ASSOCIATIONS BETWEEN GAIT MEASURES AND QUADRICEPS MUSCLE THICKNESS AS MEASURED BY POINT-OF-CARE ULTRASOUND
Notice bibliographique
Résumé
Abstract Gait parameters and sarcopenia predict falls risk which is one of the major causes of both mortality and morbidity among older adults. Our objective was to evaluate whether anterior thigh muscle measured by point-of-care ultrasound is significantly associated with standard gait measures. All subjects were referred from ambulatory geriatric medicine clinics at an academic center. Quadriceps muscle thickness was measured by a portable ultrasound device. Gait variables were measured by the patient walking for 6 minutes. The primary response variables were gait variables, and the predictor variables were age, biological sex, body mass index, and MT. Univariate and multivariate regression analyses were performed. A total of 150 participants were recruited from geriatric medicine clinics. Muscle thickness was measured in 149 participants and the mean (SD) was 1.91 (0.52) (median 1.82 cm, 0.96 to 3.68 cm). Among all the gait variables, average swing time (P = 0.010) and average stance time (P = 0.010) were correlated significantly with muscle thickness. Muscle thickness also showed a negative association with step time variability percent (P = 0.005). Muscle thickness (P = 0.046), age (P = 0.025), and gender (P = 0.047) had a statistically significant association with present step time variability. PoCUS showed a significant association with average swing time, average stance time, and step time variability all of which are predictive of future falls risk. Although more work needs to be done, PoCUS is a reliable and feasible muscle measurement method, which could lead to faster clinical decision-making and falls risk assessment.
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 | 0,000 | 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 ».