Bone turnover and mineralisation kinetics control trabecular BMDD and apparent bone density: insights from a discrete statistical bone remodelling model
Notice bibliographique
Résumé
Abstract The mechanical quality of trabecular bone is influenced by its mineral content and spatial distribution, which is controlled by bone remodelling and mineralisation. Mineralisation kinetics occur in two phases: a fast primary mineralisation and a secondary mineralisation that can last from several months to years. Variations in bone turnover and mineralisation kinetics can be observed in the bone mineral density distribution (BMDD). Here, we propose a statistical spatio-temporal bone remodelling model to study the effects of bone turnover (associated with the activation frequency $$\mathrm {Ac.f}$$ Ac . f ) and mineralisation kinetics (associated with secondary mineralisation $$T_\textrm{sec}$$ T sec ) on BMDD. In this model, individual basic multicellular units (BMUs) are activated discretely on trabecular surfaces that undergo typical bone remodelling periods. Our results highlight that trabecular BMDD is strongly regulated by $$\mathrm {Ac.f}$$ Ac . f and $$T_\textrm{sec}$$ T sec in a coupled way. Ca wt% increases with lower $$\mathrm {Ac.f}$$ Ac . f and short $$T_\textrm{sec}$$ T sec . For example, a $$\mathrm {Ac.f}=$$ Ac . f = 4 BMU/year/mm $$^3$$ 3 and $$T_\textrm{sec}$$ T sec = 8 years result in a mean Ca wt% of 25, which is in accordance with Ca wt% values reported in quantitative backscattered electron imaging (qBEI) experiments. However, for lower $$\mathrm {Ac.f}$$ Ac . f and shorter $$T_\textrm{sec}$$ T sec (from 0.5 to 4 years) one obtains a high Ca wt% and a very narrow skew BMDD to the right. This close link between $$\mathrm {Ac.f}$$ Ac . f and $$T_\textrm{sec}$$ T sec highlights the importance of considering both characteristics to draw meaningful conclusion about bone quality. Overall, this model represents a new approach to modelling healthy and diseased bone and can aid in developing deeper insights into disease states like osteoporosis.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».