MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405961485 · doi:10.1093/geroni/igae098.1958

APPLES TO APPLES? DISCORDANT DEFINITIONS STILL HINDER EVIDENCE-BASED TREATMENTS FOR SARCOPENIA

2024· article· en· W4405961485 sur OpenAlexaff
Giulia Coletta

Notice bibliographique

RevueInnovation in Aging · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSarcopeniaMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract The definition of sarcopenia continues to evolve, creating difficulty in determining the diagnosis and prognosis of the newly classified disease. The most common definitions include a combination of (a) muscle mass [measured using proxies of muscle mass—appendicular lean soft tissue via dual-energy X-ray absorptiometry (DXA) or bioelectrical impedance analysis (BIA)]; (b) muscle strength (often measured using hand grip strength); and (c) physical function (measured using gait speed). However, each consensus definition uses different combinations of muscle mass, strength and physical function to operationalize the definition of sarcopenia. Additionally, each group recommends various measures and cutoff points to capture these outcomes. For example, the European Working Group on Sarcopenia in Older People (EWGSOP) recommends appendicular lean mass for muscle mass, grip strength or chair stand for muscle strength, and gait speed, short performance physical battery, timed up and go, or 400-m walk test for physical function. The Asian Working Group for Sarcopenia (AWGS) uses DXA or BIA, grip strength and 6-m gait speed for muscle, strength and function, respectively. Using different consensus group definitions results in differences in the prevalence of sarcopenia, and there would be, at best, a modest agreement between the various definitions, which would be attributed to the lack of criterion standards.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,122
score de la tête « metaresearch » (Gemma)0,252
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,648

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1220,252
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0020,006
Communication savante0,0100,011
Science ouverte0,0050,007
Intégrité de la recherche0,0040,012
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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.

Tête enseignante Opus0,237
Tête enseignante GPT0,427
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetNutrition and Health in Aging→Travaux en français237 207→