AB150. SOH25_AB_343. Osteosarcopenia as a prognostic indicator in advanced cancers with bony metastases: a systematic review
Notice bibliographique
Résumé
Background: Osteosarcopenia, the concurrent loss of bone and muscle mass, significantly impacts cancer patients, particularly those with advanced disease. This condition exacerbates frailty, impairs treatment tolerance, and reduces survival outcomes. Despite its clinical importance, data on osteosarcopenia across cancer types, stages, and treatments remain fragmented. This study examines the association of osteosarcopenia with cancer staging, bone activity, performance status, interventions, survival outcomes, and multimodal imaging. Methods: A systematic review was completed using both Medline and Embase electronic databases. Studies that described osteosarcopenia and its relation to advanced cancers, survival, computed tomography (CT) imaging, and metastasis were included. Studies without CT imaging or survival outcomes were excluded. Primary and secondary outcomes included overall survival and response to either surgical or chemotherapeutic interventions. Results: Osteosarcopenia was often accompanied by hypoalbuminemia, elevated inflammatory markers, and reductions in functional biomarkers like grip strength which complemented CT imaging findings. Patients with a low skeletal muscle index at baseline were more likely to experience significant declines in muscle mass during treatment, worsening prognosis across cancer types. Muscle loss ≥5% during chemotherapy was strongly associated with reduced overall and progression-free survival. Overall, these patients had poorer outcomes than those with isolated sarcopenia or osteoporosis, suggesting a compounded negative effect. Conclusions: Osteosarcopenia is prevalent in advanced cancers, particularly with osteolytic activity, and correlates with poor survival. Through imaging and complementary biomarkers, osteosarcopenia was demonstrated to be a critical predictor of surgical and chemotherapeutic tolerance, survival, and recovery. This underscores the need for early intervention and tailored treatment approaches. For high-risk patients, incorporating nutritional and physical therapy strategies into cancer care pathways may mitigate muscle loss and improve overall outcomes.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,000 |
| Bibliométrie | 0,000 | 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 ».