Bibliographic record
Abstract
L’altération de l’état nutritionnel est une complication fréquente dans la maladie cancéreuse, et ses conséquences sur le pronostic de la maladie, sur la prise en charge thérapeutique et sur la qualité de vie ne sont probablement pas à négliger. En pratique courante, il n’est pas facile de procéder de manière systématique à une évaluation nutritionnelle complète. L’objectif de ce travail est d’une part de mesurer l’importance de la perte de poids chez des patients traités pour un cancer et d’autre part d’identifier les facteurs prédictifs qui pourraient être utiles aux soignants pour les aider à repérer les patients à risque. Ce travail rapporte les résultats de 2 études indépendantes : la première étude a été réalisée à partir de 2 enquêtes transversales menées chez des patients traités pour un cancer, toutes localisations et tous stades confondus à Saint-Etienne et à Clermont-Ferrand. Près d’un tiers des patients avaient perdu plus de 10% de leur poids habituel depuis le début de la maladie. Le profil des patients à risque identifié était : Homme, Localisation de la tumeur au niveau digestif ou ORL, Traitement par chimiothérapie programmé, Syndrome dépressif et Niveau socio-économique bas. Dans cette étude nous avons mis en évidence une association significative entre la perte de poids et la qualité de vie globale. La deuxième étude a été réalisée à partir des données d’un essai de chimioprévention mené chez des patients traités par radiothérapie pour un cancer ORL de stade précoce au Québec. Cinq facteurs prédictifs de perte de poids ont été identifiés : Localisation de la tumeur au niveau du larynx sus-glottique, de la cavité buccale, de l’oropharynx et de l’hypopharynx, Poids élevé en début de radiothérapie, Tumeurs de stade II, Dypshagie ou odynophagie, Capacités fonctionnelles altérées. Ces éléments simples peuvent représenter un outil d’aide au repérage des patients à risque de dénutrition qui nécessiteraient une intervention nutritionnelle préventive précoce
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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 teacher head, 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".