Obesity among postmenopausal women: what is the best anthropometric index to assess adiposity and success of weight-loss intervention?
Notice bibliographique
Résumé
OBJECTIVES: First, to establish the respective ability of body mass index (BMI), waist circumference (WC), and relative fat mass index (RFM), to estimate body fat (BF%) measured by DXA (DXA-BF%) and correctly identify postmenopausal women living with obesity (BF% > 35). Second, to identify the best indicator of successful weight-loss intervention in postmenopausal women living with obesity. METHODS: A total of 277 women (age: 59.8 ± 5.3 y; BF%: 43.4 ± 5.3) from five weight-loss studies with complete data for anthropometric measurements [BMI = weight/height (kg/m2); WC (cm)] and BF% were pooled together. Statistical performance indicators were determined to assess ability of RFM [64-(20 × height/waist circumference) + (12 × sex)], BMI and WC to estimate BF% before and after weight-loss intervention and to correctly identify postmenopausal women living with obesity. RESULTS: Compared with RFM (r = 0.51; r2 = 0.27; RMSE = 4.4%; Lin's CCC = 0.46) and WC (r = 0.49; r2 = 0.25; RMSE = 4.8%; Lin's CCC = 0.41), BMI (r = 0.73; r2 = 0.52; RMSE = 3.7%; Lin's CCC = 0.71) was the best anthropometric index to estimate DXA-BF% and correctly identify postmenopausal women living with obesity (sensitivity + specificity: BMI = 193; RFM = 152; WC = 158), with lower misclassification error, before weight-loss intervention. After weight-loss, the change in BMI was strongly correlated with change in DXA-BF%, indicating that the BMI is the best indicator of success weight-loss intervention. CONCLUSION: In the absence of more objective measures of adiposity, BMI is a suitable proxy measure for BF% in postmenopausal women, for whom a lifestyle intervention is relevant. Furthermore, BMI can be used as an indicator to assess success of weight-loss intervention in this subpopulation.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».