Perda de peso em pacientes oncológicos: prevalência e prognóstico relacionados a sexo, idade, localização do tumor e sintomas de impacto nutricional
Notice bibliographique
Résumé
ABSTRACT Introduction: Cancer causes an increase in nutritional demands and the presence of of nutritional impact symptoms (NIS) contributes to reduction of nutrient intake and absorption, leading to weight loss, malnutrition and predicting overall survival. Assess the prevalence and predict the weight loss related to cancer, the Grade Scheme and the NIS. Methods: Data were collected from 2012 to 2018 from the first nutritional consultation of cancer patients in a clinic linked to SUS in the city of Guarapuava-PR. The primary outcome was to determine the % of weight loss (% WL), NIS and by the Grade Scheme proposed by Martin et. al (2015) the prognosis was determined by univariate and multivariate Multinomial Logistic Regression (MLR) analysis (adjusted for age, sex and tumor location). Results: 1164 patients aged 56.9 years. In the first consultation, a 6.7 %WL was observed, and it was observed that 21.6% of the patients were underweight. The main sites and %WL were, respectively: Lung 140 (12.0%) and 9.4 %WL, Head and Neck 113 (9.7%) and 10.5 %WL, Colorectal 84 (7.2%) and 10.3 %WL, Stomach 90 (7.7%) and 13.7 %WL, Esophagus 85 (7.3%) and 14.0 %WL, Pancreas 24 (2.1%) and 16.1 %WL. The main NIS were: dry mouth (51.0%), abdominal pain (23.0%), constipation (21.7%), nausea (15.3%) and altered taste (10.5%). In the RML for univariate analysis, age, sex, cancer site and SIN and for multivariate analysis, all cancer locations showed significant OR to be classified in grades 3 and 4. Conclusion: Before chemotherapy, weight loss and malnutrition are present. The cancer site and SIN increase the chance of the patient being classified in grades 3 and 4, leading these patients to a worse nutritional status and contributing to adverse results.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».