Саркопения: как её диагностировать?

Обложка

Цитировать

Полный текст

Аннотация

Увеличение продолжительности жизни ассоциирует с возрастанием числа лиц, страдающих саркопенией, что проявляется потерей мышечной массы, силы и функций организма (снижение работоспособности) вследствие процессов старения.

Развитие саркопении значительно снижает качество жизни больных и ухудшает результаты лечения при возникновении жизнеугрожающих состояний. К сожалению, клиницисты, недооценивая диагноз, уделяют недостаточно внимания состоянию мышц, а также вопросам профилактики и лечения саркопении.

На сегодняшний день ведутся активные исследования и поиски методов диагностики саркопении и схожих с ней патологических состояний мышечной ткани (кахексия, жировая инфильтрация, воспалительное поражение мышечной ткани). Для выявления саркопении на догоспитальном этапе используют различные шкалы. Так, например, опросник SARC-F позволяет оценить следующие показатели: подъём груза, ходьбу по комнате, вставание с кровати, подъём по лестнице, непроизвольные падения. В стационаре возможность применения шкал ограничена, поэтому более информативны инструментальные методы диагностики, в частности биоимпедансометрия, двухэнергетическая рентгеновская абсорбциометрия, компьютерная и магнитно-резонансная томография, однако наиболее востребованной является ультразвуковая визуализация мышечной ткани.

Динамика выраженности саркопении ― перспективный метод, применяемый для оценки нутритивной поддержки и реабилитационных мероприятий у реанимационных больных.

Об авторах

Антон Игоревич Закревский

Центральная государственная медицинская академия Управления делами Президента Российской Федерации

Email: antonzakrevskiy@gmail.com
ORCID iD: 0000-0002-6043-1617
SPIN-код: 9590-7661

MD

Россия, 121359, Москва, ул. Маршала Тимошенко, д. 19, стр. 1А

Анна Александровна Фёдорова

Центральная государственная медицинская академия Управления делами Президента Российской Федерации; Клиническая больница № 1 Управления делами Президента Российской Федерации

Email: dr.fedorova.anna@gmail.com
ORCID iD: 0000-0002-4556-8375
SPIN-код: 9950-4903

к.м.н.

Россия, 121359, Москва, ул. Маршала Тимошенко, д. 19, стр. 1А; Москва

Игорь Николаевич Пасечник

Центральная государственная медицинская академия Управления делами Президента Российской Федерации

Email: pasigor@yandex.ru
ORCID iD: 0000-0002-8121-4160
SPIN-код: 4433-1418
Scopus Author ID: 7004439316
ResearcherId: K-3814-2015

д.м.н., профессор

Россия, 121359, Москва, Маршала Тимошенко 19 А, стр. 1

Дмитрий Евгеньевич Кутепов

Центральная государственная медицинская академия Управления делами Президента Российской Федерации; Клиническая больница № 1 Управления делами Президента Российской Федерации

Автор, ответственный за переписку.
Email: kutepovde@gmail.com
ORCID iD: 0000-0001-7236-6288
SPIN-код: 6310-0172

д.м.н., профессор

Россия, 121359, Москва, ул. Маршала Тимошенко, д. 19, стр. 1А; Москва

Список литературы

  1. Rosenberg I.H. Epidemiologic and methodologic problems in determining nutritional status of older persons. Proceedings of a conference. Albuquerque, New Mexico, October 19–21, 1988 // Am J Clin Nutr. 1989. Vol. 50, N 5, Suppl. Р. 1121–1235.
  2. Anker S.D., Morley J.E., von Haehling S. Affiliations expand Welcome to the ICD-10 code for sarcopenia // J Cachexia Sarcopenia Muscle. 2016. Vol. 7, N 5. Р. 512–514. doi: 10.1002/jcsm.12147
  3. Cruz-Jentoft A.J., Baeyens J.P., Bauer J.M., et al. Sarcopenia: European consensus on definition and diagnosis Report of the European Working Group on Sarcopenia in Older People // Age Ageing. 2010. Vol. 39, N 4. Р. 412–423. doi: 10.1093/ageing/afq034
  4. Scharf G., Heineke J. Finding good biomarkers for sarcopenia // J Cachexia Sarcopenia Muscle. 2012. Vol. 3, N 3. Р. 145–148. doi: 10.1007/s13539-012-0081-7
  5. Malmstrom T.K., Morley J.E. SARC-F: a simple questionnaire to rapidly diagnose sarcopenia // J Am Med Dir Assoc. 2013. Vol. 14, N 8. Р. 531–532. doi: 10.1016/j.jamda.2013.05.018
  6. Paris M.T., Mourtzakis M., Day A., et al. Validation of bedside ultrasound of muscle layer thickness of the quadriceps in the critically ill patient (VALIDUM Study) // JPEN J Parenter Enteral Nutr. 2017. Vol. 41, N 2. Р. 171–180. doi: 10.1177/0148607116637852
  7. Moisey L.L., Mourtzakis M., Cotton B.A., et al. Skeletal muscle predicts ventilator-free days, ICU-free days, and mortality in elderly ICU patients // Crit Care. 2013. Vol. 17, N 5. Р. R206. doi: 10.1186/cc12901
  8. Cruz-Jentoft A.J., Bahat G., Bauer J., et al. Sarcopenia: revised European consensus on definition and diagnosis // Age Ageing. 2019. Vol. 48, N 1. Р. 16–31. doi: 10.1093/ageing/afy169
  9. Пасечник И.Н., Закревский А.И., Талызин П.А., Мазова М.С. Саркопения: взгляд анестезиолога-реаниматолога // Кремлевская медицина. Клинический вестник. 2021. Т. 1. С. 82–89. doi: 10.26269/zqkk-j843
  10. Newman A.B., Kupelian V., Visser M., et al. Strength, but not muscle mass, is associated with mortality in the health, aging and body composition study cohort // J Gerontol A Biol Sci Med Sci. 2006. Vol. 61, N 1. Р. 72–77. doi: 10.1093/gerona/61.1.72
  11. Zheng E., Shao S., Webster J.G. Impedance of skeletal muscle from 1 Hz to 1 MHz // IEEE Trans Biomed Eng. 1984. Vol. 31, N 6. Р. 477–481. doi: 10.1109/TBME.1984.325417
  12. Boutin R.D., Yao L., Canter R.J., Lenchik L. Sarcopenia: current concepts and imaging implications // AJR Am J Roentgenol. 2015. Vol. 205, N 3. Р. W255–266. doi: 10.2214/AJR.15.14635
  13. Bazzocchi A., Diano D., Ponti F., et al. A 360-degree overview of body composition in healthy people: relationships among anthropometry, ultrasonography, and dual-energy X-ray absorptiometry // Nutrition. 2014. Vol. 30, N 6. Р. 696–701. doi: 10.1016/j.nut.2013.11.013
  14. Anandavadivelan P., Lagergren P. Cachexia in patients with oesophageal cancer // Nat Rev Clin Oncol. 2016. Vol. 13, N 3. Р. 185–198. doi: 10.1038/nrclinonc.2015.200
  15. Kim K.M., Jang H.C., Lim S. Differences among skeletal muscle mass indices derived from height-, weight-, and body mass index-adjusted models in assessing sarcopenia // Korean J Intern Med. 2016. Vol. 31, N 4. Р. 643–650. doi: 10.3904/kjim.2016.015
  16. Baumgartner R.N., Koehler K.M., Gallagheret D., et al. Epidemiology of sarcopenia among the elderly in New Mexico // Am J Epidemiol. 1998. Vol. 147, N 8. Р. 755–763. doi: 10.1093/oxfordjournals.aje.a009520
  17. Cawthon P.M., Peters K.W., Shardellet M.D., et al. Cutpoints for low appendicular lean mass that identify older adults with clinically significant weakness // J Gerontol A Biol Sci Med Sci. 2014. Vol. 69, N 5. Р. 567–575. doi: 10.1093/gerona/glu023
  18. Guerri S., Mercatelli D., Gómezet M.P., et al. Quantitative imaging techniques for the assessment of osteoporosis and sarcopenia // Quant Imaging Med Surg. 2018. Vol. 8, N 1. Р. 60–85. doi: 10.21037/qims.2018.01.05
  19. Sergi G., Trevisan C., Veronese N., et al. Imaging of sarcopenia // Eur J Radiol. 2016. Vol. 85, N 8. Р. 1519–1524. doi: 10.1016/j.ejrad.2016.04.009
  20. Miljkovic I., Zmuda J.M. Epidemiology of myosteatosis // Curr Opin Clin Nutr Metab Care. 2010. Vol. 13, N 3. Р. 260–264. doi: 10.1097/MCO.0b013e328337d826
  21. Yoon D.Y., Moon J.H., Kim H.K., et al. Comparison of low-dose CT and MR for measurement of intra-abdominal adipose tissue: a phantom and human study // Acad Radiol. 2008. Vol. 15, N 1. Р. 62–70. doi: 10.1016/j.acra.2007.07.013
  22. Seabolt L.A., Welch E.B., Silver H.J. Imaging methods for analyzing body composition in human obesity and cardiometabolic disease // Ann N Y Acad Sci. 2015. Vol. 1353. Р. 41–59. doi: 10.1111/nyas.12842
  23. Lustgarten M.S., Fielding R.A. Assessment of analytical methods used to measure changes in body composition in the elderly and recommendations for their use in phase II clinical trials // J Nutr Health Aging. 2011. Vol. 15, N 5. Р. 368–375. doi: 10.1007/s12603-011-0049-x
  24. Dalakas M.C. Inflammatory muscle diseases // N Engl J Med. 2015. Vol. 372, N 18. Р. 1734–1747. doi: 10.1056/NEJMra1402225
  25. Erlandson M.C., Lorbergs A.L., Mathur S., Cheung A.M. Muscle analysis using pQCT, DXA and MRI // Eur J Radiol. 2016. Vol. 85, N 8. Р. 1505–1511. doi: 10.1016/j.ejrad.2016.03.001
  26. Prado C.M., Lieffers J.R., McCargaret L.J., et al. Prevalence and clinical implications of sarcopenic obesity in patients with solid tumours of the respiratory and gastrointestinal tracts: a population-based study // Lancet Oncol. 2008. Vol. 9, N 7. Р. 629–635. doi: 10.1016/S1470-2045(08)70153-0
  27. Martin L., Birdsell L., Macdonaldet N., et al. Cancer cachexia in the age of obesity: skeletal muscle depletion is a powerful prognostic factor, independent of body mass index // J Clin Oncol. 2013. Vol. 31, N 12. Р. 1539–1547. doi: 10.1200/JCO.2012.45.2722
  28. Morrell G.R., Ikizler T.A., Chenet X., et al. Psoas muscle cross-sectional area as a measure of whole-body lean muscle mass in maintenance hemodialysis patients // J Ren Nutr. 2016. Vol. 26, N 4. Р. 258–264. doi: 10.1053/j.jrn.2016.02.002
  29. Noumura Y., Kamishima T., Sutherland K., Nishimura H. Visceral adipose tissue area measurement at a single level: can it represent visceral adipose tissue volume? // Br J Radiol. 2017. Vol. 90, N 1077. Р. 20170253. doi: 10.1259/bjr.20170253
  30. Schweitzer L., Geisler C., Pourhassanet M. What is the best reference site for a single MRI slice to assess whole-body skeletal muscle and adipose tissue volumes in healthy adults? // Am J Clin Nutr. 2015. Vol. 102, N 1. Р. 58–65. doi: 10.3945/ajcn.115.111203
  31. Yip C., Dinkel C., Mahajanet A., et al. Imaging body composition in cancer patients: visceral obesity, sarcopenia and sarcopenic obesity may impact on clinical outcome // Insights Imaging. 2015. Vol. 6, N 4. Р. 489–497. doi: 10.1007/s13244-015-0414-0
  32. Schweitzer L., Geisler C., Pourhassanet M., et al. Estimation of skeletal muscle mass and visceral adipose tissue volume by a single magnetic resonance imaging slice in healthy elderly adults // J Nutr. 2016. Vol. 146, N 10. Р. 2143–2148. doi: 10.3945/jn.116.236844
  33. Tosato M., Marzetti E., Cesaril M. et al. Measurement of muscle mass in sarcopenia: from imaging to biochemical markers // Aging Clin Exp Res. 2017. Vol. 29, N 1. Р. 19–27. doi: 10.1007/s40520-016-0717-0
  34. Heckmatt J.Z., Dubowitz V., Leeman S. Detection of pathological change in dystrophic muscle with B-scan ultrasound imaging // Lancet. 1980. Vol. 1, N 8183. Р. 1389–1390. doi: 10.1016/s0140-6736(80)92656-2
  35. Heckmatt J.Z., Leeman S., Dubowitz V. Ultrasound imaging in the diagnosis of muscle disease // J Pediatr. 1982. Vol. 101, N 5. Р. 656–660. doi: 10.1016/s0022-3476(82)80286-2
  36. Pillen S. Skeletal muscle ultrasound // Europ J Translational Myology. 2010. Vol. 20, N 4. Р. 145–155. doi: 10.4081/ejtm.2010.1812
  37. Ticinesi A., Meschi T., Nariciet M.V., et al. Muscle ultrasound and sarcopenia in older individuals: a clinical perspective // J Am Med Dir Assoc. 2017. Vol. 18, N 4. Р. 290–300. doi: 10.1016/j.jamda.2016.11.013

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Закревский А.И., Фёдорова А.А., Пасечник И.Н., Кутепов Д.Е., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».