The impact of sarcopenia and frailty on decompensation in compensated cirrhosis: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Sarcopenia and frailty have a negative prognostic impact in patients with decompensated cirrhosis; however, the impact of these conditions on the prognosis of compensated cirrhosis is unknown. We performed a systematic review to assess the effect of sarcopenia and frailty on decompensation in patients with compensated cirrhosis. METHODS: We searched PubMed and Embase for English-language studies published up to April 2025. The primary outcome was decompensation and the secondary outcome was mortality. We included studies with available data on patients with compensated cirrhosis. RESULTS: Eight studies reporting data on sarcopenia (n=829 patients) and 4 studies (n=552 patients) assessing frailty were included in this systematic review. The prevalence of sarcopenia varied from 8% to 63%. Computed tomography at the L3 level and liver frailty index were the methods most commonly used to evaluate sarcopenia and frailty, respectively. Sarcopenia in patients compensated at inclusion was associated with an increased risk of decompensation in some studies, but not in all. When selected patients with compensated cirrhosis and no previous decompensation were studied, most studies showed no increased risk for first decompensation within the follow-up (12-61 mo). Two studies out of the 4 reported a higher risk of decompensation and mortality in patients with frailty. CONCLUSIONS: We reported that sarcopenia was prevalent in patients with compensated cirrhosis, but, in most studies, did not lead to an independent, increased risk of first decompensation and death. Well-designed, prospective multicenter studies are essential to assess the association between sarcopenia, frailty, and the risk of first decompensation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».