Validity of a 3-dimensional body scanner: comparison against a 4-compartment model and dual energy X-ray absorptiometry
Notice bibliographique
Résumé
Three-dimensional (3D) body scanner technology for body composition assessment is expanding. The aim of this study was to assess the validity of a 3D body scanner. One hundred and ninety-four participants (43% male; age: 23.52 ± 5.47 years; body mass index: 23.98 ± 3.24 kg·m −2 ) were measured using 3D scanner and a 4-compartment (4C) model utilizing dual-energy X-ray absorptiometry (DXA), air displacement plethysmography, and bioelectrical impedance spectroscopy. Dependent t tests, validity statistics including total error (TE), standard error of the estimate, constant error, and Bland–Altman analyses were utilized. Compared with 4C, 3D scanner fat mass (FM) [mean difference (MD; 3D−4C): 2.66 kg ± 3.32 kg] and percent body fat (%BF) (MD: 4.13% ± 5.36%) were significantly (p < 0.001) over-predicted; fat free mass (FFM) was significantly underpredicted (MD: −3.15 kg ± 4.75 kg; p < 0.001). 3D demonstrated poor validity indicated by TE (%BF: 5.61%; FM: 4.50 kg; FFM: 5.69 kg). In contrast, there were no significant differences between 3D and DXA measures; 3D scanner demonstrated acceptable measurement for %BF (TE: 4.25%), FM (TE: 2.92 kg), and lean mass (TE: 3.86 kg). Compared with the 4C criterion, high TE values indicated 3D estimates were not valid. In contrast, 3D estimates produced acceptable measurement agreement when compared with DXA; an average overestimation of %BF by 5.31% (vs. 4C) and 4.20% (vs. DXA) may be expected. Novelty: 3D body composition estimates are not valid compared with the 4-C criterion model. 3D estimates appeared to be more valid in females, compared with males. When compared with DXA, 3D estimates were acceptable.
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) | 0,001 | 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 ».