A critical evaluation of body composition modalities used to assess adipose and skeletal muscle tissue in cancer
Notice bibliographique
Résumé
The majority of cancer patients experience some form of body composition change during the disease trajectory. For example, breast cancer patients undergoing chemotherapy and prostate cancer patients undergoing androgen deprivation therapy gain fat and lose skeletal muscle, which are associated with increased risk of cancer recurrence and clinical comorbidities. In contrast, advanced cancer patients, such as lung and colorectal cancer patients, experience symptoms of cancer cachexia (accelerated loss of skeletal muscle with or without adipose tissue loss), which are associated with decreased treatment response and poorer survival rates in advanced cancers. The heterogeneity of body composition features and their diverse implications across different cancer populations supports the need for accurate quantification of muscle and adipose tissue. Use of appropriate body composition modalities will facilitate an understanding of the complex relationship between body composition characteristics and clinical outcomes. This will ultimately support the development and evaluation of future therapeutic interventions that aim to counter muscle loss and fat gain in cancer populations. Despite the various metabolic complications that may confound the accurate body composition measurement in cancer patients (i.e., dehydration may confound lean tissue measurement), there are no guidelines for selecting the most appropriate modalities to make these measurements. In this review we outline specific considerations for choosing the most optimal approaches of lean and adipose tissue measurements among different cancer populations. Anthropometric measures, bioelectrical impedance analysis, air displacement plethysmography, dual-energy X-ray absorptiometry, computed tomography, and magnetic resonance imaging will be discussed.
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 | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».