Soft tissues, areal bone mineral density and hip geometry estimates in active young boys: the PRO-BONE study
Notice bibliographique
Résumé
PURPOSE: Soft tissues, such as fat mass (FM) and lean mass (LM), play an important role in bone development but this is poorly understood in highly active youths. The objective of this study was to determine whether FM or LM is a stronger predictor of areal bone mineral density (aBMD) and hip geometry estimates in a group of physically active boys after adjusting for height, chronological age, moderate-to-vigorous physical activity (MVPA), FM, and LM. METHODS: Participants included 121 boys (13.1 ± 1.0 years) from the PRO-BONE study. Bone mineral content (BMC) and aBMD were measured at total body, femoral neck and lumbar spine using dual-energy X-ray absorptiometry (DXA), and hip structural analysis was used to estimate bone geometry at the femoral neck. Body composition was assessed using DXA. The relationships of FM and LM with bone outcomes were analysed using simple and multiple linear regression analyses. RESULTS: Pearson correlation coefficients showed that total body (less head) aBMD was significantly correlated with LM but not FM. Multiple linear regression analyses showed that FM, after accounting for height, age, MVPA and LM had no significant relationship with aBMD or hip geometry estimates, except for arms aBMD. By contrast, there were positive associations between LM and most aBMD and hip geometry estimates, after accounting height, age, MVPA and FM. CONCLUSIONS: The results of this study suggest that LM, and not FM, is the stronger predictor of aBMD and hip geometry estimates in physically active boys. TRIAL REGISTRATION: ClinicalTrials.gov ISRCTN17982776.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».