Frailty, sarcopenia, cachexia and malnutrition as comorbid conditions and their associations with mortality: a prospective study from UK Biobank
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Frailty, sarcopenia, cachexia and malnutrition are clinical conditions that share similar diagnostic criteria. This study aimed to investigate the clustering and mortality risk among these clinical conditions in middle- and older-aged adults. METHODS: 111 983 participants from UK Biobank were included. Sarcopenia was defined according to the EWGSOP 2019 while frailty using a modified version of the Fried criteria. Cachexia was defined using the Evans et al. classification and malnutrition using the Global Leadership Initiative on Malnutrition. The exposure variable was categorized as: no conditions; frailty only (one condition); frailty with sarcopenia (two conditions); frailty with ≥2 other conditions (three or four conditions). Its association with all-cause mortality was investigated using Cox-proportional hazard analysis. RESULTS: Frailty had the highest prevalence (45%) and was present in 92.1% of people with malnutrition and everyone with sarcopenia or cachexia. Compared with people with no conditions, those with frailty only and frailty with sarcopenia had higher risk of all-cause mortality. Individuals with frailty plus ≥2 other conditions had even higher risk (HR: 4.96 [95% CI: 2.73 to 9.01]). CONCLUSIONS: The four clinical conditions investigated overlapped considerably, being frailty the most common. The risk of all-cause mortality increased with the increasing number of conditions in addition to frailty.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle