The Influence of Obesity on Bone Health in Post-COVID-19 Recovery- Single-Center Experience
Notice bibliographique
Résumé
Introduction: The ongoing repercussions of the COVID-19 pandemic include potentially deleterious impacts on bone health. Aim: This research aimed to ascertain the effects of COVID-19 on the bone health of obese and non-obese Indian individuals. Methods: We executed a case-control study enrolling individuals who recovered from COVID-19. Participants were stratified into obese and non-obese groups based on their BMI. Comprehensive assessments encompassed anthropometric evaluations, laboratory tests, and bone mineral density (BMD) measurements using dual-energy X-ray absorptiometry (DEXA). Results: From April to July 2022, we enrolled obese (n = 27, mean BMI = 30.54 ± 4.51 kg/m 2) and non-obese (n = 23, mean BMI = 21.97 ± 2.20 kg/m 2) individuals. The cohort’s average age was 36.08 ± 15.81 years, with a male-to-female ratio of 1.6:1. There was a difference in BMD, especially at the total hip, between the two groups. BMD at the spine (L1-L4), the neck of the femur, and ultra-distal radius were consistent across both groups. Weight exhibited a significant positive correlation with BMD at L1-L4 (r = 0.40, p = 0.003) and the left femur total (r = 0.27, p = 0.001). Haemoglobin levels were lower in the obese group compared to their non-obese counterparts (12.3 ± 2.0 vs 13.6 ± 1.9, p = 0.01). Multivariate analysis underscored weight as a crucial predictor for BMD at the spine (L1-L4, p = 0.003) and total hip ( p = 0.001). Conclusion: Even with advanced age, obese post-COVID-19 individuals demonstrate a higher bone mineral density (BMD) at the hip than non-obese subjects. Keywords: COVID-19, obesity, bone mineral density, osteopenia, fracture risk
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 | 0,036 |
| 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 | 0,001 |
| 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 ».