Bone mineral density and its relationship with ground reaction force characteristics during gait in young adults with Prader-Willi Syndrome
Notice bibliographique
Résumé
The incidence of osteopenia and osteoporosis is of concern in adults with Prader-Willi syndrome (PWS). Walking generates reaction forces that could stimulate bone mineralization and is popular in people with PWS. This study compared bone parameters and ground reaction forces (GRF) during gait between young adults with PWS and without PWS and explored associations between bone and GRFs during gait. 10 adults with PWS, 10 controls with obesity (OB) and 10 with normal weight (NW) matched on sex participated. Segmental and full body dual-energy x-ray absorptiometry scans provided femoral neck, spine, total body minus the head bone mineral density (BMD), bone mineral content (BMC). Vertical GRF, vertical impulse, posterior force and negative impulse were measured during 5 walking trials at a self-selected speed along a 10 m runway. Multivariate analyses of variance showed that adults with PWS (n = 7–8) had hip and body BMD and BMC comparable (p > .050) to NW and lower (p < .050) than OB. Adults with PWS showed slower speed than NW (p < .050) but similar to OB (p > .050). Adults with PWS presented lower absolute vertical GRF, vertical impulse and negative impulse than OB (p < .050). Pearson r correlations (p < .050) in those with PWS (n = 7–8) indicated that femoral neck BMC was associated with vertical GRF (r = 0.716), vertical impulse (r = 0.780), posterior force (r = −0.805), and negative impulse (r = −0.748). Spine BMC was associated with speed (r = 0.829) and body BMD was associated with speed (r = 0.893), and posterior force (r = −0.780). Increased BMC in the femoral neck and body were associated with larger breaking forces during walking, a phenomenon normally observed at greater gait speeds. Faster walking speed was associated with greater BMC in the spine and body. Our preliminary results suggest that young adults with PWS could potentially benefit from faster walking for bone health; however, larger prospective studies are needed to confirm this.
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 | 0,002 |
| 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) | 0,001 | 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 ».