MétaCan
Menu
← Retour à la cohorte
Enregistrement W2274771262 · doi:10.1200/jco.2012.30.15_suppl.4621

Prognostic role of body composition parameters in renal cell carcinoma (RCC).

2012· article· en· W2274771262 sur OpenAlexaff
Émilie Lanoy, S. Antoun, Roberto Iacovelli, Laurence Albigès, Yohann Loriot, Mansouriah Merad, Karim Fizazi, Mario Di Palma, Vickie E. Baracos, Bernard Escudier

Notice bibliographique

RevueJournal of Clinical Oncology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineInterquartile rangeProportional hazards modelNuclear medicineRenal cell carcinomaInternal medicineAdipose tissuePopulationLog-rank testBody mass indexSurvival analysisUrologyOncology

Résumé

récupéré en direct d'OpenAlex

4621 Background: Previous studies have shown that body component i.e. muscle tissue (MT) and adipose tissue (AT) are linked to overall survival (OS) and progression free survival (PFS). The aim of our study is to analyze whether MT and AT have a prognostic role in metastatic RCC treated with targeted therapy. Methods: We investigated body mass index (BMI), MT and AT in RCC pts. Analysis of CT image was used to evaluate cross-sectional areas (cm2) of total AT (TAT), MT, and the grey level image (GLI) of MT, reflecting physical properties of the scanned tissue and used as a proxy to describe the quality of muscle. The 3rd lumbar vertebra (L3) was chosen as a landmark since L3 and whole-body measurements are linearly related. Images were analyzed using Slice-O-Matic software V4.3 (Tomovision). Indexed on height MT (cm2/m2), indexed on height TAT (cm2/m2) and mean GLI of MT were computed and described stratified on sex. For each measurement, population was divided in two groups: patients with values < or >= median observed in patient of the same gender and OS and PFS were estimated using Kaplan-Meier method and compared with the log-rank test. Multivariable Cox proportional hazards model were adjusted for modified MSKCC risk group and treatment (active versus placebo). Results: There were 113 men aged of 60 (interquartile range=52-56) years with BMI of 26 (24-29) kg2/m2 and 36 women aged of 58 (54-65) years with BMI of 23 (20-26) kg2/m2. After adjustment for MSKCC (OS and PFS) and active treatment (PFS), GLI of MT over the median was associated with longer OS (HR=1.85, 95%CI=[1.22;2.82], p=.004) and PFS (HR=1.81, 95%CI=[1.22;2.65], p=.002) Conclusions: Quality of muscular tissue is independently associated with better outcome in RCC. Surprisingly, adipose tissue as well as BMI is not associated with survival in this study. [Table: see text]

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,417
Écart entre enseignants0,370 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→