Obesity Pillars Roundtable: Body mass index and body composition in Black and Female individuals. Race-relevant or racist? Sex-relevant or sexist?
Notice bibliographique
Résumé
Background: ) is the most common metric to diagnose overweight and obesity. However, a body composition analysis more thoroughly assesses adiposity, percent body fat, lean body mass (i.e., including skeletal muscle), and sometimes bone mineral density. BMI is not an accurate assessment of body fat in individuals with increased or decreased muscle mass; the diagnostic utility of BMI in individuals is also influenced by race and sex. Methods: Previous Obesity Pillars Roundtables addressed the diagnostic limitations of BMI, the importance of android and visceral fat (especially among those with South and East Asian ancestry), and considerations of obesity among individuals who identify as Hispanic, diverse in sexual-orientation, Black, Native American, and having ancestry from the Mediterranean and Middle East regions. This roundtable examines considerations of BMI in Black and female individuals. Results: The panelists agreed that body composition assessment was a more accurate measure of adiposity and muscle mass than BMI. When it came to matters of race and sex, one panelist felt: "race is a social construct and not a defining biology." Another felt that: "BMI should be a screening tool to prompt further evaluation of adiposity that utilizes better diagnostic tools for body composition." Regarding bias and misperceptions of resistance training in female individuals, another panelist stated: "I have spent my entire medical career taking care of women and have never seen a woman unintentionally gain 'too much' muscle mass and bulk up from moderate strength training." Conclusions: Conveying the importance of race and sex regarding body composition has proven challenging, with the discussion sometimes devolving into misunderstandings or misinformation that may be perceived as racist or sexist. Body composition analysis is the ultimate diagnostic equalizer in addressing the inaccuracies and biases inherent in the exclusive use of BMI.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,076 | 0,037 |
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 source (Gemma direct ou Codex distillé), 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 ».