MétaCan
Menu
Retour à la cohorte
Enregistrement W4389485989 · doi:10.1002/jcsm.13400

Skeletal muscle atrophy in clinical and preclinical models of chronic kidney disease: A systematic review and meta‐analysis

2023· review· en· W4389485989 sur OpenAlexaboutno aff
Ashley D. Troutman, Eliott Arroyo, Elizabeth M. Sheridan, Donald J. D Amico, P Brandt, Rachel Hinrichs, Xiwei Chen, Kenneth Lim, Keith G. Avin

Notice bibliographique

RevueJournal of Cachexia Sarcopenia and Muscle · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood InstituteNational Institutes of HealthFoundation for Physical Therapy
Mots-clésMedicineSarcopeniaWastingKidney diseaseMeta-analysisInternal medicineAtrophyMuscle atrophyRenal functionPopulationDiabetes mellitusStrictly standardized mean differenceEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract Patients with chronic kidney disease (CKD) are often regarded as experiencing wasting of muscle mass and declining muscle strength and function, collectively termed sarcopenia. The extent of skeletal muscle wasting in clinical and preclinical CKD populations is unclear. We evaluated skeletal muscle atrophy in preclinical and clinical models of CKD, with multiple sub‐analyses for muscle mass assessment methods, CKD severity, sex and across the different preclinical models of CKD. We performed a systematic literature review of clinical and preclinical studies that measured muscle mass/size using the following databases: Ovid Medline, Embase and Scopus. A random effects meta‐analysis was utilized to determine standard mean difference (SMD; Hedges' g) between healthy and CKD. Heterogeneity was evaluated using the I 2 statistic. Preclinical study quality was assessed via the Systematic Review Centre for Laboratory Animal Experimentation and clinical studies quality was assessed via the Newcastle‐Ottawa Scale. This study was registered in PROSPERO (CRD42020180737) prior to initiation of the search. A total of 111 studies were included in this analysis using the following subgroups: 106 studies in the primary CKD analysis, 18 studies that accounted for diabetes and 7 kidney transplant studies. Significant atrophy was demonstrated in 78% of the preclinical studies and 49% of the clinical studies. The random effects model demonstrated a medium overall SMD (SMD = 0.58, 95% CI = 0.52–0.64) when combining clinical and preclinical studies, a medium SMD for the clinical population (SMD = 0.48, 95% CI = 0.42–0.55; all stages) and a large SMD for preclinical CKD (SMD = 0.95, 95% CI = 0.76–1.14). Further sub‐analyses were performed based upon assessment methods, disease status and animal model. Muscle atrophy was reported in 49% of the clinical studies, paired with small mean differences. Preclinical studies reported significant atrophy in 78% of studies, with large mean differences. Across multiple clinical sub‐analyses such as severity of CKD, dialysis modality and diabetes, a medium mean difference was found. Sub‐analyses in both clinical and preclinical studies found a large mean difference for males and medium for females suggesting sex‐specific implications. Muscle atrophy differences varied based upon assessment method for clinical and preclinical studies. Limitations in study design prevented conclusions to be made about the extent of muscle loss with disease progression, or the impact of dialysis. Future work would benefit from the use of standardized measurement methods and consistent clinical staging to improve our understanding of atrophy changes in CKD progression, and analysis of biological sex differences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,707
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0100,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,196
Tête enseignante GPT0,462
Écart entre enseignants0,266 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cachexia Sarcopenia and MuscleMême sujetNutrition and Health in AgingTravaux en français237 207