MétaCan
Menu
Retour à la cohorte
Enregistrement W3159758686 · doi:10.2196/22487

Accuracy of Smart Scales on Weight and Body Composition: Observational Study

2021· article· en· W3159758686 sur OpenAlexvenueno aff
Justine Frija‐Masson, Jimmy Mullaert, Emmanuelle Vidal‐Petiot, Nathalie Pons‐Kerjean, Martin Flamant, Marie‐Pia d’Ortho

Notice bibliographique

RevueJMIR mhealth and uhealth · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueBody Composition Measurement Techniques
Établissements canadiensnon disponible
Organismes subventionnairesAssistance Publique - Hôpitaux de ParisMSD France
Mots-clésObservational studyComputer sciencePsychologyMedicineStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Smart scales are increasingly used at home by patients to monitor their body weight and body composition, but scale accuracy has not often been documented. OBJECTIVE: The goal of the research was to determine the accuracy of 3 commercially available smart scales for weight and body composition compared with dual x-ray absorptiometry (DEXA) as the gold standard. METHODS: We designed a cross-sectional study in consecutive patients evaluated for DEXA in a physiology unit in a tertiary hospital in France. There were no exclusion criteria except patient declining to participate. Patients were weighed with one smart scale immediately after DEXA. Three scales were compared (scale 1: Body Partner [Téfal], scale 2: DietPack [Terraillon], and scale 3: Body Cardio [Nokia Withings]). We determined absolute error between the gold standard values obtained from DEXA and the smart scales for body mass, fat mass, and lean mass. RESULTS: The sample for analysis included 53, 52, and 48 patients for each of the 3 tested smart scales, respectively. The median absolute error for body weight was 0.3 kg (interquartile range [IQR] -0.1, 0.7), 0 kg (IQR -0.4, 0.3), and 0.25 kg (IQR -0.10, 0.52), respectively. For fat mass, absolute errors were -2.2 kg (IQR -5.8, 1.3), -4.4 kg (IQR -6.6, 0), and -3.7 kg (IQR -8.0, 0.28), respectively. For muscular mass, absolute errors were -2.2 kg (IQR -5.8, 1.3), -4.4 kg (IQR -6.6, 0), and -3.65 kg (IQR -8.03, 0.28), respectively. Factors associated with fat mass measurement error were weight for scales 1 and 2 (P=.03 and P<.001, respectively), BMI for scales 1 and 2 (P=.034 and P<.001, respectively), body fat for scale 1 (P<.001), and muscular and bone mass for scale 2 (P<.001 for both). Factors associated with muscular mass error were weight and BMI for scale 1 (P<.001 and P=.004, respectively), body fat for scales 1 and 2 (P<.001 for both), and muscular and bone mass for scale 2 (P<.001 and P=.002, respectively). CONCLUSIONS: Smart scales are not accurate for body composition and should not replace DEXA in patient care. TRIAL REGISTRATION: ClinicalTrials.gov NCT03803098; https://clinicaltrials.gov/ct2/show/NCT03803098.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,139
Tête enseignante GPT0,418
Écart entre enseignants0,278 · 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 source (Gemma direct ou Codex distillé), 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

Citations33
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetBody Composition Measurement TechniquesTravaux en français237 207