Correlation between subcutaneous fat measurements in knee MRI and BMI: relationship to obesity and related co-morbidities
Notice bibliographique
Résumé
BACKGROUND: Obesity is a major public health disorder associated with multiple co-morbidities. Knee magnetic resonance imaging (MRI) permits visualization of the subcutaneous fat anatomy, which can be correlated to body mass index (BMI) and obesity-related co-morbidities. PURPOSE: This study intends to validate a method of correlating measurements of subcutaneous fat around the distal femur on axial MR images to BMI and obesity-related co-morbidities. MATERIAL AND METHODS: The most proximal axial slice of each knee MRI was divided into four quadrants. Measurements of the thickest portion of the subcutaneous fat in each quadrant were independently obtained, yielding a value which was assigned the name of the SubCut fat index. The relationship between the SubCut fat index of each quadrant and the patient's BMI was then evaluated. Receiver operating characteristic curves utilizing both the subcutaneous fat in the medial and lateral quadrants as well as BMI were performed with respect to obesity-related co-morbidities. RESULTS: = 0.01). Additionally, BMI and medial quadrants SubCut indices showed strong association with obesity-related co-morbidities including sleep apnea, asthma, diabetes, hypertension, gastroesophageal reflux disease, and osteoporosis. CONCLUSION: The SubCut fat index, a marker of distal femur subcutaneous fat on axial MRI, correlates with severity of obesity (BI) and associated obesity-related co-morbidities.
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 | 0,001 | 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 | 0,000 | 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) | 0,000 | 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 ».