Nutrition interventions to treat low muscle mass in cancer
Notice bibliographique
Résumé
Many patients with cancer experience poor nutritional status, which detrimentally impacts clinical outcomes. Poor nutritional status in cancer is primarily manifested by severe muscle mass (MM) depletion, which may occur at any stage (from curative to palliative) and often co-exists with obesity. The objective of this article was to discuss gaps and opportunities related to the role of nutrition in preventing and reversing low MM in cancer. It also provides a narrative review of relevant nutritional interventions for patients capable of oral intake. The impact of nutrition interventions to prevent/treat low MM in cancer is not well understood, potentially due to the limited number of studies and of clinically viable, accurate body composition assessment tools. Additionally, the type of study designs, inclusion criteria, length of intervention, and choice of nutritional strategies have not been optimal, likely underestimating the anabolic potential of nutrition interventions. Nutrition studies are also often of short duration, and interventions that adapt to the metabolic and behavioural changes during the clinical journey are needed. We discuss energy requirements (25-30 kcal/kg/day) and interventions of protein (1.0-1.5 g/kg/day), branched-chain amino acids (leucine: 2-4 g/day), β-hydroxy β-methylbutyrate (3 g/day), glutamine (0.3 g/kg/day), carnitine (4-6 g/day), creatine (5 g/day), fish oil/eicosapentanoic acid (2.0-2.2 g/day EPA and 1.5 g/day DHA), vitamin/minerals (e.g. vitamin D: 600-800 international units per day), and multimodal approaches (nutrition, exercise, and pharmaceutical) to countermeasure low MM in cancer. Although the evidence is variable by modality type, interventions were generally not specifically studied in the context of cancer. Understanding patients' nutritional requirements could lead to targeted prescriptions to prevent or attenuate low MM in cancer, with the overall aim of minimizing muscle loss during anti-cancer therapy and maximizing muscle anabolism during recovery. It is anticipated that this will, in turn, improve overall health and prognostication including tolerance to treatment and survival. However, oncology-specific interventions with more robust study designs are needed to facilitate these goals.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».