Body Composition as a Predictor of Toxicity in Patients Receiving Anthracycline and Taxane–Based Chemotherapy for Early-Stage Breast Cancer
Notice bibliographique
Résumé
Abstract Purpose: Poor body composition metrics (BCM) are associated with inferior cancer outcomes; however, in early breast cancer (EBC), there is a paucity of evidence regarding the impact of BCM on toxicities. This study investigates associations between BCM and treatment-related toxicity in patients with EBC receiving anthracyclines and taxane–based chemotherapy. Experimental Design: Pretreatment computerized tomographic (CT) images were evaluated for skeletal muscle area (SMA), skeletal muscle density (SMD), and fat tissue at the third lumbar vertebrae. Skeletal muscle index (SMI = SMA/height2) and skeletal muscle gauge (SMG = SMI × SMD) were also calculated. Relative risks (RR) are reported for associations between body composition measures and toxicity outcomes, after adjustment for age and body surface area (BSA). Results: BCM were calculated for 151 patients with EBC (median age, 49 years; range, 23–75 years). Fifty patients (33%) developed grade 3/4 toxicity, which was significantly higher in those with low SMI (RR, 1.29; P = 0.002), low SMG (RR, 1.09; P = 0.01), and low lean body mass (RR, 1.48; P = 0.002). Receiver operating characteristic analysis showed the SMG measure to be the best predictor of grade 3/4 toxicity. Dividing SMG into tertiles showed toxicity rates of 46% and 22% for lowest versus highest tertile, respectively (P = 0.005). After adjusting for age and BSA, low SMG (<1,475 units) was significantly associated with hematologic (RR, 2.12; P = 0.02), gastrointestinal grade 3/4 toxicities (RR, 6.49; P = 0.02), and hospitalizations (RR, 1.91; P = 0.05). Conclusions: Poor BCMs are significantly associated with increased treatment-related toxicities. Further studies are needed to investigate how these metrics can be used to more precisely dose chemotherapy to reduce treatment-related toxicity while maintaining efficacy. Clin Cancer Res; 23(14); 3537–43. ©2017 AACR.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».