Using CT-based body composition metrics and frailty index in predicting survival among older adults with cancer.
Notice bibliographique
Résumé
12057 Background: Older adults with cancer are at an increased risk of treatment related toxicities and excess mortality during cancer treatment. While altered body composition and frailty are associated with worse survival among older adults with cancer, no prior study has examined their combined influence on survival prediction. Methods: Prospective study of older adults (≥60 years) undergoing geriatric assessment (GA) at initial visit with a medical oncologist at UAB from 9/2017-07/2021 with available abdominal computed tomography (CT) within 60 days of GA. Using multi-slice CT images from T12 to L5 level, volumetric skeletal muscle (SMV), visceral (VATV) and subcutaneous (SATV) adipose tissues, and skeletal muscle density (SMD), were derived. Sex-specific z-scores for each measure were determined. A 44-item frailty index was obtained, using the deficit accumulation model. Overall survival (OS) was defined as time from GA to death or last follow-up (11/8/2021). Kaplan-Meier estimates of survival rates were compared using log-rank statistics. Multivariable cox regression models were used to predict OS in a random sub-sample (1:1 split of training:validation set), sequentially adding frailty and each body composition measure and assessing improvement with likelihood ratio tests and Harrel’s C statistic. Results: 815 patients were included (median age 68 years, 61% men, and 75% non-Hispanic Whites. 73% had gastrointestinal malignancies (stage III, 25%, stage, IV 48%). 32% were frail, 31% pre-frail. There was a weak negative correlation between height-adjusted SMV and frailty (r = -0.16), particularly among men (r -0.24). Over a median follow-up of 25.7 months (range 0.3-49.6 months), 268 patients (33%) died. The 2-year survival rate was 75.9%, 68.5% and 52.2% among robust, pre-frail and frail (log-rank p <.001), respectively. In multivariable models adjusted for age, sex, race, cancer type and cancer stage, being frail (vs robust) (Hazards Ratio, HR = 2.32; 95%CI: 1.69-3.2; p <.001) and higher skeletal muscle volume (HR = 0.85; 95%CI: 0.72-0.99; p= 0.04, per SD increment) were independently associated with OS. Adding body composition and frailty to clinical variables led to significant improvement in prediction (Harrel’s C increased from 0.69 to 0.74). In the validation set, discrimination was similar (Harrel’s C = 0.72) and plots suggested good model calibration. Conclusions: CT-based body composition metrics and frailty are independent predictors of OS among older adults with cancer and improve survival prediction compared to routine clinical risk factors.
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 | 0,003 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».