MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387977102 · doi:10.3390/curroncol30110688

Re-Evaluating Chemotherapy Dosing Strategies for Ovarian Cancer: Impact of Sarcopenia

2023· article· en· W4387977102 sur OpenAlexvenueno aff
Rushi Shah, Clarissa Polen-De, Michaela E. McGree, Angela J. Fought, Amanika Kumar

Notice bibliographique

RevueCurrent Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer Institute
Mots-clésMedicineSarcopeniaSarcopenic obesityChemotherapyDosingCarboplatinInternal medicineOncologyBreast cancerCancerCisplatin

Résumé

récupéré en direct d'OpenAlex

We investigated the impact of sarcopenia on adjuvant chemotherapy dosing in advanced epithelial ovarian cancer (EOC). The chemotherapy dosing and toxicity of 173 eligible patients who underwent cytoreductive surgery and adjuvant chemotherapy at a single institution were analyzed. Patients with a skeletal muscle index less than 39 cm2/m2 measured on a CT scan were considered sarcopenic. Sarcopenic and non-sarcopenic patients were compared with regard to relative dose intensity (RDI), completion of scheduled chemotherapy, toxicity, and survival. A total of 62 (35.8%) women were sarcopenic. Sarcopenic women were less likely to complete at least six cycles of chemotherapy (83.9% vs. 95.5%, p = 0.02). The mean RDI for both carboplatin (80.4% vs. 89.4%, p = 0.03) and paclitaxel (91.9% vs. 104.1%, p = 0.03) was lower in sarcopenic patients compared to non-sarcopenic patients. Despite these differences in chemotherapy, there was no difference in neutropenia or median overall survival (3.99 vs. 4.57 years, p = 0.62) between the sarcopenic and non-sarcopenic women, respectively. This study highlights the importance of considering lean body mass instead of body weight or surface area in chemotherapy dosing formulas for sarcopenic women with advanced EOC. Further research is needed to optimize chemotherapy strategies based on individual body composition, potentially leading to improved dosing strategies in this population.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,387
Tête enseignante GPT0,598
Écart entre enseignants0,211 · 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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetNutrition and Health in Aging→Travaux en français237 207→