Biological Aging and Chemotoxicity in Patients with Colorectal Cancer: A Secondary Data Analysis Using EHR Data
Notice bibliographique
Résumé
Background: Biological aging influences cancer outcomes, but its changes during chemotherapy and impact on chemotoxicity in colorectal cancer (CRC) remain underinvestigated. We examined (1) trajectories of biological aging (using Levine Phenotypic Age) during six months of chemotherapy, (2) sociodemographic and clinical risk factors for biological aging, and (3) links between biological aging and chemotoxicity. Methods: Using data from electronic health records (2013–2019) from 1129 adult CRC patients, we computed biological aging (raw Levine Phenotypic Age and its age acceleration [Levine Phenotypic Age–chronological age]) from routine blood tests (e.g., complete blood counts, hepatorenal/inflammatory markers). Chemotoxicity was identified primarily via International Classification of Diseases (ICD-9 and -10) codes. Results: Chemotherapy accelerated biological aging over time. Biological aging at baseline and changes over time predicted chemotoxicity. However, changes in biological aging over time showed stronger associations than baseline biological aging. Advanced cancer stages, higher comorbidity burden, and socioeconomic disadvantage (especially area-level deprivation) were associated with accelerated biological aging at baseline and over time. Biological aging occurred across both young and older adults. Conclusions: Levine Phenotypic Age, computed from routine blood tests in EHRs, offers a feasible clinical tool for aging-related chemotoxicity risk stratification. Validation in diverse cohorts and the development of predictive models are needed.
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 | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».