Skinfold Thicknesses And Ultrasound Perform Similarly When Used For Correcting Girths To Estimate Fat-free Mass
Notice bibliographique
Résumé
Body composition is a fundamental component of fitness. Among the available techniques for body composition assessment (including fat-free mass, FFM), anthropometry offers portability, cost-effectiveness, and relative ease of application. Incorporating corrected girths for subcutaneous adipose tissue (SAT) is valuable for estimating FFM. However, the SAT estimated from skinfold thicknesses introduces theoretical weakness that ultrasound-measured SAT may potentially mitigate. PURPOSE: To determine whether the girths corrected for ultrasound-measured SAT are better to predict DXA-derived FFM than girths corrected for skinfold thickness-measured SAT. METHODS: Sixty university students (42 females, age: 21.3 ± 2.2 y, weight: 58.4 ± 10.3 kg, height: 1.61 ± 0.07 m, FFM: 41.9 ± 6.5 kg; 18 males, age: 21.2 ± 1.8 y, weight: 73.0 ± 11.7 kg, height: 1.76 ± 0.06 m, FFM: 61.4 ± 9.1 kg) underwent a whole-body DXA scan to assess their FFM, and anthropometric measurements according to the ISAK protocol carried out by certified personnel. We calculated four corrected girths (CG) as Girth - (π * SAT) for the arm, forearm, proximal thigh, and calf girths, corrected for the triceps, biceps, thigh, and calf SAT coming from anthropometric skinfold thicknesses or ultrasound images measured at the same location. Then, we calculated a corrected girth method (CGM) as the Average CG (cm) * Height (m), where the CG could come from anthropometry (CGM-A) or ultrasound (CGM-U). We used simple linear regression models to estimate DXA-derived FFM from CGM-A and CGM-U by sex. RESULTS: The mean CGM-A and CGM-U for females was 50.20 ± 5.33 and 53.24 ± 5.66, whereas for males they were 62.58 ± 6.89 and 64.63 ± 6.89, respectively. The prediction equations for females were: FFM = -16.08 + 1.15 * CGM-A (SEE = 2.09 kg, R2 = 0.90), and FFM = -15.93 + 1.09 * CGM-U (SEE = 2.09 kg, R2 = 0.90). The prediction equations for males were: FFM = -18.43 + 1.28 * CGM-A (SEE = 2.51 kg, R2 = 0.93), and FFM = -19.19 + 1.25 CGM-U (SEE = 2.60 kg, R2 = 0.92). CONCLUSIONS: The anthropometric and ultrasound CGM are valid FFM indicators; however, ultrasound does not improve the correlation with FFM compared to anthropometry. More extensive and longitudinal studies are needed to validate our findings and assess the comparative efficacy in detecting changes in FFM.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».