Assessing head muscles measured with MRI as alternative to estimate muscle mass in older persons with dementia
Notice bibliographique
Résumé
Abstract Background Current evidence suggests an association between sarcopenia and multiple negative outcomes. Traditional methods to diagnose sarcopenia are based on dual‐energy X‐ray absorptiometry (DXA) and whole body magnetic resonance imaging. These tests are complicated, time‐consuming and expensive. We aim to bring a more accessible way to diagnose sarcopenia, making its detection easier in a neurological and dementia setting where brain MRI are regularly ordered. Therefore, we aim to compare the traditional methods of muscle mass and function vs. muscle quantification using the tongue and the masseter muscle in a standard brain MRI to diagnose sarcopenia in clinical settings. Method The H70 study, is a longitudinal study of people born in the Gothenburg area of Sweden aged 70 at baseline. We included 791 participants with available clinical data and MRI. DXA and bioimpedance analyses were used as reference measures. Images were analyzed using 3Dslicer.(figure 1) Adjusted speermarRo coefficients were calculated to assess the correlation between the gold standard (DXA) and the muscle mass of the tongue and masseters. Result There was a higher prevalence of women (55,7%). When comparing the different tests to assess muscle mass, we found significant and positive coefficient between both tongue and masseter. Total lean tissue mass (DXA) & Tongue volume (Cm3) Rho = 0,375, total lean tissue mass (DXA) & Total masseter volume (Cm3) Rho = 0,326. < 0.001. (table1,2 Figure 2.) Conclusion There is a significant positive correlation between total lean tissue mass using DXA and muscle mass calculated with MRI measuring tongue and masseter. Clinical longitudinal Implications of these measurements will be tested in further steps of this research and exposed at the conference.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».