Predictive Formulas To Improve The Interpretation Of Cardiorespiratory Fitness In Children
Notice bibliographique
Résumé
Adequate reference values for cardiopulmonary exercise testing (CPET) is crucial for accurate interpretation and prognostic purposes for children with a chronic disease. Current reference values in healthy children have been developed using heterogeneous exercise protocols and often incomplete adjustment for body size. PURPOSE: To update current reference values from CPET and provide new reference values for several parameters previously unstudied in children using a prospectively recruited cohort of healthy children. METHODS: In this cross-sectional multicenter study, we prospectively recruited 269 healthy children (♂=107; ♀=162) between the ages of 12-17 years old (14.8 ± 1.5) in local schools. We measured height, weight, waist circumference, pubertal development and fat free mass (FFM) and performed a symptom-limited CPET (Vmax Encore Metabolic Cart, Sensormedic, San Diego, CA) on an electronically-braked ergocycle using a progressive ramp protocol. Reference values and Z score were computed by testing several regressions models for each CPET measurement. Variation around the predicted mean was modeled to account for heteroscedasticity and residual association with growth-related parameters was assessed. RESULTS: Using currently published reference values, up to 31.2% of children were classified as having abnormal CPET results despite being free of chronic disease. Our weighted non-linear parametric modeling allowed more precise and well-adjustted Z scores and percentiles limits. The table shows a selection of our predicting equations as well as the percentage of children below the 3rd percentile. Selection of prediction equations for malesTable: No title available.CONCLUSION: The use of weighted non-linear regression model resulted in a decreased false-positive rate. These updated and new reference values provide an accurate lower limit of normal thus improving their value for prognostic and risk-stratification in children with chronic diseases.
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 | 0,003 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».