预测VO2max使用肺功能和三维 (3D) 全量测量提供了对全量级级联 (M^0.75) 的新见解

科学领域:

• 生理学 生理学 生理学
• 生物统计学 生物统计学
• 流行病学 流行病学

背景情况:

• 在大量人群中直接测量心肺呼吸能力 (VO2max) 是不切实际的.
• 对VO2max的预测方程通常使用附加模型,这些模型在生物学上比乘法模型难以解释.
• 现有的模型可能会因不完全包含混变量而使质量指数膨胀.

研究的目的:

• 开发用于预测VO2max的多重性,全度模型.
• 纳入关键的混变量,包括强制生命能力 (FVC) 和1秒强制呼吸量 (FEV1).
• 为了实现一个维度有效的模型 ( M^2/3) 正如最初提出的.

主要方法:

• 采用了一个三维的乘法计量模型:VO2max = M^k1 * HT^k2 * WC^k3 * exp ((a + b*age + c*age^2 + d*%fat) * ε.
• 模型性能使用Akaike信息标准 (AIC) 和残留诊断进行了比较.
• 截获的数据被调整为性别和身体不活动等类别因素.

主要成果:

• 显著的VO2max预测因素包括身体不活动,体重 (M),腰围 (WC),年龄^2,%脂肪,FVC和FEV1.
• 身体质量指数是0.695 (M^0.695),接近M^2/3.3. 这就是说.
• 年龄^2和身体不活动被确定为最强的预测因素,全尺度模型在适应性方面表现优于附加模型.

结论:

• 与添加模型相比,集成FVC和FEV1的乘法测量模型提供了优越的VO2max维度和理论预测.
• 这些模型提供了增强的生物解释性.
• 如果没有FVC和FEV1数据,身高 (HT) 可以作为合适的替代品.