The Underappreciated Role of Low Muscle Mass in the Management of Malnutrition
Notice bibliographique
Résumé
Preserving muscle is not only crucial for maintaining proper physical movement, but also for its many metabolic and homeostatic roles. Low muscle mass has been shown to adversely affect health outcomes in a variety of disease states (eg, chronic obstructive pulmonary disease, cancer, cardiovascular disease) and leads to an increased risk for readmission and mortality in hospitalized patients. Low muscle mass is now included in the most recent diagnostic criteria for malnutrition. Current management strategies for malnutrition may not prioritize the maintenance and restoration of muscle mass. This likely reflects the challenge of identifying and measuring this body composition compartment in clinical practice and the lack of awareness by health care professionals of the importance that muscle plays in patient health outcomes. As such, we provide a review of current approaches and make recommendations for managing low muscle mass and preventing muscle loss in clinical practice. Recommendations to assist the clinician in the optimal management of patients at risk of low muscle mass include the following: (1) place muscle mass at the core of nutritional assessment and management strategies; (2) identify and assess low muscle mass; (3) develop a management pathway for patients at risk of low muscle mass; (4) optimize nutrition to focus on muscle mass gain versus weight gain alone; and (5) promote exercise and/or rehabilitation therapy to help maintain and build muscle mass. The need to raise awareness of the importance of screening and managing 'at risk' patients so it becomes routine is imperative for change to occur. Health systems need to drive clinicians to treat patients with this focused approach, and the economic benefits need to be communicated to payers. Lastly, further focused research in the area of managing patients with low muscle mass is warranted.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».