FUNCTIONAL PREDICTORS OF CHEMOTHERAPY TOXICITY IN ELDERLY LYMPHOMA PATIENTS – A PROSPECTIVE PILOT STUDY
Notice bibliographique
Résumé
Introduction: Treatment of lymphoma often includes curative intent chemotherapy. In older patients, oncologists often rely on their clinical impression and the patient's age to make treatment decisions. More objective measures may be more accurate and reproducible in predicting chemotherapy eligibility and toxicity. Methods: This is a single centre pilot feasibility study in patients ≥70 yrs with lymphoma, planned for systemic chemotherapy. Patients completed geriatric tools (eg. Hurria and CRASH questionnaires, gait speed test and grip strength, CSHA Frailty Scale) and physical tests were repeated with each cycle. Sarcopenia at the L3 level was measured on baseline and follow-up CT scans. Primary outcomes were feasibility, with correlation between chemotherapy toxicity and geriatric tools, as the main 2ry outcomes. Results: 30 patients were enrolled, with a median age of 77 yrs (range 69-90) and 59% being male. The treating diagnosis was DLBCL in most (59%). Chemotherapy treatments most commonly included RCHOP (59%). The chemotherapy was dose reduced from the start in 8 patients (28%), and in 3 pts during tx (10%). Using the Hurria score, 18 pts (60%) were intermediate and 5 (17%) high risk for chemotherapy toxicity. Similarly, CRASH identified 11 (38%) as medium-low, 15 (50%) as medium-high and 2 (7%) as high risk. The Hurria tool on median took 2 min (1-5 min) vs. 20 min (5-30min) for the CRASH score. Sixteen pts (53%) experienced CTCAE grade 3-5 toxicity. The most common gr ≥3 AE was febrile neutropenia (4 pts). Dose delays occurred in 9 pts (31%) and 5 pts (17%) required hospitalization. 2-yr OS was 73%. The CSHA frailty score, grip strength and sarcopenia worsened throughout treatment and had not recovered by the 1 mo visit post-treatment (Figure 1). On univariate analysis, only the CSHA frailty score and Hurria risk score were associated with Grade 3 or higher events (Tables 1). On multivariate analysis, the CSHA Frailty score and Hurria risk score retained significance for any AE, but only CSHA frailty for gr. 3 or higher events. Keywords: elderly; non-Hodgkin lymphoma (NHL).
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) | 0,001 | 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 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 ».