MétaCan
Menu
Retour à la cohorte
Enregistrement W194677153 · doi:10.1007/978-1-59745-400-1_7

Measurement of Body Composition in Obesity

2007· book-chapter· en· W194677153 sur OpenAlexaff
Jennifer L. Kuk, Robert Ross

Notice bibliographique

RevueContemporary Endocrinology · 2007
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueBody Composition Measurement Techniques
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésAnthropometryMagnetic resonance imagingObesityComposition (language)MedicineComputed tomographyRadiologyMedical physicsBiomedical engineeringPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

This chapter examines common methods for measuring body composition in obesity. These methods range from simple anthropometric measures that indirectly assess adiposity to more complex measures such as magnetic resonance imaging (MRI) and computed tomography (CT) that are able to directly measure numerous tissues in vivo. Anthropometric measurements are inexpensive, and are readily used in clinical settings and epidemiological studies, but lack precision to accurately quantify specific fat depots. On the other hand, imaging techniques such as MRI and CT are associated with high accuracy, but are limited by their availability and high cost. Application of other body composition measurement techniques such as dual-energy X-ray absorptiometry and magnetic resonance spectroscopy will also be considered. The focus of this review is on strengths and limitations of these body composition measurement techniques, and how they advance our understanding of how body composition influences the associations between obesity, morbidity, and mortality.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,103
Tête enseignante GPT0,307
Écart entre enseignants0,204 · 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.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

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

En bref

Citations8
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary EndocrinologyMême sujetBody Composition Measurement TechniquesTravaux en français237 207