-factorial syndrome defined by a negative protein and energy balance, driven by a variable combination of reduced food intake and abnormal metabolism. Not all cancer patients that experience weight loss have appetite loss, and the pathophysiology between cachexia and appetite loss may thus be different. Knowledge of pathophysiology of appetite loss in cancer patients is still limited. The primary object of this study was to explore the association with 93 predefined candidate single-nucleotide polymorphisms (SNPs) and appetite loss in cancer patients to possibly generate new theories of the pathophysiology of the condition. METHODS: A total of 1,853 cancer patients were phenotyped according to appetite loss and then genotyped. RESULTS: After allowing for multiple testing, there was no statistically significant association between any of the SNPs analysed and appetite loss. The ten most significant SNPs in the co-dominant model had observed odds ratios varying from 0.72 to 1.28. CONCLUSIONS: This large exploratory study could not find any associations with loss of appetite and 93 SNPs with a potential to be involved in appetite loss in cancer patients. This does not however rule out genes putative role in the development of the symptom, but the observed odds ratios are close to one which makes it unlikely that any of the individual SNPs explored in the present study have great importance.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».