Prevalence and risk factors of sarcopenia in idiopathic pulmonary fibrosis: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background Sarcopenia often occurs as a comorbidity in many diseases which ultimately affects patient prognosis. However, it has received little attention in patients with idiopathic pulmonary fibrosis (IPF). This systematic review and meta-analysis aimed at determining the prevalence and risk factors of sarcopenia in patients with IPF. Methods Embase, MEDLINE, Web of Science, and Cochrane databases were searched using relevant MeSH terms until December 31, 2022. The Newcastle-Ottawa Scale (NOS) was used for quality assessment and data analysis were performed using Stata MP 17.0 (Texas, USA). A random effects model was adopted to account for differences between articles, and the I 2 statistic was used to describe statistical heterogeneities. Overall pooled estimates obtained from a random effects model were estimated using the metan command. Forest plots were generated to graphically represent the data of the meta-analysis. Meta-regression analysis was used for count or continuous variables. Egger test was used to evaluate publication bias and, if publication bias was observed, the trim and fill method was used. Main results The search results showed 154 studies, and five studies (three cross-section and two cohort studies) with 477 participants were finally included. No significant heterogeneity was observed among studies included in the meta-analysis ( I 2 = 16.00%) and our study's publication bias is low (Egger test, p = 0.266). The prevalence of sarcopenia in patients with IPF was 26% (95% CI, 0.22–0.31). The risk factors for sarcopenia in patients with IPF were age ( p = 0.0131), BMI ( p = 0.001), FVC% ( p < 0.001), FEV1% ( p = 0.006), DLco% ( p ≤ 0.001), and GAP score ( p = 0.003). Conclusions The pooled prevalence of sarcopenia in patients with IPF was 26%. The risk factors for sarcopenia in IPF patients were age, BMI, FVC%, FEV1%, DLco%, and GAP score. It is important to identify these risk factors as early as possible to improve the life quality of patients with IPF.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».