Nutrient Intake and Its Association with Appendicular Total Lean Mass and Muscle Function and Strength in Older Adults: A Population-Based Study
Notice bibliographique
Résumé
Treatment options for sarcopenia are currently limited, and primarily rely on two main therapeutic approaches: resistance-based physical activity and dietary interventions. However, details about specific nutrients in the diet or supplementation are unclear. We aim to investigate the relationship between nutrient intake and lean mass, function, and strength. Data were derived from the Gothenburg H70 birth cohort study in Sweden, including 719,70-year-olds born in 1944 (54.1% females). For independent variables, the diet history method (face-to-face interviews) was used to estimate habitual food intake during the preceding three months. Dependent variables were gait speed (muscle performance), hand grip strength (muscle strength), and the appendicular lean soft tissue index (ALSTI). Linear regression analyses were performed to analyze the relationship between the dependent variables and each of the covariates. Several nutrients were positively associated with ALSTI, such as polyunsaturated fatty acids (DHA, EPA), selenium, zinc, riboflavin, niacin equivalent, vitamin B12, vitamin D, iron, and protein. After correction for multiple comparisons, there were no remaining correlations with handgrip and gait speed. Findings of positive correlations for some nutrients with lean mass suggest a role for these nutrients in maintaining muscle volume. These results can be used to inform clinical trials to expand the preventive strategies and treatment options for individuals at risk of muscle loss and sarcopenia.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».