Predicting Bone Adaptation in Astronauts during and after Spaceflight
Notice bibliographique
Résumé
A method was previously developed to identify participant-specific parameters in a model of trabecular bone adaptation from longitudinal computed tomography (CT) imaging. In this study, we use these numerical methods to estimate changes in astronaut bone health during the distinct phases of spaceflight and recovery on Earth. Astronauts (N = 16) received high-resolution peripheral quantitative CT (HR-pQCT) scans of their distal tibia prior to launch (L), upon their return from an approximately six-month stay on the international space station (R+0), and after six (R+6) and 12 (R+12) months of recovery. To model trabecular bone adaptation, we determined participant-specific parameters at each time interval and estimated their bone structure at R+0, R+6, and R+12. To assess the fit of our model to this population, we compared static and dynamic bone morphometry as well as the Dice coefficient and symmetric distance at each measurement. In general, modeled and observed static morphometry were highly correlated (R2> 0.94) and statistically different (p < 0.0001) but with errors close to HR-pQCT precision limits. Dynamic morphometry, which captures rates of bone adaptation, was poorly estimated by our model (p < 0.0001). The Dice coefficient and symmetric distance indicated a reasonable local fit between observed and predicted bone volumes. This work applies a general and versatile computational framework to test bone adaptation models. Future work can explore and test increasingly sophisticated models (e.g., those including load or physiological factors) on a participant-specific basis.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».