Relationships between obesity markers and bone parameters in community-dwelling older adults
Notice bibliographique
Résumé
BACKGROUND: Osteoporosis is an age-related condition that can lead to fragility fractures and other serious consequences. The literature data on the impact of obesity on bone health are contradictory. The main reasons for this discrepancy could be the imperfect nature of the body mass index (BMI) as a marker of obesity, the metabolic status (inflammation and metabolically healthy obesity), and/or heterogeneity in bone variables and architecture or sex. AIMS: To examine the relationship between bone variables and three validated obesity criteria. METHODS: In this cross-sectional study, participants were classified as obese according to their BMI, waist circumference (WC), and fat mass (FM). Bone variables and architecture were assessed using dual-energy X-ray absorptiometry and peripheral quantitative computed tomography, respectively. RESULTS: One hundred sixty-eight adults aged 55 or over (men: 68%) were included. 48 (28%) participants were obese according to the BMI, with 108 (64%) according to the FM, and 146 (87%) according to the WC. Bone variables were positively correlated with WC and BMI (Pearson's r = 0.2-0.42). In men only, the obesity measures were negatively correlated with cortical bone density (Pearson's r = - 0.32 to - 0.19) and positively correlated with cortical bone area (Pearson's r = 0.22-0.39). CONCLUSION: Our findings indicate that independent of sex and obesity criteria, when significant, being obese seems to lead to higher bone parameters than being non-obese, except for cortical bone density. Thus, in the obese population, assessing cortical density might help the physician to identify bone alteration. Further researches are needed to confirm our findings.
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 | 0,010 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».