Total and femoral neck bone mineral density and physical activity in a sample of men and women
Notice bibliographique
Résumé
Physical activity (PA), total body fat (TBF), and lean body mass (LBM) are associated with bone mineral density (BMD). However, the independent influence of PA on BMD, while controlling for body composition is not understood as well and is the purpose of the current study. Whole-body BMD (g·cm⁻²), femoral neck BMD (g·cm⁻²), TBF (kg), and LBM (kg) were measured with dual-energy X-ray absorptiometry. PA levels (total, work, sport, non-sport) were estimated using the Baecke questionnaire. General linear models determined the independent effects of PA on BMD (whole-body and femoral neck), with adjustment for age, sex, ethnicity, smoking, menopausal status (as appropriate), LBM, and TBF. These associations were also examined by sex and age group (20-34, 35-49, and 50-64 years). The sample included 802 adults (65% women; 13% African American) from the Pennington Center Longitudinal Study that were 20 to 64 years of age (mean ± SD: 46.9 ± 11.0 years). Higher sports scores were associated with higher femoral neck BMD in the total group, men and women, and in 20- to 34-year-olds and 35- to 49-year-olds, but not significant in those 50-64 years of age. Similar significant associations were found for sports score with total body BMD; however, this relationship was not significant for women or for those 50-64 years of age. Total PA had inconsistent relationships with both femoral neck BMD and total body BMD. Higher levels of sport-related PA are associated with higher femoral neck BMD; however, these relationships vary by PA domain and site of BMD measurement.
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 ».