Multimodal prehabilitation in lung cancer patients undergoing surgical resection
Notice bibliographique
Résumé
Objectif: Mon travail doctoral vise à étudier les effets de la préadaptation multimodale sur la capacité fonctionnelle des patients atteints d'un cancer du poumon qui vont subir une chirurgie, avec un intérêt particulier sur l'impact de la nutrition préopératoire.Étude 1: L'objectif était de déterminer si un programme de préadaptation multimodale améliore la récupération fonctionnelle post-opératoire, mesurée par le test de marche de 6 minutes (6MWT), 8 semaines après la chirurgie par rapport à la réadaptation multimodale. Les 2 interventions étaient entièrement menées à domicile et consistaient en un entraînement aérobie et en résistance, des consultations nutritionnelles avec supplémentation en protéines et des stratégies de relaxation, commencées avant (préadaptation, n=52) ou après (réadaptation, n=43) la chirurgie. Il n'y avait aucune différence de capacité fonctionnelle à aucun moment de la période périopératoire entre les 2 programmes multimodaux. 8 semaines après la chirurgie, les deux groupes sont revenus à leur 6MWT de base et une proportion similaire de patients (plus de 75%) dans les 2 groupes était revenue à sa valeur de base. Il a été conclu que les 2 interventions était aussi efficace pour récupérer la capacité fonctionnelle.Étude 2: Une revue systématique de la littérature a été réalisée pour déterminer l'effet de la nutrition préopératoire et de la préadaptation multimodale sur les résultats cliniques et fonctionnels. Seules 5 études ont pu être incluses, dont 4 étaient des interventions de préadaptation multimodale et 1 était une intervention préopératoire uniquement nutritionnelle. Les recherches effectuées sur la supplémentation nutritionnelle préopératoire chez les patients atteints d'un cancer du poumon sont limitées, cependant, les programmes de préadaptation multimodale qui combinent nutrition et exercice peuvent avoir des effets bénéfiques sur divers résultats fonctionnels physiques.Étude 3: Le but de cette analyse secondaire était de caractériser la présence de malnutrition, d'examiner l'association entre la malnutrition et la capacité fonctionnelle de base et d'examiner dans quelle mesure les patients bénéficient d'un programme de préadaptation multimodale préopératoire. Les données de 162 participants inscrits en préadaptation multimodale ou recevant des soins standards ont été analysées. La malnutrition a été mesurée à l'aide de l'évaluation globale subjective générée par le patient (PG-SGA). Au total, 83 (51,2%) patients ont été considérés comme risque nutritionnel faible, 61 (37,7%) étaient à risque nutritionnel modéré et 18 (11,1%) étaient à risque nutritionnel élevé. Les résultats ont confirmé que les patients à risque nutritionnel élevé avaient une capacité fonctionnelle de base significativement plus faible que les patients à risque nutritionnel faible [moyenne de base 6MWT: 416 m (SD 90) vs 484 m (SD 88)], mais ont connu une amélioration significative de la capacité fonctionnelle préopératoire de 58,9 m (16,7-101,2) en recevant la préadaptation. Étude 4: Le but est d'examiner la faisabilité de fournir une nouvelle intervention de préadaptation multimodale de 4 semaines par rapport aux soins hospitaliers standards. Les résultats ont montré que dans un délai préopératoire, il était possible de proposer cette nouvelle intervention de préadaptation multimodale, car le taux de recrutement était de 58,6% et l'adhésion à a) l’intensité prescrite du programme d'exercice supervisé était de 84,1%. (SD 23,1), b) le programme d'exercice à domicile était de 88,2% (SD 21), c) le supplément nutritionnel était de 93,2% (SD 14,2) et d) l'évaluation préopératoire des patients était de 82% et 88% dans le groupe préadaptation et contrôle, respectivement.Conclusion: Grâce à ce travail de thèse, nous avons pu mieux comprendre les effets de la préadaptation multimodale et plus particulièrement de la nutrition, sur la capacité fonctionnelle des patients atteints de cancer du poumon subissant une chirurgie
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 | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».