FFM Index, FM Index and PBF in Subjects with Normal, Overweight, and Obese BMI in Saudi Arabia Female Population
Notice bibliographique
Résumé
<p><strong>Aims: </strong>To assess Fat Free Mass Index, Fat Mass Index and Percent Body Fat in subjects with normal, overweight, and obese BMI and to examine if FFMI and FMI as compared to BMI have higher predictability in identification of high risk groups as defined by metabolic measurements among female college students and employees in Hail, Northern part of Saudi Arabia.</p><p><strong>Methods: </strong>Sample of 514 female college students and employees were enrolled and body composition was measured by using bioelectrical impendence technique. FFMI and FMI are calculated using the standard formula. Blood pressure (BP) and pulse were measured using automatic BP reader in a resting sitting position. Random blood glucose was tested using strip method (One touch, Simple).</p><p><strong>Results: </strong>Around 11 percent of study subjects were underweight while 25 percent were overweight and another 22 percent were obese. Only 42 percent of study population had normal weight. Except for height there were significant differences for weight, BMI, FM, FFM and %BF across age groups. Weight, FM, FFM shows a linear trend till the age 40 yrs after which an inverse trend begins. BMI continues to show linear trend across all ages. Mean FFMI was around 14 kg/m2 (range 5th – 95th percentile: 12.5 – 17.8 kg/m2) and was modestly but significantly higher (P &lt; 0.001) in the higher age group. Similarly, Mean FMI was 8.4 kg/m<sup>2</sup> (range 5th – 95th percentile: 3.8 – 18.3 kg/m2) and significantly higher (P &lt; 0.001) in the higher age group. In Regression models for SBP, BMI and %BF explain 18.7 % of variance; while for DBP, WC and %BF explain 11.2 % of variance. For blood glucose, it is FFMI, FMI and Visceral fat which explain maximum variance.</p><p><strong>Conclusion: </strong>BMI alone cannot provide information about the respective contribution of FFM or fat mass to body weight. This study presents FFMI and BFMI values that correspond to low, normal, overweight, and obese BMIs. FFMI and BFMI provide information about body compartments, regardless of height.</p>
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 | 0,001 | 0,001 |
| 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 ».