An Insight into the Effect of Exercises on the Prevention of Osteoporosis and Associated Fractures in High-risk Individuals
Notice bibliographique
Résumé
The purpose of this review was to investigate what type of exercises can potentially prevent osteoporosis (OP) and its associated fractures in high-risk populations. MEDLINE was searched for work relevant to various types of exercises used to prevent osteoporotic fractures in high-risk population, from the year 1995 onwards. Twelve articles were identified, and, from them, four were deemed suitable to the objective. The studies reviewed show that various types of exercise are effective and safe in preventing the onset of OP. For example, high-intensity progressive resistance training (HiPRT) has been shown to increase vertebral height and femoral neck bone mineral density (BMD), in addition to improving functional performance. Additional studies reviewed suggested that bone reabsorption levels may be positively impacted by low-impact exercise, such as walking. This review provides insight into the effectiveness of various types of exercise to combat and possibly prevent OP for high-risk individuals, which include postmenstrual Caucasian females, people with multiple comorbidities, individuals who smoke or consume alcohol, and the frail elderly population. The prevention of OP should reduce both the social (emotional) and economic burdens faced by patients, caregivers, and health-care systems. Moving forward, research that identifies and bridges pharmaceutical treatment and exercise should be conducted, in addition to the comparison of passive versus active forms of exercise to determine which treatment best prevents OP in high-risk populations.
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 | 0,012 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».