Effects of Creatine and Resistance Training on Bone Health in Postmenopausal Women
Notice bibliographique
Résumé
PURPOSE: Our primary purpose was to determine the effect of 12 months of creatine (Cr) supplementation during a supervised resistance training program on properties of bone in postmenopausal women. METHODS: Participants were randomized (double-blind) into two groups: resistance training (3 d·wk) and Cr supplementation (0.1 g·kg·d) or resistance training and placebo (Pl). Our primary outcome measures were lumbar spine and femoral neck bone mineral density (BMD). Secondary outcome measures were total hip and whole-body BMD, bone geometric properties at the hip, speed of sound at the distal radius and tibia, whole-body lean tissue mass, muscle thickness, and bench press and hack squat strength. Forty-seven women (57 (SD, 6) yr; Cr, n = 23; Pl, n = 24) were randomized, with 33 analyzed after 12 months (Cr, n = 15; Pl, n = 18). RESULTS: Cr attenuated the rate of femoral neck BMD loss (-1.2%; absolute change (95% confidence interval), -0.01 (-0.025 to 0.005) g·cm) compared with Pl (-3.9%; -0.03 (-0.044 to -0.017) g·cm; P < 0.05) and also increased femoral shaft subperiosteal width, a predictor of bone bending strength (Cr, 0.04 (-0.09 to 0.16) cm); Pl, -0.12 (-0.23 to -0.01) cm; P < 0.05). Cr increased relative bench press strength more than Pl (64% vs 34%; P < 0.05). There were no differences between groups for other outcome measures. There were no differences between groups for reports of serum liver enzyme abnormalities, and creatinine clearance was normal for Cr participants throughout the intervention. CONCLUSIONS: Twelve months of Cr supplementation during a resistance training program preserves femoral neck BMD and increases femoral shaft superiosteal width, a predictor of bone bending strength, in postmenopausal women.
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 | 0,002 | 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 ».