Nutrition, Exercise, and Pharmaceutical Therapies for Sarcopenic Obesity
Notice bibliographique
Résumé
Sarcopenia is characterized by progressive and generalized loss of skeletal muscle mass and strength, with a risk of adverse outcomes such as physical disability, poor quality of life, and death. Sarcopenic obesity is defined as having both sarcopenia and obesity, a condition reported to be associated with a higher risk for adverse outcomes including functional disability, frailty, poor quality of life, longer hospitalization, and higher mortality rates. The definition and diagnostic criteria for sarcopenia have been described by several working groups on the disease; however, there is no standardized definition and diagnostic criteria for sarcopenic obesity. In this review, we summarize nutrition, exercise, and pharmaceutical therapies for counteracting sarcopenic obesity in humans. Although there are some pharmaceutical therapies for both sarcopenia (i.e., testosterone, growth hormone, ghrelin, and vitamin D) and obesity (orlistat, lorcaserin, phentermine-topiramate, and vitamin D), therapies combining nutrition and exercise remain the first-line choice for preventing and treating sarcopenic obesity. Resistance training combined with supplements containing amino acids are considered most effective for treating sarcopenia. Low-calorie, high-protein diets combined with aerobic exercise and resistance training are recommended for preventing and treating obesity. Therefore, nutrition therapies (low-calorie, high-protein diets, protein and amino acid supplementation) and exercise therapies (resistance training and aerobic exercise) would be expected to be the most effective option for preventing and treating sarcopenic obesity. In cases of severe sarcopenic obesity or failure to achieve muscle gain and weight loss through nutrition and exercise therapies, it is necessary to add pharmaceutical therapies to treat the condition.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».