Body composition and functional status in the COVID-19 recovery phase: Prevalence of sarcopenia and sarcopenic obesity
Notice bibliographique
Résumé
BACKGROUND & AIMS: COVID-19 may be associated with unfavourable body composition changes. This includes increased fat mass and decreased muscle mass, which can lead to sarcopenia and sarcopenic obesity (SO), conditions associated with impaired physical performance and reduced quality of life, among other adverse outcomes. This study investigated the prevalence of sarcopenia and SO in individuals who recovered from the first COVID-19 wave and their association with functional outcomes. METHODS: Clinical characteristics, body composition (bioelectrical impedance analysis), functional status (handgrip strength [HGS], 6-min walk test [6MWT]), and lung function (spirometry) were collected. RESULTS: 37 individuals (89.2 % Caucasians, 64.9 % females, median age 48 years [IQR: 40; 60], 10.8 % > 65y) were assessed after a median of 189 days (IQR: 169; 201) post-COVID-19 infection. The combined prevalence of sarcopenia/SO was 40.5 %, was identified in 37.8 %, while a single case (2.7 %) of sarcopenia without obesity was found. The sarcopenia/SO group had lower 6MWT and phase angle, and higher prevalence of hypertension. Sarcopenia/SO was negatively associated with 6MWT performance (β: -115.35, 95 % CI: -161.57 to -69.12), COVID-19 symptoms, disease severity, and duration were not associated with sarcopenia/SO diagnosis. CONCLUSION: A high presence of sarcopenia/SO was identified and was negatively associated with health outcomes in individuals post-COVID-19. Thus, it is important to assess and address conditions associated with abnormal body composition after infectious diseases to better inform strategies for improving long-term outcomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».