Bone Turnover Markers and Osteokines in Adolescent Female Athletes of High- and Low-Impact Sports Compared With Nonathletic Controls
Notice bibliographique
Résumé
This study examined differences in resting concentrations of markers of bone formation and resorption, and osteokines between female adolescent (12-16 y) swimmers, soccer players, and nonathletic controls. Resting, morning blood samples were obtained after an overnight fast from 20 swimmers, 20 soccer players, and 20 nonathletic controls, matched for age. carboxyl-terminal cross-linking telopeptide of type I collagen (CTX), amino-terminal propeptide of type I collagen (P1NP), total osteocalcin (OC), sclerostin, osteoprotegerin (OPG), and receptor activator of nuclear factor kappa B ligand (RANKL) were analyzed in serum. After controlling for percent body fat, there were no significant differences between swimmers and nonathletic controls in any of the measured markers. In contrast, soccer players had significantly higher P1NP (89.5 [25.6] ng·mL-1), OC (57.6 [22.9] ng·mL-1), and OPG (1052.5 [612.6] pg·mL-1) compared with both swimmers (P1NP: 66.5 [20.9] ng·mL-1; OC: 24.9 [12.5] ng·mL-1; OPG: 275.2 [83.8] pg·mL-1) and controls (P1NP: 58.5 [16.2] ng·mL-1; OC: 23.2 [11.9] ng·mL-1; OPG: 265.4 [97.6] pg·mL-1), with no differences in CTX, sclerostin, and RANKL. These results suggest that bone formation is higher in adolescent females engaged in high-impact sports like soccer compared with swimmers and controls.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,002 | 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 ».