MétaCan
Menu
Retour à la cohorte
Enregistrement W4377220341 · doi:10.1002/jcsm.13256

Low muscle mass, malnutrition, sarcopenia, and associations with survival in adults with cancer in the UK Biobank cohort

2023· article· en· W4377220341 sur OpenAlexaff
Nicole Kiss, Carla M. Prado, Robin M. Daly, Linda Denehy, Lara Edbrooke, Brenton J. Baguley, Steve F. Fraser, Abbas Khosravi, Gavin Abbott

Notice bibliographique

RevueJournal of Cachexia Sarcopenia and Muscle · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSarcopeniaBioelectrical impedance analysisMalnutritionMedicineBody mass indexInternal medicineInterquartile rangeCohortCancerProportional hazards modelCohort studyGerontologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Low muscle mass (MM) is a common component of cancer‐related malnutrition and sarcopenia, conditions that are all independently associated with an increased risk of mortality. This study aimed to (1) compare the prevalence of low MM, malnutrition, and sarcopenia and their association with survival in adults with cancer from the UK Biobank and (2) explore the influence of different allometric scaling (height [m 2 ] or body mass index [BMI]) on low MM estimates. Methods Participants in the UK Biobank with a cancer diagnosis within 2 years of the baseline assessment were identified. Low MM was estimated by appendicular lean soft tissue (ALST) from bioelectrical impedance analysis derived fat‐free mass. Malnutrition was determined using the Global Leadership in Malnutrition criteria. Sarcopenia was defined using the European Working Group on Sarcopenia in Older People criteria (version 2). All‐cause mortality was determined from linked national mortality records. Cox‐proportional hazards models were fitted to estimate the effect of low MM, malnutrition, and sarcopenia on all‐cause mortality. Results In total, 4122 adults with cancer (59.8 ± 7.1 years; 49.2% male) were included. Prevalence of low MM (8.0% vs. 1.7%), malnutrition (11.2% vs. 6.2%), and sarcopenia (1.4% vs. 0.2%) was higher when MM was adjusted using ALST/BMI compared with ALST/height 2 , respectively. Low MM using ALST/BMI identified more cases in participants with obesity (low MM 56.3% vs. 0%; malnutrition 50% vs. 18.5%; sarcopenia 50% vs. 0%). During a median 11.2 (interquartile range: 10.2, 12.0) years of follow up, 901 (21.7%) of the 4122 participants died, and of these, 744 (82.6%) deaths were cancer‐specific All conditions were associated with a higher hazard of mortality using either method of MM adjustment: low MM (ALST/height 2 : HR 1.9 [95% CI 1.3, 2.8], P = 0.001; ALST/BMI: HR 1.3 [95% CI 1.1, 1.7], P = 0.005; malnutrition (ALST/height 2 : HR 2.5 [95% CI 1.1, 1.7], P = 0.005; ALST/BMI: HR 1.3 [95% CI 1.1, 1.7], P = 0.005; sarcopenia (ALST/height 2 : HR 2.9 [95% CI 1.3, 6.5], P = 0.013; ALST/BMI: HR 1.6 [95% CI 1.0, 2.4], P = 0.037). Conclusions In adults with cancer, malnutrition was more common than low MM or sarcopenia, although all conditions were associated with a higher mortality risk, regardless of the method of adjusting for MM. In contrast, adjustment of low MM for BMI identified more cases of low MM, malnutrition, and sarcopenia overall and in participants with obesity compared with height adjustment, suggesting it is the preferred adjustment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,302
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cachexia Sarcopenia and MuscleMême sujetNutrition and Health in AgingTravaux en français237 207