Inadequacy of Body Weight-Based Recommendations for Individual Protein Intake—Lessons from Body Composition Analysis
Notice bibliographique
Résumé
Current body weight-based protein recommendations are ignoring the large variability in body composition, particularly lean mass (LM), which drives protein requirements. We explored and highlighted the inter-individual variability of weight versus body composition-adjusted protein intakes by secondary analysis in three cohorts of (1) 574 healthy adults (mean ± SD age: 41.4 ± 15.2 years); (2) 403 cirrhotic patients (age: 44.7 ± 12.3 years) and (3) 547 patients with lung cancer (age: 61.3 ± 8.2 years). LM was assessed using different devices (magnetic resonance imaging, dual-energy X-ray absorptiometry, computer tomography, total body potassium and bioelectrical impedance), body weight-based protein intake, its ratio (per kg LM) and mean protein requirement were calculated. Variability in protein intake in all cohorts ranged from 0.83 to 1.77 g protein per kg LM per day using (theoretical protein intake of 60 g protein per day). Calculated mean protein requirement was 1.63 g protein per kg LM per day; consequently, 95.3% of healthy subjects, 100% of cirrhotic and 97.4% of cancer patients would present with a low protein intake per kg LM. Weight-adjusted recommendations are inadequate to address the LM specific differences in protein needs of healthy subjects or clinical populations. Absolute protein intake seems to be more relevant compared to the relative proportion of protein, which in turn changes with different energy needs.
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 ».