Measurement of resting energy expenditure and its accuracy in women with breast cancer
Notice bibliographique
Résumé
BACKGROUND & AIMS: Breast cancer (BC) is frequently linked with obesity, metabolic syndrome, and sarcopenia. Therefore, measuring or accurately estimating resting energy expenditure (REE) is crucial for tailoring nutritional needs, managing weight and prevent under- or over-nutrition. We aimed to measure and compare REE between women with BC and a matched control group. Moreover, the prediction accuracy of selected formulas was evaluated. METHODS: were included in this cross-sectional analysis. Anthropometry, indirect calorimetry, and bioelectrical impedance analysis (BIA) were performed. Patients with BC data were compared to healthy women with similar age and BMI range. Measured REE (mREE) was compared against 15 predictive equations. Agreement between methods was evaluated using Bland-Altman analysis. RESULTS: ) and 75 women as control group. There were no differences in age, anthropometry, and BIA variables between groups, except for percentage fat mass. Measured REE values, alone and adjusted for fat-free mass (FFM) and age, were higher in patients with BC compared to controls (+4.3 % and +6.1 %, respectively). Regarding REE prediction, most of the selected equations underestimated mREE. Precision varied widely, with the two Marra equations showing the highest agreement (73 % and 74.5 %) along with the Müller equation (74 %), however, the wide limit of agreement range indicates substantial variability. CONCLUSIONS: Women with early-stage BC exhibited higher mREE compared to controls, albeit its clinical significance is unknown. None of the selected predictive equations provided accurate and precise REE estimates in this group. Although the Marra equation displayed the highest agreement, further studies are needed to evaluate REE variability and its prediction in women with BC.
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 | 0,000 |
| 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 ».