Presurgical weight loss affects tumour traits and circulating biomarkers in men with prostate cancer
Notice bibliographique
Résumé
Obesity is associated with aggressive prostate cancer. To explore whether weight loss favourably affects tumour biology and other outcomes, we undertook a presurgical trial among overweight and obese men with prostate cancer. This single-blinded, two-arm randomised controlled trial explored outcomes of a presurgical weight loss intervention (WLI) that promoted ∼1 kg per week loss via caloric restriction and increased physical activity (PA). Forty overweight/obese men with clinically confirmed prostate cancer were randomised to the WLI presurgery or to a control arm; changes in weight, body composition, quality-of-life, circulating biomarkers, gene expression, and immunohistochemical markers in tumour and benign prostatic tissue were evaluated. The study period averaged 50 days. Mean (s.d.) change scores for the WLI vs control arms were as follows: weight: −4.7 (3.1) kg vs −2.2 (4.4) kg (P=0.0508); caloric intake: −500 (636) vs −159 (600) kcal per day (P=0.0034); PA: +0.9 (3.1) vs +1.7 (4.6) MET-hours per day (NS); vitality: +5.3 (7.l4) vs −1.8 (8.1) (P=0.0491); testosterone: +55.1 (86.0) vs −48.3 (203.7) ng dl−1 (P=0.0418); sex hormone-binding globulin: +14.0 (14.6) vs +1.8 (7.6) nmol l−1 (P=0.0023); and leptin: −2.16 (2.6) vs −0.03 (3.75) (P=0.0355). Follow-up Ki67 was significantly higher in WLI vs control arms; median (interquartile range): 5.0 (2.5,10.0) vs 0.0 (0.0,2.5) (P=0.0061) and several genes were upregulated, for example, CTSL, GSK3B, MED12, and LAMC2. Intentional weight loss shows mixed effects on circulating biomarkers, tumour gene expression, and proliferative markers. More study is needed before recommending weight loss, in particular rapid weight loss, among men with prostate cancer.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».