Desnutrición y riesgo de mortalidad en pacientes adultos mayores con cáncer en el Perú
Notice bibliographique
Résumé
Objective: Malnutrition is common among cancer patients and even more prevalent in olderadults. Although its association with mortality risk is well established, further studies in LatinAmerica are needed to delve deeper into this relationship. This study aimed to evaluate theassociation between malnutrition and mortality risk among Peruvian older adult patients (≥ 60 years)with cancer. Materials and methods: Comprehensive geriatric assessment (CGA) records of olderadult patients with cancer evaluated at the Geriatrics Department of Hospital Almenara in Lima,Peru, from 2018 to January 2024, were reviewed. Nutritional status was assessed using the MiniNutritional Assessment Short Form (MNA-SF), which classifies patients into three groups: normal,at risk of malnutrition, or malnourished. This retrospective observational study comprised bothcases (patients at risk of malnutrition or malnourished) and controls. Results: The study included 171 patients (mean age of 77.8 ± 7.5 years), 60 % of whom were men. According to the MNA-SF,66 patients (38.5 %) were classified as having normal nutritional status, 77 (45.0 %) as at risk of malnutrition, and 28 (16.4 %) as malnourished. The frequency of malnutrition was higher among males (60.7 %) than females (39.3 %) (p < 0.05). The mean follow-up period was 41.1 ± 20.9 months, ranging from 0.9 to 68 months. The most common cancertypes were colorectal (23.4 %), prostate (13.5 %), stomach (11.7 %), skin (11.7 %), breast (9.4 %), non-Hodgkin lymphoma (5.4 %), head and neck (4.7 %), lung (3.5 %), endometrial (3.5 %), and pancreatic (2.9 %). In the multivariate Cox regression analysis,patients who were at risk of malnutrition or malnourished had a higher mortality risk compared to those with normal nutritional status (hazard ratio [HR], 2.9; 95 % confidence interval [CI], 1.37–7.26; p < 0.01). Conclusions: Peruvian older adult patientswith cancer at risk of malnutrition or malnourished have a higher mortality risk compared with their counterparts with normal nutritional status.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,002 | 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 ».