MétaCan
Menu
Retour à la cohorte
Enregistrement W4210435650 · doi:10.1159/000520096

Muscle Mass and Inflammation in Older Adults: Impact of the Metabolic Syndrome

2022· article· en· W4210435650 sur OpenAlex
Nikolaus Buchmann, Jens Fielitz, Dominik Spira, Maximilian König, Kristina Norman, Graham Pawelec, David Goldeck, Ilja Demuth, Elisabeth Steinhagen‐Thiessen

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGerontology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensHealth Sciences North
Organismes subventionnairesMax-Planck-Institut für BildungsforschungBundesministerium für Bildung und Forschung
Mots-clésSarcopeniaMedicineInternal medicineMetabolic syndromeInflammationLean body massConfoundingPopulationOdds ratioNational Health and Nutrition Examination SurveyBody mass indexEndocrinologyC-reactive proteinGerontologyObesityEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Inflammatory processes are a cause of accelerated loss of muscle mass. Metabolic syndrome (MetS) is a highly prevalent age-related condition, which may promote and be promoted by inflammation. However, whether inflammation in MetS (metaflammation) is associated with lower muscle mass is still unclear. METHODS: Complete cross-sectional data on body composition, MetS, and the inflammatory markers interleukin (IL)-1β, IL-6, IL-10, tumor necrosis factor (TNF), and C-reactive protein (CRP) were available for 1,377 BASE-II participants (51.1% women; 68 ± 4 years old). Appendicular lean mass (ALM) was assessed by dual-energy X-ray absorptiometry. Low muscle mass (low ALM-to-BMI ratio [ALMBMI]) was defined according to the Foundation for the National Institutes of Health (FNIH) Sarcopenia Project. Regression models, adjusted for an increasing number of confounders (sex, age, physical activity, morbidities, diabetes mellitus type II, TSH, albumin, HbA1c, smoking habits, alcohol intake, education, and energy intake/day), were used to calculate the association between low ALMBMI and high inflammation (tertile 3) according to MetS. RESULTS: MetS was present in 36.2% of the study population, and 9% had low ALMBMI. In the whole study population, high CRP (odds ratio [OR]: 2.7 [95% CI: 1.6-4.7; p = 0.001]) and high IL-6 (OR: 2.1 [95% CI: 1.2-1.9; p = 0.005]) were associated with low ALMBMI. In contrast, no significant association was found between TNF, IL-10, or IL-1β with low ALMBMI. When participants were stratified by MetS, results for IL-6 remained significant only in participants with MetS. CONCLUSIONS: Among BASE-II participants, low ALMBMI was associated with inflammation. Low-grade inflammation triggered by disease state, especially in the context of MetS, might favor loss of muscle mass, so a better control of MetS might help to prevent sarcopenia. Intervention studies to test whether strategies to prevent MetS might also prevent loss of muscle mass seem to be promising.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,436

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,321
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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