Assessment of body composition in pediatric patients with cystic fibrosis
Notice bibliographique
Résumé
RATIONALE: Cystic fibrosis (CF) leads to pathological changes in organs that express the cystic fibrosis transmembrane conductance regulator (CFTR), including secretory cells of the digestive tract and the pancreas. Maintaining nutritional sufficiency is challenging for CF patients and therefore accurate monitoring is important for their clinical management. PURPOSE: The objectives of this study were to evaluate the effectiveness of skinfold measurements as an accurate method for determining body composition (fat mass (FM) and lean body mass (LBM)) of this population, using dual-energy X-ray absorptiometry (DEXA) as a gold standard comparison and to determine the most accurate equation for this calculation in children with CF. METHODS: Fifty-five pediatric patients with CF participated in the study. FM and LBM calculated via four methods: Slaughter, Durnin, Durenberg (2-site and 4-site). The relationship between the methods and DEXA results were estimated by intraclass-correlation coefficient (ICC) and Bland and Altman analyses. RESULTS: The Slaughter method was the most accurate (ICC of 0.92 for FM and 0.99 for LBM) and displayed the least bias over the range of FM and LBM in CF patients. In addition, the results of Bland Altman analyses comparing each skinfold method to DEXA, revealed that the results were evenly distributed along the range of values for the Slaughter calculation, whereas the other three methods under and over estimated % fat results at the upper and lower ends of the range respectively. CONCLUSION: We therefore conclude that the Slaughter method may be used for body composition assessment of pediatric CF patients. This provides clinical teams with a simple, accurate and non-invasive method that can be used to monitor nutritional status in pediatric patients with CF.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».