Accuracy of aggregate 2- and 3-component models of body composition relative to 4-component for the measurement of changes in fat mass during weight loss in overweight and obese subjects
Notice bibliographique
Résumé
The 4-component (4-C) model is the reference method to measure fat mass (FM). Simpler 2-component (2-C) models are widely used to assess FM. We hypothesised that an aggregate 2-C model may improve accuracy of FM assessment during weight loss (WL). One hundred and six overweight and obese men and women were enrolled in different WL programs (fasting, very low energy diet, low energy diet). Body density, bone mineral content, and total body water were measured. FM was calculated using 2-C, 3-C, and 4-C models. Aggregate equations for 2-C, 3-C, and 4-C models were calculated, with the aggregate 4-C model assumed as the reference method. The aggregate approach postulates that the average of the individual estimates obtained from each model is more accurate than the best single measurement. The average WL was -7.5 kg. The agreement between 3-C and 4-C models for FM change was excellent (R(2) = 0.99). The aggregate 2-C equation was more accurate than individual 2-C estimates in measuring changes in FM. The aggregate model was characterised by a lower measurement error at baseline and post-WL. The relationship between the aggregate 3-C and 4-C component models was highly linear (R(2) = 0.99), whereas a lower linearity was found for the aggregate 2-C and 4-C model (R(2) = 0.72). The aggregate 2-C model is characterised by a greater accuracy than commonly applied 2-C equations for the measurement of FM during WL in overweight and obese men and women.
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) | 0,001 | 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 ».