文摘

静息代谢率(RMR)是个体的能源需求的关键因素。测量的RMR间接量热法不可行的领域设置,因此equation-based计算使用。从一个有效的方程不是斯里兰卡人,重要的是要开发一个新的特定人群方程领域使用。这项研究的目标是开发一个新的方程预测的RMR健康斯里兰卡人使用一个参考方法,间接量热法。RMR数据收集从57(男27)19岁到60岁的成年人。他们被随机分配到验证(n= 28)和交叉验证(n使用统计软件包= 19)组R(3.6.3版本)。身高、体重、RMR和测量。多变量多项式分段(MFP)被用来确定解释变量和它们的功能形式的模型。一个变量收缩方法被用来找到最好的适合预测方程的系数。发达方程旨在在一个独立的团体。体重和性别代码(男= 1;女= 0)被确定为可靠的独立变量。新方程发达RMR(千卡/天)= 284.5 + (13.2 x重量)+ (133.0 x性代码)。独立变量的预测方程可以预测方差的88.5%。均方根误差(RMSE)验证和交叉验证的预测方程为88.11千卡/天79.03千卡/天,分别。 The equation developed in this study is suitable for predicting RMR in Sri Lankan adults.

1。介绍

在斯里兰卡肥胖的患病率增加(1),这是一个主要的危险因素与饮食相关非传染性疾病包括2型糖尿病,心血管疾病和高血压(2]。这是由于一个积极的能量平衡,能量摄入超过能量消耗(2]。总能量消耗(t)是静息代谢率的总和(RMR),热效应的食物,和身体活动能量消耗(3]。RMR是身体的能量消耗在休息和占大约60%到70%的三通(2]。它是用于个人的能源需求的评估2]。实现能量摄入和支出的平衡是最佳体重的关键(4]。这需要了解一个人的能量需求和依赖于准确的评估方法5]。

RMR可以使用直接或间接测量量热法。然而,这些方法在字段级别的使用是不可行的由于高成本和需要训练有素的人员(5]。因为热量计测量领域的RMR设置是有限的,这将是谨慎使用其他方法如方程来估计RMR [5]。预测方程由RMR收集的数据使用一个参考方法和独立变量,如体重、身高、年龄、和性(3]。

方程预测的RMR开发不同人群在上个世纪的早期作品Harris-Benedict在1918年。最近的评论报道248年预测方程表明,大多数的这些方程预测RMR开发西部人口(6]。使用在其他人群的有效性一再质疑,这些方程在不同人群(旨在7,8]。准确预测方程在人口将匹配原始人口用于开发方程(9]。亚洲的一些研究显示,最常用的预测方程RMR如Harris-Benedict [10,斯科菲尔德11),粮农组织/世卫组织/联合国[12),和》等。13]高估了亚洲人的RMR [7,8]。因此,重要的是要为不同民族在可能的情况下开发合适的方程。不适合现有的预测方程的RMR在亚洲导致开发新方程在亚洲人群。苏亚雷斯et al。14]和码头和Shetty [15)开发的两个方程来预测RMR在印度的男性和女性,分别是在1993年。我们所知,只有这两个方程上开发南亚的人口。

目前,没有特定人群方程可用于预测RMR斯里兰卡人。重要的是验证现有的目标人口方程或如果现有的方程是无效的,开发一个新的特定人群为目标人群方程。在当前队列,十选方程包括Harris-Benedict,斯科菲尔德,圣乔,欧文,和方程式上开发亚洲人和印第安人证明显著高估预测RMR [16]。不适合现有的预测方程的RMR斯里兰卡成年人强调了需要发展一个新的特定人群方程(16]。本研究旨在开发一种新的方程预测的RMR健康斯里兰卡成年人使用的参考方法,间接量热法。

2。材料和方法

2.1。研究参与者

共有57个健康志愿者(男性)27日19岁至60岁,居住在西部省份,招募了横断面研究。样本大小计算根据Knofczynski Mundfrom方法预测模型研究[17]。孕妇或哺乳期妇女,那些试图减肥在过去的三个月里,那些有重大疾病或药物治疗,和那些有减肥手术,被排除在研究之外。本研究进行的生物化学和分子生物学,医学院,斯里兰卡科伦坡大学。

2.2。人体测量数据

一个训练有素的人员做了所有人体测量在标准条件下使用的国际社会促进Kineanthropometry(伊萨克)协议(18]。体重在标准条件下测量到最近的0.1公斤使用校准电子体重秤(Seca GMBH & Co。塞卡风803年,公斤。,德国)。高度在标准条件下测量到最近的0.1厘米使用测距仪(Seca 225,伸缩高度测量,Seca GMBH & Co .,公斤。,德国)。身体质量指数(BMI)计算体重/身高2(公斤/米2)。

2.3。RMR测量

RMR测量使用开路桌面间接热量计(cosm Fitmate GS®、意大利)。受试者被要求快速至少10小时,戒酒,咖啡因,尼古丁,剧烈运动前12小时测试。女性参与者建议月经期间不安排他们的会话天RMR避免任何影响月经。一个调查员进行热量测量根据标准协议(19]。参与者被要求休息20分钟在测试前在一个空调房间在仰卧位25°C。RMR测量进行8至10点而参与者在仰卧位休息。测试是在一个热中性的房间温度25°C,确保每个身体舒适和正确定位测量。在前五分钟内获得的数据被丢弃的,下一个20分钟的稳态数据记录根据标准协议。RMR测量重复了七天后在相似的条件下为每一个参与者和RMR是用于分析。

的cosm Fitmate GS®系统包含一个透明塑料罩覆盖主题的头和室内空气的连续流。罩是附加到流量计(双向涡轮)。环境空气的流稀释参与者的过期的气体,这是针对签证官的氧分析仪来确定2和RMR。cosm Fitmate GS®系统使用0.85作为呼吸商使用修改后的堰RMR方程,计算(EE(千卡/天)=((签证官2×0.85×3.941]+[签证官2×1.11])×1440][20.]。气体分析仪和流量计前校准每个会话的赛季校准注射器(Fitmate、罗马、意大利)。

2.4。统计分析

数据的57个参与者包括在最终的分析中。所有使用统计软件包进行统计分析R3.6.3版本。data-splitting算法被用来随机独立的数据验证和交叉验证数据集的比例2:1。参数之间的比较验证(n= 38)和交叉验证(n= 19)团体使用独立样本t以及。是意义 。验证数据集被用来建造我们的预后模型来估计变量系数;交叉验证数据被用来验证模型。

正常和多重共线性的变量进行评估。依赖和独立变量之间的联系被评估和回归线绘制散点图。二进制虚变量(男性和女性= 1 = 0)被用来代码性(21]。多变量多项式分段(MFP)适合连续变量(身高、体重、体重指数、年龄)。分段多项式拟合的方法更灵活的比平常简单的多项式多项式和涉及选择从一组多项式函数。多变量基于内部测验分数阶多项式拟合程序,维护整体1型0.05测试的错误(α)。这些变量是安装使用封闭测试来检查他们是否应该包含或排除使用α1,是否应该执行部分转换使用α2 (22]。解释性预测变量和功能形式确定使用“mfp”包R3.6.3版本验证组。

变量收缩被用来估计可靠预测发展方程的系数减少过度拟合的风险。不同的处罚适用于找到方程预测精度最高。预测系数由最小二乘法回归了接近零乘以一个常数的岭回归。这种方法使所有预测最后的模型。系数被加上或者减去一个常数为零的最小角度选择和收缩算子(套索)方法。这种方法可以确保结果的稀疏缩小一些系数为零。弹性网是一个混合的岭回归和套索调整hyperparameter的值α(23]。

最好的预测模型在不同的处罚条款被选定的拟合优度统计量的测量。应该有一个高的最佳预测方程R2以最小均方根误差(RMSE)。最好的模型旨在在一个独立的样品21,24]。Bland-Altman方法(25)是用来评估意味着区别两种测量方法(偏差)和95%限制协议的平均差(±1.96 SD)。

2.5。道德

伦理审查委员会的医学院,科伦坡大学批准研究协议(ec - 18 - 68),和随后的过程都是按照道德标准的委员会。从所有参与者通知书面同意了。

3所示。结果

验证组的参与者的一般特征和交叉验证组表1。研究人群包括57个成年人,其中47%是男性。平均RMR以男性和女性分别为1291.3±165.6千卡/天1060.2±122.9千卡/天,分别。年龄没有显著差异,人体测量学和RMR数据验证和交叉验证。

表1
一般特征的验证和交叉验证组性。

所有的连续变量是正态分布。RMR通过间接量热法(参考方法)与体重显著相关(r= 0.840, ),高度(r= 0.763, ),和体重指数(r= 0.452, )验证的组织。年龄(r= -0.015, )没有表现出显著相关性RMR如图1。RMR是因变量和体重、身高、体重指数、年龄、和性是可能的独立预测因子。


图1
验证组RMR和继续独立变量之间的联系。

MFP结果如表所示2和3。在变量考虑,体重、身高、BMI和年龄是连续变量。FP (FP2,自由度(df) = 2)功能申请这些连续变量的目的还包括变量非线性对RMR可靠和RMR的重要预测因子。MFP测试导致了广义线性模型,包括体重和性别。体重和性别是可靠的RMR指标。身高、体重指数、年龄并不包括在预测模型和没有预测的RMR人口。

表2
多变量多项式分段(MFP)输出。

变量收缩(脊、套索和弹性净回归)与10倍重复交叉验证方法被用来估计最终模型的可靠的预测系数。最好的模型符合至少RMSE和最高R2线性弹性网获得的方法,结合L1和L2处罚的套索和脊方法。对比的方法如表所示4和图2。

表3
分段多项式
表4
比较模型(广义线性,套索、弹性网和脊)。

图2
对比的方法(广义线性,套索,弹性网和脊)。

预测系数均获得最适合弹性净回归模型,α为0.1λ1。最终的模型RMR(千卡/天)= 284.5 + (13.2 x重量)+ (133.0 x性代码)。R20.88和RMSE获得最终的模型,分别RMSE = 88.11千卡/天。最终模型旨在在一个独立的交叉验证示例(n= 19)。因交叉验证所得RMSE是79.03。没有显著区别RMR和间接量热法的RMR初步方程(1162.3千卡/天1146.3千卡/天, )。RMSE经交叉验证组和验证组具有可比性。

RMR预测的预测方程绘制RMR评价的参考方法集成电路(图3(一个))。Bland-Altman情节之间的方程和RMR情节的区别是如图的参考方法3 (b)。协议的限制是+ 139.67−171.92和方程导致小意味着负偏压16.12±79.48千卡/天。联系RMR偏差和平均RMR不显著(r= 0.35, )。

(一)
(一)
(b)
(b)
图3
联系RMR和间接量热法(参考方法)的RMR预测方程。(一)RMR回归线(R 2= 0.89, )。(b) Bland-Altman RMR情节差异(r= 0.35, )。

4所示。讨论

新方程发展的预测和验证RMR斯里兰卡成年人充满的一个重要空白RMR准确但简单的预测方法。中包含的独立变量预测方程表现出更高程度的协会与因变量的变量是不包括在内。RMR衡量间接量热法和RMR方程预测的相关。方程时旨在在一个独立的样本,它有一个小的偏见和狭隘限制的协议,表明非常好的性能。

交叉验证现有的方程,Harris-Benedict,斯科菲尔德,他的体重,身高和体重,欧文,圣Jeor,亨利,Liu Ganpule和印度方程由苏亚雷斯et al。14]和码头和Shetty [15],以前在当前队列执行[16]。斯里兰卡的所有方程显著高估了RMR成年人和最小偏差报告(−170±102千卡/天)报道了Ganpule方程。方程在本研究开发的更健壮,较小的偏差(−16.12±79.48千卡/天)比现有的方程在当前队列。

MFP方法在本研究采用调整连续变量(体重、身高、BMI和年龄),允许非线性函数形式。重量和独立变量是性别选择的MFP作为潜在变量来预测RMR在这项研究中。允许多项式函数形式在目前的研究中,身高、体重指数和年龄并不包括在模型表明这些变量及其多项式并不重要的预测变量。我们使用一个变量收缩方法避免过度拟合的效果和multicolinearity在模型中。预测系数调整了山脊,套索和弹性净回归为了提高MFP产生的广义线性模型的可预测性。变量收缩方法减少抽样变异,提高模型的普遍性。弹性净回归导致最适合的模型。这个最适合模型预测系数估计(预测方程)。偏见RMR和平均RMR彼此没有显著相关方程表明不会导致更高的偏差为高RMR和低偏差RMR低。

1169±184千卡/天的RMR价值用间接测量量热法在我们的研究相当有价值的亚洲人和南亚人。码头和谢蒂(15]报道1122±143千卡/天(n为一位印度女= 60)RMR,饶et al。7]报道1384±285千卡/天(n= 21)和1094±238千卡/天(n= 22),年轻的中国男性和女性分别为(7]。众所周知,RMR亚洲人低于西方人口(7,8,26]。在亚洲人可以解释下RMR民族身体成分的变化。亚洲人倾向于有更多的脂肪组织相比,西部人口对于给定的体重,从而减少肌肉对于一个给定的重量。(27,28]。RMR相关肌肉的代谢活跃的组织。

在这项研究中,体重是最强的预测RMR和相关性最高(r= 0.840, )。这一发现与几乎所有协议RMR先前发表的研究,在体重最高的变异占RMR [9,26,29日]。RMR除了体重受到几个因素的影响。这些因素是性别、身高、体重指数、年龄、新陈代谢和身体成分,尤其是活跃组织(27]。性别、身高和体重指数呈正相关,与RMR衡量间接量热法在我们的研究中。然而,在发展的预测方程,虽然身高和体重指数noncontributing变量,体重和性别是最靠谱的RMR作为独立变量。RMR值在男性通常比女性和可能是由于观察到的差异有代谢活跃的组织如肌肉量(2]。在我们的研究中,我们观察到,这意味着RMR男性为1291±166千卡/天,意味着RMR女性是1060±123千卡/天。年龄与测量RMR没有显著相关(r=−0.015, )在我们的研究尽管先前的研究已经报道与RMR负相关(2]。这可以用这一事实来解释我们的研究有一个小数量的参与者对于一个给定的年龄范围。这个数字可能不够充分的捕捉一个重大的负面RMR和年龄之间的关系。

最容易回归方程是基于可衡量的人体测量参数(体重、身高和年龄),一些是基于身体成分参数(全身水(TBW),脂肪量(FM)和不含脂肪的质量(FFM) [30.]。FFM最近关注的代谢研究由于其潜在作用发展的非传染性疾病(非传染性疾病),如糖尿病2]。如果FFM有保护作用的非传染性疾病的发展,潜在的可能机制是通过其对代谢率的影响,研究FFM-RMR关系变得重要。FFM可以发现在一些RMR预测模型(2,9]。最近的一项研究相比,重量和FFM在一个不同的模型,并得出结论,包括FFM而不是体重有轻微的改善(R2= 0.702 vsR2在预测精度(= 0.706)9]。然而,精确的身体组成评估需要设备和培训,包括RMR预测模型,特别是在资源贫乏的环境中,可能会降低其使用在现场设置的可行性[30.]。

方程在我们的研究开发是一个结合性代码,体重依赖型剂量方程,可以很容易地使用领域的水平。方程由Almajwa和Abulmeat [9)包括FFM TBW、调频和年龄和是在一个更大的人口和开发意味着偏见报道相当与我们的方程。我们只有简单的方程有一个体重测量和性预测因子,而保持精度。

身体活动和久坐不动的行为可能影响RMR [30.]。在我们的研究中,任何短期的影响身体活动是通过确保最小的参与者避免剧烈运动立即在考试前的一天。本研究的力量,RMR测量的要求(postabsorptive状态,缺乏肌肉的活动,和热中性的环境)是严格满足。进一步可能的混杂因素如月经、怀孕和哺乳期,已知的主要疾病占通过排除标准。

本研究的主要限制是使用Fitmate GS®桌面间接量热计的参考方法。Fitmate GS®系统不包含一个有限公司2传感器和计算有限公司2生产从O2通过假设生产0.85作为呼吸商(RQ)。然而,科学证据表明,在一个稳定状态,中移动的范围0.84±0.04 (3]。因此,假设中移动(= 0.85)在估计RMR可能引入错误。其他本研究的局限性是小样本大小和西部省份的主要参与者,这可能会降低结果的普遍性,整个国家没有进一步的验证。未来的研究应该设计旨在新方程在不同人群来确认这个方程的准确性和适用性。

5。结论

一个新的特定人群的预测方程RMR开发斯里兰卡的成年人。新方程表现良好在斯里兰卡成年人和显示与测量RMR好协议。因此,这个方程适用于预测的RMR斯里兰卡的成年人。新开发的方程是简单的;它的变量,结合性代码和重量,使它容易使用现场的水平。

数据可用性

数据用于支持本研究的发现可以从相应的作者。

信息披露

本文提出了部分使用不同的分析技术,以抽象的形式,在年度科学会议的营养学会斯里兰卡,2020(链接:https://www.researchgate.net/publication/339201708_Development_of_a_New_Equation_for_the_Prediction_of_Resting_Metabolic_Rate_in_Sri_Lankan_Adults)。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

作者仅负责这项研究的设计和实施。PF、PL MDL VPW,信息战参与的设计研究。PF进行这项研究,收集数据,写的手稿。PF、信息战、VPW导致了分析。信息战、MDL VPW, PL审查和编辑了手稿。所有作者阅读和批准最终的手稿。

确认

作者要感谢所有参与这项研究。的cosm Fitmate GS®量热计是通过提供一个技术公司(TC)由国际原子能机构(单反/ 0635)医学院,科伦坡大学。作者非常感谢博士Chathura Edirisuriya在科学国家健康研究所(nih),卡鲁塔拉在他的指导下,统计分析。这项研究是由生物化学与分子生物学、科伦坡大学医学院。