MétaCan
Menu
Retour à la cohorte
Enregistrement W3004471597 · doi:10.3389/fonc.2019.01561

When the Loss Costs Too Much: A Systematic Review and Meta-Analysis of Sarcopenia in Head and Neck Cancer

2020· review· en· W3004471597 sur OpenAlexaboutno aff
Xin Hua, Shan Liu, Junfang Liao, Wen Wen, Zhi‐Qing Long, Zi-Jian Lu, Ling Guo, Huan-Xin Lin

Notice bibliographique

RevueFrontiers in Oncology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSarcopeniaMedicineHazard ratioMeta-analysisConfidence intervalInternal medicineSubgroup analysisCochrane LibraryUnivariate analysisOncologyHead and neck cancerProportional hazards modelCancerMultivariate analysis

Résumé

récupéré en direct d'OpenAlex

Purpose: Whether or not skeletal muscle mass (SMM) depletion, known as sarcopenia, has significant negative effects on the prognosis of patients with head and neck cancer (HNC) is both new and controversial. In this meta-analysis, we aimed to determine the prognostic significance of sarcopenia in HNC. Methods: We searched PubMed, the Cochrane Library, Embase, and Web of Science, which contains trial registries and meeting proceedings, to identify related published or unpublished studies. We used the Newcastle-Ottawa Scale (NOS) to appraise the risk of bias of the included retrospective studies. Pooled hazard ratios (HR) and the I2 statis-tic were estimated for the impact of sarcopenia on overall survival (OS) and relapse-free survival (RFS). Results: We analyzed data from eleven studies involving 2483 patients (39.4% on av-erage of whom had sarcopenia). Based on the univariate analysis data, the sarcopenia group had significantly poorer OS compared to the non-sarcopenia group (HR =1.97, 95% confidence interval [CI]:1.71-2.26, I2 = 0%). In the cut-off value subgroup, group 1, defined as skeletal muscle index (SMI) of 38.5 cm2/m2 for women and 52.4 cm2/m2 for men (HR =2.41, 95% CI: 1.72-3.38, I2 = 0%), had much poorer OS. In the race subgroup, the results were consistent between the Asia (HR = 2.11, 95% CI: 1.59-2.81) and non-Asia group (HR = 1.92, 95% CI: 1.64-2.25). The sarcopenia group also had significantly poorer RFS (HR = 1.74, 95% CI: 1.43-2.12, I2 = 0%). Conclusions: Presence of pre-treatment sarcopenia has a significant negative impact on OS and RFS in HNC compared with its absence. Further well-conducted studies with detailed stratification are needed to complement our findings. Keywords: Head and neck cancer; Sarcopenia; Meta-analysis; Prognostic factor

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,054
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0240,041
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,155
Tête enseignante GPT0,457
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations85
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetNutrition and Health in AgingTravaux en français237 207