Body Composition and Its Outcomes and Management in Multiple Sclerosis: Narrative Review
Notice bibliographique
Résumé
Background: There is emerging interest in obesity and its prevalence, outcomes, and management in people with multiple sclerosis (MS). Body mass index (BMI) is the traditional marker of obesity in MS, whereas body composition, inclusive of specific body tissue compartments (e.g., fat, bone, and muscle), is often overlooked despite its relevance. Objective: This narrative review (a) underscored the use and utility of dual-energy X-ray absorptiometry (DEXA) as an accurate and reliable measure of body composition; (b) thematically analyzed and synthesized the current evidence regarding body composition (using DEXA); and (c) determined gaps to be addressed in future research. Methods: The structure and reporting of this narrative review followed the guiding criteria outlined in the Scale for the Assessment of Narrative Review Articles (SANRA). The relevant literature for this narrative review was identified via a PubMed search utilizing combined search terms such as ‘body composition’ and ‘multiple sclerosis’. The identified research was then organized by the authors into major themes and sub-themes. The articles described within the narrative review were based on saturation of the identified themes and sub-themes. Results: Three major themes were identified, namely (1) comparison of body composition between people with MS and non-MS controls (2 meta-analyses); (2) examination of the relationships between body composition and a range of outcomes (14 cross-sectional studies); and (3) interventions that report and/or target body composition in MS (11 clinical trials). Conclusions: This narrative review mapped the existing evidence regarding body composition in MS, and posits body composition as a novel, informative, and targeted concept for this population. The narrative review underscores the importance of randomized controlled trials that focus on body composition as a significant and modifiable outcome. Such research could improve the understanding of obesity and poor body composition in MS and identify useful clinical recommendations for diagnosis and management.
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 | 0,009 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».