MétaCan
Menu
Retour à la cohorte
Enregistrement W2990729422 · doi:10.14740/jocmr4027

Skeletal Muscle Index at Intensive Care Unit Admission Is a Predictor of Intensive Care Unit-Acquired Weakness in Patients With Sepsis

2019· article· en· W2990729422 sur OpenAlexvenueno aff
Yuta Mitobe, Shinichiro Morishita, Kazuki Ohashi, Sayuri Sakai, Mieko Uchiyama, Hansani Madushika Abeywickrama, Etsuko Yamada, Yūko Kikuchi, Masakazu Nitta, Tadayuki Honda, Hiroshi Endoh, Shinji Kimura, Shuhei Sakano, Yu Koyama

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésMedicineIntensive care unitSepsisMechanical ventilationReceiver operating characteristicBody mass indexIntensive careMann–Whitney U testMuscle weaknessInternal medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Background: Intensive care unit-acquired weakness (ICU-AW) can be diagnosed using the Medical Research Council (MRC) score. However, such scoring may not be possible in ICU patients who may be sedated or delirious or have encephalopathy. Currently, a quantitative assessment of the cross-sectional area of the muscle is available to assess changes in skeletal muscle mass using computed tomography (CT) images. This assessment calculates the skeletal muscle index (SMI) (cm 2 /m 2 ) by dividing the cross-sectional area (cm 2 ) of the skeletal muscle at the level of the third lumbar vertebra by the square of the patient’s height (m 2 ) on CT. This study assessed the effectiveness of SMI, as measured by abdominal CT scans, in predicting the onset of ICU-AW in patients with sepsis admitted to the ICU. Methods: We examined septic ICU patients admitted to the Niigata University Hospital ICU during 2012 - 2017 under mechanical ventilation. Patients were retrospectively divided into two groups by MRC score at ICU discharge: group AW comprised patients with an MRC score < 48, and group non-AW (NAW) comprised the remaining patients. Clinicopathological factors at ICU admission such as age, gender, underlying disease, body mass index, and SMI were compared between the two groups. Statistical analyses were performed using the Mann-Whitney U test, Fisher’s exact test, receiver operator characteristic (ROC) analysis and multivariate analysis. Results: A total of 31 septic patients were examined, and 23 patients met the criteria for ICU-AW. The prevalence of women was significantly higher in group AW (P < 0.05). All clinical factors, except for gender, were not significantly different between the two groups. SMI was significantly lower in group AW than in group NAW (P < 0.05). ROC analysis revealed that the cut-off value of SMI for predicting ICU-AW was 44.1, and the multivariate analysis revealed that only low SMI was a significant factor in predicting ICU-AW (P < 0.05). Conclusions: Our results show that SMI measurement at ICU admission is a valid predictive factor for ICU-AW progression in septic patients. J Clin Med Res. 2019;11(12):834-841 doi: https://doi.org/10.14740/jocmr4027

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,216
Tête enseignante GPT0,498
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine ResearchMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207