Sarcopenia Severity Based on Computed Tomography Image Analysis in Patients with Cirrhosis
Notice bibliographique
Résumé
Standardized sex-specific cut-offs for sarcopenia in cirrhosis are needed to identify the risk of clinical complications and to discriminate the severity of sarcopenia. We aimed to compare clinical characteristics between patients with cirrhosis categorized according to the severity of sarcopenia. Computed tomography images were taken at the 3rd lumbar vertebra from 603 patients with cirrhosis and 129 adult donors for living liver transplantation. Patients with skeletal muscle index (SMI) two standard deviations (SD) below the sex-specific mean value of young donors (18–40 years old) were categorized as having severe sarcopenia whereas patients with SMI between −1 and −2 SD of the sex-specific young adult mean values were categorized as having sarcopenia. In the cirrhosis group, 408 patients (68%) were male with the mean age of 57 ± 0.4 years, and MELD score of 14 ± 0.4. Patients were divided into three groups: severe-sarcopenic (SMI < 30 cm2/m2 in females and <42 cm2/m2 in males), sarcopenic (30 ≤ SMI < 37 cm2/m2 in females and 42 ≤ SMI < 50 cm2/m2 in males) and non-sarcopenic (SMI ≥ 37 cm2/m2 in females and ≥50 cm2/m2 in males). Patients with cirrhosis and severe sarcopenia had lower muscle radiodensity and higher plasma neutrophil as well as neutrophil to lymphocyte ratio levels than both non- and sarcopenic groups. The frequency of alcohol-induced cirrhosis, refractory ascites, hepatic encephalopathy, CRP > 20 mg/mL, and severe malnutrition was also higher in severe-sarcopenic patients. The interval between sarcopenia and severe sarcopenia may reflect a window of opportunity in which to intervene and mitigate muscle wasting to improve patient outcomes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».