MétaCan
Menu
Retour à la cohorte
Enregistrement W2508418460 · doi:10.1249/01.mss.0000486475.47478.70

Cumulative Menstrual Status is an Important Determinant of Femoral Neck Geometry in Exercising Women

2016· article· en· W2508418460 sur OpenAlexaff
Rebecca J. Mallinson, Nancy I. Williams, Jenna C. Gibbs, Karsten Koehler, Heather C. M. Allaway, Emily A. Southmayd, Mary Jane De Souza

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueBody Composition Measurement Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMedicineConfoundingBone mineralFemoral neckOdds ratioLogistic regressionBody mass indexStatistical significanceDentistryInternal medicineOsteoporosis

Résumé

récupéré en direct d'OpenAlex

Menstrual status, both past and current, has been established as an important determinant of bone mineral density (BMD) in young exercising women. However, little is known about the association between the cumulative effect of menstrual status and bone geometry and strength. PURPOSE: To explore the association between cumulative menstrual status and estimated femoral neck (FN) geometry and strength assessed using dual-energy x-ray absorptiometry (DXA) in exercising women. METHODS: 95 exercising women (22.2±0.4 yr, BMI 21.1±0.2 kg/m2) participated in this cross-sectional study. Women were divided into three groups: 1) current and past regular menstrual cycles (C+P-R, n=23), 2) current and past irregular menstrual cycles (C+P-IR, n=51), and 3) current or past irregular cycles (C/P-RIR, n=21). Estimates of FN geometry and strength were obtained from hip strength analysis. Cross-sectional moment of inertia (CSMI), cross-sectional area (CSA), and strength index (SI) were calculated at the FN. Low CSMI, CSA, and SI were operationally defined as values below the median. Chi-square tests and multivariable logistic regression were performed to compare the prevalence and determine the odds, respectively, of low CSMI, CSA, and SI among groups. RESULTS: The groups did not differ in weight, height, BMI, or body composition (p>0.05); however, the C+P-IR group was younger than the C+P-R group (p=0.023). Cumulative menstrual status was a significant predictor of low FN CSMI and low FN CSA after controlling for confounding variables. When compared with the C+P-R group, the odds of C+P-IR women having low FN CSMI were 7.3 times greater (95% CI: 1.6-34.0, p=0.011) and the odds of C/P-RIR women having low FN CSA were 4.5 times greater (95% CI: 1.1-18.9, p=0.039). Chi square analysis revealed no significant association between menstrual group and low FN CSMI, CSA, or SI (p>0.05). CONCLUSION: In exercising women, the cumulative effect of current and past menstrual irregularity appears to be an important predictor of smaller estimates of FN geometry, which may serve as another means, beyond BMD, by which menstrual irregularity compromises bone strength. These findings support the recommendation that current and past menstrual status should be evaluated in female athletes when assessing bone health. Supported by US DoD (PR054531)

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)0,004
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,871

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,030
Tête enseignante GPT0,323
Écart entre enseignants0,293 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetBody Composition Measurement TechniquesTravaux en français237 207