Body Fat Content Determination in Premenopausal, Overweight, and Obese Young Women Using DXA and FT‐NIR
Notice bibliographique
Résumé
Even though BMI is the most commonly used method for assessing and monitoring obesity, it does not take into account the individual's body fat content assuming instead that body mass is closely associated with body fat, which is a tenuous assumption. The aim of this study was to make a direct comparison between measurements of body fat content using a convenient and rapid Fourier transform near-infrared (FT-NIR) spectroscopy and dual-energy X-ray absorptiometry (DXA). We recruited 52, premenopausal women (age range 19-45), all of whom had a BMI that classified them as either overweight or obese (range: 27-40 kg/m(2), mean: 31.1 ± 3.7 kg/m(2)) and indicated a statistically significant linear relationship between the fat content in kilograms measured by FT-NIR and DXA (r = 0.95, P < 0.001). Bland-Altman analysis showed that almost all the differences between two measurements fell within 2 s.d. We report here that the FT-NIR method provided comparable measurements of subcutaneous body fat content similar to those of total fat obtained using DXA. The FT-NIR method is a lower cost, easy to use and transport, and, based on comparison with DXA, an accurate method to measure body fat content. We propose that FT-NIR is an ideal method for safe repeat measurements in large trials or in screening and monitoring individuals during interventions in which changes in body fat will occur.
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 | 0,000 | 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 ».