Prevalência de sarcopenia em pessoas idosas socialmente ativas e sua associação com sexo e risco nutricional: uma análise de redes Bayesianas
Notice bibliographique
Résumé
Resumo Objetivo Verificar a prevalência de sarcopenia e sua relação com fatores sociodemográficos e clínicos incluindo risco nutricional em pessoas idosas socialmente ativas, bem como investigar as diferenças entre os sexos nos fatores associados a sarcopenia. Método Estudo transversal com 400 idosos (342 mulheres e 58 homens) frequentadores de grupos de convivência do município de Santa Maria, RS, Brasil. Os participantes foram diagnosticados conforme critérios do EWGSOP2 (2019) e o estado nutricional avaliado por meio do Mini Nutritional Assessment (MNA®). Modelos de redes Bayesianas com amostra total e estratificada por sexo foram utilizados para explorar a relação entre sarcopenia e fatores sociodemográficos e clínicos. Para verificar o desempenho estatístico dos modelos de redes, foi realizado o processo de reamostragem. Resultados A prevalência de sarcopenia foi de 10,2%. No modelo de redes com a amostra total, a probabilidade de ser sarcopênico foi maior entre os homens com risco nutricional. Na rede do sexo feminino, a probabilidade para o desfecho sarcopenia foi maior no subgrupo longevo com idade superior a 80 anos ou mais. Por outro lado, na rede do sexo masculino, somente o risco nutricional aumentou a probabilidade de sarcopenia. Todos os modelos de redes alcançaram bom desempenho, com área sob a curva ROC (AUC) superior a 0,89. Conclusão Esse estudo foi o primeiro a utilizar redes Bayesianas na investigação dos fatores associados à sarcopenia em pessoas idosas socialmente ativas, os quais diferem por sexo. O estudo destaca a importância do diagnóstico de sarcopenia e do uso do MNA® na prática clínica.
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 | 0,020 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».