MétaCan
Menu
Retour à la cohorte
Enregistrement W1486761793 · doi:10.1002/jbmr.2155

Spatial Heterogeneity in the Response of the Proximal Femur to Two Lower-Body Resistance Exercise Regimens

2013· article· en· W1486761793 sur OpenAlexaff
Thomas Lang, Isra Saeed, T. Streeper, Julio Carballido‐Gamio, Roy Harnish, Lynda Frassetto, Stuart M. C. Lee, Jean D. Sibonga, Joyce H. Keyak, Barry A. Spiering, Carlos M. Grodsinsky, Jacob J. Bloomberg, Peter R. Cavanagh

Notice bibliographique

RevueJournal of Bone and Mineral Research · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueBody Composition Measurement Techniques
Établissements canadiensSciencetech (Canada)
Organismes subventionnairesNational Institute on Aging
Mots-clésResistance trainingFemurMedicineResistance (ecology)OrthodonticsInternal medicineBiologySurgeryEcology

Résumé

récupéré en direct d'OpenAlex

Understanding the skeletal effects of resistance exercise involves delineating the spatially heterogeneous response of bone to load distributions from different muscle contractions. Bone mineral density (BMD) analyses may obscure these patterns by averaging data from tissues with variable mechanoresponse. To assess the proximal femoral response to resistance exercise, we acquired pretraining and posttraining quantitative computed tomography (QCT) images in 22 subjects (25-55 years, 9 males, 13 females) performing two resistance exercises for 16 weeks. One group (SQDL, n = 7) performed 4 sets each of squats and deadlifts, a second group (ABADD, n = 8) performed 4 sets each of standing hip abductions and adductions, and a third group (COMBO, n = 7) performed two sets each of squat/deadlift and abduction/adduction exercise. Subjects exercised three times weekly, and the load was adjusted each session to maximum effort. We used voxel-based morphometry (VBM) to visualize BMD distributions. Hip strength computations used finite element modeling (FEM) with stance and fall loading conditions. We used QCT analysis for cortical and trabecular BMD, and cortical tissue volume. For muscle size and density, we analyzed the cross-sectional area (CSA) and mean Hounsfield unit (HU) in the hip extensor, flexor, abductor, and adductor muscle groups. Whereas SQDL increased vertebral BMD, femoral neck cortical BMD and volume, and stance hip strength, ABADD increased trochanteric cortical volume. The COMBO group showed no changes in any parameter. VBM showed different effects of ABADD and SQDL exercise, with the former causing focal changes of trochanteric cortical bone, and the latter showing diffuse changes in the femoral neck and head. ABADD exercise increased adductor CSA and HU, whereas SQDL exercise increased the hip extensor CSA and HU. In conclusion, we observed different proximal femoral bone and muscle tissue responses to SQDL and ABADD exercise. This study supports VBM and volumetric QCT (vQCT) to quantify the spatially heterogeneous effects of types of muscle contractions on bone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,375
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bone and Mineral ResearchMême sujetBody Composition Measurement TechniquesTravaux en français237 207