A New Approach to Identifying Elite Winter Sport Athletes’ Risk of Relative Energy Deficiency in Sport (REDs)
Notice bibliographique
Résumé
Abstract Objectives Relative Energy Deficiency in Sport (REDs) is a syndrome resulting from problematic low energy availability (LEA). Low areal bone mineral density (aBMD) is a primary indicator of LEA, measured by dual X-ray absorptiometry (DXA). High-resolution peripheral quantitative computed tomography (HR-pQCT) is an advanced imaging device that provides measures of volumetric BMD (vBMD), bone microarchitecture, geometry, and strength. The objective of this study was to assess prevalence of REDs in elite winter sport athletes and to observe the associations in bone parameters using HR-pQCT in athletes identified as at-risk or not at-risk of REDs. Methods Participants included 101 elite athletes (24.1±4.4 SD years; 52% female). The REDs Clinical Assessment Tool (CAT2) was used to determine REDs risk. HR- pQCT scans of the non-dominant radius and left tibia were analyzed upon REDs risk grouping. Results Seventeen athletes (17%; 71% female) were at-risk based on the REDs CAT2. After covarying for lean mass, odds ratios (OR) suggested higher likelihood of REDs risk classification for athletes with low cortical thickness, cortical area, total vBMD, and bone strength. Conclusions Impaired total vBMD, bone strength and cortical bone parameters were approximately twice as likely (OR: 1.9-3.0) in athletes at-risk of REDs. Results agree with the consensus statement that HR-pQCT may identify impaired bone health in athletes at-risk of REDs. Future directions should use HR-pQCT to explore REDs risk longitudinally, utilizing bone change over time as this may provide greater insight. Using advanced imaging to explore REDs risk in a population of winter high-performance athletes is novel.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».