Developing a UK sarcopenia registry: recruitment and baseline characteristics of the SarcNet pilot
Notice bibliographique
Résumé
BACKGROUND: sarcopenia registries are a potential method to meet the challenge of recruitment to sarcopenia trials. We tested the feasibility of setting up a UK sarcopenia registry, the feasibility of recruitment methods and sought to characterise the pilot registry population. METHODS: six diverse UK sites took part, with potential participants aged 65 and over approached via mailshots from local primary care practices. Telephone pre-screening using the SARC-F score was followed by in-person screening and baseline visit. Co-morbidities, medications, grip strength, Short Physical Performance Battery, bioimpedance analysis, Geriatric Depression Score, Montreal Cognitive Assessment, Sarcopenia Quality of Life score were performed and permission sought for future recontact. Descriptive statistics for recruitment rates and baseline measures were generated; an embedded randomised trial examined the effect of a University logo on the primary care mailshot on recruitment rates. RESULTS: sixteen practices contributed a total of 3,508 letters. In total, 428 replies were received (12% response rate); 380 underwent telephone pre-screening of whom 215 (57%) were eligible to attend a screening visit; 150 participants were recruited (40% of those pre-screened) with 147 contributing baseline data. No significant difference was seen in response rates between mailshots with and without the logo (between-group difference 1.1% [95% confidence interval -1.0% to 3.4%], P = 0.31). The mean age of enrollees was 78 years; 72 (49%) were women. In total, 138/147 (94%) had probable sarcopenia on European Working Group on Sarcopenia 2019 criteria and 145/147 (98%) agreed to be recontacted about future studies. CONCLUSION: recruitment to a multisite UK sarcopenia registry is feasible, with high levels of consent for recontact.
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 | 0,032 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».