Assessment of methods of evaluating sarcopenia in old dogs
Notice bibliographique
Résumé
OBJECTIVE: To evaluate clinically applicable methods of assessing lean body mass in dogs and compare muscle mass and inflammatory markers in healthy young and old dogs. ANIMALS: 9 healthy young (1 to 5 years old) and 10 old (> 8 years old) Labrador Retrievers with a body condition score of 5 to 6 of 9. PROCEDURES: Radiography of the thoracolumbar region was performed for measurement of epaxial muscle height at the level of T13-L1. Computed tomographic images were obtained for the measurement of the epaxial and temporal muscles. Ultrasonography also was performed for regional muscle measurements at these same sites and the quadriceps muscle. Serum C-reactive protein, insulin-like growth factor-1, and tumor necrosis factor-α concentrations also were measured, and dogs' activity for 14 days was assessed with an activity monitor. RESULTS: Mean epaxial muscle area measured by ultrasonography was significantly lower in the old group, compared with the young group, whereas epaxial muscle area measured by CT was only significantly lower in the old group after normalization for vertebral height. Neither temporal and quadriceps muscle measurements nor serum C-reactive protein or insulin-like growth factor-1 concentrations were significantly different between age groups. Tumor necrosis factor-α concentrations were undetectable in all dogs. CONCLUSIONS AND CLINICAL RELEVANCE: This study documented reduced epaxial muscle area in healthy old Labrador Retrievers, consistent with the syndrome of sarcopenia. Ultrasonography and CT were feasible methods of measuring epaxial muscle area, but much additional research is required to assess this method. A better understanding of underlying mechanisms of sarcopenia as well as methods for slowing progression is needed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».