MétaCan
Menu
Retour à la cohorte
Enregistrement W2074399615 · doi:10.1080/07315724.2013.816604

Dairy in Adulthood: From Foods to Nutrient Interactions on Bone and Skeletal Muscle Health

2013· review· en· W2074399615 sur OpenAlexaff
Jean‐Philippe Bonjour, Marius Kraenzlin, Régis Levasseur, Michelle P. Warren, Susan J. Whiting

Notice bibliographique

RevueJournal of the American College of Nutrition · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésSarcopeniaEndocrinologyVitamin D and neurologyInternal medicineOsteoporosisBone remodelingBone resorptionSkeletal muscleMedicineDietary Reference IntakeNutrientChemistry

Résumé

récupéré en direct d'OpenAlex

The risk of fragility fractures exponentially increases with aging. Reduced mass and strength of both bone in osteoporosis and skeletal muscle in sarcopenia play a key role in the age-related incidence of fragility fractures. Undernutrition is often observed in the elderly, particularly in those subjects experiencing osteoporotic fractures, more likely as a cause than a consequence. Calcium (Ca), inorganic phosphate (Pi), vitamin D, and protein are nutrients that impact bone and skeletal muscle integrity. Deficiency in the supply of these nutrients increases with aging. Dairy foods are rich in Ca, Pi, and proteins and in many countries are fortified with vitamin D. Dairy foods are important souces of these nutrients and go a long way to meeting the recommendations, which increase with aging. This review emphaszes the interactions between these 4 nutrients, which, along with physical activity, act through cellular and physiological pathways favoring the maintenance of both bone and skeletal muscle structure and function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil0,676

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,388
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations90
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American College of NutritionMême sujetNutrition and Health in AgingTravaux en français237 207