Diagnostic Power of Serum Creatinine/Cystatin C Ratio for Identifying Low MRI-Muscle Volume and Low Grip Strength: Data From 9 731 to 149 707 UK Biobank Older Adults
Notice bibliographique
Résumé
BACKGROUND: Biomarkers for sarcopenia are lacking. We examined the diagnostic power of serum creatinine to cystatin C ratio for identifying low magnetic resonance imaging-muscle volume and low grip strength in a large observational study of UK Biobank older adults. METHODS: Serum creatinine and cystatin C were measured via immunoassays (Beckman Coulter AU5800 and Siemens Advia 1800, respectively) and grip strength by hydraulic hand dynamometer at baseline visit (2008-2010). magnetic resonance imaging-thigh fat-free muscle volume and DXA-derived appendicular lean mass were measured at imaging visit (2014-2018). Extreme outliers were removed, and covariates (demographic, lifestyle, and clinical factors, as well as time elapsed between baseline-imaging visit) were adjusted for in statistical models. RESULTS: 12 873 older adults (mean age: 63.5 ± 2.7 years, 44.2% women) were included for fat-free muscle volume and appendicular lean mass/body mass index; 149 707 older adults (mean age: 64.0 ± 2.9 years, 50.5% women) for grip strength. Despite significant associations (p < .05), in fully adjusted models, creatinine to cystatin C showed poor to acceptable diagnostic power for identifying low fat-free muscle volume when using cutpoints of 20th percentile (area under the curve: 0.577 men; 0.622 women) and T scores of -2 (area under the curve: 0.596 men; 0.659 women) and -2.5 (area under the curve: 0.609 men; 0.722 women). In fully adjusted model, creatinine to cystatin C showed poor diagnostic power (area under the curves: <0.70) for identifying low appendicular lean mass/body mass index or low grip strength, irrespective of the cutpoint used. CONCLUSIONS: Creatinine to cystatin C may not be a suitable biomarker for identifying low muscle volume or low strength in older adults. This finding, drawn from a large sample size and the use of advanced medical imaging, marks an important contribution to the sarcopenia field.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».