MétaCan
Menu
Retour à la cohorte
Enregistrement W4391173352 · doi:10.1002/jcsm.13429

Skeletal muscle and visceral adipose radiodensities are pre‐surgical, non‐invasive markers of aggressive kidney cancer

2024· article· en· W4391173352 sur OpenAlexaff
Helena Furberg, Patrick T. Bradshaw, Andrea Knežević, Linnea T. Olsson, Stacey Petruzella, Emily Stein, Mike Paris, Jessica M. Scott, Oğuz Akın, A. Ari Hakimi, Paul Russo, Alejandro Sánchez, Bette J. Caan, Marina Mourtzakis

Notice bibliographique

RevueJournal of Cachexia Sarcopenia and Muscle · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Cancer InstituteInstituto Nacional de CancerologíaMemorial Sloan-Kettering Cancer Center
Mots-clésMedicineAdipose tissueCohortCancerInternal medicineSkeletal muscleKidney cancerNephrectomyAdipose capsule of kidneyKidney

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Most studies on body composition in kidney cancer have been conducted among patients with metastatic disease. Given that aggressive tumours can adversely impact body composition and even non-metastatic tumours can be aggressive, we evaluated associations between pre-surgical body composition features and tumour pathological features in patients with non-metastatic clear cell renal cell cancer (ccRCC). METHODS: The Resolve Cohort consists of 1239 patients with non-metastatic ccRCC who underwent nephrectomy at Memorial Sloan Kettering Cancer Center between 2000 and 2020. The cross-sectional areas and radiodensities of skeletal muscle, visceral adipose, and subcutaneous adipose tissues were determined from pre-surgical computed tomography (CT) scans at the third lumbar vertebrae using Automatica software. Pearson's correlation coefficients describe inter-relationships among BMI and body composition variables, while odds ratios (OR) and 95% confidence intervals (CI) estimate associations between continuous body composition features (per 1-standard deviation) and advanced stage (Stage III vs. Stages I-II) and high Fuhrman grade (Grades 3-4 vs. 1-2) from multivariable logistic regression models that considered the potential impact of biological sex, contrast enhanced CTs, and early age at onset of ccRCC. RESULTS: The cohort was predominantly male (69%), white (89%), and had a median age of 58. The proportion of patients presenting with advanced stage and high-grade disease were 31% and 51%, respectively. In models that adjusted for demographics and all body composition variables simultaneously, decreasing skeletal muscle radiodensity (i.e., more fat infiltration) but increasing visceral adipose tissue radiodensity (i.e., more lipid depletion) were associated with advanced tumour features. Per 8.4 HU decrease in skeletal muscle radiodensity, the odds of presenting with advanced stage was 1.61 (95% CI: 1.34-1.93). Per 7.22 HU increase in visceral adipose tissue radiodensity, the odds of presenting with advanced stage was 1.45 (95% CI: 1.22-1.74). Skeletal muscle index (i.e., sarcopenia) was not associated with either tumour feature. Similar associations were observed for Fuhrman grade, a more direct marker of tumour aggressiveness. Associations did not differ by sex, contrast use, or age at onset of ccRCC. CONCLUSIONS: Lipid infiltrated skeletal muscle, but lipid depleted visceral adipose tissue were independently associated with advanced tumour features in non-metastatic ccRCC. Findings highlight the importance of evaluating the full range of body composition features simultaneously in multivariable models. Interpreting pre-surgical CTs for body composition for patients may be a novel and non-invasive way to identify patients with aggressive renal tumours, which is clinically relevant as renal biopsies are not routinely performed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,501
Score d'incertitude au seuil0,550

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,313
Écart entre enseignants0,297 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations16
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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