MétaCan
Menu
Retour à la cohorte
Enregistrement W2322384450 · doi:10.1097/mco.0000000000000088

Bedside ultrasound measurement of skeletal muscle

2014· review· en· W2322384450 sur OpenAlexaff
Marina Mourtzakis, Paul E. Wischmeyer

Notice bibliographique

RevueCurrent Opinion in Clinical Nutrition & Metabolic Care · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésMedicineSkeletal muscleMuscle atrophyUltrasoundSarcopeniaAtrophyMuscle massIntensive care medicinePhysical medicine and rehabilitationPathologyRadiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Skeletal muscle and lean body mass may be vital to prognosis and functional recovery in chronic and acute illness, particularly in conditions in which muscle atrophy is prevalent. Ultrasound provides a precise and expedient method to measure muscle mass and changes in skeletal muscle at the bedside. RECENT FINDINGS: Here, we describe the various methodological approaches along with the validation and reliability tests that have been performed in various populations. Current applications of ultrasound in chronic and acute illness as well as its limitations and strengths in quantifying the muscle mass and changes in muscle over time are discussed. To capitalize on the beneficial features of ultrasound for measuring muscle, we describe the work that is needed to optimize the usefulness of ultrasound in chronic disease and acute care. SUMMARY: Given the precision, practicality, and ease of use, ultrasound is emerging as a highly useful tool in expediently measuring the muscle mass and changes in muscle tissue at the bedside. Ultrasound may be valuable in identifying patients who are at risk of malnutrition, in tracking muscle atrophy for the purpose of calculating nutrient delivery, and in assessing the success or failure of nutrition, pharmacological and rehabilitative interventions that aim to counter muscle atrophy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,864
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,299
Tête enseignante GPT0,523
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations112
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Clinical Nutrition & Metabolic CareMême sujetNutrition and Health in AgingTravaux en français237 207