Using magnetic resonance imaging to measure head muscles: An innovative method to opportunistically determine muscle mass and detect sarcopenia
Notice bibliographique
Résumé
BACKGROUND: Sarcopenia is associated with multiple adverse outcomes. Traditional methods to determine low muscle mass for the diagnosis of sarcopenia are mainly based on dual-energy X-ray absorptiometry (DXA), whole-body magnetic resonance imaging (MRI) and bioelectrical impedance analysis. These tests are not always available and are rather time consuming and expensive. However, many brain and head diseases require a head MRI. In this study, we aim to provide a more accessible way to detect sarcopenia by comparing the traditional method of DXA lean mass estimation versus the tongue and masseter muscle mass assessed in a standard brain MRI. METHODS: The H70 study is a longitudinal study of older people living in Gothenburg, Sweden. In this cross-sectional analysis, from 1203 participants aged 70 years at baseline, we included 495 with clinical data and MRI images available. We used the appendicular lean soft tissue index (ALSTI) in DXA images as our reference measure of lean mass. Images from the masseter and tongue were analysed and segmented using 3D Slicer. For the statistical analysis, the Spearman correlation coefficient was used, and concordance was estimated with the Kappa coefficient. RESULTS: The final sample consisted of 495 participants, of which 52.3% were females. We found a significant correlation coefficient between both tongue (0.26) and masseter (0.33) with ALSTI (P < 0.001). The sarcopenia prevalence confirmed using the alternative muscle measure in MRI was calculated using the ALSTI (tongue = 2.0%, masseter = 2.2%, ALSTI = 2.4%). Concordance between sarcopenia with masseter and tongue versus sarcopenia with ALSTI as reference has a Kappa of 0.989 (P < 0.001) for masseter and a Kappa of 1 for the tongue muscle (P < 0.001). Comorbidities evaluated with the Cumulative Illness Rating Scale were significantly associated with all the muscle measurements: ALSTI (odds ratio [OR] 1.16, 95% confidence interval [CI] 1.07-1.26, P < 0.001), masseter (OR 1.16, 95% CI 1.07-1.26, P < 0.001) and tongue (OR 1.13, 95% CI 1.04-1.22, P = 0.002); the higher the comorbidities, the higher the probability of having abnormal muscle mass. CONCLUSIONS: ALSTI was significantly correlated with tongue and masseter muscle mass. When performing the sarcopenia diagnostic algorithm, the prevalence of sarcopenia calculated with head muscles did not differ from sarcopenia calculated using DXA, and almost all participants were correctly classified using both methods.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».