Computed tomography-derived assessments of regional muscle volume: Validating their use as predictors of whole body muscle volume in cancer patients
Notice bibliographique
Résumé
Objective: Evaluate the accuracy of CT-derived regional skeletal muscle volume (SMV) measurements to predict whole body SMV in patients with melanoma. Methods: 148 patients with advanced melanoma who underwent whole body positron emission tomography/CT were studied. Whole body SMV was measured on CT and used as the reference standard. CT-derived regional measures of SMV were obtained in the thorax, abdomen, pelvis, and lower limbs. Models were developed on a discovery cohort (n-98), using linear regression to model whole body SMV as a function of each regional measure, and clinical factors. Predictive performance of the derived models was evaluated in a validation cohort (n = 50) by estimating the explained variation (R 2) of each model. Results: In the discovery cohort, all regional SMV measurements were significantly associated with whole body SMV [β1 range: 0.673–1.153, all p < 0.001)]. The magnitude of association was greatest for pelvic regional measurements {β = 1.153, [95% confidence interval (0.989, 1.317)]}. Prediction algorithms incorporating clinical variables and regional SMVs were developed to estimate whole body SMV from regional assessments. Using the validation cohort to predict whole body SMV, the R 2 values for the pelvic, abdominal and thoracic regional measurements were 0.89, 0.86, 0.78. Conclusion: Regional measures of SMV are strong predictors of whole body SMV in patients with advanced melanoma. Advances in knowledge: The first study utilizing whole body imaging as a reference standard validating the use of regional SMVs in cancer patients, including validating the use of regional SMVs outside of traditionally assessed areas.
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) | 0,001 | 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 ».