校准3DO区域体积到DXA
使3DO的躯干和腿部体积测量与DXA等效,以便应用DXA推导的躯干-腿部比值。
使用先前发布的回归方程将3DO躯干体积和腿部体积校准到DXA体积。
Trunk-to-leg volume and appendicular lean mass from a commercial 3-dimensional optical body scanner for disease risk identification
基于观察性队列数据,采用3DO和DXA测量及统计模型,但无功能或机制验证,主要为横断面关联分析。
Shape Up! Adults研究队列(502名成年人,覆盖不同性别、年龄、BMI和种族/民族) 3DO身体扫描(Styku S100)与DXA(Hologic Discovery/A)测量
3DO校准方程:躯干体积 = 0.47 * 3DO躯干体积 + 10.16;腿部体积:男性1.50*3DO腿体积+3.01,女性1.53*3DO腿体积+2.19 NHANES躯干-腿部体积四分位数阈值:Q1 (<1.34), Q2 (1.34–1.50), Q3 (1.50–1.65), Q4 (>1.65) MetS诊断标准:2005 NCEP ATP III指南,≥3项异常(腰围、TG、BP、BG、HDL-C) ALM预测模型变量:年龄、性别、质量、身高、瘦体重、臀围、平均大腿中部围、平均下二头肌围、下腰围
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
使3DO的躯干和腿部体积测量与DXA等效,以便应用DXA推导的躯干-腿部比值。
使用先前发布的回归方程将3DO躯干体积和腿部体积校准到DXA体积。
检验3DO躯干-腿部体积比是否与MetS及其成分风险相关,并比较与DXA的预测性能。
将3DO躯干-腿部体积比按NHANES四分位数分类,使用逻辑回归模型计算MetS、HOMA-IR和异常血糖参数的患病率及风险。
利用3DO身体形态特征估计DXA四肢瘦体重(ALM)。
使用十折交叉验证的机器学习方法,基于3DO测量的人口统计学和身体形态特征开发ALM预测方程。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 3DO身体扫描 | Styku S100扫描仪 | Styku LLC | -- |
| DXA扫描 | Hologic Discovery/A系统 | Hologic Inc. | -- |
| DXA分析软件 | Hologic Apex 5.6版 | Hologic Inc. | -- |
| 统计分析 | SAS 9.4版 | SAS Institute | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 3DO和DXA扫描 | 设备型号(Styku S100, Hologic Discovery/A),软件版本(Styku 4.1, Hologic Apex 5.6),校准方程(躯干体积:0.47*3DO躯干体积+10.16;腿部体积:男1.50*3DO腿部体积+3.01,女1.53*3DO腿部体积+2.19) 阅读提示:Methods部分,第1段和第2段 |
| MetS定义和风险分类 | MetS诊断标准(2005 NCEP ATP III),腰围切点(男≥102 cm,女≥88 cm),四分位数阈值(Q1 <1.34, Q2 1.34–1.50, Q3 1.50–1.65, Q4 >1.65) 阅读提示:Methods部分,第3段 |
| ALM预测模型开发 | 交叉验证折数(10折),预测变量(年龄、性别、体重、身高、瘦体重、臀围、平均大腿中部围、平均下二头肌围、下腰围),模型公式(ALM3DO=2.11071−0.01743*age+1.19736*sex+0.18805*mass+0.04599*height+0.25842*lean mass−0.09186*hip circumference+0.03604*average mid-thigh circumference+0.03917*average lower bicep circumference−0.11593*lower waist circumference) 阅读提示:Results部分第3段和Table 3 |