Prevalence of Sarcopenic Obesity in Elderly Population: A Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Sarcopenic obesity (SO) is characterized by the simultaneous presence of both obesity and sarcopenia in the same individual, and it is associated with adverse health outcomes such as falls, hospitalization, functional disability, and mortality. This study aimed to provide a comprehensive analysis of the prevalence of SO in the elderly population through a systematic review and meta-analysis of the scientific literature. METHODS: A systematic search was conducted in the PubMed, Embase, Web of Science, and LILACS databases for observational studies published up to July 2023 on the prevalence of SO in individuals aged 65 years or older. Data were collected from the selected and included articles, including general study information, demographic characteristics of the samples, methods, and results. The quality of the studies was assessed using the Newcastle-Ottawa Scale (NOS) criteria. A random-effects model was applied for the quantitative synthesis (meta-analysis) of combined prevalence data, and the I-squared index (I²) was used to assess heterogeneity. Publication bias was evaluated using a funnel plot and Egger's test. RESULTS: A total of 37 articles meeting the eligibility criteria were selected and included in this meta-analysis. Heterogeneity among the studies was observed, along with evidence of publication bias. Most studies were classified as having a high risk of bias. The pooled prevalence of SO in the elderly was 10% (95% CI: 8%-12%; I²: 99.10%, p<0.001). A similar result was observed after stratification by sex, with a prevalence of 10% in both men (95% CI: 8%-12%; I²: 97.46%, p<0.001) and women (95% CI: 8%-12%; I²: 98.72%, p<0.001). Subgroup and sensitivity analyses revealed that the study setting, criteria used for the diagnosis of obesity, and the risk of bias in the studies were potential factors contributing to the heterogeneity in the prevalence of SO in the elderly. CONCLUSIONS: This meta-analysis indicated a significant prevalence of SO among the elderly population, with no difference by sex, highlighting SO as a substantial health problem in this population. These findings underscore the importance of interventions to reduce the occurrence of SO in the elderly.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».