Body composition indices of a load–capacity model: gender- and BMI-specific reference curves
Notice bibliographique
Résumé
OBJECTIVE: Fat mass (FM) and fat-free mass (FFM) are frequently measured to define body composition phenotypes. The load-capacity model integrates the effects of both FM and FFM to improve disease-risk prediction. We aimed to derive age-, gender- and BMI-specific reference curves of load-capacity model indices in an adult population (≥18 years). DESIGN: Cross-sectional study. Dual-energy X-ray absorptiometry was used to measure FM, FFM, appendicular skeletal muscle mass (ASM) and truncal fat mass (TrFM). Two metabolic load-capacity indices were calculated: ratio of FM (kg) to FFM (kg) and ratio of TrFM (kg) to ASM (kg). Age-standardised reference curves, stratified by gender and BMI (<25.0 kg/m2, 25.0-29.9 kg/m2, ≥30.0 kg/m2), were constructed using an LMS approach. Percentiles of the reference curves were 5th, 15th, 25th, 50th, 75th, 85th and 95th. SETTING: Secondary analysis of data from the 1999-2004 National Health and Nutrition Examination Survey (NHANES). SUBJECTS: The population included 6580 females and 6656 males. RESULTS: The unweighted proportions of obesity in males and females were 25.5 % and 34.7 %, respectively. The average values of both FM:FFM and TrFM:ASM were greater in female and obese subjects. Gender and BMI influenced the shape of the association of age with FM:FFM and TrFM:ASM, as a curvilinear relationship was observed in female and obese subjects. Menopause appeared to modify the steepness of the reference curves of both indices. CONCLUSIONS: This is a novel risk-stratification approach integrating the effects of high adiposity and low muscle mass which may be particularly useful to identify cases of sarcopenic obesity and improve disease-risk prediction.
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 | 0,000 |
| 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 ».