Specific Modulation of Vertebral Marrow Adipose Tissue by Physical Activity
Notice bibliographique
Résumé
ABSTRACT Marrow adipose tissue (MAT) accumulation with normal aging impacts the bone, hemopoiesis, and metabolic pathways. We investigated whether exercise was associated with lower MAT, as measured by vertebral marrow fat fraction (VFF) on magnetic resonance imaging. A total of 101 healthy individuals (54 females) aged 25 to 35 years without spine or bone disease but with distinct exercise histories were studied. Long-distance runners (67 km/wk, n = 25) exhibited lower mean lumbar VFF (27.9% [8.6%] versus 33.5% [6.0%]; p = 0.0048) than non-sporting referents (n = 24). In habitual joggers (28 km/wk, n = 30), mean lumbar VFF was 31.3% (9.0%) (p = 0.22 versus referents) and 6.0 percentage points lower than referents at vertebrae T10, T11, and T12 (p ≤ 0.023). High-volume road cycling (275 km/wk, n = 22) did not impact VFF. 3D accelerations corresponding to faster walking, slow jogging, and high-impact activities correlated with lower VFF, whereas low-impact activities and sedentary time correlated with higher mean lumbar VFF (all p ≤ 0.05). Given an estimated adipose bone marrow conversion of 7% per decade of life, long distance runners, with 5.6 percentage points lower VFF, showed an estimated 8-year younger vertebral marrow adipose tissue phenotype. Regression analysis showed a 0.7 percentage point reduction in mean lumbar VFF with every 9.4 km/wk run (p = 0.002). This study presents the first evidence in humans or animals that specific volumes and types of exercise may influence the age-determined adipose marrow conversion and result in low MAT. These results identify a potentially modifiable risk factor for prevalent chronic conditions related to bone metabolism, hemopoietic production, and other metabolic functions with potential global health applications. © 2017 American Society for Bone and Mineral Research.
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 | 0,000 |
| 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) | 0,001 | 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 ».