MétaCan
Menu
Retour à la cohorte
Enregistrement W2890618507 · doi:10.1139/apnm-2018-0412

Resting metabolic rate in muscular physique athletes: validity of existing methods and development of new prediction equations

2018· article· en· W2890618507 sur OpenAlexvenueno aff
Grant M. Tinsley, Austin J. Graybeal, M. Lane Moore

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensnon disponible
Organismes subventionnairesRocky Mountain Research Station
Mots-clésAthletesPhysical medicine and rehabilitationPsychologyPhysical therapyMedicine

Résumé

récupéré en direct d'OpenAlex

Estimation of resting metabolic rate (RMR) is an important step for prescribing an individual’s energy intake. The purpose of this study was to evaluate the validity of portable indirect calorimeters and RMR prediction equations in muscular physique athletes. Twenty-seven males (n = 17; body mass index (BMI): 28.8 ± 2.0 kg/m2; body fat: 12.5% ± 2.7%) and females (n = 10; BMI: 22.8 ± 1.6 kg/m2; body fat: 19.2% ± 3.4%) were evaluated. The reference RMR value was obtained from the ParvoMedics TrueOne 2400 indirect calorimeter, and the Cosmed Fitmate and Breezing Metabolism Tracker provided additional RMR estimates. Existing RMR prediction equations based on body weight (BW) or dual-energy X-ray absorptiometry fat-free mass (FFM) were also evaluated. Errors in RMR estimates were assessed using validity statistics, including t tests with Bonferroni correction, linear regression, and calculation of the standard error of the estimate, total error, and 95% limits of agreement. Additionally, new prediction equations based on BW (RMR (kcal/day) = 24.8 × BW (kg) + 10) and FFM (RMR (kcal/day) = 25.9 × FFM (kg) + 284) were developed using stepwise linear regression and evaluated using leave-one-out cross-validation. Nearly all existing BW- and FFM-based prediction equations, as well as the Breezing Tracker, did not exhibit acceptable validity and typically underestimated RMR. The ten Haaf and Weijs (PLoS ONE, 9: e1084602014 (2014)) and Cunningham (1980) (Am. J. Clin. Nutr. 33: 2372–2374 (1980)) FFM-based equations may produce acceptable RMR estimates, although the Cosmed Fitmate and newly developed BW- and FFM-based equations may be most suitable for RMR estimation in male and female physique athletes. Future research should provide additional external cross-validation of the newly developed equations to refine the ability to predict RMR in physique athletes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,045
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,331
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetMuscle metabolism and nutritionTravaux en français237 207