MétaCan
Menu
Retour à la cohorte
Enregistrement W1050487779 · doi:10.1016/j.clnu.2015.07.022

Is adductor pollicis muscle thickness a good predictor of lean mass in adults?

2015· article· en· W1050487779 sur OpenAlexfundno aff
Renata Moraes Bielemann, Bernardo Lessa Horta, Silvana Paiva Orlandi, Thiago Gonzalez Barbosa-Silva, Marı́a Cristina González, Maria Cecília Formoso Assunção, Denise Petrucci Gigante

Notice bibliographique

RevueClinical Nutrition · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesMinistério da SaúdeConselho Nacional de Desenvolvimento Científico e TecnológicoEuropean CommissionUniversidade Federal de PelotasInternational Development Research CentreWellcome TrustWorld Health Organization
Mots-clésMedicineAnthropometryLean body massInternal medicineBody weight

Résumé

récupéré en direct d'OpenAlex

BACKGROUND & AIMS: Lean mass (LM) is an important parameter in clinical outcomes, which highlights the necessity of reliable tools for its estimation. The adductor pollicis muscle thickness (APMT) is easily accessible and suffers minimal interference from the adjacent subcutaneous fat tissue. OBJECTIVE: To assess the relationship between the APMT and LM in a sample of Southern Brazilian adults. METHODS: Participants were adults from the 1982 Pelotas (Brazil) Birth Cohort. LM was measured by dual energy X-ray absorptiometry (DXA). LM and lean mass index (LMI - LM divided by the square of height - kg/m(2)) were the outcomes. APMT was measured using a skinfold caliper. The mean of three measurements in the non-dominant hand was used in the analyses. APMT was described according to socio-demographic characteristics and nutritional status. The relationship between APMT and both LM and LMI was evaluated by correlation coefficient and linear regression using APMT as a single anthropometric parameter and also in addition to BMI. RESULTS: APMT was assessed in 3485 participants. APMT was higher in males, non-whites, less-schooled and obese individuals. APMT was moderately correlated to LM and LMI (ranged from 0.44 to 0.57). Correlation coefficients were higher for LMI as outcome and in females (LM: 0.51 and LMI: 0.57). APMT explained 19% and 26% of the variance in LM in males and females, respectively, whereas it explained 26% and 33% of the variance in LMI. APMT increased the prediction for LM in 3 and 4 percentage points in males and females, in comparison to explained by BMI. BMI explained 48% and 59% of the variance of LMI in males and females whereas APMT increased it to 51% and 62% for both sexes, respectively. CONCLUSIONS: Results were not good enough to promote the APMT as a single predictor of LM or LMI in epidemiological studies. APMT has a little predictive capacity in estimating LM or LMI when BMI is also considered.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,480

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,131
Tête enseignante GPT0,421
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical NutritionMême sujetNutrition and Health in AgingTravaux en français237 207