Sarcopenic diabetes is an under-recognized and unmet clinical priority. A call for action from the European Society for Clinical Nutrition and Metabolism and the Diabetes Nutrition Study Group
Notice bibliographique
Résumé
Diabetes mellitus is a systemic chronic disease with growing prevalence and potential multiorgan complications leading to clinical, social, and economic burdens. Nutritional and metabolic derangements are important components of both type 1 (T1DM) and type 2 diabetes (T2DM), but assessment of nutritional state, body composition and muscle function is commonly neglected. Likely reasons include high prevalence of overweight, obesity, or excess visceral fat in highly-prevalent T2DM, potentially diverting attention from undernutrition risk. Diabetes and adiposity are mechanistically related to sarcopenia, defined as reduction of skeletal muscle strength and mass, through complex muscle-catabolic derangements, conferring additional risk for negative outcomes. Awareness of diabetes-induced muscle abnormalities remains low among healthcare professionals, patients and policymakers, contributing to research, knowledge and practice gaps. Lifestyle recommendations and treatments centered on nutritional care and physical activity to preserve and improve muscle mass and function remain poorly implemented. The European Society for Clinical Nutrition and Metabolism (ESPEN) and the Diabetes Nutrition Study Group (DNSG), reference group for the European Association for the Study of Diabetes, recognize sarcopenic diabetes as a distinct clinical condition and priority for research and education, and call for action to enhance awareness, stimulate research and promote consensus on sarcopenic diabetes diagnostic criteria, prevention 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 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 | 0,012 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».