LOW MUSCLE MASS AND LOW MUSCLE STRENGTH FOR THE PREDICTION OF ADVERSE OUTCOMES AMONG COMMUNITY-DWELLING OLDER PEOPLE
Notice bibliographique
Résumé
According to recent guidelines, diagnosis of sarcopenia requires the simultaneous evaluation of muscle mass and function. We studied the individual contribution of low muscle mass (LMM) and low muscle strength (LMS) in predicting incident mortality and disability in a cohort of community-dwelling older people participating in the InCHIANTI Study. LMM was defined according to skeletal muscle index (obtained from bioelectrical impedance analysis) and LMS was determined measuring grip strength. Study outcomes were death and 3-year incident disability (defined as loss of ability to walk 400mt or reduction in speed in the worst quartile). Five-hundred-thirty-two participants (mean age 76.9 years, women 53.4%) were included in the analysis. In an unadjusted model, people who had LMM, LMS or both showed higher mortality risk compared to the fit group (hazard ratio [HR] 2.99, 95% C.I. 1.4–6.41; 4.45, 95% C.I. 1.97–10.07 and 3.46, 95% C.I. 1.4–8.55, respectively). After adjusting for sex, age and chronic comorbidities, LMM and LMS, but not their combination, were still associated with mortality. The positive predictive values were 0.08, 0.17, 0.23 for LMM, LMS and their combination, respectively; the negative predictive value was 0.97. None of the indices was significantly associated with 3-year disability (relative risk 0.89, 95% C.I. 0.6–1.29; 1.14, 95% C.I. 0.51–2.2; 1.32, 95% C.I. 0.65–2.4, respectively). In conclusion, the presence of LMM or LMS seems to be associated with an higher mortality risk, but their combination does not. These indices may be useful to identify people at low risk of adverse outcomes.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».