Impact Exercise Increases BMC During Growth: An 8-Year Longitudinal Study
Notice bibliographique
Résumé
Our aim was to assess BMC of the hip over 8 yr in prepubertal children who participated in a 7-mo jumping intervention compared with controls who participated in a stretching program of equal duration. We hypothesized that jumpers would gain more BMC than control subjects. The data reported come from two cohorts of children who participated in separate, but identical, randomized, controlled, school-based impact exercise interventions and reflect those subjects who agreed to long-term follow-up (N = 57; jumpers = 33, controls = 24; 47% of the original participants). BMC was assessed by DXA at baseline, 7 and 19 mo after intervention, and annually thereafter for 5 yr (eight visits over 8 yr). Multilevel random effects models were constructed and used to predict change in BMC from baseline at each measurement occasion. After 7 mo, those children that completed high-impact jumping exercises had 3.6% more BMC at the hip than control subjects whom completed nonimpact stretching activities (p < 0.05) and 1.4% more BMC at the hip after nearly 8 yr (BMC adjusted for change in age, height, weight, and physical activity; p < 0.05). This provides the first evidence of a sustained effect on total hip BMC from short-term high-impact exercise undertaken in early childhood. If the benefits are sustained into young adulthood, effectively increasing peak bone mass, fracture risk in the later years could be reduced.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».