Site-Specific Variance in Radius and Tibia Bone Strength as Determined by Muscle Size and Body Mass
Notice bibliographique
Résumé
PURPOSE: To investigate the predictive ability of muscle cross-sectional area (MCSA) and body mass on bone mineral content, compressive bone strength index (BSIc), and the polar stress-strain index (SSIp) of the forearms and lower legs of middle-aged adults. METHODS: A total of 53 healthy adults (37 male, 16 female; mean age 50.4; SD 2.1 y) were scanned with peripheral quantitative computed tomography (pQCT) to measure radius and tibia total and cortical bone mineral content, BSIc, SSIp, and forearm and lower-leg MCSA (BSIc: 4% distal; SSIp and MCSA at 65% and 66% radius and tibia shaft sites, respectively). Multiple regression models adjusted for sex and height were used to assess the relative variance in radius or tibia bone outcomes predicted by body mass and/or forearm or lower-leg MCSA. RESULTS: Forearm MCSA independently predicted total bone-mineral content, BSIc, and SSIp in radius (r partial=0.59, 0.56, 0.42). Body mass was a negative predictor of radius BSIc (r partial=-0.32) and did not predict other radius outcomes when both body mass and MCSA were forced in the models. In the lower leg shaft, MCSA, and body mass predicted bone content and strength similarly when independently added to the models with sex and height. CONCLUSIONS: Forearm MCSA was a dominant predictor of radius bone content and estimated strength. In the tibia, both body mass and lower-leg MCSA contributed to predicting bone content and estimated strength.
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 | 0,000 | 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 ».