Frailty Markers and Treatment Decisions in Patients Seen in Oncogeriatric Clinics: Results from the ASRO Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Comprehensive Geriatric Assessment (CGA) is the gold standard to help oncologists select the best cancer treatment for their older patients. Some authors have suggested that the concept of frailty could be a more useful approach in this population. We investigated whether frailty markers are associated with treatment recommendations in an oncogeriatric clinic. METHODS: This prospective study included 70 years and older patients with solid tumors and referred for an oncogeriatric assessment. The CGA included nine domains: autonomy, comorbidities, medication, cognition, nutrition, mood, neurosensory deficits, falls, and social status. Five frailty markers were assessed (nutrition, physical activity, energy, mobility, and strength). Patients were categorized as Frail (three or more frailty markers), pre-frail (one or two frailty markers), or not-frail (no frailty marker). Treatment recommendations were classified into two categories: standard treatment with and without any changes and supportive/palliative care. Multiple logistic regression models were used to analyze factors associated with treatment recommendations. RESULTS: 217 patients, mean age 83 years (± Standard deviation (SD) 5.3), were included. In the univariate analysis, number of frailty markers, grip strength, physical activity, mobility, nutrition, energy, autonomy, depression, Eastern Cooperative Oncology Group Scale of Performance Status (ECOG-PS), and falls were significantly associated with final treatment recommendations. In the multivariate analysis, the number of frailty markers and basic Activities of Daily Living (ADL) were significantly associated with final treatment recommendations (p<0.001 and p = 0.010, respectively). CONCLUSION: Frailty markers are associated with final treatment recommendations in older cancer patients. Longitudinal studies are warranted to better determine their use in a geriatric oncology setting.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».