SP422BODY COMPOSITION IS ASSOCIATED WITH QUALITY OF LIFE AND COGNITIVE STATUS IN PATIENTS WITH CHRONIC RENAL FAILURE
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Recent studies demonstrated that the body composition, hydration status and muscular mass, are correlated with poor outcomes and quality of life in elderly. Dehydration is also a strong risk factor for dementia. Patients with chronic renal failure from early-stage disease have a reduced quality of life and cognitive impairment that gets worse with the advanced disease.Aim of our study was to investigate the correlation among the body composition, the quality of life and the cognitive status in patients with chronic renal failure. METHODS: We enrolled 15 patients with stage 3-4 KDOQI chronic renal failure. Patients underwent bioimpedentiometry (BIA) and the following tests: Kidney Disease Quality of Life Short Form (KDQOL-SF 1.3) to assess the quality of life, Mini-Mental State Exam (MMSE) and Montreal Cognitive Assessment (MoCA) to assess the cognitive status. We correlated the BIA data with the results of the tests by linear correlation. Data are presented as mean and standard deviation. SP422 Figure 1 SP422 Figure 2 CONCLUSIONS: Our results suggest that the body composition and the water distribution into body and lean max, could influence the quality of life and the cognitive function in chronic renal failure patients. Therefore, a regular monitoring of the body composition by BIA, the cognitive status by MMSE and MoCA test and the quality of life by KDQOL-SF could be desirable.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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) | 0,002 | 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 ».