The impact of pre-treatment muscle strength and physical performance on treatment modification in older adults with cancer following comprehensive geriatric assessment
Notice bibliographique
Résumé
BACKGROUND: Grip strength (GS) and the short physical performance battery (SPPB) have been shown to predict clinical outcomes in older adults with cancer. However, whether pre-treatment GS and SPPB impact treatment decisions following comprehensive geriatric assessment (CGA) is poorly understood. Our objective was to assess the impact of low GS and/or SPPB on treatment modification to initially proposed treatment plans in older adults with cancer following CGA. METHODS: This was a retrospective cohort study of older adults who had undergone CGA before receiving cancer treatment. Data were retrieved from a prospective database in an academic cancer centre and medical records. Treatment modification following CGA was defined as reduced treatment intensity or transition from active treatment to supportive care. Multivariable logistic regression assessed the impact of pre-treatment GS and SPPB on treatment modification following CGA. RESULTS: In total, 515 older adults (mean age: 80.7y) who had undergone CGA prior to cancer treatment were included. Low muscle strength and/or physical performance was observed in 66.4% of participants. Treatment was modified in 49.5% of the cohort following CGA. Low GS and/or SPPB combined was predictive of treatment modification (OR = 1.77, 95%CI = 1.07-2.90, P = 0.025) in multivariable analysis. Additional predictors of treatment modification included palliative treatment intent, comorbidities and malnutrition. CONCLUSIONS: Low GS and/or SPPB combined prior to cancer treatment predicts treatment modification in older adults with cancer and may be useful in treatment decision-making. Management of poor muscle strength and physical performance should be offered to optimize patient care and potentially improve treatment outcomes.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».