Using an Allometric Equation to Accurately Predict the Energy Expenditure of Children and Adolescents With Nonalcoholic Fatty Liver Disease
Notice bibliographique
Résumé
BACKGROUND: Pediatric patients with nonalcoholic fatty liver disease (NAFLD) require targeted nutrition therapy that relies on calculating energy needs. Common energy equations are inaccurate in predicting resting energy expenditure (REE), influencing total energy expenditure (TEE) estimates. Equations based on allometric scaling are simple, accurate, void of subjective activity and/or stress factor bias, and they estimate TEE. OBJECTIVE: To investigate the predictive accuracy of an allometric energy equation (AEE) in predicting TEE of children and adolescents with NAFLD. METHODS: Retrospective study performed in a single institution. The allometric equation was used to calculate AEE, and the results were compared with TEE calculated using indirect calorimetry data (measured REE) multiplied by an activity factor (AF) of 1.5 or 1.7. RESULTS: Fifty-six patients with a mean age of 13 years were included in this study. The agreement between TEE (using an AF of 1.5) and AEE was -96 kcal/d (confidence interval, -29 to 221). The predictive accuracy of the allometric equation was not different between obese and nonobese patients. CONCLUSIONS: Allometric equations allow for accurate estimation of TEE in children with NAFLD.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».