Prevalence of sarcopenia in socially active older adults and its association with sex and nutritional risk: an analysis of Bayesian networks
Notice bibliographique
Résumé
Abstract Objective To verify the prevalence of sarcopenia and its relationship with sociodemographic and clinical factors, including nutritional risk, in socially active older adults, as well as to investigate sex differences in factors associated with sarcopenia. Method A cross-sectional study included 400 older adults (342 women, 58 men) attending community groups in the city of Santa Maria, RS, Brazil. Participants were diagnosed according to EWGSOP2 (2019) criteria, and nutritional status was assessed using the Mini Nutritional Assessment (MNA®). Bayesian network models with total sample and stratified by sex were used to explore the relationship between sarcopenia and sociodemographic and clinical factors. A resampling process was conducted to assess the statistical performance of the network models. Results The prevalence of sarcopenia was 10.2%. In the network model for the total sample, the probability of sarcopenia was higher among men with nutritional risk. In the female network, the probability of being sarcopenic was higher in the subgroup of long-lived individuals aged 80 years or older. In contrast, in the male network only nutritional risk increased the probability of sarcopenia. All network models reached good performance, with an area under the ROC curve (AUC) above 0.89. Conclusion This study was the first to use Bayesian networks to investigate factors associated with sarcopenia in socially active older adults, which differ by sex. This study highlights the importance of diagnosing sarcopenia and incorporating MNA® in clinical practice.
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 | 0,016 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».