Advancing body composition assessment in patients with cancer: First comparisons of traditional versus multicompartment models
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Measurement of body composition using computed tomography (CT) scans may be a viable clinical tool for low muscle mass assessment in oncology. However, longitudinal assessments are often infeasible with CT. Clinically accessible body composition technologies can be used to track changes in fat-free mass (FFM) or muscle, though their accuracy may be impacted by cancer-related physiological changes. The purpose of this study was to examine the agreement among accessible body composition method with criterion methods for measures of whole-body FFM measurements and, when possible, muscle mass for the classification of low muscle in patients with cancer. METHODS: Patients with colorectal cancer were recruited to complete measures of whole-body DXA, air displacement plethysmography (ADP), and bioelectrical impedance analysis (BIA). These measures were used alone, or in combination to construct the criterion multicompartment (4C) mode for estimating FFM. Patients also underwent abdominal CT scans as part of routine clinical assessment. Agreement of each method with 4C model was analyzed using mean constant error (CE = criterion - alternative), linear regression including root mean square error (RMSE), Bland-Altman limits of agreement (LoA) and mean percentage difference (MPD). Additionally, appendicular lean soft tissue index (ALSTI) measured by DXA and predicted by CT were compared for the absolute agreement, while the ALSTI values and skeletal muscle index by CT were assessed for agreement on the classification of low muscle mass. RESULTS: ) with 24.0% to 32.0% of patients having a different low muscle classification by CT when compared to DXA. CONCLUSIONS: Despite discrepancies between clinical body composition assessment and the criterion multicompartment model, DXA demonstrates the strongest agreement with 4C. Disagreement between DXA and CT for low muscle mass classification prompts further evaluation of the measures and cutoffs used with each technique. Multicompartment models may enhance our understanding of body composition variations at the individual patient level and improve the applicability of clinically accessible technologies for classification and monitoring change over time.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».