The Impact of Concussion, Sport, and Time in Season on Saliva Telomere Length in Healthy Athletes
Notice bibliographique
Résumé
To date, sport-related concussion diagnosis and management is primarily based on subjective clinical tests in the absence of validated biomarkers. A major obstacle to clinical validation and application is a lack of studies exploring potential biomarkers in non-injured populations. This cross-sectional study examined the associations between saliva telomere length (TL) and multiple confounding variables in a healthy university athlete population. One hundred eighty-three (108 male and 75 female) uninjured varsity athletes were recruited to the study and provided saliva samples at either pre- or mid-season, for TL analysis. Multiple linear regression was used to determine the associations between saliva TL and history of concussion, sport contact type, time in season (pre vs. mid-season collection), age, and sex. Results showed no significant associations between TL and history of concussion, age, or sport contact type. However, TL from samples collected mid-season were longer than those collected pre-season [β = 231.4, 95% CI (61.9, 401.0), p = 0.008], and males had longer TL than females [β = 284.8, 95% CI (111.5, 458.2), p = 0.001] when adjusting for all other variables in the model. These findings population suggest that multiple variables may influence TL. Future studies should consider these confounders when evaluating saliva TL as a plausible fluid biomarker for SRC.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».