Bioelectrical Impedance Vector Analysis for Nutritional Status Assessment in Systemic Sclerosis and Association With Disease Characteristics
Notice bibliographique
Résumé
Objective To use bioelectrical impedance vector analysis (BIVA) in a cohort of patients with systemic sclerosis (SSc) in order to assess their nutritional status in comparison to other groups of patients and to find any correlation with clinical characteristics and outcome of the disease. Methods We retrospectively collected data from 50 SSc patients who underwent BIVA for clinical suspicion of malnutrition and compared them with patients affected by other chronic autoimmune rheumatic diseases (OCAD, n = 27) and those who were only symptomatic of malnutrition but without autoimmune features (n = 15), and with 50 healthy controls (HC). Results Patients with SSc presented significantly lower values of phase angle (PhA), basal metabolic rate (BMR), and body cellular mass (BCM), and an increase in extracellular water (ECW; P < 0.01 for all) than HC; instead, there were no significant differences for BMI. No significant differences were found between SSc and OCAD. Among patients with SSc, age directly correlated with ECW (ρ = 0.342, P = 0.015) and inversely with PhA (ρ = –0.366, P = 0.009). Female sex, anemia, hypoalbuminemia, reflux, and early satiety/abdominal distension associated with relevant alterations in BIVA results. BIVA variables were significantly different when cardiopulmonary and microvascular involvement was present. Four patients died during the study: they had significantly (P ≤ 0.01) lower PhA, BMR, and BCM, with an increased ECW. Conclusion BIVA, unlike BMI, allowed an accurate characterization of SSc patients at risk of malnutrition, correlating with serological malnutrition markers, with SSc-specific organ manifestations (cardiopulmonary involvement and microvascular damage), and with mortality. BIVA variables might represent a surrogate marker of damage accrual that leads to malnutrition, thus playing a leading role in the prognostic stratification of SSc patients.
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 | 0,003 |
| 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 | 0,000 |
| 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 ».