Prevalence and Diagnostic Strategies for Sarcopenia in Menopausal and Non-Menopausal Women: A Cross-Sectional Comparative Study
Notice bibliographique
Résumé
Miaoyuan Li,1,2,* Xuewen Yan,3,* Rongshun Wu,4 Yanting Liao,5 Jing Zhang,3 Yufang Ye,3 Chenxia Xu6 1The First Clinical Medical College of Jinan University, Guangzhou, 510280, People’s Republic of China; 2Department of Urology, Zhongshan People’s Hospital, Zhongshan, 528400, People’s Republic of China; 3Women’s Health Department, Boai Hospital of Zhongshan, Zhongshan, 528400, People’s Republic of China; 4Department of Critical Care, Zhongshan People’s Hospital, Zhongshan, 528400, People’s Republic of China; 5Gynecology Department, Boai Hospital of Zhongshan, Zhongshan, 528400, People’s Republic of China; 6Prenatal Diagnosis Center, Boai Hospital of Zhongshan, Zhongshan, 528400, People’s Republic of China*These authors contributed equally to this workCorrespondence: Chenxia Xu, Prenatal Diagnosis Center, Boai Hospital of Zhongshan, No. 6 Chenggui Road, East District, Zhongshan, Guangdong, 528400, People’s Republic of China, Email xuchenxia709@foxmail.comObjective: This study aimed to compare the prevalence of sarcopenia between postmenopausal and premenopausal women and evaluate the diagnostic performance of various screening methods combining anthropometric measurements and functional assessments.Methods: A total of 1630 women (794 postmenopausal, 836 premenopausal) were included. Data on upper arm circumference (AC), calf circumference (CC), and SARC-F questionnaire scores were collected. ROC curve analysis was performed to assess the sensitivity, specificity, and accuracy of individual and combined diagnostic models.Results: The overall prevalence of sarcopenia was 6.44%, with a higher prevalence in postmenopausal women (7.43%) than in premenopausal women (5.50%). Sarcopenic individuals had lower BMI and poorer functional performance. Among postmenopausal women, the SARC-F + CC combination demonstrated the highest diagnostic accuracy (AUC = 91.2), while in premenopausal women, the SARC-F + AC model was most effective (AUC = 85.53). The SARC-F + CC combination showed the best sensitivity (89.0%) and specificity (75.0%) across all participants.Conclusion: Sarcopenia is more prevalent in postmenopausal women, with menopause identified as a key risk factor. Combining SARC-F with calf circumference enhances diagnostic accuracy and is recommended for early screening in primary healthcare settings to facilitate timely interventions and improve patient outcomes.Keywords: sarcopenia, menopause, non-menopausal, prevalence, diagnostic methods, upper arm circumference, calf circumference, SARC-F questionnaire
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».