Predicting in Vivo Soft Tissue Masses of the Lower Extremity Using Segment Anthropometric Measures and DXA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this study was to derive and validate regression equations for the prediction of fat mass (FM), lean mass (LM), wobbling mass (WM), and bone mineral content (BMC) of the thigh, leg, and leg + foot segments of living people from easily measured segmental anthropometric measures. The segment masses of 68 university-age participants (26 M, 42 F) were obtained from full-body dual photon x-ray absorptiometry (DXA) scans, and were used as the criterion values against which predicted masses were compared. Comprehensive anthropometric measures (6 lengths, 6 circumferences, 8 breadths, 4 skinfolds) were taken bilaterally for the thigh and leg for each person. Stepwise multiple linear regression was used to derive a prediction equation for each mass type and segment. Prediction equations exhibited high adjusted R2 values in general (0.673 to 0.925), with higher correlations evident for the LM and WM equations than for FM and BMC. Predicted (equations) and measured (DXA) segment LM and WM were also found to be highly correlated (R2 = 0.85 to 0.96), and FM and BMC to a lesser extent (R2 = 0.49 to 0.78). Relative errors between predicted and measured masses ranged between 0.7% and -11.3% for all those in the validation sample (n = 16). These results on university-age men and women are encouraging and suggest that in vivo estimates of the soft tissue masses of the lower extremity can be made fairly accurately from simple segmental anthropometric measures.
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.
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 | 0,001 | 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 | 0,000 |
| 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 découle