Vitamin B12 status in hospitalised cancer patients: Prevalence and clinical implications of depletion and hypervitaminosis
Notice bibliographique
Résumé
BACKGROUND & AIMS: The prevalence and clinical significance of vitamin B12 alterations in patients with cancer are poorly understood. We aimed to assess the prevalence and risk factors of vitamin B12 depletion or hypervitaminosis in patients with cancer. METHODS: We retrospectively included hospitalised patients with cancer in 2017-2022. Plasma B12 levels were stratified as very low (VL, <200 pg/ml), low (L, 200-299 pg/ml), normal (N, 300-812 pg/ml), or high (H, ≥813 pg/ml). We collected demographic and several clinical data (e.g., comorbidities, nutritional status, ECOG-PS, cancer site and stage). Univariate and multivariate analyses for factors associated to the vitamin B12 status were fitted. RESULTS: 788 patients (F/M ratio 1.05, median age 72 years, [25th, 75th percentiles 62, 78 years]) were included. Vitamin B12 was VL in 14.1%, L in 19.4%, N in 49.4%, and H in 17.1% cases. Vitamin B12 distribution increased significantly as function of ECOG-PS levels. Patients with breast cancer were characterized by the highest median B12 value, while colorectal cancer patients by the lowest. Vitamin B12 was also significantly higher in advanced compared to early-stage patients as well as in those who had liver failure. Multivariate analysis showed that the probability of H vs. VL B12 levels was significantly increased in patients with hypoproteinemia, hypo-prealbuminemia, and ECOG-PS≥2, and decreased in those with colorectal and gastric cancer. CONCLUSION: Vitamin B12 impairment is common in cancer patients. Increased vitamin B12 is associated with an impaired clinical status, while vitamin B12 depletion is more common in early-stage cancer and in elderly patients.
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 | 0,001 | 0,001 |
| 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 ».