Adiposity and muscle mass phenotyping is not superior to BMI in detecting cardiometabolic risk in a cross‐sectional study
Notice bibliographique
Résumé
OBJECTIVE: Classifying adiposity based on dual-energy x-ray absorptiometry (DXA) muscle and fat mass phenotypes has been proposed. Whether these phenotypes are more accurate in predicting cardiometabolic risk than BMI weight status is unknown. METHODS: Data were from the National Health and Nutrition Examination Survey (NHANES; 1999-2006 cycles, n = 5,475). Weight status was defined by BMI. Phenotypes of adiposity and muscle were based on high (≥50th percentile) and low (<50th percentile) permutations of sex- and age-specific fat and muscle mass population curves. The area under the curves of receiver operating characteristic curves (ROC-AUCs), which predicted the presence of abnormal lipids, glucose, and blood pressure, were compared. All analyses were stratified by sex and incorporated the complex survey design and weighting of NHANES. RESULTS: The ROC-AUCs from weight status models used to correctly identify cardiometabolic risk ranged from 0.57 to 0.68, indicating generally weak predictive power. However, the ROC-AUCs from DXA phenotypes were lower (ranging from 0.53-0.68), indicating weaker predictive power than weight status, and were statistically inferior for nearly all of the comparisons. CONCLUSIONS: Despite DXA's high cost and detailed output regarding body composition, its phenotype classification was inferior to weight status in predicting cardiometabolic risk. Further studies investigating the utility of the phenotypes are needed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».