Association of body composition measures to muscle strength using DXA, D3Cr, and BIA in collegiate athletes
Notice bibliographique
Résumé
Muscle mass and strength are crucial for physiological function and performance in athletes, playing a significant role in maintaining health and optimal athletic performance. Skeletal muscle, which constitutes the majority of lean soft tissue (LST) and appendicular lean soft tissue (ALST) when measured by dual-energy X-ray absorptiometry (DXA), represents a commonly used surrogate for strength. Research has investigated alternative measures of body composition, such as the assessment of ALST through bioelectrical impedance analysis (BIA) and the determination of whole-body muscle mass from creatine pool size using the deuterated creatine (D 3 Cr) dilution method, for their associations to strength. While the relationship between body composition measures and strength has been studied in older adults, this relationship remains unexplored in athletic populations. This study examined muscle body composition measures using DXA, D 3 Cr, and BIA and their association with strength in a sample of collegiate athletes. The study enrolled 80 collegiate athletes (40 females) of differing sports disciplines who consumed a 60 mg dose of D 3 Cr and completed DXA and BIA measures in addition to trunk and leg strength tests. Analysis was sex-stratified using Pearson’s correlations, linear regression, and quartile p trend significance. With an average participant age of 21.8 years, whole-body DXA correlations to muscle strength surpassed height- or mass-normalized values. This trend was especially pronounced in trunk strength’s relationship with body composition over leg strength, across measurement methods. While DXA LST values were higher than BIA and D 3 Cr in predicting strength, the values did not differ significantly. Adjustments for age, BMI, and BIA variables didn’t enhance this association. A significant trend between DXA LST and all strength measures underscored the equal relevance of DXA and D 3 Cr muscle mass to strength, favoring whole-body over regional assessments. This calls for future research on muscle mass’s effects on LST and functional outcomes in broader groups, highlighting the importance of comprehensive body composition analysis in athletic performance studies.
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) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».