Associations of sarcopenia and its defining components with cognitive function in community-dwelling oldest old
Notice bibliographique
Résumé
BACKGROUND: This study aimed to investigate the associations of sarcopenia and its defining components with cognitive function in community-dwelling oldest old (over 80 years old) in China. METHODS: Sarcopenia was diagnosed by the 2019 Asian Working Group for Sarcopenia (AWGS) criteria. Cognitive function was evaluated by the Montreal Cognitive Assessment (MoCA). Logistic and linear regression models were used to explore the associations of sarcopenia and its defining components with risk of mild cognitive impairment (MCI), and performance on multiple cognitive domains among 428 adults aged 80 years and older. RESULTS: The overall prevalence of sarcopenia was 35.5%, with 40.34% for men and 32.14% for women. The prevalence of MCI was higher among sarcopenic oldest old than non-sarcopenic oldest old (28.95% vs. 17.39%, p = 0.005). Multivariate logistic regression analyses showed that sarcopenia [odds ratio (OR) = 1.86, 95% confidence interval (CI): 1.04-3.33], low handgrip strength (HS) [OR = 2.33, 95% CI: 1.40-3.87] and slow gait speed (GS) [OR = 2.31, 95% CI: 1.13-4.72] were significantly and independently associated with risk of MCI. Multivariate linear regression analyses showed that low HS was associated with worse performance in global cognitive function, visuospatial and executive function, naming and delayed recall. CONCLUSIONS: Sarcopenia, low HS and low GS was significantly associated with MCI in community-dwelling oldest old. The associations between sarcopenia and its defining components with different cognitive subdomains could be further explored in the future.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».