Methodological Issues and the Impact of Age Stratification on the Proportion of Participants with Low Appendicular Lean Mass When Adjusting for Height and Fat Mass Using Linear Regression: Results from the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
BACKGROUND: Using residual values calculated from models regressing appendicular lean mass on fat mass and height is one of several suggested strategies for adjusting appendicular lean mass for body size when measuring sarcopenia. However, special consideration is required when using this technique in different subgroups in order to capture the correct individuals as sarcopenic. OBJECTIVES: To provide guidance about how to conduct stratified analyses for the regression adjustment technique using age groups as an example. DESIGN: Cross-sectional study. SETTING: Data collected at baseline (2012-2015) for the Canadian Longitudinal Study on Aging. PARTICIPANTS: Community dwelling participants of European descent aged 45 to 85 years (n=25,399). MEASUREMENTS: Appendicular lean mass, height, and weight were measured. Sex-specific residuals were calculated in participants before and after stratifying participants by age group (45-54, 55-64, 65-74, 75-85 years). Cut offs corresponding to the sex-specific 20th percentile residual values in participants ≥65 years were determined first in the residuals calculated in all participants and residuals calculated in only those aged ≥65 years. For each set of cut offs, the percentage of age and sex-stratified participants with low appendicular lean mass were compared for the residuals calculated in all participants and the residuals calculated after stratifying by age. RESULTS: In 12,622 males and 12,737 females, regardless of the cut off used, the percentage of participants with low appendicular lean mass decreased with age when residuals were calculated after age stratification. When the residuals were calculated in all participants, the percentage of participants with sarcopenia increased from the youngest to the oldest age groups. CONCLUSIONS: Sex-specific residuals in all participants should be calculated prior to stratifying the sample by age group, or other stratification variables, for the purposes of developing appendicular lean mass cut offs or subgroup analyses.
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 | 0,129 | 0,219 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,006 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».