A Large-Scale Evaluation into the Accuracy of Bioelectrical Impedance Devices for Assessing Body Composition: A 10-Year Analysis in Canadian University Students
Notice bibliographique
Résumé
<ns3:p>Background: The assessment of body composition can be conducted using a variety of devices, each providing practitioners unique advantages such as cost effectiveness, efficiency, accessibility, and accuracy. The purpose of this study was to evaluate the precision of three bioelectrical impedance analysis (BIA) devices when compared to air displacement plethysmography (BOD POD). Methods: A large-scale study involving 617 undergraduate kinesiology students (♀ = 342 | ♂ = 275) participated in this study. Participants had a mean ( SD) age of 21.2 2.0 y, a height of 171.9 9.9 cm, and a weight of 71.6 15.2 kg. Each participant completed a body composition assessment using the following BIA equipment: Tanita BC-568, Tanita BF-683W, and InBody 230 to estimate body fat (%). Air plethysmography (BOD POD) was used as the criterion method for deriving body composition. Order of assessments were randomized and were performed 1hr apart on the same day. Results: All data sets were positively skewed and determined to be non-normally distributed after conducting a Shapiro-wilk assessment (p < 0.05). Statistically significant differences in the mean absolute error between the criterion and each BIA device were observed: Tanita-568 (MAE = 4.8, p < 0.0001), Tanita-683 (MAE = 5.8, p < 0.0001) and InBody 230 (MAE = 4.6, p = 0.046). The calculated effect size between each BIA device and the criterion revealed trivial differences (ES 0.16). Conclusion: Overall, the InBody 230 BIA device displayed the strongest agreement with the BOD POD.</ns3:p>
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».