Sarcopenia Predicts Adverse Prognosis in Patients with Heart Failure: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: This study aims to assess whether sarcopenia can be used to predict prognosis in patients with heart failure (HF) and if different diagnostic criteria for sarcopenia and diverse regions where studies were conducted could affect prognostic outcomes, thus providing a preliminary basis for early identification and prediction of poor prognosis in HF. Methods: The PubMed, Cochrane, Embase, and CNKI (China National Knowledge Infrastructure) databases were searched from inception until March 2023. Cohort studies evaluating the prognostic effect of sarcopenia in patients with HF were included. Two authors independently assessed the studies according to the Newcastle-Ottawa Scale. The meta-analyses were performed using RevMan 5.3 software. The study results were reported using a checklist of Preferred Reporting Items for Systematic Reviews and Meta-analyses were used to report the study results. Results: A total of 12 studies with 3696 HF patients were included. The results showed that the sarcopenia population had a higher risk of all-cause mortality (HR (hazard ratio) = 1.98, 95% CI (confidence interval): 1.61-2.44) and major adverse cardiovascular events (MACE) (HR = 1.24, 95% CI: 1.06-1.45) compared to the non-sarcopenia population. Moreover, the subgroup analysis reported that different diagnostic criteria for sarcopenia and diverse regions were statistically significant for all-cause mortality, except for the Europe subgroup (HR = 1.34, 95% CI: 0.89-2.02). In the subgroup analysis of MACE, all subgroups were statistically significant except for the European Working Group on Sarcopenia in Older People (EWGSOP) (HR = 1.39, 95% CI: 0.86-2.25) and European subgroups (HR = 1.39, 95% CI: 0.86-2.25). Conclusions: Sarcopenia is associated with poor prognosis, including all-cause mortality and MACE, in patients with HF. However, due to the adoption of various diagnostic criteria in different regions of the world, these results need further validation.
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 | 0,014 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,036 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».