MétaCan
Menu
Retour à la cohorte
Enregistrement W4385464300 · doi:10.14740/jocmr4963

Radiologic Features of T10 Paravertebral Muscle Sarcopenia: Prognostic Factors in COVID-19

2023· article· en· W4385464300 sur OpenAlexvenueno aff
Georgios Schinas, Vasiliki Dimakopoulou, Konstantinos Dionysopoulos, Georgia Fezoulidi, Marianna Vlychou, Katerina Vassiou, Nikolaos Gatselis, Anna Samakidou, Georgios Giannoulis, Argyrios Tzouvelekis, Markos Marangos, Charalambos Gogos, George Ν. Dalekos, Christina Kalogeropoulou, Karolina Akinosoglou

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSarcopeniaMedicineCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakPhysical medicine and rehabilitationPathologyAnatomyDisease

Résumé

récupéré en direct d'OpenAlex

Background: Sarcopenia, defined as a small cross-sectional area (CSA) in computed tomography (CT) measurements of skeletal muscles, serves as a disease severity marker in various clinical scenarios, including pulmonary conditions and critical illness. Another parameter of sarcopenia, the level of myosteatosis, reflected by the tissue's radiodensity, in the thoracic skeletal muscles group, has been linked to disease progression in coronavirus disease 2019 (COVID-19) patients. We hypothesize that CT-derived measurements of the skeletal muscle density (SMD) and the CSA of thoracic skeletal muscles can predict outcomes in COVID-19 pneumonia. Methods: We retrospectively reviewed the CT scans of 84 patients with COVID-19 pneumonia admitted to two of Greece's largest academic teaching hospitals between April 2020 and February 2021. CSA and SMD at the level of the T10 vertebra were measured using computational imaging methods. The patient population was stratified according to survival status and CT severity score (CT-SS). Correlations were drawn between the radiologic features of sarcopenia, CT severity subgroups, serum inflammatory markers, and adverse events, e.g., death and intubation. Results: Thoracic muscles' CSA measurements correlate with CT-SS and prominent inflammatory markers, such as white blood cell (WBC), C-reactive protein (CRP), fibrinogen, and D-dimers. Moreover, according to linear regression analysis, CSA seems to predict CT-SS variation significantly (β = -0.266, P = 0.018). CSA proved to differ significantly across survivors (P = 0.027) but not between CT severity categories and intubation subgroups. The AUC (area under the curve) of the receiver operating characteristic (ROC) curve for the predictive value of thoracic muscles' CSA in mortality is 0.774 (95% confidence interval (CI): 0.66 - 0.83, P < 0.000). The optimal cut-off value (Youden index = 0.57) for mortality prognosis, with a sensitivity of 66.7% and a specificity of 88.9%, is 15.55. Thoracic muscles' SMD analyses did not reveal any significant correlations. Conclusions: Easy to obtain and accurately calculated, radiologic features can provide a reliable alternative to laboratory methods for predicting survival in COVID-19. Thoracic muscles' CSA measurement in the level of the T10 vertebra, an acclaimed prognostic imaging assessment that relates directly to CT-SS and inflammatory markers in COVID-19 pneumonia, is a fairly specific tool for survival prognosis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,556
Tête enseignante GPT0,634
Écart entre enseignants0,077 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine ResearchMême sujetNutrition and Health in AgingTravaux en français237 207