Why We Should Look at Dinner Plates: Diet Changes in Cancer Patients
Notice bibliographique
Résumé
OBJECTIVE: Malnutrition is often underestimated in the context of cancer therapy: the dietary trends initiated by patients after diagnosis are usually neither known to nor evaluated by the medical staff. Here, we propose a combined screening instrument evaluating malnutrition and dietary trends. METHODS: The validated screening tool NRS-2002 was combined with a four-item questionnaire assessing whether (1) patients preferred certain foods, (2) avoided certain foods, (3) used dietary supplements or followed a special diet since the time of cancer diagnosis. The screening tool was routinely used by cancer patients in the daily practice of three oncological departments. The presented analysis was performed retrospectively and anonymized. RESULTS: Overall, 102 cancer patients undergoing systemic therapy (CP), 97 undergoing radiation therapy (RP), and 36 head-neck cancer patients (HNP) were screened. The CP cohort showed a higher rate of malnutrition (50.00%) than the HNP (28.13%) or RP (26.80%) cohort. Overall, diet changes were observed in 33.63% of all patients. Avoiding meat, stimulants, or hard and edgy food was often mentioned in free text answers, while patients reported a preference for fruit and vegetables. Nutritional supplements were used by 28.76% of the patients. While dietary changes were common, only 6.64% of the patients mentioned adhering to a specific cancer diet. CONCLUSION: Malnutrition is still underestimated nowadays. Diet trends, especially avoiding certain foods, are common in cancer patients, while adhering to a specific cancer diet is an exception. Diet trends should be assessed and addressed to avoid or aggravate malnutrition.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».