A scoping review of unexpected weight loss and cancer: risk, guidelines, and recommendations for follow-up in primary care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Cancer diagnoses often begin with consultations with GPs, but the non-specific nature of symptoms can lead to delayed diagnosis. Unexpected weight loss (UWL) is a common non-specific symptom linked to undiagnosed cancer, yet guidelines for its diagnostic assessment in general practice lack consistency. AIM: To synthesise evidence on the association between UWL and cancer diagnosis, and to review clinical guidelines and recommendations for assessing patients with UWL. DESIGN & SETTING: Systematic search and analysis of studies conducted in primary care. METHOD: Four databases were searched for peer-reviewed literature from 2012 to 2023. Two reviewers conducted all the steps. A narrative review was conducted detailing the evidence for UWL as a risk factor for undiagnosed cancer, existing clinical guidance, and recommended diagnostic approach. RESULTS: We included 25 studies involving 916 092 patients; 92% provided strong evidence of an association between UWL and undiagnosed cancer. The National Institute for Health Care and Excellence (NICE) Cancer Guideline in the UK was frequently cited. General suggestions encompassed regular weight monitoring, family history, risk factor evaluation, additional signs and symptoms, and a comprehensive physical examination. Commonly recommended pathology tests included C-reactive protein (CRP), complete blood count, alkaline phosphatase, and thyroid-stimulating hormone. Immunochemical faecal occult blood test, abdominal ultrasound, and chest X-ray were also prevalent. One large cohort study provided age, sex, and differential diagnosis-specific recommendations. CONCLUSION: This evidence review informs recommendations for investigating patients with UWL and will contribute to a computer decision support tool implementation in primary care, enhance UWL assessment, and potentially facilitate earlier cancer diagnosis.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 découle