Sarcopenia, Depresión e Inflamación Crónica, factores asociados a Fragilidad en Adultos Mayores en hemodiálisis crónica en un hospital del sur de Chile
Notice bibliographique
Résumé
Introduction: Chile has the highest prevalence of hemodialysis patients in South America, with 1260 patients per million inhabitants, 56% of whom are older adults. Currently, the prevalence of frailty in this group is unknown in Latin America. Objective: Determine the frailty of older adults on chronic hemodialysis at Angol Hospital and identify associated factors.Material and Methods: This is an observational, quantitative, and cross-sectional study, applying the FRAIL test as a diagnostic tool for frailty. Screening for depressive symptoms was carried out using the PHQ9 test, measurement of inflammatory status with the Malnutrition Inflammation Score (MIS), and evaluation of subjective quality of life with the Edmonton Symptom Assessment System Revised Renal (ESAS-r: Renal) test. In parallel, a Sarcopenia screening was carried out using bioimpedance following the criteria of the European Working Group on Sarcopenia in Older People.Results: 32 older adults on dialysis were evaluated. The prevalence of frailty was 25% (n=8). The presence of severe sarcopenia (p 0.00), history of falls in the last 6 months (p 0.00), elevated Parathyroid hormone levels (p 0.04), and poor performance on the Short Physical Performance Battery was associated with frailty (p 0.00), and elevated inflammation markers through the Malnutrition Inflammation Score (p 0.00). Frail patients scored higher in the subjective quality of life test Edmonton Symptom Assessment System- Renal (21, 8 vs. 47.5 p 0.00) and PHQ9 (7.5± 6.0 vs 3.8± 3.0 p: 0.01).Discussion: The prevalence was somewhat lower than the reported in the literature; however, phenotypically, it corresponds to a high-risk profile: sarcopenic, with a poor quality of life and marked by a pro-inflammatory microenvironment.
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) | 0,002 | 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 ».