Personnalisation des soins du cancer de la tête et du cou par une évaluation multimodale des risques basée sur la fragilité et la sarcopénie
Bibliographic record
Abstract
Le cancer de la tête et du cou (CTC) représente une minorité des nouveaux cas de cancer au Canada mais affecte de manière disproportionnée la qualité de vie des patients, ainsi que la toxicité et l'intolérance aux traitements, en raison de ses effets profonds sur des fonctions essentielles telles que la déglutition, la respiration et la parole. Ce programme de recherche explore l'interaction entre la fragilité et la sarcopénie, deux facteurs critiques et leur impact sur la toxicité des traitements, la tolérance et la survie chez les patients atteints d’un CTC. Le programme intègre les résultats de deux revues systématiques et méta-analyses ainsi qu'une étude de cohorte ambispective. La fragilité, évaluée à l'aide de modèles de déficits cumulatifs, et la sarcopénie, mesurée à travers des indices de masse musculaire squelettique (IMS) dérivés de tomodensitométrie du cou, ont été analysées pour leur valeur pronostique dans la prédiction de la toxicité des traitements, de l'intolérance aux traitements et de la survie. L'indice de risque « modified Head and Neck Surgery Risk Index (mHNSRI) », intègre des métriques de fragilité et de sarcopénie ainsi que des facteurs traditionnels et a été développé et validé pour prédire l'intolérance et la toxicité des traitements. La fragilité et la sarcopénie se sont révélées être des prédicteurs indépendants mais synergiques de la toxicité et de l'intolérance des traitements chez les patients atteints de CTC. Environ 40 % des patients atteints d'un CTC à stade avancé subissant une chirurgie ont été classés comme fragiles, et jusqu'à 50 % présentaient une sarcopénie. Les patients présentant les deux conditions ont montré un risque presque quadruplé d'intolérance au traitement. La sarcopénie a été associée à des taux plus élevés de complications de plaies, de formation de fistules et de récupération retardée, tandis que la fragilité a exacerbé ces effets en réduisant les réserves physiologiques et cognitives. Le mHNSRI a démontré une grande précision prédictive pour identifier les individus à risque, permettant ainsi une planification des traitements et une allocation des ressources adaptées. De plus, les trajectoires d'IMS se sont avérées prédire la survie dans cette population. L'intégration de la fragilité et de la sarcopénie dans les évaluations pré-traitement offre une approche multidimensionnelle pour la sélection et la gestion des patients. Des interventions personnalisées, notamment la préhabilitation et des stratégies nutritionnelles ciblées, peuvent améliorer la tolérance et les résultats des traitements. Des thérapies émergentes, telles que l'anamorelin et les inhibiteurs de GDF15, offrent des perspectives supplémentaires pour traiter la cachexie liée au cancer. Les thérapies néoadjuvantes et les régimes de traitement adaptatifs peuvent affiner davantage les soins pour les patients à haut risque. La fragilité et la sarcopénie constituent de puissants biomarqueurs pour prédire les résultats à court et long terme, orientant des stratégies de traitement personnalisées. Les études futures devraient se concentrer sur le suivi dynamique des biomarqueurs, des approches thérapeutiques innovantes et des interventions systémiques pour optimiser la prise en charge dans cette population. Ces conclusions forment les bases de l'avancement de l'oncologie de précision dans des systèmes de santé aux ressources limitées, en équilibrant l'efficacité oncologique avec les soins axés sur la valeur.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.005 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".