NUTRITIONAL STATUS AND CARDIOMETABOLIC RISK IN WOMEN: RELATIONSHIP WITH USUAL AND NON-USUAL COMPONENTS OF BODY COMPOSITION
Bibliographic record
Abstract
Os componentes da composição corporal usuais: massa magra (MM) e massa gorda (MG) e não-usuais: relação gorduramassa magra (RGM), índice de massa magra (IMM), índice de massa gorda (IMG) são preditores de alterações em parâmetros da síndrome metabólica (SM) de acordo com o estado nutricional.Nesse aspecto, o objetivo do presente estudo foi investigar e discriminar a sensibilidade dos componentes não usuais como indicadores de risco para SM em mulheres adultas de acordo com o estado nutricional.O estudo incluiu 338 mulheres de 25 a 74 anos de idade.Avaliou-se a MM, MG relativa e absoluta, IMM, o IMG e a RGM, circunferência de cintura (CC), pressão arterial sistólica (PAS), pressão arterial diastólica (PAD).Constataram-se diferenças significativas entre os componentes usuais e não usuais da composição corporal para a CC, PAD e glicemia em jejum nos diferentes grupos: eutrófico, sobrepeso, obeso I, II e III; detectaram-se correlações entre os componentes da composição corporal quando comparados aos triglicerídeos e lipoproteínas de alta densidade (p<0,05).Além disso, a análise de curva ROC indicou que o IMM e o IMG podem discriminar os componentes relacionados à SM de maneira semelhante ao IMC.Conclui-se, que tanto os componentes usuais e não usuais da composição corporal podem detectar riscos associados ao sobrepeso e obesidade das mulheres analisadas nessa pesquisa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".