Exploring potential predictors of low muscle mass and muscle loss in adults with cancer: A scoping review
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Early identification of cancer-related muscle loss is essential to enable timely interventions and mitigate adverse outcomes, including mortality. This scoping review aimed to identify routinely assessed clinical measures associated with low muscle mass or muscle loss to inform future global screening and assessment. METHODS: Medline Complete, CINAHL Complete and Embase databases were screened from January 2000 to October 2024. Eligible studies investigated factors associated with cancer-related muscle loss, included adults undergoing or previously treated for cancer, and assessed or estimated muscle mass. RESULTS: The search identified 22,270 studies, of which 292 were included. Most involved patients with upper and/or lower gastrointestinal cancers (50 %), undergoing surgery (44 %) or chemotherapy (27 %). Two-thirds (65 %) assessed muscle mass using computed tomography (CT) at the third lumbar vertebra. Other methods included CT-defined muscle mass of single muscles (e.g., psoas) (15 %), bioelectrical impedance analysis or spectroscopy (12 %), dual-energy x-ray absorptiometry (DXA) (7 %) or other (3 %). As the benchmark for muscle mass assessment in oncology, results focused on CT-defined muscle mass, with comparison to other methods. Twenty factors were identified. Thirteen showed a consistent association in unadjusted and/or adjusted analysis: age, body mass index (BMI), performance status, muscle strength, physical function, arm and leg circumference, body weight, body fat, weight loss, fatigue, energy or protein intake, and physical inactivity. CONCLUSIONS: This review identified 13 factors consistently associated with CT-defined muscle loss which may help identify patients with cancer who are at risk and require further assessment and timely referral for evidence-based nutrition and exercise interventions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 |
| 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 ».