Nutritional and inflammation factors associated with current frailty level and effect of co‐morbidities on the progression of frailty
Notice bibliographique
Résumé
AIM: Frailty is defined as extreme vulnerability, a syndrome that exposes the individual to a higher risk of disability. While risk factors for frailty have been gradually uncovered, the full identification of biochemical factors and co-morbidities influencing frailty remains incomplete. METHODS: Cross-sectional and longitudinal analyses were performed to elucidate the risk factors for the prevalence and progression of frailty. The study included 1035 Japanese female outpatients. At baseline, biochemical markers were measured. Co-morbidities included diabetes mellitus, dyslipidemia, hypertension, vertebral osteoarthritis, and osteoporosis. Frailty levels were assessed using frailty scores ranging from 0 to 5. Prevalence of frailty was judged by a score of 3 or above, and progression was judged by an increase in the frailty score during the observation period. Multiple regression analysis was used for the cross-sectional analysis, and the Cox hazard model was used for the longitudinal analysis. RESULTS: Of the 1035 selected participants, 212 were diagnosed with frailty. Advanced age and log IL-6 and branched-chain amino acids (BCAA) levels were significant independent risk factors for frailty. Subjects were followed for 7.7 ± 5.9 years and progression was observed in 130 subjects. Older age, the absence of hyperlipidemia, the presence of osteoporosis, and lower frailty scores were identified as significant risk factors for frailty progression. CONCLUSIONS: Inflammatory and nutritional markers exhibited significant associations with the current frailty status, whereas co-morbidities such as osteoporosis or hyperlipidemia emerged as independent risk or protective factors of future frailty progression. Geriatr Gerontol Int 2024; 24: 523-528.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».