Calidad ósea, hormonas y ciclo menstrual en mujeres deportistas: una revisión sistemática
Bibliographic record
Abstract
Introducción: La participación deportiva femenina ha aumentado. La menstruación puede afectar el rendimiento deportivo femenino y ser influenciada por el entrenamiento y la nutrición. Aunque el ejercicio proporciona beneficios para la salud, la actividad física rigurosa también asocia una serie de riesgos para la mujer. La regulación hormonal es un factor clave en el crecimiento, desarrollo y preservación ósea. Objetivos: Determinar la relación entre el estado menstrual y la calidad ósea en mujeres deportistas, además de explorar otros factores relacionados. Metodología: La revisión se realizó a partir de las bases de datos de MedlinePlus, Cochrane Library y Scopus, obteniendo 13 estudios tras aplicar los criterios de elegibilidad establecidos. Se elaboraron tablas extrayendo datos. Se utilizó la escala Newcastle Ottawa para evaluar los sesgos. Resultados: Las alteraciones menstruales y las dietas hipocalóricas muestran relación con una menor DMO. Los deportes de carga y alto impacto son un factor protector en la DMO. Diferentes estudios muestran relación entre la fractura de estrés y el estado menstrual, así como con las horas de ejercicio realizadas. No se demuestra relación de los anticonceptivos con la calidad ósea. Conclusión: Las alteraciones menstruales en deportistas pueden comprometer la calidad ósea. Una nutrición adecuada es importante para evitar posibles alteraciones en el ciclo menstrual y prevenir la desmineralización esquelética. Los deportes de carga y alto impacto pueden ser factores protectores de la DMO. Se sugiere la necesidad de estudios longitudinales e intervenciones adecuadas para minimizar el riesgo de problemas de salud en mujeres deportistas.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.017 | 0.031 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.005 | 0.004 |
| Bibliometrics | 0.021 | 0.015 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".