Association of muscularity status with clinical and physical function outcomes in critically ill patients with COVID‐19: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Pre-coronavirus disease 2019 (COVID-19) critical care research underscored the importance of muscularity on patient outcomes. This study investigates the association between skeletal muscle mass and quality with clinical and physical function outcomes in critically ill patients with COVID-19. We systematically searched MEDLINE, EMBASE, and CINAHL from database inception to April 24, 2024, for studies using objective methods to evaluate muscularity in critically ill adults with COVID-19, without language restrictions. Co-primary outcomes were overall mortality and muscle strength. Random-effect meta-analyses were performed in RevMan 5.4.1. We included 20 studies (N = 1818), assessing muscularity via computed tomography (twelve studies), ultrasound (seven studies), and bioelectrical impedance analysis (one study); none had low risk of bias. In analyses of high vs low muscularity, high muscle mass was significantly associated with lower overall mortality (nine studies; risk ratio = 0.74; 95% CI, 0.57-0.98; P = 0.03). When muscularity was analyzed as a continuous variable, COVID-19 survivors had higher skeletal muscle area (SMA) (13 studies; mean difference [MD] = 1.18; 95% CI, 0.03-2.33; P = 0.05) confirmed by sensitivity analysis using standardized MD (0.23, 95% CI 0.05-0.42, P = 0.01) and significantly higher muscle quality (five studies; standardized MD = 0.45; 95% CI, 0.20-0.70; P = 0.0004). Muscle strength findings were inconsistent: one study showed significant correlations between muscle strength with muscle mass parameters (r = 0.365-0.375, P < 0.001) whereas another found no association. In critically ill adults with COVID-19, high muscle mass was associated with lower mortality risk. Survivors had significantly higher SMA and muscle quality. Findings on physical function outcomes remain inconclusive (PROSPERO ID: CRD42022384155).
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,032 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».