在墨西哥人口中,用生物阻抗数据对体重指数的启发性评估

科学领域:

• 生物识别信息 生物识别信息
• 人工智能的人工智能
• 公共卫生 公共卫生

背景情况:

• 心脏代谢疾病对公众健康构成重大挑战.
• 准确估计超重和肥胖对于人口健康管理至关重要.
• 传统的身体质量指数 (BMI) 在精确评估身体脂肪方面存在局限性.

研究的目的:

• 评估传统的BMI公式 (kg/m2) 与通过生物阻抗测量的身体脂肪百分比.
• 用人工智能将BMI与代数转换变量进行比较.
• 为了确定一个更准确的公式来估计从体重和身高的身体脂肪百分比.

主要方法:

• 使用人工智能启发式搜索方法来发现新的公式.
• 通过将代数转换规则应用于BMI,生成了成千上万的公式.
• 用Youden索引来指导搜索算法和评估候选人的公式.

主要成果:

• 分析了来自142名女性和150名男性的数据.
• 参与者根据身体脂肪百分比进行分类 (30%的女性,15%的男性).
• 公式 体重1.1 / 身高2.9 (W1.1 / H2.9) 显示了最高的尤登指数,超过了传统的BMI.

结论:

• 与BMI相比,人工智能衍生的公式W1.1 / H2.9在评估男性和女性的身体脂肪方面更有效.
• 这种新的配方为估计超重和肥胖症提供了一个潜在的改进工具.
• 需要在不同种群中进一步验证W1.1 / H2.9公式.