Head, Neck, Trunk, and Pelvis Tissue Mass Predictions for Young Adults Using Anthropometric Measures and Dual-Energy X-Ray Absorptiometry
Notice bibliographique
Résumé
Accurate prediction of wobbling mass (WM), fat mass (FM), lean mass (LM), and bone mineral content (BMC) of living people using regression equations developed from anthropometric measures (lengths, circumferences, breadths, skinfolds) has previously been reported, but only for the extremities. Multiple linear stepwise regression was used to generate comparable equations for the head, neck, trunk, and pelvis of young adults (38 males, 38 females). Equations were validated using actual tissue masses from an independent sample of 13 males and 13 females by manually segmenting full-body dual-energy x-ray absorptiometry scans. Prediction equations exhibited adjusted R2 values ranging from .249 to .940, with more explained variance for LM and WM than BMC and FM, especially for the head and neck. Mean relative errors between predicted and actual tissue masses ranged from −11.07% (trunk FM) to 7.61% (neck FM). Actual and predicted tissue masses from all equations were significantly correlated (R2 = .329 to .937), except head BMC (R2 = .046). These results show promise for obtaining in-vivo head, neck, trunk, and pelvis tissue mass estimates in young adults. Further research is needed to improve head and neck FM and BMC predictions and develop tissue mass prediction equations for older 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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».