Reduced strength is associated with abnormal body composition in children with a history of intestinal failure
Notice bibliographique
Résumé
Abstract Objective Data on the relationship between body composition and strength in children with intestinal failure (IF) is lacking. The objectives were to (1) assess strength in children with IF compared to published norms; (2) examine the relationship between body composition and strength. Methods Children aged 4–18 years with IF, excluding those with significant developmental delay or mobility challenges, were included. Functional strength was assessed using the Bruininks–Oseretsky Test of Motor Proficiency‐2 (BOT‐2) and muscle strength was measured with a dynamometer for handgrip strength (HGS) and knee flexion/extension. Body composition was assessed using dual‐energy X‐ray absorptiometry. Two‐sample t ‐test compared strength in IF patients to published norms, and the relationship between body composition and strength was analyzed using linear regression. Results Thirty‐one children (71% male, mean age 9.9 years) were included. Twelve (39%) received parenteral nutrition (PN). Children with IF had significantly lower HGS ( p = 0.004), knee flexion ( p = 0.002), and extension ( p < 0.001) compared to published norms. Specifically, 80.6% scored below the mean for HGS, 71.0% for knee flexion, and 74.2% for extension. BOT‐2 revealed 26.9% had scores less than −1 SD. No significant differences in strength were found between those on enteral nutrition or PN. A significant positive relationship between functional strength and increased fat‐free mass, and decreased fat mass was found ( r 2 = 0.36, p = 0.002), with male sex strengthening the relationship ( r 2 = 0.62, p < 0.001). Conclusion Children with IF, both on enteral nutrition and PN, are weaker than healthy literature controls. Decreased strength was associated with lower fat‐free mass. This relationship was stronger in males than in females, highlighting the need to further investigate the mechanisms behind body composition and strength in this population. Trial Registration ClinicalTrials.gov identifier: NCT04610918.
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 | 0,001 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».