Clinical analysis of sarcopenia prevalence and its influencing factors in patients with Parkinson’s disease
Notice bibliographique
Résumé
Background Patients with Parkinson’s disease (PD) have a high risk of sarcopenia. Herein, we evaluated the prevalence of sarcopenia and factors associated with it in ambulatory patients with PD. Methods Ambulatory patients with PD up to Hoehn and Yahr stage III were included and evaluated based on age, sex, disease duration, levodopa equivalent daily dose, cognitive impairment, swallowing disturbance, history of falling, the Japanese version of the movement disorder society-sponsored revision of the unified PD rating scale (MDS-UPDRS) parts I–IV, quality of life (QoL), and blood test (total protein, albumin, and anemia). Cognitive impairment was assessed using the Japanese version of Mini-Mental State Examination and the Japanese version of the Montreal Cognitive Assessment, whereas swallowing disturbance was assessed using the Japanese version of the Swallowing Disturbance Questionnaire. QoL was assessed using the Parkinson’s Disease Questionnaire (PDQ-8). Sarcopenia was diagnosed based on handgrip strength, five-time chair stand test, and skeletal muscle mass. Results Overall, 97 patients with PD (55 males), with a mean age of 69.8 years and a mean disease duration of 7.3 years, were included. The prevalence of sarcopenia was 33.0%. There were significant differences between the sarcopenia and the non-sarcopenia groups in age, sex, swallowing disturbance, MDS-UPDRS part III total score, and the sub-items arising from a chair, postural stability, and global spontaneity of movement ( p < 0.05). There was no association between the presence of sarcopenia and the PDQ-8 total and sub-item scores. The factors that contributed most to sarcopenia were being female, cognitive impairment, and swallowing disturbance. Conclusion In clinical management, it is important to assess muscle strength and evaluate sarcopenia, particularly in patients with PD who have being female, cognitive impairment, or swallowing disturbance.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».