Using simple anthropometric measures to predict body fat in South Asians
Notice bibliographique
Résumé
Previously determined predictive equations for body fat mass (BFM) are primarily derived from populations of European origin, which may not be appropriate for all ethnic groups. The objective of this study was to develop an improved predictive equation for BFM specific to South Asians and derived from common anthropometric measurements that include measures of central adiposity. A total of 208 apparently healthy South Asian men and women, aged 30-65 years, were recruited. Anthropometric measurements and BFM by dual energy X-ray absorbitometry (DEXA) were obtained. Sex-specific equations predicting BFM were developed using regression models on a reference subset (68 men, 70 women) and tested on a validation group. New predictive equations (BFMNEW) were tested for agreement with Durin and Wormersley and Siri equations and with the reference method, DEXA. The best predictive sex-specific equation involved a combination of skinfolds, waist circumference, hip circumference, humerus breadth, height, mass, and age. Models significantly correlated with BFM determined by DEXA (r = 0.946 for men; r = 0.974 for women; p < 0.001). The estimates of BFM from reference and validation groups had excellent correlations and displayed excellent agreement to DEXA measures. We demonstrated new predictive equations for BFM that are specific to South Asians and incorporate measures of central adiposity. This may help resolve issues surrounding inaccurate determination of adiposity in South Asians, and consequently provide better estimations of disease risk.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».