Accuracy and Applicability of Resting Metabolic Rate Prediction Equations Differ for Women Across the Lifespan
Notice bibliographique
Résumé
Background: Nutrition clinicians need accurate and reliable resting metabolic rate (RMR) assessments to determine energy needs and an appropriate nutrition care plan. Material/Methods: This cross-sectional study compared the accuracy of eight RMR prediction equations (Harris-Benedict, Robertson and Reid, Cunningham 1980, FAO/WHO/UNU, Owen, Mifflin-St. Jeor, Cunningham 1991, and Nelson) to measured RMR by indirect calorimetry among young (n=57; age: 25±3 years), midlife (n=57; age: 44±3 years), and older (n=46; age: 68±5 years) women. Paired t-tests examined differences between predicted and measured RMR. Statistical analyses were conducted using SPSS (version 21), with significance defined as p<0.05. Bland-Altman plots displayed prediction bias and agreement. Prediction accuracy was defined when predicted RMR was ±10% of measured RMR. Serum thyroid stimulating hormone and follicle stimulating hormone concentrations were measured to assess thyroid function and ovarian reserve, respectively. Results: The difference between predicted and measured RMR ranged from +0.6% (Owen) to +17.7% (Cunningham 1980) for the young, -2.8% (Nelson) to +18.1% (Cunningham 1980) midlife, and +2.8 (Nelson) to +26.7% (Cunningham 1980) older women. For the young women, only the Owen equation predicted RMR similar to measured RMR (p=0.905). For the older women, only the Nelson equation predicted RMR similar to measured RMR (p=0.051). All estimates using prediction equations were significantly different from measured values for midlife women. Conclusion: Many RMR prediction equations have limited applicability for women at difference stages of the lifespan, thus impacting patient outcomes. Additional research is necessary to determine the appropriateness of RMR prediction equations among women of all ages.
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 | 0,002 | 0,001 |
| 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 ».