Muscle Mass and Inflammation in Older Adults: Impact of the Metabolic Syndrome
Notice bibliographique
Résumé
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».