Bedside tests of muscle mass in older adults with Type 2 diabetes
Notice bibliographique
Résumé
<abstract><sec> <title>Objective</title> <p>Diabetes and sarcopenia often coexist in older adults, suggesting a possible bidirectional association. Available bedside measures of muscle mass consist of bedside ultrasound (MT, quadriceps muscle thickness) and Bioelectrical Impedance Analysis (BIA). We examined the association between ultrasound measures and BIA measures of muscle in older adults with measures of strength, performance and frailty in older adults with diabetes.</p> </sec><sec> <title>Design</title> <p>Cross-sectional study.</p> </sec><sec> <title>Methods</title> <p>81 subjects (age ≥ 65; mean age 80.8 ± 0.6 years, 27 women, 53 men) were recruited sequentially from geriatric medicine clinics. Each subject had Lean Body Mass (LBM, by BIA, in kg), grip strength, gait speed, Cardiovascular Health Study index (frailty) and MT (in cm) measured. All initial models were adjusted for biological sex.</p> </sec><sec> <title>Results</title> <p>In our final parsimonious models, only MT (as opposed to LBM) showed a significant correlation with grip strength (Standardized β = 0.217 ± 0.078; p = 0.007) and frailty (Standardized β = 0.276 ± 0.109; p = 0.013). Neither MT or LBM showed a significant association with subject performance (gait speed).</p> </sec><sec> <title>Conclusions</title> <p>Unlike BIA, bedside ultrasound measures of muscle thickness showed strong associations with both grip strength and frailty in the older adult population with diabetes, suggesting that bedside measures of MT might be a more clinically useful modality to assess muscularity in this patient population. Neither BIA or MT measures of subject muscularity showed any association with our performance indicator (gait speed).</p> </sec></abstract>
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».