MétaCan
Menu
Retour à la cohorte
Enregistrement W4309026861 · doi:10.1002/jcsm.13118

Frailty is characterized by biomarker patterns reflecting inflammation or muscle catabolism in multi‐morbid patients

2022· article· en· W4309026861 sur OpenAlex
Bastian Kochlik, K. Franz, Thorsten Henning, Daniela Weber, Andreas Wernitz, Catrin Herpich, Franziska Jannasch, Volkan Aykaç, Ursula Müller‐Werdan, Matthias B. Schulze, Tilman Grune, Kristina Norman

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

RevueJournal of Cachexia Sarcopenia and Muscle · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensNutrasource
Organismes subventionnairesBundesministerium für Bildung und Forschung
Mots-clésBiomarkerInterquartile rangeMedicineInternal medicineInflammationGastroenterologyOxidative stressEndocrinologyBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Frailty development is partly dependent on multiple factors like low levels of nutrients and high levels of oxidative stress (OS) and inflammation potentially leading to a muscle-catabolic state. Measures of specific biomarker patterns including nutrients, OS and inflammatory biomarkers as well as muscle related biomarkers like 3-methylhistidine (3MH) may improve evaluation of mechanisms and the complex networks leading to frailty. METHODS: In 220 multi-morbid patients (≥ 60 years), classified as non-frail (n = 104) and frail (n = 116) according to Fried's frailty criteria, we measured serum concentrations of fat-soluble micronutrients, amino acids (AA), OS, interleukins (IL) 6 and 10, 3MH (biomarker for muscle protein turnover) and serum spectra of fatty acids (FA). We evaluated biomarker patterns by principal component analysis (PCA) and their cross-sectional associations with frailty by multivariate logistic regression analysis. RESULTS: together with high negative FL of pro-inflammatory FA, IL6 and IL6/IL10, reflecting an inflammation-related pattern. PC2 was characterized by high positive FL of AA together with high negative FL of 3MH-based biomarkers, reflecting a muscle-related pattern. Frail patients had significantly lower factor scores than non-frail patients for both PC1 [median: -0.27 (interquartile range: 1.15) vs. 0.27 (1.23); P = 0.001] and PC2 [median: -0.15 (interquartile range: 1.13) vs. 0.21 (1.38); P = 0.002]. Patients with higher PC1 or PC2 factor scores were less likely to be frail [odds ratio (OR): 0.62, 95% CI: 0.46-0.83, P = 0.001 for PC1; OR: 0.64, 95% CI: 0.48-0.86, P = 0.003 for PC2] compared with patients with lower PC1 or PC2 factor scores. This indicates that increasing levels of anti-inflammatory biomarkers and increasing levels of muscle-anabolic biomarkers are associated with a reduced likelihood (38% and 36%, respectively) for frailty. Significant associations remained after adjusting the regression models for potential confounders. CONCLUSIONS: We conclude that two specific patterns reflecting either inflammation-related or muscle-related biomarkers are both significantly associated with frailty among multi-morbid patients and that these specific biomarker patterns are more informative than single biomarker analyses considering frailty identification.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,707
Score d'incertitude au seuil0,843

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,059
Tête enseignante GPT0,334
Écart entre enseignants0,276 · 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