Addressing the Main Barrier to Sarcopenia Identification: Utility of Practical Office-Based Bioimpedance Tools Vs. Dual Energy X-ray Absorptiometry (DXA) Body Composition for Identification of Low Muscle Mass in Older Adults
Notice bibliographique
Résumé
Background: Sarcopenia is associated with increased morbidity and mortality. Clinically, sarcopenia can be overlooked, especially in obesity. Sarcopenia diagnostic criteria include muscle mass (MM) and function assessments. Muscle function can be readily assessed in a clinic setting (grip strength, chair stand test). However, MM requires dual-energy X-ray absorptiometry (DXA) Body Composition (BC) or other costly tools, not readily available. Methods: Full Body Sensor, Shiokoji Horikawa, Kyoto, Japan] to DXA. The OMRON differs from the Ozeri scale because the OMRON also includes hand sensors. The European Working Group on Sarcopenia in Older People (EWGSOP) DXA or BIA low MM diagnostic cut-offs were used to classify participants as having low or normal MM. Results: ], 7 with Ozeri, and 27 with OMRON, had low MM. Positive predictive value for low MM versus DXA (as the gold standard) for Ozeri was 73.3% and OMRON was 92.8%. Good correlation between BIA scales and DXA for body fat estimates. Conclusions: OMRON captured all low MM participants identified by DXA plus all on DXA diagnostic borderline. Prevalence of obesity was high. Clinically, sarcopenic obese is the most difficult phenotype, as obesity masks low muscle mass. Low cost, readily available, direct-to-consumer BIA BC scales, especially with hand sensors, provide immediate, reliable information on muscle and fat mass. This can prompt appropriate investigation and/or intervention for sarcopenia or sarcopenic obesity.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».