Dietary animal protein intake: association with muscle mass index in older women.
Notice bibliographique
Résumé
BACKGROUND: Aging is associated with reductions in muscle mass and strength, so-called sarcopenia, and is generally characterized using muscle mass index (MMI = FFM (kg)/height (m)2). It is believed that adequate nutrition especially regarding protein intake, can delay this progression and enhance the quality of life of elders. OBJECTIVES: We examined whether the predominant source of protein consumed (animal or vegetal) by older women was associated with MMI. DESIGN: Thirty-eight healthy, normal weight, sedentary women, aged between 57-75 years (mean age: 66 +/- 5 years old), and taking no medication that could influence metabolism were recruited. Body composition was measured by dual-energy X-ray absorptiometry; muscle protein content was measured by the use of creatinine excretion. Physical activity metabolism was obtained by the use of accelerometry, and indirect calorimetry. Finally, protein intake was measured with a 3-day dietary record. RESULTS: Significant correlations were observed between MMI and body mass index, fat-free mass, muscle protein content, total protein intake, animal protein intake, fat mass, visceral fat and daily energy expenditure. However, a stepwise regression analysis showed animal protein intake to be the only independent predictor of MMI (r2=0.19; p=0.008). CONCLUSIONS: Our results suggest that protein intake, especially from animal sources, may be associated with a better preservation of MMI. However, more research is needed to confirm our results.
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 | 0,000 |
| 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 ».