Nutrition risk, physical activity and fibre intake are associated with body composition in OA: analysis of the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
Objective: Sarcopenic obesity is a key feature in osteoarthritis (OA). While ideal OA treatment involves physical activity and diet, how diet influences OA pathophysiology is unclear. We explored the associations between diet, nutrition risk and physical activity with body composition in older adults with OA. Methods: Baseline data from the Canadian Longitudinal Study on Aging data set were analysed. Participants with hip, knee, hand or multiple forms of OA were included in this cross-sectional analysis. Body composition measures (lean, fat and total masses (kg) and body fat percentage) were separate dependent variables. Regression analyses were conducted to explore associations between body composition with dietary intake (high calorie snack, fibre), nutrition risk (SCREEN II) and physical activity (Physical Activity Scale for the Elderly). Results: . Higher fibre cereal intake was associated with higher lean mass (unstandardised beta coefficient 0.5 (0.1, 0.9), p=0.02) and lower body fat percentage (-0.3 (-0.6, 0.0), p=0.046). Lower nutrition risk was associated with higher lean mass (0.1 (0.0, 0.1), p=0.03), lower fat mass (-0.05 (-0.1, 0.0), p=0.009) and lower body fat percentage (-0.1 (-0.1, 0.0), p<0.001). Higher physical activity was associated with higher lean mass (0.01 (0.01, 0.02), p<0.001), lower fat mass (-0.01 (0.0, 0.0), p=0.005) and lower body fat percentage (-0.01 (0.0, 0.0), p<0.001). Conclusion: Greater physical activity and lower nutrition risk were associated with better body composition. While fibre intake was also associated body composition, the CIs were wide suggesting weak associations.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».