Comparing DXA and Air Displacement Plethysmography to Assess Body Composition of Male Collegiate Hockey Players
Notice bibliographique
Résumé
Delisle-Houde, P, Reid, RER, Insogna, JA, Prokop, NW, Buchan, TA, Fontaine, SL, and Andersen, RE. Comparing DXA and air-displacement-plethysmography to assess body composition of male collegiate hockey players. J Strength Cond Res 33(2): 474-478, 2019-Accurate assessment of body composition is an important consideration for athletes because it is a health/performance variable. However, little is known about the variability in values obtained across different assessment methods for specific athlete populations. The purpose of this study was to compare 2 common laboratory methods that assess body composition: air displacement plethysmography (BOD POD) and dual energy x-ray absorptiometry (DXA). Twenty-nine male collegiate hockey players, (Age = 24.07 ± 1.49, BMI = 26.5 ± 2.74) participated in this study. All participants underwent back-to-back BOD POD and DXA evaluations. Paired t-tests and Bland-Altman analyses were performed to compare differences in fat mass, fat percentage, and fat-free mass between methods. Average fat percentage reported by the DXA and BOD POD was 15.34 ± 3.53 and 11.66 ± 4.82 respectively, resulting in a bias score of 3.78 ± 2.33 kg (t(28) = 8.71, p ≤ 0.001). Average fat mass reported by the DXA and BOD POD was 13.42 ± 3.59 and 10.15 ± 4.54 kg respectively, resulting in a bias score of 3.27 ± 1.92 kg (t(28) = 9.18, p ≤ 0.001). Average fat-free mass reported by the DXA and BOD POD was 73.31 ± 5.30 and 76.25 ± 5.74 kg respectively, resulting in a bias score of -2.93 ± 2.06 kg (t(28) = -7.66, p ≤ 0.001). Our findings can help make more insightful comparisons between studies that use different body composition methodologies among athletic populations.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».