Predictive value of osteopenia as prognostic marker for survival and recurrence in patients with gastrointestinal cancers: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Early detection, systematic prevention, and personalized therapy are crucial to reduce mortality in patients with gastrointestinal (GI) cancers. This systematic review and meta-analysis aimed to clarify the predictive value of osteopenia and osteosarcopenia as prognostic markers of survival and recurrence in patients with GI cancers. Methods: Medline, Google Scholar, and Science Direct databases were searched for English-language studies that included patients who underwent surgical resection following a pathologically diagnosed GI cancer and reported the association between osteopenia and osteosarcopenia on the overall survival (OS) and recurrence-free survival (RFS). Meta-analysis was done using STATA 14.2, and the results were reported as pooled hazard ratios (HR) with 95% confidence intervals (CI). Heterogeneity was assessed using the I2 statistic and the Chi-square test. Study quality was evaluated using the Newcastle Ottawa Scale (NOS). Results: A comprehensive literature search yielded 23 eligible studies, primarily from Japan. Osteopenia emerged as a significant risk factor for both OS (pooled HR 2.20, 95% CI: 1.74-2.79) and RFS (pooled HR 2.15, 95% CI: 1.60-2.89). Patients with osteosarcopenia exhibited threefold higher mortality rates (pooled HR 2.96, 95% CI: 1.99-4.40) and heightened risk of recurrence (pooled HR 2.75, 95% CI: 1.79-4.24). Subgroup analyses underscored the consistency of these associations across diverse contexts. Conclusion: This meta-analysis establishes osteopenia and osteosarcopenia as robust prognostic indicators for survival and recurrence in GI cancers. Integrating musculoskeletal assessments into routine oncological care is imperative for timely interventions and optimized patient 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,043 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».