基于无监督机器学习的胃肠道癌症患者身体成分谱与营养风险及生活质量的横断面研究

《Current Oncology》:Exploring Body Composition Profiles in Patients with Gastrointestinal Cancers: A Cross-Sectional Analysis of the NUTRISCREEN Project

【字体: 大 中 小 】 时间:2026年10月01日 来源:Current Oncology 3.6

编辑推荐:

   简要摘要 本研究是一项横断面研究,通过应用无监督机器学习技术,提出了一种新颖的方法,以简化新诊断胃肠道癌症患者的身体成分临床解读,该患者群体营养不良风险较高。为评估该方法的相关性,我们探讨了所识别出的身体成分谱与营

  

简要摘要

本研究是一项横断面研究,通过应用无监督机器学习技术,提出了一种新颖的方法,以简化新诊断胃肠道癌症患者的身体成分临床解读,该患者群体营养不良风险较高。为评估该方法的相关性,我们探讨了所识别出的身体成分谱与营养风险及健康相关生活质量之间的关联。我们的研究结果表明,低肌肉谱型的男性患者与高肌肉谱型患者相比,营养不良风险高出三倍。然而,营养不良风险成为较差生活质量的唯一决定因素,这反映了在整个癌症病程中监测营养状态的重要性。未来需要在更大队列中开展前瞻性纵向研究,以评估身体成分谱的稳健性和可重复性,同时考虑癌症部位异质性、疾病特异性特征和临床因素。此类研究还应阐明其在超越临床常规使用的传统经验证的身体成分测量指标方面的附加价值。

摘要

身体成分(BC)分析可将胃肠道癌症患者的营养风险评估整合其中。本研究应用无监督机器学习技术,推导出身体成分谱(BCPs),并探究其与营养不良风险及生活质量之间的关联。本横断面分析纳入NUTRItional and sarcopenia SCREENing项目的胃肠道癌症患者,该项目是ONCOCAMP研究的一部分(ClinicalTrials.gov ID:NCT06270602)。采用NRS-2002、人体测量学及BC分析进行营养不良评估;采用EORTC QLQ-C30问卷评估健康相关生活质量(HRQoL)。通过主成分分析和k-均值聚类识别出BCPs。分析了189例患者(平均年龄:66.3 ± 11.2岁)的数据,其中包括胃癌(37%)、胰腺癌(26.5%)、直肠癌(24.3%)和肝细胞癌(12.2%)患者。总体而言,36.5%的患者存在营养风险(NRS-2002 ≥ 3)。共识别出两种身体成分聚类:高肌肉谱型(HMP)和低肌肉谱型(LMP)。虽然在整体队列中未观察到具有统计学意义的关联,但按性别分层的多变量分析发现,男性患者中LMP与营养风险之间存在关联(OR = 3.77,95% CI:1.08–14.3,p = 0.042);然而,该发现应视为探索性结果。营养风险(而非BCPs)与较差的综合评分(β = 8.0,95% CI:?14至?2.3,p = 0.007)及较高的症状评分(β = 9.8,95% CI:4.5至15,p < 0.001)相关。这些初步结果需要在更大、具有充分统计效能的纵向队列中进一步确认。未来研究应确定BCPs在临床实践中是否能提供超越现有营养筛查及个体BC参数的附加价值。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号