Bone and Inflammatory Responses to Training in Female Rowers over an Olympic Year
Notice bibliographique
Résumé
INTRODUCTION/PURPOSE: To examine whether fluctuations in training load during an Olympic year lead to changes in bone mineral densities and factors that regulate bone (sclerostin, osteoprotegerin and receptor activator of nuclear factor kappa-B ligand), energy metabolism (insulin-like growth factor-1 and leptin), and inflammation (tumor necrosis factor-α and interleukin 6) in elite heavyweight female rowers. METHODS: Blood samples were drawn from 15 female heavyweight rowers (27.0 ± 0.8 yr, 80.9 ± 1.3 kg, 179.4 ± 1.4 cm) at baseline (T1-45 wk before Olympic Games) and after 7, 9, 20, 25, and 42 wk (T1-6, respectively). Ongoing nutritional counseling was provided. Total weekly training load was recorded over the week before each time point. Bone mineral density (BMD) was measured by dual energy x-ray absorptiometry at T1 and T6. RESULTS: Total BMD increased significantly before to after training (+0.02 g·cm), but was below the least significant change (±0.04 g·cm). Osteoprotegerin, insulin-like growth factor-1, and leptin remained stable across all time points. Fluctuations in training load (high vs low) were accompanied by parallel changes in tumor necrosis factor-α (2.1 ± 0.2 vs 1.5 ± 0.2 pg·mL), interleukin 6 (1.2 ± 0.08 vs 0.8 ± 0.09 pg·mL), and sclerostin (high: 993 ± 109 vs low: 741 ± 104 pg·mL). CONCLUSIONS: In this population of young female athletes with suitable energy availability, sclerostin and inflammation markers responded to fluctuations in training load, whereas BMD and bone mineral content were stable during the season, suggesting that training load periodization is not harmful for the bone health in athletes.
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 ».