Frailty, sarcopenia, cachexia and malnutrition as comorbid conditions and their associations with mortality: a prospective study from UK Biobank
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.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».