Cancer‐Associated Malnutrition and CT‐Defined Sarcopenia and Myosteatosis Are Endemic in Overweight and Obese Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Overweight/obese patients' large fat mass can mask the loss of skeletal muscle, which is associated with mortality in the oncology setting. We investigated the prevalence of computed tomography (CT)-defined sarcopenia and myosteatosis across different levels of nutrition risk assessed by the Patient-Generated Subjective Global Assessment Short Form (PG-SGA SF). We also evaluated whether the PG-SGA SF, sarcopenia, and myosteatosis were prognostic of overall survival. METHODS: with newly diagnosed head and neck cancer (any stage) or lung and gastrointestinal tract cancer (locally recurrent or metastatic) were screened at presentation to oncology clinics. Nutrition risk was assigned based on PG-SGA SF triage recommendations. Based on CT, patients were classified with sarcopenia and/or myosteatosis using published cutoffs. Survival analyses were conducted. RESULTS: Patients (n=1157) were 63.6 ± 11.4 years, 64% male, and 61% had stage IV disease. Sarcopenia and myosteatosis were prevalent across PG-SGA SF nutrition risk categories (scores 0-1 [no risk; 36% sarcopenic; 44% myosteatotic], scores 2-3 [37%; 37%], scores 4-8 [40%; 41%], and scores ≥9 [high risk; 50%; 49%]). In multivariable survival analysis, PG-SGA SF scores ≥9 (hazard ratio [HR] 2.08, 95% confidence interval [CI] 1.66-2.60, P<0.001), sarcopenia (HR 1.25, 95% CI 1.06-1.46, P=0.006), and myosteatosis (HR 1.25, 95% CI 1.07-1.46, P<0.001) independently predicted reduced survival. CONCLUSION: CT-defined sarcopenia and myosteatosis are prevalent across different levels of nutrition risk in overweight/obese patients with cancer. Assessment of skeletal muscle using CT adds prognostic value to the PG-SGA SF.
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.
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 découle