Change in Skeletal Muscle Following Resection of Stage I–III Colorectal Cancer is Predictive of Poor Survival: A Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Sarcopenia at time of diagnosis predicts worse survival outcomes. It is currently unknown how changes in muscle mass over time interact with sarcopenia in colorectal patients treated with curative intent. Objectives of this study were to quantify sarcopenia and skeletal muscle loss from time of diagnosis to end of surveillance and determine its effect on survival outcomes after completion of 2 years of surveillance. METHODS: Retrospective cohort study of stage I-III colorectal cancer patients from 2007-2009, who underwent resection and had preoperative and 2-year surveillance computed tomography scans, without recurrence during that time. Body composition analysis was done at both time points to determine lumbar skeletal muscle index, radiodensity and adiposity. Change over time was standardized as a percentage per year. Cox proportional hazard regression modeling was used for survival analysis. RESULTS: Of 667 patients included, median survival from surgery was 7.96 years, with 75 recurrences occurring after 2 years. On average patients lost muscle mass (-0.415%/year; CI -0.789, -0.042) and radiodensity (-5.76 HU/year; CI -6.74, -4.80), but gained total adipose tissue (7.06%/year; CI 4.34, 9.79). Patients with sarcopenia at diagnosis (HR 1.80; CI 1.13, 2.85) or muscle loss over time (HR 1.55; CI 1.01, 2.37) had worse overall survival, with significantly worse joint effect (HR 2.73; CI 1.32, 5.65). CONCLUSIONS: Sarcopenia at diagnosis combined with ongoing skeletal muscle loss over time resulted in significantly worse survival. Patients with these features who are recurrence-free at 2 years are more likely to have a non-colorectal cancer cause of death.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».