Body composition from single versus multi‐slice abdominal computed tomography: Concordance and associations with colorectal cancer survival
Notice bibliographique
Résumé
Abstract Background Computed tomography (CT) scans are routinely obtained in oncology and provide measures of muscle and adipose tissue predictive of morbidity and mortality. Automated segmentation of CT has advanced past single slices to multi‐slice measurements, but the concordance of these approaches and their associations with mortality after cancer diagnosis have not been compared. Methods A total of 2871 patients with colorectal cancer diagnosed during 2012–2017 at Kaiser Permanente Northern California underwent abdominal CT scans as part of routine clinical care from which mid‐L3 cross‐sectional areas and multi‐slice T12–L5 volumes of skeletal muscle (SKM), subcutaneous adipose (SAT), visceral adipose (VAT) and intermuscular adipose (IMAT) tissues were assessed using Data Analysis Facilitation Suite, an automated multi‐slice segmentation platform. To facilitate comparison between single‐slice and multi‐slice measurements, sex‐specific z‐scores were calculated. Pearson correlation coefficients and Bland–Altman analysis were used to quantify agreement. Cox models were used to estimate hazard ratios (HRs) and 95% confidence intervals (CIs) for death adjusting for age, sex, race/ethnicity, height, and tumour site and stage. Results Single‐slice area and multi‐slice abdominal volumes were highly correlated for all tissues (SKM R = 0.92, P < 0.001; SAT R = 0.97, P < 0.001; VAT R = 0.98, P < 0.001; IMAT R = 0.89, P < 0.001). Bland–Altman plots had a bias of 0 (SE: 0.00), indicating high average agreement between measures. The limits of agreement were narrowest for VAT ( 0.42 SD) and SAT ( 0.44 SD), and widest for SKM ( 0.78 SD) and IMAT ( 0.92 SD). The HRs had overlapping CIs, and similar magnitudes and direction of effects; for example, a 1‐SD increase in SKM area was associated with an 18% decreased risk of death (HR = 0.82; 95% CI: 0.72–0.92), versus 15% for volume from T12 to L5 (HR = 0.85; 95% CI: 0.75–0.96). Conclusions Single‐slice L3 areas and multi‐slice T12–L5 abdominal volumes of SKM, VAT, SAT and IMAT are highly correlated. Associations between area and volume measures with all‐cause mortality were similar, suggesting that they are equivalent tools for population studies if body composition is assessed at a single timepoint. Future research should examine longitudinal changes in multi‐slice tissues to improve individual risk prediction.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».