Head, Neck, Trunk, and Pelvis Tissue Mass Predictions for Older Adults using Anthropometric Measures and Dual-Energy X-Ray Absorptiometry
Notice bibliographique
Résumé
Background: Regression equations using anthropometric measurements to predict soft (fat mass [FM], lean mass [LM], wobbling mass [WM]) and rigid (bone mineral content [BMC]) tissue masses of the extremities and core body segments have been developed for younger adults (16-35 years), but not older adults (36-65 years). Tissue mass estimates such as these would facilitate biomechanical modeling and analyses of older adults following fall or collision-related impacts that might occur during sport and recreational activities. Purpose: The purpose of this study was to expand on the previously established tissue mass prediction equations of the head, neck, trunk, and pelvis for healthy, younger adults by generating a comparable set of equations for an older adult population. Methods: A generation sample (38 males, 38 females) was used to create head, neck, trunk, and pelvis tissue mass prediction equations via multiple linear stepwise regression. A validation sample (13 males, 12 females) was used to assess equation accuracy; actual tissue masses were acquired from manually segmented full body Dual-Energy X-ray Absorptiometry scans. Results: Adjusted R2 values for the prediction equations ranged from 0.326 to 0.949, where BMC equations showed the lowest explained variances overall. Mean relative errors between actual and predicted masses ranged from –2.6% to 6.1% for trunk LM and FM, respectively. All actual tissue masses except head BMC (R2 = 0.092) were significantly correlated to those predicted from the equations (R2 = 0.403 to 0.963). Conclusion: This research provides a simple and effective method for predicting head, neck, trunk, and pelvis tissue masses in older adults that can be incorporated into biomechanical models for analyzing sport and recreational activities. Future work with this population should aim to improve core segment BMC predictions and develop equations for the extremities.
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 | 0,001 |
| 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 ».