Predictive Value of Skeletal Muscle Mass in Recurrent/Metastatic Head and Neck Squamous Cell Carcinoma Patients Treated With Immune Checkpoint Inhibitors
Notice bibliographique
Résumé
BACKGROUND: Reduced muscle mass has been associated with increased treatment complications in several tumor types. We evaluated the impact of skeletal muscle index (SMI) on prognosis and immune-related adverse events (IrAEs) in a cohort of recurrent/metastatic (R/M) head and neck squamous cell carcinoma (HNSCC) treated with immune checkpoints inhibitors (ICI). METHODS: A single-institutional, retrospective study was performed including 61 consecutive patients of R/M HNSCC diagnosed between July 2015 and December 2018. SMI was quantified using a CT scan at L3 to evaluate body composition. Median baseline SMI was used to dichotomize patients in low and high SMI. Kaplan-Meier estimations were used to detect overall survival (OS) and progression-free survival (PFS). Toxicity was recorded using Common Terminology Criteria for Adverse Event v4.3. RESULTS: Patients were 52 men (85.2%) with mean of age 57.7 years (SD 9.62), mainly oral cavity (n = 21; 34.4%). Low SMI was an independent factor for OS in the univariate (HR, 2.06; 95% CI, 1.14-3.73, p = 0.017) and multivariate Cox analyses (HR, 2.99; 95% CI, 1.29-6.94; p = 0.011). PFS was also reduced in patients with low SMI (PFS HR, 1.84; 95% CI, 1.08-3.12; p = 0.025). IrAEs occurred in 29 (47.5%) patients. There was no association between low SMI and IrAEs at any grade (OR, 0.56; 95% CI, 0.20-1.54; p = 0.261). However, grades 3 to 4 IrAEs were developed in seven patients of whom three had low SMI. CONCLUSIONS: Low SMI before ICI treatment in R/M HNSCC patients had a negative impact on OS and PFS. Further prospective research is needed to confirm the role of body composition as a predictive biomarker in ICI treatment.
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) | 0,001 | 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 ».