Development of an Anthropometric Prediction Model for Fat-Free Mass and Muscle Mass in Elite Athletes
Notice bibliographique
Résumé
The monitoring of body composition is common in sports given the association with performance. Surface anthropometry is often preferred when monitoring changes for its convenience, practicality, and portability. However, anthropometry does not provide valid estimates of absolute lean tissue in elite athletes. The aim of this investigation was to develop anthropometric models for estimating fat-free mass (FFM) and skeletal muscle mass (SMM) using an accepted reference physique assessment technique. Sixty-four athletes across 18 sports underwent surface anthropometry and dual-energy X-ray absorptiometry (DXA) assessment. Anthropometric models for estimating FFM and SMM were developed using forward selection multiple linear regression analysis and contrasted against previously developed equations. Most anthropometric models under review performed poorly compared with DXA. However, models derived from athletic populations such as the Withers equation demonstrated a stronger correlation with DXA estimates of FFM (r = .98). Equations that incorporated skinfolds with limb girths were more effective at explaining the variance in DXA estimates of lean tissue (Sesbreno FFM [R2 = .94] and Lee SMM [R2 = .94] models). The Sesbreno equation could be useful for estimating absolute indices of lean tissue across a range of physiques if an accepted option like DXA is inaccessible. Future work should explore the validity of the Sesbreno model across a broader range of physiques common to athletic 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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) | 0,000 | 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 ».