Impact Evaluation of Calcium and Vitamin D Supplementation and Physical Activity on Bone Health Status of Elderly Population of Urban Vadodara
Notice bibliographique
Résumé
Background: Osteoporosis is a global public health problem affecting the ageing population and influenced by poor nutrition, lack of physical activities, and absence of supplementation on time.Objectives: To study the impact of Calcium and vitamin D supplementation along with weight bearing exercises on bone health status of elderly.Methods:30 elderly males and 20 elderly females having poor BMD and poor serum vitamin D were supplemented with 1000 mg calcium and 500 IU vitamin D/ day along with weight bearing exercises for a period of 3 months, along with that 60000 IU vitamin D3/week for 2 months were given to 30 males only. Serum calcium, Vitamin D, BMD, dietary calcium intake, frequency of vitamin D rich food intake, anthropometry etc. were measured at the baseline as well as after the intervention.Results: Mean BMD T-scores (-1.1 to -2.5: osteopenia; >-2.5: osteoporosis) of the elderly males and females were significantly (p?0.001) decreased after the intervention depicting improvement (baseline:-2.34±0.50, final:-1.86±0.61). 26.7% reduction in osteoporotic cases among males and 50 % among women was achieved. Mean serum calcium (baseline: 9.38±0.63, final: 9.46±0.61) and vitamin D level (baseline: 23.76±13.17, final: 35.48±14.84) was increased significantly (p?0.05). 60% males and 70% females achieved vitamin D sufficiency level after the intervention. Mean physical endurance (Grip strength, standing balance, walking speed and rise from chair) scores were significantly increased in both males and females. Locomotor problems were reduced among 6.7% males and 40% females after regular weight bearing exercise and supplementation.Conclusion:Calcium and vitamin D supplementation with daily weight bearing exercise has a preventive and curative effect on BMD and it maintains the serum calcium and vitamin D levels. Long term and high dose supplementation needs further investigation.
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 | 0,000 | 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) | 0,001 | 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 ».