Association of Motoric Cognitive Risk Syndrome with Sarcopenia and Systemic Inflammation in Pre-Frail Older Adults
Notice bibliographique
Résumé
Motoric cognitive risk syndrome (MCR) is defined by the presence of slow gait and subjective cognitive decline. It is well recognized as a prodrome for dementia, but the biological mechanism and trajectory for MCR are still lacking. The objective of this study was to explore the association of MCR with body composition, including sarcopenia and systemic inflammation, in pre-frail older adults in a cross-sectional study of 397 pre-frail community-dwelling older adults. Data on demographics, physical function, frailty, cognition (Montreal Cognitive Assessment (MoCA)), perceived health and depression were collected. Body composition was measured using a bioelectrical impedance analyzer. Systemic inflammatory biomarkers, such as progranulin, growth differentiation factor-15 (GDF-15), interleukin-10 (IL-10), interleukin-6 and tumor necrosis factor-α (TNF-α), were collected. Univariate and multivariate logistic regression were used to analyze the association between MCR, body composition, sarcopenia and systemic inflammatory biomarkers. The prevalence of MCR was 14.9%. They were significantly older and there were more females, depression, functional impairment, lower education, physical activity and MoCA scores. Body fat percentage (BF%), fat mass index, fat to fat free mass ratio (FM/FFM) and sarcopenia prevalence were significantly higher in MCR. Serum GDF-15 and TNF-α levels were highest with progranulin/TNF-α and IL-10/TNF-α ratio lowest in MCR. Compared to healthy patients, MCR was significantly associated with sarcopenia (aOR 2.62; 95% CI 1.46-3.17), BF% (aOR 1.06; 95% CI 1.01-1.12), FMI (aOR 1.16; 95% CI 1.02-1.30) and FM/FFM (aOR 6.38; 95% CI 1.20-33.98). The association of IL-10 to TNF-α ratio (aOR 0.98, 95% CI 0.97-0.99) and IL-10 (aOR 2.22, 95% CI 0.05-0.98) with MCR were independent of sarcopenia and BF%. Longitudinal population studies are needed to understand the role of body fat indices and IL-10 in pre-frail older adults with MCR and trajectory to dementia.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».