Current approaches to diagnosing testosterone deficiency do not consider the physiological consequences of various testosterone levels or whether deficiencies of testosterone, estradiol, or both account for clinical manifestations.

Major alterations in body composition, such as with obesity and weight loss, have complex effects on the measurement of bone mineral density (BMD) by dual-energy X-ray absorptiometry (DXA). The effects of altered body fat on quantitative computed tomography (QCT) measurements are unknown. We scanned a spine phantom by DXA and QCT before and after surrounding with sequential fat layers (up to 12 kg). In addition, we measured lumbar spine and proximal femur BMD by DXA and trabecular spine BMD by QCT in 13 adult volunteers before and after a simulated 7.5 kg increase in body fat. With the spine phantom, DXA BMD increased linearly with sequential fat layering at the normal (p < 0.01) and osteopenic (p < 0.01) levels, but QCT BMD did not change significantly. In humans, fat layering significantly reduced DXA spine BMD values (mean ± SD: -2.2 ± 3.7%, p = 0.05) and increased the variability of measurements. In contrast, fat layering increased QCT spine BMD in humans (mean ± SD: 1.5 ± 2.5%, p = 0.05). Fat layering did not change mean DXA BMD of the femoral neck or total hip in humans significantly, but measurements became less precise. Associations between baseline and fat-simulation scans were stronger for QCT of the spine (r(2)= 0.97) than for DXA of the spine (r(2)= 0.87), total hip (r(2) = 0.80), or femoral neck (r(2)= 0.75). Bland-Altman plots revealed that fat-associated errors were greater for DXA spine and hip BMD than for QCT trabecular spine BMD. Fat layering introduces error and decreases the reproducibility of DXA spine and hip BMD measurements in human volunteers. Although overlying fat also affects QCT BMD measurements, the error is smaller and more uniform than with DXA BMD. Caution must be used when interpreting BMD changes in humans whose body composition is changing.

Background There is intense interest about whether modulating gut microbiota can impact systemic metabolism. We investigated the safety of weekly oral fecal microbiota transplantation (FMT) capsules from healthy lean donors and their ability to alter gut microbiota and improve metabolic outcomes in patients with obesity. Methods and findings FMT-TRIM was a 12-week double-blind randomized placebo-controlled pilot trial of oral FMT capsules performed at a single US academic medical center. Between August 2016 and April 2018, we randomized 24 adults with obesity and mild–moderate insulin resistance (homeostatic model assessment of insulin resistance [HOMA-IR] between 2.0 and 8.0) to weekly healthy lean donor FMT versus placebo capsules for 6 weeks. The primary outcome, assessed by intention to treat, was change in insulin sensitivity between 0 and 6 weeks as measured by hyperinsulinemic euglycemic clamps. Additional metabolic parameters were evaluated at 0, 6, and 12 weeks, including HbA1c, body weight, body composition by dual-energy X-ray absorptiometry, and resting energy expenditure by indirect calorimetry. Fecal samples were serially collected and evaluated via 16S V4 rRNA sequencing. Our study population was 71% female, with an average baseline BMI of 38.8 ± 6.7 kg/m2 and 41.3 ± 5.1 kg/m2 in the FMT and placebo groups, respectively. There were no statistically significant improvements in insulin sensitivity in the FMT group compared to the placebo group (+5% ± 12% in FMT group versus −3% ± 32% in placebo group, mean difference 9%, 95% CI −5% to 28%, p = 0.16). There were no statistically significant differences between groups for most of the other secondary metabolic outcomes, including HOMA-IR (mean difference 0.2, 95% CI −0.9 to 0.9, p = 0.96) and body composition (lean mass mean difference −0.1 kg, 95% CI −1.9 to 1.6 kg, p = 0.87; fat mass mean difference 1.2 kg, 95% CI −0.6 to 3.0 kg, p = 0.18), over the 12-week study. We observed variable engraftment of donor bacterial groups among FMT recipients, which persisted throughout the 12-week study. There were no significant differences in adverse events (AEs) (10 versus 5, p = 0.09), and no serious AEs related to FMT. Limitations of this pilot study are the small sample size, inclusion of participants with relatively mild insulin resistance, and lack of concurrent dietary intervention. Conclusions Weekly administration of FMT capsules in adults with obesity results in gut microbiota engraftment in most recipients for at least 12 weeks. Despite engraftment, we did not observe clinically significant metabolic effects during the study. Trial registration ClinicalTrials.gov NCT02530385.

Background: Ambulatory ECG (AECG) enables heart rhythm monitoring during daily activities, with a focus on arrythmia detection. Detection and quantification of sleep and activity patterns during monitoring may provide insights into lifestyle and aid in contextualizing arrhythmia events. Aims: We developed an AI algorithm to classify sleep, activity, and inactivity periods using a novel AECG patch with embedded accelerometry. We assessed algorithm performance and compared it to FDA-cleared actigraphy and consumer devices, which have shown 93-99% sensitivity (SE) and 39-54% specificity (SP) in classifying sleep vs. polysomnography (PSG). Methods: We conducted a prospective study of 81 participants at 3 sites who wore the Zio ® monitor AECG patch (iRhythm Technologies, San Francisco, CA) and Actigraph wGT3X (Pensacola, FL) simultaneously for 14 days. Sleep disordered breathing was excluded. Participants underwent a 6-minute walk test at the beginning of wear and in-clinic overnight PSG sleep testing at 7±3 days. Data were split into training (n=40) and validation (n=41) sets. Feature and model selection utilized five-fold cross-validation on the training set, focusing on total activity and body angle. The final machine model was trained on selected features using the entire training set. In validation, SE and SP for sleep were assessed based on 1-minute epochs vs. PSG and also vs. a 24-hour reference (combined PSG and actigraphy-wake labeling). SE and SP for activity were assessed vs. actigraphy over 8 minutes sampled per subject (4min walk test, 4min PSG wake periods). Results: The study population was diverse (age 43±14 years, 57% female, 64% White, 25% Black, 20% Hispanic). In the validation set, average sleep and wake times were 5.9 and 1.2 hours, respectively, during PSG. SE and SP were 88.8% and 54.0%, respectively, in sleep detection vs. PSG, or 88.8% SE and 95.6% SP vs. the 24-hour reference (Table 1). SE and SP for activity detection were 97.0% and 100%, respectively. Conclusion: Assessment of sleep and activity during AECG is feasible, with performance comparable to FDA-cleared actigraphy. This feature offers insights into patient wellness patterns, highlighting its potential for personalized healthcare monitoring.

Abstract Type 1 diabetes (T1D) is associated with an increased risk of hip fracture beyond what can be explained by reduced bone mineral density, possibly due to changes in bone material from accumulation of advanced glycation end products (AGEs) and altered matrix composition, though data from human cortical bone in T1D are limited. The objective of this study was to evaluate cortical bone material behavior in T1D by examining specimens from cadaveric femora from older adults with long-duration T1D (≥50 years; n = 20) and age- and sex-matched non-diabetic controls (n = 14). Cortical bone was assessed by mechanical testing (4-point bending, cyclic reference point indentation, impact microindentation), AGE quantification (total fluorescent AGEs, pentosidine, carboxymethyl-lysine (CML)), and matrix composition via Raman spectroscopy. Cortical bone from older adults with T1D had diminished post-yield toughness to fracture (-30%, P=.036), elevated levels of AGEs (pentosidine, +17%, P=.039), lower mineral crystallinity (-1.4%, P=.010), greater proline hydroxylation (+1.9%, P=.009), and reduced glycosaminoglycan (GAG) content (-1.3%, P&lt;.03) compared to non-diabetics. In multiple regression models to predict cortical bone toughness, cortical tissue mineral density (Ct.TMD), CML, and Raman spectroscopic measures of enzymatic collagen crosslinks and GAG content remained highly significant predictors of toughness, while diabetic status was no longer significant (adjusted R2 &gt; 0.60, P&lt;.001). Thus, impairment of cortical bone to absorb energy following long-duration T1D is well explained by AGE accumulation and modifications to the bone matrix. These results provide novel insight into the pathogenesis of skeletal fragility in individuals with T1D.