Fruit and Vegetable Consumption and Sarcopenia among Older Adults in Low- and Middle-Income Countries
Notice bibliographique
Résumé
Fruit and vegetable consumption may protect against sarcopenia but there are no studies on this topic from low- and middle-income countries (LMICs). Thus, we assessed this association among older adults from six LMICs. Community-based cross-sectional data of the Study on Global Aging and Adult Health were analyzed. Sarcopenia was defined as the presence of low skeletal muscle mass based on indirect population formula, and either slow gait or low handgrip strength. Quintiles of vegetable and fruit consumption were created based on the number of servings consumed on a typical day. Multivariable logistic regression analysis was conducted. The sample consisted of 14,585 individuals aged ≥65 years (mean (SD) age 72.6 (11.4) years; 55% females). Adjusted analyses showed that overall, compared to the lowest quintile (Q1), the highest quintile (Q5) of fruit consumption was associated with a 40% lower odds for sarcopenia (OR = 0.60; 95% CI = 0.42-0.84) but this association was largely driven by the strong association among females (e.g., Q5 vs. Q1 OR = 0.42; 95% CI = 0.24-0.73), with no significant associations found among males. Vegetable consumption was not significantly associated with sarcopenia. Future studies of longitudinal design may shed light on whether increasing fruit consumption among older females in LMICs may reduce risk for sarcopenia.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».