Relationships between Lower Limb Muscle Strength Impairments and Physical Limitations in DM1
Notice bibliographique
Résumé
BACKGROUND: Although adult and late-onset DM1 phenotypes DM1 present distinct lower limb weaknesses portraits, resulting physical limitations have never been described separately for each phenotype. OBJECTIVE: To characterize the lower limb weaknesses and physical limitations among the DM1 adult and late-onset phenotypes separately and to document the contribution of weaknesses on mobility to optimize the management of this population. METHODS: The strength of four muscle groups among 198 participants was quantified. Participants were categorized according to the severity of their muscular involvement using the Muscular Impairment Rating Scale (MIRS). Physical limitations were assessed using the Timed up-and-go (TUG), Berg Balance Scale (BBS) and 10 meters comfortable walking speed (10MWT). Multiple linear regressions were performed to identify the contribution of each muscle group to the mobility tests scores. RESULTS: Late-onset demonstrated less weakness and physical limitations (p < 0.001 - 0.002) than the adult phenotype, but 21.9-47.5% of participants with this phenotype showed mobility scores below reference values. Physical limitations were observed in the first two MIRS grades (37.5-42.1% of the participants) for the TUG and 10MWT. Ankle dorsiflexors and knee extensors were the two muscle groups that showed the strongest relationships with mobility scores. CONCLUSION: Although less impaired, the late-onset phenotype shows significant lower limb muscle weakness associated with physical limitations. The surprising presence of quantitative lower limb muscle weakness in the first two MIRS grades needs to be considered when using this scale. Both ankle dorsiflexors and knee extensors appear to be good indicators of physical limitations in DM1.
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 | 0,003 |
| 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 ».