Prevalence and factors associated with sarcopenia among Brazilian older adults: An exploratory network analysis
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to verify the prevalence of sarcopenia and its associations with sociodemographic, clinical and psychological factors in community-dwelling older adults. STUDY DESIGN: A randomized cross-sectional study was extracted from a probabilistic cluster conducted on individuals aged 65 years or older residing in the community. METHODS: Sarcopenia was defined according to the criteria of the European Working Group on Sarcopenia in Older People (EWGSOP2). Body composition was assessed using dual-energy X-ray absorptiometry (DXA). Associations were analyzed using networks based on mixed graphical models. Predictability indices of the estimated networks were assessed using the proportion of explained variance for numerical variables and the proportion of correct classification for categorical variables. RESULTS: The study included 278 participants, with a majority being female (61 %). The prevalence of sarcopenia was 39.57 %. Among those with sarcopenia, 67 % were women and 33 % were men. In the network model, age, race, education, family income, bone mass, depression, cardiovascular disease, diabetes, total cholesterol levels and rheumatism were associated with sarcopenia. The covariates demonstrated a high accuracy (62.9 %) in predicting sarcopenia categories. CONCLUSION: The prevalence of sarcopenia was high, especially in women. In addition, network analysis proved useful in visualizing complex relationships between sociodemographic and clinical factors with sarcopenia. The results suggest early screening of sarcopenia for appropriate treatment of this common geriatric syndrome in older adults in Brazil.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».