Sarcopenia and impairment in cognitive and physical performance
Notice bibliographique
Résumé
BACKGROUND: Whether older adults with sarcopenia who underperform controls on tests of physical performance and cognition also have a higher likelihood of combined cognitive-physical impairment is not clear. We assessed the impact of sarcopenia on impairment in both aspects of functionality and the relative contribution of its components, muscle mass and strength. METHODS: Two hundred and twenty-three community-dwelling adults aged 40 years and older (mean age =68.1±10.6 years; 65% female) were recruited and underwent physical functionality, anthropometry, and cognitive testing. Participants with low muscle mass were categorized as pre-sarcopenic; those with low muscle mass and muscle strength as sarcopenic; those with higher muscle mass and low muscle strength only were categorized as non-sarcopenic and were compared on risk of cognitive impairment (Montreal Cognitive Assessment <26; Ascertaining Dementia 8 ≥2), physical impairment (Mini Physical Performance Test <12), both, or neither by ordinal logistic regression. RESULTS: Compared to controls, those with sarcopenia were six times more likely to have combined cognitive impairment/physical impairment with a fully adjusted model showing a three-fold increased odds ratio. The results were consistent across different measures of global cognition (odds ratio =3.46, 95% confidence interval =1.07-11.45 for the Montreal Cognitive Assessment; odds ratio =3.61, 95% confidence interval =1.11-11.72 for Ascertaining Dementia 8). Pre-sarcopenic participants were not different from controls. The effect of sarcopenia on cognition is related to low muscle strength rather than low muscle mass. CONCLUSION: Individuals with sarcopenia are not only more likely to have single but also to have dual impairment in cognitive and physical function. Interventions designed to prevent sarcopenia and improve muscle strength may help reduce the burden of cognitive and physical impairments of functionality in community-dwelling seniors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».