Bioelectrical Impedance vs. Four‐compartment Model to Assess Body Fat Change in Overweight Adults
Notice bibliographique
Résumé
OBJECTIVE: The Tanita TBF-305 body fat analyzer is marketed for home and clinical use and is based on the principles of leg-to-leg bioelectrical impedance analysis (BIA). Few studies have investigated the ability of leg-to-leg BIA to detect change in percentage fat mass (%FM) over time. Our objective was to determine the ability of leg-to-leg BIA vs. the four-compartment (4C) model to detect small changes in %FM in overweight adults. RESEARCH METHODS AND PROCEDURES: Thirty-eight overweight adults (BMI, 25.0 to 29.9 kg/m2; age, 18 to 44 years; 31 women) participated in a 6-month, randomized, double-blind, placebo-controlled study of a nutritional supplement. Body composition was measured at 0 and 6 months using the Tanita TBF-305 body fat analyzer [using equations derived by the manufacturer (%FM(T-Man)) and by Jebb et al. (%FM(T-Jebb))] and the 4C model (%FM(4C)). RESULTS: Subjects in the experimental group lost 0.9%FM(4C) (p = 0.03), a loss that did not reach significance using leg-to-leg BIA (0.6%FM(T-Man), p = 0.151; 0.6%FM(T-Jebb), p = 0.144). We observed large standard deviations (SDs) in the mean difference in %FM between the 4C model and the Tanita(Manufacturer) (2.5%) and Tanita(Jebb) (2.2%). Ten subjects fell outside +/-1 SD of the mean differences at 0 and 6 months; those individuals were younger and shorter than those within +/-1 SD. DISCUSSION: Leg-to-leg BIA performed reasonably well in predicting decreases in %FM in this group of overweight adults but resulted in wide SDs vs. %FM(4C) in individuals. Cross-sectional determinations of %FM of overweight individuals using leg-to-leg BIA should be interpreted with caution.
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 | 0,001 | 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 ».