Abdominal myosteatosis measured with computed tomography predicts poor outcomes in patients with glioblastoma
Notice bibliographique
Résumé
Background: Alterations in cellular metabolism affect cancer survival and can manifest in metrics of body composition. We investigated the effects of various body composition metrics on survival in patients with glioblastoma (GBM). Methods: We retrospectively analyzed patients who had an abdominal and pelvic computed tomography (CT) scan performed within 1 month of diagnosis of GBM (178 participants, 102 males, 76 females, median age: 62.1 years). Volumetric body composition metrics were derived using automated CT segmentation of adipose tissue, skeletal muscle, and aortic calcification from L1 to L5. Univariable and multivariable Cox proportional hazards models were performed separately in males and females using known predictors of GBM overall survival (OS) as covariates. A sex-specific composite score of predisposing and protective factors was constructed using the relative importance of each metric in GBM OS. Results: Higher skeletal muscle volume and lower skeletal muscle fat fraction were associated with better OS in the entire dataset. A robust and independent effect on GBM OS was seen specifically for fraction of inter/intramuscular adipose tissue to total adipose tissue after correction for known survival predictors and comorbidities. Worse OS was observed with increased abdominal aortic calcification volume in both sexes. There was a significant difference in GBM OS among participants stratified into quartiles based on sex-specific composite predisposing and protective scores. Conclusion: The relationship between body composition and GBM OS provides an actionable advancement toward precision medicine in GBM management, as lifestyle and dietary regimens can alter body composition and metabolism and from there GBM survival.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».