Factors associated with bone turnover and speed of sound in early and late-pubertal females
Notice bibliographique
Résumé
This cross-sectional study examines whether maturity, body composition, physical activity, dietary intake, and hormonal concentrations are related to markers of bone turnover and tibial speed of sound (tSOS) in premenarcheal (n = 20, 10.1 ± 1.1 years) and postmenarcheal girls (n = 28, aged 15.0 ± 1.4 years). Somatic maturity was evaluated using years from age of peak height velocity (aPHV). Daily dietary intake was assessed with a 24-h recall interview, and moderate to very vigorous physical activity (MVPA) was measured using accelerometry. Plasma levels of 25-OH vitamin D, serum levels of insulin-like growth-factor 1 (IGF-1) and leptin, and serum levels of bone turnover markers including osteocalcin (OC), bone-specific alkaline phosphatase (BAP) and cross-linked N-teleopeptide of type I collagen (NTX) were measured using ELISA. OC, BAP, and NTX were significantly higher while IGF-1 and tSOS were lower in the premenarcheal group. The premenarcheal girls were more active and had higher daily energy intake relative to their body mass but there were no group differences in body mass index percentile. Maturity predicted 40%-57% of the variance in bone turnover markers. Additionally, daily energy intake was a significant predictor of OC, especially in the postmenarcheal group. IGF-1 and MVPA were significant predictors of BAP in the group as a whole. However, examined separately, IGF-1 was a predictor of BAP in the premenarcheal group while MVPA was a predictor in the postmenarcheal group. Adiposity and leptin were both negative predictors of tSOS, with leptin being specifically predictive in the postmenarcheal group. In conclusion, while maturity was the strongest predictor of bone markers and tSOS, dietary intake, physical activity, body composition, and hormonal factors further contribute to the variance in bone turnover and bone SOS in young Caucasian females. Further, the predicting factors of bone turnover and tSOS were different within each maturity group.
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 | 0,001 |
| 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 ».