THE EFFECT OF RESISTANCE TRAINING ON BONE STRENGTH IN WOMEN
Notice bibliographique
Résumé
Quantitative reviews find that exercise interventions, including mainly aerobic or weight-bearing activities, are effective in promoting bone growth in both premenopausal and postmenopausal women. Less consensus exists for the effectiveness of resistance training on bone strength in women and no quantitative reviews have been conducted on the topic. Further, no reviews have included unpublished studies in their analysis. PURPOSE: To quantitatively summarize the effects of resistance training on bone strength in women. METHODS: Studies were located through searches of electronic databases and reference sections of major reviews on the topic. The determination of which studies to include in the analysis was based upon specific inclusion criteria. That is, studies had to include experimental and control groups in a repeated measures design. Further, since the majority of research on bone has been done with women, the analysis was limited to studies including women only or where data specific to women could be obtained. Once studies were identified for inclusion, they were collected, coded for moderator effects, and an estimate of treatment effect (d) was calculated. Fifty-six studies (45 published, 11 unpublished) revealing 189 effect sizes were included in the analysis. The three most frequently measured sites were L2-L4 (spine), the femoral neck (hip), and total body. RESULTS: The effect of resistance training on bone strength was significant but small as measured at the spine (d = 0.14), hip (d = 0.16), and total body (d = 0.28). Menopausal status moderated the influence of resistance training on total body bone strength in that postmenopausal women experienced significantly larger increases in bone mass density than did premenopausal women. CONCLUSIONS: Resistance training can bring about small increases in bone strength in women of all ages. However, in comparison to the findings of previous reviews, resistance training alone may not be the most effective activity in promoting bone growth or slowing bone loss.
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 | 0,016 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».