Poor Vitamin Status is Associated with Skeletal Muscle Loss and Mucositis in Head and Neck Cancer Patients
Notice bibliographique
Résumé
Mucositis and muscle wasting are two common toxicity effects of cancer treatment in head and neck cancer (HNC). There is limited data evaluating cancer treatment toxicities in relation to vitamin status. This study aimed to assess changes in vitamin status during HNC treatment in relation to body composition, inflammation and mucositis. In this prospective cohort study, dietary intakes (3-day food record), plasma levels of vitamins and C-reactive protein (CRP) were assessed at baseline (at diagnosis) and post-treatment (after 6–8 weeks of radiation therapy with or without chemotherapy). Computed tomography images were used to quantify body composition. Mucositis information was collected from health records of patients. Twenty-eight HNC patients (age 60 ± 10 years) completed both study time points. Patients who developed mucositis had significantly lower dietary intake of vitamins and plasma 25-hydroxy vitamin D (25-OHD) and all-trans retinol levels (p < 0.02). Patients lost a considerable amount of muscle mass (3.4 kg) and fat mass (3.6 kg) over the course of treatment. There was a trend toward greater muscle loss in patients with 25-OHD < 50 nmol/L compared to patients with 25-OHD ≥ 50 nmol/L (p = 0.07). A significant negative correlation was found between plasma all-trans retinol and CRP level at the end of treatment (p = 0.03). Poor vitamin status could be a contributing factor in developing treatment-induced toxicities.
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 ».