Myosteatosis is associated with adiposity, metabolic derangements and mortality in patients with chronic kidney disease
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Myosteatosis has been associated with sarcopenia, and increased mortality risk in patients on hemodialysis. We aimed to explore the associations between myosteatosis, as assessed by computed tomography (CT), with demographic parameters, body composition metrics, muscle strength, metabolic parameters and mortality in patients with chronic kidney disease (CKD). SUBJECTS/METHODS: We enrolled 216 patients (age 60.3 ± 10.6 years, 63% men) with CKD stages 3-5. Abdominal CT scans at the third lumbar vertebra (L3) were used to assess body composition. Abdominal obesity was determined by abdominal adipose tissue (AT), sarcopenia by low skeletal muscle area (SMA) and low handgrip strength. Myosteatosis was evaluated by two parameters using CT scans at L3: mean muscle attenuation and percentage of intermuscular adipose tissue (%IMAT) within SMA. We evaluated the correlation between parameters of myosteatosis with demographic, clinical and metabolic variables. To determine independent predictors of myosteatosis, a multiple linear regression model was fitted. Mortality risk was evaluated with Cox-regression analysis. RESULTS: for multiple linear regression: muscle attenuation model 0.535, P < 0.001; %IMAT model 0.462, P < 0.001). Moreover, higher %IMAT and lower attenuation were associated with a higher mortality risk. CONCLUSION: In patients with CKD, increased myosteatosis, as assessed by abdominal CT, was associated with old age, adiposity, metabolic dysfunction, and higher mortality risk.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».