通过机器学习优化营养护理:通过癌症患者的身体成分参数识别肉症风险 - - 来自营养和肉症RISK查项目 (NUTRISCREEN) 的见解

科学领域:

• 在瘤学瘤学.
• 营养科学 营养科学
• 生物统计学 生物统计学

背景情况:

• 癌症和治疗对人体构成产生负面影响,增加营养不良和肉症的风险.
• 这些情况与预后不佳和与健康相关的生活质量 (HRQoL) 的降低有关.
• 准确地解释人体成分 (BC) 对于管理癌症患者至关重要.

研究的目的:

• 开发一种使用无监督方法 (PCA和k-means集群) 的预测模型,用于癌症患者的肉症风险评估.
• 为了识别不同的身体成分配置文件.
• 加强对生物电阻分析 (BIA) 数据的解释.

主要方法:

• 使用了主要组件分析 (PCA) 和k-means集群在生物电阻分析 (BIA) 数据上的数据.
• 使用NRS-2002和SARC-F问卷评估营养不良和肉症风险.
• 收集了关于人类学,HRQoL (EORTC QLQ-C30) 和患者人口统计数据的数据.

主要成果:

• 确定了三个身体组成集群:高肌肉概况 (HMP),中等肌肉概况 (MMP) 和低肌肉概况 (LMP).
• 在LMP集群中的患者年龄较大,具有更多的并发症,以及营养不良和肉症的风险更高.
• 多变量分析显示,年龄,肺癌,糖尿病和营养不良风险与肉类相关;LMP患者的肉类风险增加了62%.

结论:

• 该NUTRISCREEN项目提供了一个个性化的营养途径,用于癌症患者的早期营养不良和肉症查.
• 无监督分析提供了独特的BC配置文件,并确定了与萨科佩尼亚风险相关的关键因素.
• 这种数据驱动的方法可以通过定义风险类别和优化营养策略来改善临床实践,以获得更好的患者结果.