Body Composition as a Predictor of Toxicity and Prognosis in Patients with Diffuse Large B-Cell Lymphoma Receiving R-CHOP Immunochemotherapy
Notice bibliographique
Résumé
Background: Our study measured the body composition of Diffuse large B-cell lymphoma (DLBCL) patients receiving rituximab with cyclophosphamide, doxorubicin, vincristine and prednisone (R-CHOP) regimen by computed tomographic (CT) and assessed their correlation with treatment-related toxicity and other adverse outcomes. Methods: We retrospectively analyzed 201 DLBCL patients who underwent pre-treatment abdominal CT examination. CT images were used to assess body composition metrics at the third lumbar vertebrae including fat tissues and muscle. Based on the skeletal muscle area (SMA) and density (SMD), skeletal muscle index (SMI), skeletal muscle gauge (SMG = SMI × SMD) and lean body mass (LBM) were calculated. Also analyzed were the toxicity, adverse events and survival. Results: We found that SMG, SMD, SMI and LBM were correlated with any grade 3–4 toxicity, dose reduction, hospitalization or termination of the treatment due to immunochemotherapy and worse survival. However, multivariate analysis demonstrated SMG [progression-free survival (PFS): hazard ratio (HR), 2.889; 95% CI, 1.401–5.959; p = 0.004; overall survival (OS): HR, 2.655; 95% CI, 1.218–5.787; p = 0.014] was the best predictor of poor prognosis. Conclusions: SMG, SMD, SMI and LBM were identified as predictors of adverse reactions and poor survival. SMG was an innovative and valuable indicator of immunochemotherapy toxicity and other adverse outcomes. Additionally, it can be used to individualize antineoplastic drug dosing.
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) | 0,000 | 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) | 0,000 | 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 ».