MétaCan
Menu
Retour à la cohorte
Enregistrement W3001393378 · doi:10.15586/jptcp.v27i1.653

Validation of predictive equations for resting energy expenditure in treatment-seeking adults with overweight and obesity: Measured versus estimated

2020· article· en· W3001393378 sur OpenAlexvenueno aff
Leila Itani, Hana Tannir, Dima Kreidieh, Dana El Masri, Marwan El Ghoch

Notice bibliographique

RevueJournal of Population Therapeutics and Clinical Pharmacology · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueClinical Nutrition and Gastroenterology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOverweightResting energy expenditureObesityEnergy expenditureMedicineEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

The quantification of resting energy expenditure (REE) in patients with obesity is an important measure. We aimed to evaluate the validity of predictive equations in estimating REE compared with indirect calorimetry (IC) in treatment-seeking Arab adults with overweight or obesity. Twenty-three predictive equations were compared with REE values measured by IC (Vmax Encore 229) in 89 adult participants with overweight or obesity (mean age = 40.62 ± 15.96 years and mean body mass index [BMI] = 35.02 ± 4.60 kg/m2) referred to the Department of Nutrition and Dietetics of Beirut Arab University (Lebanon). The accuracy of the predictive equations was evaluated on the basis of whether the percentage prediction was within 10% of the measured REE, and the mean difference between predicted and measured values (bias). The Bland–Altman method was used to assess the agreement between the predicted and measured values. The equations that demonstrated the closest agreement with IC were the De La Cruz equation in males (accurate predictions: 68.2%; bias: ?19.52 kcal/day) and the Mifflin equation in females (accurate prediction: 61.2%; bias: ?36.43 kcal/day). In conclusion, we suggest that these two equations produce the least biased estimations for REE in this population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,366
Score d'incertitude au seuil0,324

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,121
Tête enseignante GPT0,411
Écart entre enseignants0,290 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Population Therapeutics and Clinical PharmacologyMême sujetClinical Nutrition and GastroenterologyTravaux en français237 207