A Comparative Study of Bone-Health and Associated Factors in Healthy Indian Adolescents and Young Women
Notice bibliographique
Résumé
Abstract Introduction: Adolescence is a critical period for the accrual of bone mass. However, few studies have assessed the bone geometry in slum-dwelling girls/young women. We thus conducted this study: (1) to assess bone health in Indian adolescent girls and young women residing in slum vs nonslum (NS) areas and (2) to identify factors associated with poor bone health. Methods: This cross-sectional case–control study was performed on 110 apparently healthy unmarried, nonpregnant, nonlactating, postmenarchal adolescent girls and young women aged 11 to 24 years residing in urban slums with the same number of age-matched controls from NS areas. Anthropometric, dietary, physical-activity and bone-health parameters (using dual-energy X-ray absorptiometry and peripheral quantitative computed tomography—DXA and pQCT—respectively) were evaluated using standard protocols. A P value of < 0.05 was considered statistically significant. Results: Slum girls were significantly shorter and lighter and had lower dietary intakes of calcium and protein after adjusting for total daily calorie intake than NS girls ( P < 0.05). Areal bone-mineral density (BMD) at lumber spine (0.940 ± 0.13 vs1.042 ± 0.15 g/cm 2 ), femur and total body (less-head), bone-mineral apparent density adjusted for volume at the lumbar spine (0.295 ± 0.04 vs 0.319 ± 0.04 g/cm 3 ) and height-adjusted bone density at femur (0.862 ± 0.011 vs 0.905 ± 0.011 g/cm 2 ) were significantly lower in slum dwelling participants as compared to their NS counterparts ( P < 0.05). After adjusting for confounders like sunlight exposure, anthropometric parameters and dietary calcium intake, area of dwelling was still a significant factor for the difference in BMD. Conclusions: The potential determinants of poor bone density and geometry in girls and young women residing in slums include residential location, dietary habits, and physical activity levels. Despite adjustments for confounding factors, differences in bone health between those in slum and nonslum areas suggest adaptations developed over generations of deprivation in these individuals, necessitating urgent intervention.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».