Sarcopenia as a predictor of all-cause mortality among older nursing home residents: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVES: This study aims to review the evidence of sarcopenia as a predictor of all-cause mortality among nursing home residents. DESIGN: Systematic review and meta-analysis of observational cohort studies. DATA SOURCES: PubMed, EMBASE and the Cochrane Library databases were searched for relevant articles. PARTICIPANTS: Nursing home residents. PRIMARY AND SECONDARY OUTCOME MEASURES: All-cause mortality. DATA ANALYSIS: Summary-adjusted HRs or risk ratios (RRs) were calculated by fixed-effects model. The risk of bias was assessed by Newcastle-Ottawa Scale. RESULTS: =0). In addition, the subgroup analysis demonstrated that sarcopenia was associated with all-cause mortality (pooled HR 1.87,95% CI 1.38 to 2.52, p<0.001) when studies with a follow-up period of 1 year or more were analysed; however, this was not found for studies with the follow-up period less than 1 year. Furthermore, sarcopenia was significantly associated with the risk of mortality among older nursing home residents when using bioelectrical impedance analysis to diagnosis muscle mass (pooled HR 1.88, 95% CI 1.39 to 2.53, p<0.001); whereas, it was not found when anthropometric measures were used to diagnosis muscle mass. CONCLUSION: Sarcopenia is a significant predictor of all-cause mortality among older nursing home residents. Therefore, it is important to diagnose and treat sarcopenia to reduce mortality rates among nursing home residents. PROSPERO REGISTRATION NUMBER: CRD42018081668.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».