MétaCan
Menu
Retour à la cohorte
Enregistrement W4416301151 · doi:10.3389/fnagi.2025.1676721

Mediating role of muscle quality in the liver–brain axis: integrated analysis of CT markers of body composition, brain aging, and biomarkers

2025· article· en· W4416301151 sur OpenAlexaboutno aff
Minchul Kim, Chongwon Pae, Joon Ho Moon, Inpyeong Hwang, Kyu Sung Choi

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueOrgan Transplantation Techniques and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesSamsungKorea Health Industry Development InstituteNational Research Foundation of KoreaMinistry of Science and ICT, South KoreaSungkyunkwan UniversityNational Research Foundation
Mots-clésSteatosisQuality (philosophy)NeuroimagingSkeletal muscleComputed tomography

Résumé

récupéré en direct d'OpenAlex

Background The liver, skeletal muscle, and brain are interconnected through metabolic and endocrine pathways, constituting a systemic axis that may influence neurodegeneration. Although hepatic steatosis and sarcopenia have been independently associated with neurodegeneration, their integrated effects on the brain remain poorly understood. This study investigated whether muscle density mediated the link between hepatic steatosis and neurodegeneration, quantified via the brain age gap (BAG). Methods Data from 2,510 adults (aged 22–87 years) who underwent abdominal computed tomography (CT), brain magnetic resonance imaging (MRI), and blood tests during comprehensive health evaluations were retrospectively analyzed. Fully automated CT markers, including visceral and subcutaneous fat, muscle, and the liver attenuation index (LAI) (a CT-based surrogate of hepatic steatosis) were obtained. The BAG was calculated from T1-weighted structural MRI scans using a pretrained machine learning pipeline. Mediation analysis was performed to evaluate the indirect effects of LAI on the BAG through muscle density. Network analysis further characterized the multivariate associations between the BAG, CT markers of body composition, laboratory results, and anthropometric variables. Results Mediation analysis confirmed that muscle density, not muscle volume, partially mediated the LAI–BAG relationship (indirect β = −0.04, p < 0.001). LAI was negatively associated with the BAG (β = −0.027, p = 0.002) and positively associated with muscle density (β = 0.049, p < 0.001), whereas muscle density was inversely associated with BAG (β = −0.080, p < 0.001). Network analysis identified muscle density as a central hub linking the LAI, body composition, and the BAG. The BAG was also negatively correlated with Montreal Cognitive Assessment scores ( r = −0.20, p < 0.001). Conclusion Muscle density mediates the effect of hepatic steatosis on brain aging, supporting its role as a key modifiable factor within the liver–brain axis. These findings underscore the importance of preserving muscle quality to decelerate brain aging.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,293
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetOrgan Transplantation Techniques and OutcomesTravaux en français237 207