Hybrid Exercise Program for Sarcopenia in Older Adults: The Effectiveness of Explainable Artificial Intelligence-Based Clinical Assistance in Assessing Skeletal Muscle Area. Wei M, et al, Int J Environ Res Public Health 2022.

  • Proposé le : 20/05/2023 12:47:51
  • Avec la version du site : v2021_01_12
  • Revu par :
    • Mettre votre nom d'utilisateur
    • Mettre votre nom d'utilisateur
Notes sur les tags :
  • Adopter cette revue :
    Si vous souhaitez prendre en charge cette revue d'article, merci de remplacer le tag Non_attribué par Attribué et ajoutez aussi votre nom d'utilisateur à l'emplacement prévu.
  • Réaliser des modifications :
    Pour modifier ce document, il est nécessaire d'être connecté au site. Pour cela, assurez-vous d'avoir des identifiants valides. Si vous n'en avez pas, contactez-nous. Pour vous connecter, cliquez sur l'icône dans la barre de navigation.
  • Demander la finalisation de la revue de l'article :
    Une fois revue et complétée, merci de remplacer l'étiquette Non_finalisé par A_finaliser. Un administrateur se chargera de valider la revue et de la publier avec le tag Finalisé.

Background: Sarcopenia is a geriatric syndrome characterized by decreased skeletal muscle mass and function with age. It is well-established that resistance exercise and Yi Jin Jing improve the skeletal muscle mass of older adults with sarcopenia. Accordingly, we designed an exercise program incorporating resistance exercise and Yi Jin Jing to increase skeletal muscle mass and reverse sarcopenia in older adults. Additionally, machine learning simulations were used to predict the sarcopenia status after the intervention.

Method: This randomized controlled trial assessed the effects of sarcopenia in older adults. For 24 weeks, 90 older adults with sarcopenia were divided into intervention groups, including the Yi Jin Jing and resistance training group (YR, n = 30), the resistance training group (RT, n = 30), and the control group (CG, n = 30). Computed tomography (CT) scans of the abdomen were used to quantify the skeletal muscle cross-sectional area at the third lumbar vertebra (L3 SMA). Participants’ age, body mass, stature, and BMI characteristics were analyzed by one-way ANOVA and the chi-squared test for categorical data. This study explored the improvement effect of three interventions on participants’ L3 SMA, skeletal muscle density at the third lumbar vertebra (L3 SMD), skeletal muscle interstitial fat area at the third lumbar vertebra region of interest (L3 SMFA), skeletal muscle interstitial fat density at the third lumbar vertebra (L3 SMFD), relative skeletal muscle mass index (RSMI), muscle fat infiltration (MFI), and handgrip strength. Experimental data were analyzed using two-way repeated-measures ANOVA. Eleven machine learning models were trained and tested 100 times to assess the model’s performance in predicting whether sarcopenia could be reversed following the intervention.

Results: There was a significant interaction in L3 SMA (p < 0.05), RSMI (p < 0.05), MFI (p < 0.05), and handgrip strength (p < 0.05). After the intervention, participants in the YR and RT groups showed significant improvements in L3 SMA, RSMI, and handgrip strength. Post hoc tests showed that the YR group (p < 0.05) yielded significantly better L3 SMA and RSMI than the RT group (p < 0.05) and CG group (p < 0.05) after the intervention. Compared with other models, the stacking model exhibits the best performance in terms of accuracy (85.7%) and F1 (75.3%).

Conclusion: One hybrid exercise program with Yi Jin Jing and resistance exercise training can improve skeletal muscle area among older adults with sarcopenia. Accordingly, it is possible to predict whether sarcopenia can be reversed in older adults based on our stacking model.

Références de l'article


Discussion

  • Cette section peut être éditée par les relecteurs, les rédacteurs, les modérateurs et les administrateurs. Elle regroupe l'ensemble des échanges autours de la référence ci-dessus présentée.
  • Référez-vous à cette page pour connaître le rôle des utilisateurs et pour participer à la discussion.
  • Il n'y a, pour l'instant, aucune discussion en cours.

Éditer la discussion



Gardez le contact

Suivez notre utilisateur Twitter : @AgingPapers
Nos rencontres visio