Percentile‐based averaging and skeletal muscle gauge improve body composition analysis: validation at multiple vertebral levels
Notice bibliographique
Résumé
BACKGROUND: Skeletal muscle metrics on computed tomography (CT) correlate with clinical and patient-reported outcomes. We hypothesize that aggregating skeletal muscle measurements from multiple vertebral levels and skeletal muscle gauge (SMG) better predict outcomes than skeletal muscle radioattenuation (SMRA) or -index (SMI) at a single vertebral level. METHODS: We performed a secondary analysis of prospectively collected clinical (overall survival, hospital readmission, time to unplanned hospital readmission or death, and readmission or death within 90 days) and patient-reported outcomes (physical and psychological symptom burden captured as Edmonton Symptom Assessment Scale and Patient Health Questionnaire) of patients with advanced cancer who experienced an unplanned admission to Massachusetts General Hospital from 2014 to 2016. First, we assessed the correlation of skeletal muscle cross-sectional area, SMRA, SMI, and SMG at one or more of the following thoracic (T) or lumbar (L) vertebral levels: T5, T8, T10, and L3 on CT scans obtained ≤50 days before index assessment. Second, we aggregated measurements across all available vertebral levels using percentile-based averaging (PBA) to create the average percentile. Third, we constructed one regression model adjusted for age, sex, sociodemographic factors, cancer type, body mass index, and intravenous contrast for each combination of (i) vertebral level and average percentile, (ii) muscle metrics (SMRA, SMI, & SMG), and (iii) clinical and patient-reported outcomes. Fourth, we compared the performance of vertebral levels and muscle metrics by ranking otherwise identical models by concordance statistic, number of included patients, coefficient of determination, and significance of muscle metric. RESULTS: We included 846 patients (mean age: 63.5 ± 12.9 years, 50.5% males) with advanced cancer [predominantly gastrointestinal (32.9%) or lung (18.9%)]. The correlation of muscle measurements between vertebral levels ranged from 0.71 to 0.84 for SMRA and 0.67 to 0.81 for SMI. The correlation of individual levels with the average percentile was 0.90-0.93 for SMRA and 0.86-0.92 for SMI. The intrapatient correlation of SMRA with SMI was 0.21-0.40. PBA allowed for inclusion of 8-47% more patients than any single-level analysis. PBA outperformed single-level analyses across all comparisons with average ranks 2.6, 2.9, and 1.6 for concordance statistic, coefficient of determination, and significance (range 1-5, μ = 3), respectively. On average, SMG outperformed SMRA and SMI across outcomes and vertebral levels: the average rank of SMG was 1.4, 1.4, and 1.4 for concordance statistic, coefficient of determination, and significance (range 1-3, μ = 2), respectively. CONCLUSIONS: Multivertebral level skeletal muscle analyses using PBA and SMG independently and additively outperform analyses using individual levels and SMRA or SMI.
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 ».