Predicting abdominal adipose tissue in overweight Latino youth
Notice bibliographique
Résumé
OBJECTIVES: 1) Examine associations between visceral adipose tissue (VAT), subcutaneous abdominal adipose tissue (SAAT), and anthropometric and demographic variables; 2) generate and cross-validate prediction equations for estimating VAT and SAAT in overweight Latino children. STUDY DESIGN: Cross-sectional. PARTICIPANTS: 196 overweight 8-13-year-old Latino youth. Two-thirds (n = 131) were randomly assigned to a development group to generate prediction equations for VAT and SAAT; one-third (n = 65) was used as a cross-validation group. METHODS AND PROCEDURES: Anthropometric measurements (height, weight, skinfold thicknesses, and circumferences) were performed. VAT and SAAT were measured using magnetic resonance imaging (MRI). RESULTS: The strongest univariate correlate for VAT was waist circumference (WC) (r = 0.65, p < 0.01) while the strongest correlate for SAAT was hip circumference (r = 0.88, p < 0.001). Regression analyses showed approximately 50% of the variance in VAT was explained by WC (43.8%), Tanner stage (4.2%) and calf skinfold (1.7%). Variance in the SAAT model was explained by WC (77.8%), triceps skinfold (4.2%) and gender (2.3%). Residual analyses showed no bias in either equation. Though mean differences between measured and predicted VAT and SAAT were small, there was a large degree of variability at the individual level especially for VAT. CONCLUSIONS: Both VAT and SAAT prediction equations performed well at the group level, but the relatively high degree of variability suggests limited clinical utility of the VAT equation. MRI is currently required to derive an accurate measure of VAT at the individual level.
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 | 0,001 |
| 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 ».