Sledování individuálního růstu je v pediatrické praxi vyžadováno denně a často je doprovázeno potřebou podrobnějších analýz. Analýzu lidského růstu potřebují také sportovní antropologové a výzkumníci v oblasti biologie člověka. Přínosem by tedy byla pokročilá a zároveň snadno použitelná a bezplatná aplikace, která by pediatrům, auxologům a výzkumným pracovníkům v oblasti biologie člověka umožňovala provádět hloubkovou analýzu postnatálního růstu. Aplikace GROWTH byla vyvinuta na základě pochopení biologických procesů lidského růstu a matematických přístupů, které poskytují nejvhodnější model pro individuální (longitudinální) empirická data. Aplikace je navržena tak, aby ji bylo možné používat v každodenní pediatrické praxi. Poskytuje lékařům nástroje pro sledování růstu, předpovídání dosažené výšky a diagnostiku patologických růstových vzorců. Pokročilá analýza zahrnuje odhad časování hlavních růstových milníků. Současná verze je vyvrcholením několikastupňového vývoje aplikace a je založena na metodě FPCA (funkční analýza hlavních komponent) s numerickou optimalizací. Výstupní parametry jsou snadno použitelné a zobrazují se numericky i graficky.
Monitoring of individual growth is required on daily basis in paediatric practice, often accompanied by need for more in-depth analyses. Sports anthropologists and researchers in the fi eld of human biology also need to analyze human growth. To allow clinicians and researchers to monitor human growth and analyze it in advanced manner, easy-to-use free application would be beneficial. The application, GROWTH, was developed based on an understanding of the biological processes of human growth and mathematical approaches that provide the most appropriate model for individual (longitudinal) empirical data. The application is designed to be used in daily paediatric practice. It provides clinicians with tools to monitor growth, predict attained height and diagnose pathological growth patterns. Advanced analysis includes the timing of major growth milestones. The current version is the culmination of a multi-stage development of the application and is based on Functional Principal Components Analysis method with numerical optimization. The output parameters are easy to use and are displayed both numerically and graphically.
OBJECTIVES: The universally recognized indicator of nutritional status, BMI, has some shortcomings, especially in detecting overweight and obesity. A relatively recently introduced normal weight obesity (NWO) describes a phenomenon when individuals are found to have normal weight as indicated by BMI but have an elevated percentage of body fat. Normal weight obese individuals face a higher risk of developing metabolic syndrome, cardiometabolic dysfunction and have higher mortality. No studies have been previously performed which would map NWO in Brno, Czech Republic. METHODS: In a sample of 100 women from Brno, we assessed the percentage of normal weight obese individuals using bioelectric impedance analysis (BIA) - three different analyzers were utilized: Tanita BC-545 personal digital scale, InBody 230 and BodyStat 1500MDD. Also, a caliperation method was used to estimate body fat percentage. Various body fat percentage cut-off points were used according to different authors. RESULTS: When the 30% body fat (BF) cut-off was used, up to 14% of the women in our sample were found to be normal weight obese. When the sum of skinfolds or the 35% BF cut-off point are selected as a criterion for identifying normal weight obesity (NOW), only 1 of 100 examined women was identified as normal weight obese; at the 35% BF cut-off, BodyStat analyzer categorized no women as normal weight obese. Also, when the 30% BF or 66th percentile BF cut-off points were utilized, BodyStat identified pronouncedly fewer women from our sample to be normal-weight obese than the two other analyzers. CONCLUSIONS: On a pilot sample of Czech women, we demonstrated that depending on the selected cut-off (there is no clear agreement on cut-off points in literature), up to 14% of the examined women were found to be normal weight obese.
- MeSH
- dospělí MeSH
- index tělesné hmotnosti MeSH
- kardiovaskulární nemoci * prevence a kontrola MeSH
- lidé MeSH
- městské obyvatelstvo MeSH
- nadváha MeSH
- obezita * MeSH
- průřezové studie MeSH
- složení těla * MeSH
- tloušťka kožní řasy MeSH
- Check Tag
- dospělí MeSH
- lidé MeSH
- ženské pohlaví MeSH
- Publikační typ
- časopisecké články MeSH
- Geografické názvy
- Česká republika MeSH
