Low L3 skeletal muscle index associated with the clinicopathological characteristics and prognosis of ovarian cancer: a meta‐analysis
Notice bibliographique
Résumé
Sarcopenia is a syndrome characterized by progressive loss of skeletal muscle mass, strength and function, which is one of the most important clinical features of cancer malnutrition, representing a poor prognostic indicator in oncology. Sarcopenia is commonly assessed by measuring the skeletal muscle index (SMI) of the third lumbar spine (L3) using computed tomography (CT). The primary aim of this meta-analysis was to study the association between low SMI and comprehensive clinicopathological characteristics as well as prognosis in patients with ovarian cancer. Data were searched in PubMed, EMBASE and Cochrane databases from inception to 10 June 2022. Studies evaluating the prognostic effect of SMI on ovarian cancer survival or chemotherapy-related side effects were included. The risk of bias and study quality were assessed via the Newcastle-Ottawa Scale (NOS). The search strategy yielded 1286 hits in all three databases combined. Thirteen studies were included for qualitative and quantitative analysis, comprising 1814 patients. Our meta-analysis revealed the significant association between low SMI and progression-free survival (PFS) [P = 0.02; hazard ratio (HR): 1.40, 95% confidence interval (CI): 1.06-1.85], as well as 5-year overall survival (OS) [P = 0.02; odds ratio (OR): 1.35, 95% CI: 1.05-1.74]. Low SMI was also obviously associated with body mass index (BMI) < 25 (P < 0.00001; OR: 5.08, 95% CI: 3.54-7.30), FIGO stage (P = 0.02; OR: 1.62, 95% CI: 1.06-2.45) and R0 cytoreduction (P = 0.04;OR: 1.34, 95% CI: 1.01-1.79). There was no correlation between low SMI and histological types, pathological grades and chemotherapy-related toxicity. The quality of the evidence was relatively high according to NOS. Our meta-analysis indicated that sarcopenia assessed by SMI was associated with poor clinical characteristics and adverse prognosis in patients with ovarian cancer. Consensus should be reached on standardized cut-off values for defining sarcopenia in patients with ovarian cancer.
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 | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,035 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».