Measurement of leg fluid volume using bioelectrical impedance (1156.14)
Notice bibliographique
Résumé
Background: Fluid volume (FV) of body segments can be measured non‐invasively and continuously using bioelectrical impedance (BI). Electrical impedance of the cell membrane is high at low frequencies suggesting that BI using low frequencies will detect mainly extracellular fluid (ECF). The objective of this study was to determine relationships between leg FV measured using BI and changes in leg volume (LV) calculated geometrically. Methods: We measured FV between the knee and ankle using BI at low frequencies (50 &amp; 100 KHz, Biopac) and leg circumferences at the knee, ankle and widest part of the calf in both legs of 7 healthy subjects (5 men, age 50.7±7.1 yrs, BMI 23.6±2.8 kg/m2). Measurements were made every 30 min while sitting for 4 hrs. LV was calculated geometrically by assuming a shape of a truncated cone. We also measured FV between the left knee and ankle every hour using a Xitron device that uses multiple frequencies up to 1 MHz to distinguish between ECF and intracellular fluid volumes. Paired t‐tests were used to compare changes (Δ) in Biopac FV (FV‐B) with ΔLV and Xitron measurements of ECF (ECF‐X) and total FV (TFV‐X). Findings: Relative to ΔLV, ΔFV‐B was lower in the first 2 hours of sitting (ΔLV 188.7±31.5, ΔFV‐B 79.8.9±121.3 ml, p<0.0001) but similar between 2 and 4 hours (ΔLV 68.8±45.7 ml, ΔFV‐B 56.2±22.2 ml, p=0.50). In the left leg, all estimates of ΔFV‐B were consistent with ΔECF‐X and lower than ΔTFV‐X and ΔLV (at 4 hrs, ΔFV‐B 0.06±0.01 L, ΔECF‐X 0.06±0.01 L, ΔTFV‐X 0.08±0.07 L, ΔLV 0.14±0.04 L). Conclusions: FV measured using Biopac at low frequencies seems to quantify changes in ECF volume. Expansion of ECF volume accounts for only about half the volume expansion below the knees during the first 2 hours of sitting but accounts for most of it between 2 and 4 hours.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».