Image_3_When the Loss Costs Too Much: A Systematic Review and Meta-Analysis of Sarcopenia in Head and Neck Cancer.TIF
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>Purpose: Whether or not skeletal muscle mass (SMM) depletion, known as sarcopenia, has significant negative effects on the prognosis of patients with head and neck cancer (HNC) is both new and controversial. In this meta-analysis, we aimed to determine the prognostic significance of sarcopenia in HNC.</p><p>Methods: We searched PubMed, the Cochrane Library, Embase, and Web of Science, which contain trial registries and meeting proceedings, to identify related published or unpublished studies. We used the Newcastle–Ottawa Scale (NOS) to appraise the risk of bias of the included retrospective studies. Pooled hazard ratios (HR) and the I<sup>2</sup> statistic were estimated for the impact of sarcopenia on overall survival (OS) and relapse-free survival (RFS).</p><p>Results: We analyzed data from 11 studies involving 2,483 patients (39.4% on average of whom had sarcopenia). Based on the univariate analysis data, the sarcopenia group had significantly poorer OS compared to the non-sarcopenia group [HR = 1.97, 95% confidence interval (CI): 1.71–2.26, I<sup>2</sup> = 0%]. In the cutoff value subgroup, group 1, defined as skeletal muscle index (SMI) of 38.5 cm<sup>2</sup>/m<sup>2</sup> for women and 52.4 cm<sup>2</sup>/m<sup>2</sup> for men (HR = 2.41, 95% CI: 1.72–3.38, I<sup>2</sup> = 0%), had much poorer OS. In the race subgroup, the results were consistent between the Asia (HR = 2.11, 95% CI: 1.59–2.81) and non-Asia group (HR = 1.92, 95% CI: 1.64–2.25). The sarcopenia group also had significantly poorer RFS (HR = 1.74, 95% CI: 1.43–2.12, I<sup>2</sup> = 0%).</p><p>Conclusions: Presence of pre-treatment sarcopenia has a significant negative impact on OS and RFS in HNC compared with its absence. Further well-conducted studies with detailed stratification are needed to complement our findings.</p>
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,183 | 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 découle