Sexual <scp>orientation‐based</scp> disparities in bone health: Evidence of reduced bone mineral density and mineral content among sexual minority men but not women in multiple <scp>NHANES</scp> waves
Notice bibliographique
Résumé
INTRODUCTION: Sexual minority (SM) people experience significant stress associated with stigma, contributing to a higher rate of adverse health outcomes. Several known factors (eg, smoking) elevate risk of poor bone health, but to date little research has examined disparities in bone health among SM people. To address this, we analyzed sexual orientation differences in an available bone mineral density (BMD) cross-sectional dataset assessed via dual X-ray absorptiometry. METHODS: We combined the 2007 to 2008, 2009 to 2010, and 2013 to 2014 cycles of US National Health and Nutrition Examination Survey to examine sexual orientation-based differences in z-scored BMD in the proximal femur (greater trochanter and intertrochanter locations), bone mineral content (BMC) in the femur and spine, and osteoporosis risk among Lesbian/Gay (n = 53), Bisexual (n = 97), Same-Sex Experienced (n = 103), and Heterosexual (n = 2990) adults. RESULTS: Sexual orientation-based disparities in bone mass were observed across all anatomical sites. This effect was due to differences between heterosexual and gay men and persisted in linear regressions after adjusting for risk factors. We found differences in femoral and femoral neck BMC in heterosexual and gay men (P = .02) and in femoral, femoral neck and spinal BMC between heterosexual and bisexual women (P = .05). Sexual orientation remained significant in BMC regressions. CONCLUSION: Our findings suggest that SM men but not women are at greater risk for poor bone health relative to heterosexuals and this disparity is independent of the lifestyle and psychosocial risks included in our models.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».