XiaoMi-AI文件搜索系统
World File Search SystemDEXA
与正常葡萄糖代谢的人相比，患有糖尿病前和2型糖尿病的人的身体组成性别差异：Maastricht研究
摘要目标/假设肥胖是2型糖尿病的主要危险因素。但是，男女之间的身体成分有所不同。在这项研究中，我们研究了糖尿病状态和身体组成之间的关联，以及这种关联是否受到性别的调节。基于人群的队列研究中的方法（n = 7639;年龄40 - 75岁，女性50％，25％2型糖尿病），我们估计了性别特定的关联及其差异（即糖尿病）（即禁食葡萄糖和/或葡萄糖耐受性受损）和2型糖尿病（参考：正常的葡萄糖代谢[NGM]），具有双能X射线吸收仪（DEXA），以及MRI-MRI-SER衍生的身体成分和HIP周长的测量。使用具有性别逐糖性的相互作用术语的调整后回归模型分析性别差异。的结果与NGM对应物相比，糖尿病前期和2型糖尿病的男性和男性都具有更多的脂肪和瘦质量，并且臀部周长更大。The differences in subcutaneous adipose tissue, hip circumference and total and peripheral lean mass between type 2 diabetes and NGM were greater in women than men (women minus men [W – M] mean difference [95% CI]: 15.0 cm 2 [1.5, 28.5], 3.2 cm [2.2, 4.1], 690 g [8, 1372] and 443 g [142,分别为744]）。男性的2型糖尿病和NGM之间内脏脂肪组织的差异要大于女性（W - M平均差异[95％CI]： - 14.8 cm 2 [-26.4，-3.1]）。2型糖尿病和NGM之间的肝脏脂肪百分比没有性别差异。这些性别相关差异的病理生理意义需要进一步研究。糖尿病前和NGM之间身体组成的度量的差异通常朝着相同的方向，但男女之间没有显着差异。结论/解释本研究表明，与2型糖尿病相关的身体组成存在性别差异。
与正常葡萄糖代谢的人相比，患有糖尿病前和2型糖尿病的人的身体组成性别差异：Maastricht研究
摘要目标/假设肥胖是2型糖尿病的主要危险因素。但是，男女之间的身体成分有所不同。在这项研究中，我们研究了糖尿病状态和身体组成之间的关联，以及这种关联是否受到性别的调节。基于人群的队列研究中的方法（n = 7639;年龄40 - 75岁，女性50％，25％2型糖尿病），我们估计了性别特定的关联及其差异（即糖尿病）（即禁食葡萄糖和/或葡萄糖耐受性受损）和2型糖尿病（参考：正常的葡萄糖代谢[NGM]），具有双能X射线吸收仪（DEXA），以及MRI-MRI-SER衍生的身体成分和HIP周长的测量。使用具有性别逐糖性的相互作用术语的调整后回归模型分析性别差异。的结果与NGM对应物相比，糖尿病前期和2型糖尿病的男性和男性都具有更多的脂肪和瘦质量，并且臀部周长更大。The differences in subcutaneous adipose tissue, hip circumference and total and peripheral lean mass between type 2 diabetes and NGM were greater in women than men (women minus men [W – M] mean difference [95% CI]: 15.0 cm 2 [1.5, 28.5], 3.2 cm [2.2, 4.1], 690 g [8, 1372] and 443 g [142,分别为744]）。男性的2型糖尿病和NGM之间内脏脂肪组织的差异要大于女性（W - M平均差异[95％CI]： - 14.8 cm 2 [-26.4，-3.1]）。2型糖尿病和NGM之间的肝脏脂肪百分比没有性别差异。这些性别相关差异的病理生理意义需要进一步研究。糖尿病前和NGM之间身体组成的度量的差异通常朝着相同的方向，但男女之间没有显着差异。结论/解释本研究表明，与2型糖尿病相关的身体组成存在性别差异。
肠道轴研究：揭示了肠道菌群对绝经后骨质疏松症和骨细胞的影响
绝经后骨质疏松症（PMOP）是一种全身性骨骼状况，其特征是骨骼质量降低，骨组织的微体系结构恶化，骨骼脆弱性的增加以及由于绝经后雌激素缺乏效率而导致的骨折易感性。主要影响中年和老年妇女，它是导致其裂缝风险升高的重要因素。骨质疏松症的诊断在骨密度测量上取决于骨密度测量，主要通过双能量X射线吸收率（DEXA）扫描，这精确地测量了脊柱和髋关节的骨密度（1）。流行病学研究强调了绝经后妇女的骨质疏松症随着年龄的增长而升级。在全球范围内，超过50岁及以上的女性中有三分之一可能由于剩余一生中至少发生了一次骨折。骨折不仅增加了死亡率的风险，而且严重损害了患者的生活质量和独立性，从而施加了显着的社会和家族负担。因此，骨质疏松症的预防和管理已成为全球公共卫生问题（2）。肠道菌群是一种居住在人类胃肠道中的复杂而广阔的微生物社区，已证明通过涉及免疫系统，代谢产物和内分泌系统的各种机制在骨代谢和健康中起着至关重要的作用（3）。这些见解具有针对骨质疏松治疗的潜在治疗靶标，包括调节肠道微生物组组成或其代谢产物以增强骨骼健康。肠道微生物群和骨骼健康之间的相互作用引起了人们的关注，揭示了微生物群的参与消化，代谢，免疫功能及其对骨代谢和健康的影响通过各种机制（4）。研究发现，肠道菌群调节免疫系统功能，从而影响骨代谢和调节骨密度。对无菌小鼠模型的研究表明，缺乏肠道菌群的小鼠表现出增加的骨密度。该观察结果表明肠道菌群在调节骨代谢中起着重要作用。不存在肠道菌群似乎会影响骨吸收和形成过程，这可能是通过与免疫系统相互作用的。特别是肠道菌群可能调节破骨细胞（分解骨组织）和成骨细胞（形成形成
地面接触时间不平衡与跑步经济性受损密切相关
摘要国际运动科学杂志 13(4): 427-437, 2020。跑步经济性 (RE) 定义为以特定速度移动所需的氧气消耗 (VO 2 ) 或卡路里单位成本，是重要的性能指标。地面接触时间 (GCT) 与 RE 有关；然而，尚未确定双脚之间的 GCT 不平衡如何影响 RE。目的：确定节奏、GCT 和 GCT 不平衡与 RE 之间的关系。方法：11 名 NCAA 一级长跑运动员（7 名男性）在跑步机上完成了分级运动测试，以确定乳酸阈值 (LT) 和 VO 2 max。还通过 DEXA 评估身体成分。受试者跑步时佩戴心率监测器，该监测器能够测量节奏、GCT 和双脚之间的 GCT 平衡。在 5 分钟阶段的最后一分钟记录了 VO 2 和呼吸交换率。以热量单位成本 (kcal·kg -1· km -1 ) 表示的 RE 是针对确定为略低于 LT（> 4mmol/L 之前）的阶段计算的，并通过 Pearson 相关性与节奏、GCT 和 GCT 不平衡进行关联。结果：RE 与跑步动态指标之间的 Pearson 相关性如下：节奏 (r = -.444, p = .171)、GCT (r = .492, p = .125)、GCT 不平衡 (r = .808, p < .005)。独立 t 检验显示，与 GCT 不平衡较小的跑步者相比，GCT 不平衡较大的跑步者的腿部瘦肌肉不平衡更大 (p = .023)。结论：GCT 不平衡与 RE 受损密切相关。未来的研究应确定如何改善 GCT 不平衡，以及这样做是否可以改善 RE。关键词：长跑、生物力学、耐力表现、田径介绍除了跑步者的最大耗氧量 (VO 2 max) 和乳酸阈值 (LT) 外，跑步经济性 (RE) 也被认为是决定耐力表现的关键因素 (9)。之前关于跑步经济性 (2) 的评论提供了多种测量和表达跑步经济性的方法。跑步经济性可以表示为给定速度下每分钟相对于体重的耗氧量 (VO 2 ) (ml O 2 ·kg -1 ·min -1 )，也可以表示为相对于体重和所跑距离的耗氧量 (ml O 2 ·kg -1 ·km -
rndr。 Balasia博士
[C1] Agrawal T.，Balazia M.，Bremond f。：CM3T：高效多模式学习的框架，用于非病会议出版物基因交互数据集。IEEE/CVF冬季有关计算机视觉应用（WACV）的冬季会议，美国图森，2025年。[C2] Sinha S.，Balazia M.，Bremond f。：通过优化的聚合网络识别教法性白内障手术视频中的手术器械。IEEE图像处理应用和系统（IPA）的国际会议，法国里昂，2025年。[C3] Muller P.，Balazia M.，Baur T.，Dietz M.，Heimerl A.，Penzkofer A.，Schiller D.，Bremond F.，Alexandersson J.，Andre E.ACM多媒体（ACMMM），澳大利亚墨尔本，2024年。[C4] Strizhkova V.，Kachmar H.，Chaptoukaev H.，Kalandadze R.，Kukhilava N.，Tsmindashvili T.，Abo-Alzahab N.，Zuluaga M.A.：MVP：基于视频和生理信号的多模式情绪识别。在IEEE/CVF欧洲计算机愿景会议（ECCV），意大利米兰的IEEE/CVF欧洲/CVF上的情感行为分析（ABAW），2024年。[C5] Reka A.，Borza D.L.，Reilly D.，Balazia M.，Bremond F。：将门控和上下文引入时间动作检测。在IEEE/CVF欧洲计算机愿景会议（ECCV），意大利米兰的IEEE/CVF欧洲/CVF上的情感行为分析（ABAW），2024年。[C6] Tiwari U.，Majhi S.，Balazia M.，Bremond f。：自动驾驶异常检测至关重要的是：弱监督的地平线。ACM多媒体（ACMMM），第9640-9645页，加拿大渥太华，2023年。在IEEE/CVF欧洲计算机视觉会议（ECCV），意大利米兰，2024年，IEEE/CVF欧洲计算机视觉会议（ECCV）举行的自动驾驶（漫游）的强大，分发和多模式模型。[C7] Muller P.，Balazia M.，Baur T.，Dietz M.，Heimerl A.，Schiller D.，Guermal M.，Thomas D.，Bremond F.，Alexander-Sson J.，Andre E.，Andre E.[C8] Agrawal T.，Balazia M.，Muller P.，Bremond F。：多模式视觉变压器，强迫注意行为分析。IEEE/CVF计算机视觉应用（WACV）的冬季会议，第3392–3402页，美国威克罗阿，美国，2023年。[C9] Balazia M.，Muller P.，Tanczos A.L.，Liechtenstein A.，Bremond F。：社会互动的身体行为：新颖的注释和最新评估。ACM多媒体国际会议（ACMMM），第70-79页，里斯本，葡萄牙，2022年。[C10] Balazia M.，Hlavackova-Schindler K.，Sojka P.，Plant C。：Granger Causal-Ity的可解释步态识别。IEEE/IAPR国际模式认可会议（ICPR），第1069-1075页，加拿大蒙特利尔，2022年。[C11] Agrawal T.，Agarwal D.，Balazia M.，Sinha N.，Bremond f。：使用跨意识变压器和行为编码的多模式人格识别。IAPR国际视觉理论与应用会议（VISAPP），第501-508页，Virtual，2022。[C12] Sinha N.，Balazia M.，Bremond f。：火焰：面部地标热图激活的多模式凝视。IEEE国际高级视频和信号监视会议（AVSS），第1-8页，虚拟，2021年。[C13] Balazia M.，Happy S.L.，Bremond F.，Dantcheva A。：面部多么独特：一项调查研究。IEEE/IAPR国际模式识别会议（ICPR），第7066-7071页，意大利米兰，2021年。[C14] Balazia M.，Sarkar s。：在活动对象跟踪中重新调用评估。在神经信息处理系统会议上（NEURIPS），加拿大温哥华，2019年的神经信息处理系统（NEURIPS）的新知识（NEWINML）。[C15] Aakur S.，Sawyer D.，Balazia M.，Sarkar S。：对未修剪监视视频中基于建议的细粒度活动检测方法的检查。NIST关于TREC视频检索评估（TRECVID）的研讨会，《扩展视频挑战的活动》，美国盖瑟斯堡，2018年。[C16] Balazia M.，Sojka p。：您是走路的方式：不合作的MOCAP步态识别视频监视，并使用不完整和嘈杂的数据。IEEE/IAPR国际生物识别技术联合会议（IJCB），第208-215页，美国丹佛，2017年。 [C17] Balazia M.，Sojka p。：用于基于MOCAP的步态识别方法的评估框架和数据库。 IAPR关于模式识别可再现研究（RRPR）的研讨会，第33-47页，墨西哥坎昆，2016年。 [C18] Balazia M.，Sojka p。：通过最大保证金标准（扩展摘要）学习健壮的步态识别功能。 IAPR关于结构和句法模式识别（SSPR）和统计技术的国际国际研讨会（SPR），第585-586页，墨西哥梅里达，2016年。 [C19] Balazia M.，Sojka p。：与运动捕获数据相关的步态识别的独立特征。IEEE/IAPR国际生物识别技术联合会议（IJCB），第208-215页，美国丹佛，2017年。[C17] Balazia M.，Sojka p。：用于基于MOCAP的步态识别方法的评估框架和数据库。IAPR关于模式识别可再现研究（RRPR）的研讨会，第33-47页，墨西哥坎昆，2016年。[C18] Balazia M.，Sojka p。：通过最大保证金标准（扩展摘要）学习健壮的步态识别功能。IAPR关于结构和句法模式识别（SSPR）和统计技术的国际国际研讨会（SPR），第585-586页，墨西哥梅里达，2016年。[C19] Balazia M.，Sojka p。：与运动捕获数据相关的步态识别的独立特征。IAPR关于结构和句法模式识别（SSPR）和统计技术的国际国际研讨会（SPR），第310-321页，墨西哥，墨西哥，2016年。[C20] Balazia M.，Sojka p。：通过最大余量标准学习适合步态识别的功能。IEEE/IAPR国际模式识别会议（ICPR），第901-906页，墨西哥坎昆，2016年。[C21] Balazia M.，Sedmidubsky J.，Zezula P。：语义上一致的人类运动分割。国际数据库和专家系统应用程序（DEXA），第423-437页，德国慕尼黑，2014年。[C22] Sedmidubsky J.，Valcik J.，Balazia M.，Zezula p。：基于归一化步行周期的步态识别。国际视觉计算研讨会（ISVC），第11-20页，Rethymno，希腊，2012年。[C23] Valcik J.，Sedmidubsky J.，Balazia M.，Zezula P.，确定人类识别的行走周期。太平洋亚洲情报与安全信息学讲习班（PAISI），第127-135页，马来西亚吉隆坡，2012年。