Estágio menopausal e níveis hormonais no desenvolvimento muscular e funcional em mulheres de meia idade: um estudo transversal

Introduction: Hypoestrogenism is the main characteristic of female aging. It promotes significant changes in body composition, both in fat mass as in lean body mass, leading to a decrease in muscle strength and physical performance. Objective: The aim of this study was to test whether menopausal status and hormone levels are associated with muscular strength and physical performance in middle-aged women. Methods: In a cross-sectional study it was collected sociodemographic data, gynecological history, anthropometric and biochemical measures in women aged 40 to 65 years in Parnamirim-RN. The menopause status (pre, peri and post menopause) was determined by menstrual history. All women underwent three dimensions of physical performance assessment: handgrip dynamometry, gait speed and chair stands test - Short Physical Performance Battery (SPPB). Categorical data were presented as absolute and relative frequencies. Quantitative data were showed as mean and standard deviation and the normality of distribution was verified with Kolmogorov-Smirnov (KS) test. Biochemical measures of estradiol and follicle-stimulating hormone (FSH) were transformed to log10. ANOVA with Tukey post-test for comparison of variables between the groups pre, peri and post-menopausal was performed and then multiple linear regression analyzes. Results: Two hundred and seventy eight women aged 50.2 (±5.58) years composed this study, being 50 women in premenopausal status (18%), 122 in perimenopausal (43.9%), and 106 postmenopausal stage (38.1%). The groups were different in age (p=0.001), marital relationship duration (p <0.001), number of pregnancies (p=0.001) and parity (p=0.001). Differences in biochemical measures were observed among the groups: estradiol (p<0.001), FSH (p<0.001), total cholesterol (p=0.001). There were no differences in gait velocity between menopausal status. Values in mean of grip strength decreased by postmenopausal women to perimenopausal and premenopausal ones (24.5 ± 5.1, 25.6 ± 5.4, 26.9 ± 4.9 for post-stage, pre and peri menopausas, respectively, p = 0.02) and the performance of chair stands test was better in premenopausal women compared with that in peri and postmenopausal status (p = 0.02). In multiple linear regression for muscle strength, the variables that remained were: age, estradiol and somatic symptoms measured by Menopause Rating Scale-MRS (R2=0.15). While for the xiv chair-stands test the predictors were number of births and FSH values (R2=0.04). Conclusion: There is a relationship between the stages of menopause and muscle performance in measures of grip strength and sit-up test and these are influenced by the fall of estrogens levels. Data suggest that the decrease in muscle strength and physical performance already appear in the transition to menopause stage, pointing to the need for more research in this area and appropriate preventive interventions

An automated approach for performance deviation analysis of evolving software systems

A manutenção e evolução de sistemas de software tornou-se uma tarefa bastante crítica ao longo dos últimos anos devido à diversidade e alta demanda de funcionalidades, dispositivos e usuários. Entender e analisar como novas mudanças impactam os atributos de qualidade da arquitetura de tais sistemas é um pré-requisito essencial para evitar a deterioração de sua qualidade durante sua evolução. Esta tese propõe uma abordagem automatizada para a análise de variação do atributo de qualidade de desempenho em termos de tempo de execução (tempo de resposta). Ela é implementada por um framework que adota técnicas de análise dinâmica e mineração de repositório de software para fornecer uma forma automatizada de revelar fontes potenciais – commits e issues – de variação de desempenho em cenários durante a evolução de sistemas de software. A abordagem define quatro fases: (i) preparação – escolher os cenários e preparar os releases alvos; (ii) análise dinâmica – determinar o desempenho de cenários e métodos calculando seus tempos de execução; (iii) análise de variação – processar e comparar os resultados da análise dinâmica para releases diferentes; e (iv) mineração de repositório – identificar issues e commits associados com a variação de desempenho detectada. Estudos empíricos foram realizados para avaliar a abordagem de diferentes perspectivas. Um estudo exploratório analisou a viabilidade de se aplicar a abordagem em sistemas de diferentes domínios para identificar automaticamente elementos de código fonte com variação de desempenho e as mudanças que afetaram tais elementos durante uma evolução. Esse estudo analisou três sistemas: (i) SIGAA – um sistema web para gerência acadêmica; (ii) ArgoUML – uma ferramenta de modelagem UML; e (iii) Netty – um framework para aplicações de rede. Outro estudo realizou uma análise evolucionária ao aplicar a abordagem em múltiplos releases do Netty, e dos frameworks web Wicket e Jetty. Nesse estudo foram analisados 21 releases (sete de cada sistema), totalizando 57 cenários. Em resumo, foram encontrados 14 cenários com variação significante de desempenho para Netty, 13 para Wicket e 9 para Jetty. Adicionalmente, foi obtido feedback de oito desenvolvedores desses sistemas através de um formulário online. Finalmente, no último estudo, um modelo de regressão para desempenho foi desenvolvido visando indicar propriedades de commits que são mais prováveis a causar degradação de desempenho. No geral, 997 commits foram minerados, sendo 103 recuperados de elementos de código fonte degradados e 19 de otimizados, enquanto 875 não tiveram impacto no tempo de execução. O número de dias antes de disponibilizar o release e o dia da semana se mostraram como as variáveis mais relevantes dos commits que degradam desempenho no nosso modelo. A área de característica de operação do receptor (ROC – Receiver Operating Characteristic) do modelo de regressão é 60%, o que significa que usar o modelo para decidir se um commit causará degradação ou não é 10% melhor do que uma decisão aleatória.

An automated approach for performance deviation analysis of evolving software systems

A manutenção e evolução de sistemas de software tornou-se uma tarefa bastante crítica ao longo dos últimos anos devido à diversidade e alta demanda de funcionalidades, dispositivos e usuários. Entender e analisar como novas mudanças impactam os atributos de qualidade da arquitetura de tais sistemas é um pré-requisito essencial para evitar a deterioração de sua qualidade durante sua evolução. Esta tese propõe uma abordagem automatizada para a análise de variação do atributo de qualidade de desempenho em termos de tempo de execução (tempo de resposta). Ela é implementada por um framework que adota técnicas de análise dinâmica e mineração de repositório de software para fornecer uma forma automatizada de revelar fontes potenciais – commits e issues – de variação de desempenho em cenários durante a evolução de sistemas de software. A abordagem define quatro fases: (i) preparação – escolher os cenários e preparar os releases alvos; (ii) análise dinâmica – determinar o desempenho de cenários e métodos calculando seus tempos de execução; (iii) análise de variação – processar e comparar os resultados da análise dinâmica para releases diferentes; e (iv) mineração de repositório – identificar issues e commits associados com a variação de desempenho detectada. Estudos empíricos foram realizados para avaliar a abordagem de diferentes perspectivas. Um estudo exploratório analisou a viabilidade de se aplicar a abordagem em sistemas de diferentes domínios para identificar automaticamente elementos de código fonte com variação de desempenho e as mudanças que afetaram tais elementos durante uma evolução. Esse estudo analisou três sistemas: (i) SIGAA – um sistema web para gerência acadêmica; (ii) ArgoUML – uma ferramenta de modelagem UML; e (iii) Netty – um framework para aplicações de rede. Outro estudo realizou uma análise evolucionária ao aplicar a abordagem em múltiplos releases do Netty, e dos frameworks web Wicket e Jetty. Nesse estudo foram analisados 21 releases (sete de cada sistema), totalizando 57 cenários. Em resumo, foram encontrados 14 cenários com variação significante de desempenho para Netty, 13 para Wicket e 9 para Jetty. Adicionalmente, foi obtido feedback de oito desenvolvedores desses sistemas através de um formulário online. Finalmente, no último estudo, um modelo de regressão para desempenho foi desenvolvido visando indicar propriedades de commits que são mais prováveis a causar degradação de desempenho. No geral, 997 commits foram minerados, sendo 103 recuperados de elementos de código fonte degradados e 19 de otimizados, enquanto 875 não tiveram impacto no tempo de execução. O número de dias antes de disponibilizar o release e o dia da semana se mostraram como as variáveis mais relevantes dos commits que degradam desempenho no nosso modelo. A área de característica de operação do receptor (ROC – Receiver Operating Characteristic) do modelo de regressão é 60%, o que significa que usar o modelo para decidir se um commit causará degradação ou não é 10% melhor do que uma decisão aleatória.