Hanping Shi

搜索
登录

Hanping Shi

文章数：7篇

石汉平团队：全身炎症和ECOG-PS指标或能评估结直肠癌患者预后

癌症恶病质的发生和发展与全身炎症和身体机能有关。然而，很少有相关研究报道结直肠癌（CRC）恶病质患者全身炎症和身体机能的生存结局预测。近期首都医科大学附属北京世纪坛医院石汉平和邓力以及广西医科大学朱丽晨作为共同通讯作者在Journal of Cachexia, Sarcopenia and Muscle上发表文章，探讨了全身炎症及表现状态对CRC恶病质患者预后的预测价值。结果表明，全身炎症标志物在CRC患者中具有稳定的预后价值，且ECOG-PS（评估表现状态指标）可能是CRC的独立危险因素。

预后炎症医学研究恶病质结直肠癌

石汉平团队：肿瘤患者营养风险筛查新工具AIWW

营养不良是癌症患者常见的合并症，这类人群需要一种快速简便、灵敏度高、使用方便的营养筛选工具。近期首都医科大学附属北京世纪坛医院石汉平作为通讯作者在Science China Life Sciences发表一篇研究论文，介绍了研究团队开发的肿瘤患者营养筛查工具AIWW，AIWW大约需要20秒就能完成，不需要专业培训，而且比PG-SGA和PG-SGA SF更方便。并且，AIWW还可以预测癌症患者的生存期。注:AIWW 量表包含四个问答，每个问答为“是或否”，每项“是”加1分或“否”为0分。1分及以上=患者有营养不良风险。四项问答分别为：Q1:衰老(A),您的年龄是否超过 65 岁? Q2：摄食(I),在过去的一个月里，你是否出现了食欲或食物摄入量下降? Q3：体重下降 (W),在过去的一个月里，你是否出现了非自主体重下降? Q4：步行(W),在过去的一个月里，你的步行速度、步数或距离是否不由自主地下降了?

石汉平团队：营养相关症状或可作为肺癌的预后指标

营养相关症状（NIS）是肿瘤及治疗导致的进食减少的相关症状。世纪坛医院的石汉平团队在Clinical Nutrition上发表的一项前瞻性队列研究结果，对3600多名肺癌患者进行近2年的随访，42%的患者患有不同类型的NIS，NIS患者的总生存期较短，且NIS可作为不良预后的独立因子。

肿瘤预后研究论文前瞻性队列研究营养状态

癌症恶病质

许红霞+石汉平：机器学习或有助于癌症恶病质诊断

约35%的癌症患者患有恶病质，表现为体重下降、骨骼肌和脂肪组织丢失，常见于晚期癌症患者和恶性肿瘤患者，对患者的生活质量和化疗效果造成负面影响，约20%-30%的肿瘤死亡可归因于恶病质。目前癌症恶病质的诊断广泛依赖于患者报告的历史体重，如果不能准确回忆这一信息，可能会导致严重低估癌症恶病质。陆军军医大学陆军特色医学中心许红霞、首都医科大学北京世纪坛医院石汉平教授及其团队近日在American Journal of Clinical Nutrition发表最新研究文章，开发了一种不依赖于患者体重减轻信息的机器学习算法，可利用肿瘤类型、胃肠道症状、肿瘤分期和血清生化指标等临床信息识别恶病质，或将有助于改善临床及营养决策，辅助癌症患者的治疗。

癌症恶病质机器学习算法诊断标准

石汉平+孙强+周福祥：代谢亚型或可指导结肠癌是否可用生酮饮食治疗

尽管靶向癌症代谢是一种有前景的治疗策略，但临床成功取决于准确的分子和代谢亚型。首都医科大学附属北京世纪坛医院的石汉平、中国医学科学院的孙强和武汉大学中南医院的周福祥作为共同通讯作者在Advanced Science上发表文章，报道了与生酮饮食（KD）治疗结肠癌相关的两种代谢亚型，发现代谢亚型能够指导结直肠是否能接受KD治疗，揭示出靶向突变型p53和KD治疗协同抑制肿瘤生长。

结肠癌生酮饮食代谢亚型

石汉平+李薇：mPG-SGA可作为癌症患者的营养评估工具

营养不良在癌症患者中很普遍，营养不良不仅会降低抗肿瘤治疗的疗效，延长住院时间，还会降低患者的生活质量和生存率。但目前评估癌症患者的营养状况还没有黄金标准，患者主观整体评估（PG-SGA）是评估癌症患者营养状况最广泛使用的工具，但PG-SGA在中国和其他一些国家，它被认为过于耗时，而且即使是训练有素的专业人员，PG-SGA 的某些项目也难以理解。近期首都医科大学附属北京世纪坛医院石汉平和吉林大学第一医院李薇作为共同通讯作者在Journal of Cachexia, Sarcopenia and Muscle发表的一项研究对开发的简易使用的改良版患者主观整体评估（mPG-SGA）的效果进行评价，发现mPG-SGA是评估癌症患者营养状况的良好工具。

临床营养癌症营养评估

国内团队：深度学习预估癌症患者营养不良状态

通常癌症患者的营养状态评估靠问卷或者通识性的指南，但是其并不能基于人群数据给出营养不良相关预估。陆军军医大学大坪医院许红霞、首都医科大学附属北京世纪坛医院石汉平、福建省肿瘤医院郭增清、中国科学技术大学第一附属医院李苏宜与研究团队，近期在Clinical Nutrition发表研究，基于真实数据，建立了一种深度学习的算法，可以融合癌症患者的营养不良识别和程度判定。

营养不良深度学习方法 Cancer K-means clustering machine learning