Multicompartment body composition analysis in older adults: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: During aging, changes occur in the proportions of muscle, fat, and bone. Body composition (BC) alterations have a great impact on health, quality of life, and functional capacity. Several equations to predict BC using anthropometric measurements have been developed from a bi-compartmental (2-C) approach that determines only fat mass (FM) and fat-free mass (FFM). However, these models have several limitations, when considering constant density, progressive bone demineralization, and changes in the hydration of the FFM, as typical changes during senescence. Thus, the main purpose of this study was to propose and validate a new multi-compartmental anthropometric model to predict fat, bone, and musculature components in older adults of both sexes. METHODS: This cross-sectional study included 100 older adults of both sexes. To determine the dependent variables (fat mass [FM], bone mineral content [BMC], and appendicular lean soft tissue [ALST]) whole total and regional dual-energy X-ray absorptiometry (DXA) body scans were performed. Twenty-nine anthropometric measures and sex were appointed as independent variables. Models were developed through multivariate linear regression. Finally, the predicted residual error sum of squares (PRESS) statistic was used to measure the effectiveness of the predicted value for each dependent variable. RESULTS: : 0.85 and SEE: 1.65). CONCLUSION: The equations provide a reliable, practical, and low-cost instrument to monitor changes in body components during the aging process. The internal cross-validation method PRESS presented sufficient reliability in the model as an inexpensive alternative for clinical field use.
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 | 0,001 | 0,002 |
| 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 ».