MARC

 008240612s2023      us  |||||||||||||||c||eng  d
■001000016932254
■00520240214100434
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380326186
■035    ▼a(MiAaPQ)AAI30490589
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a612
■1001  ▼aMetoyer,  Casey.
■24510▼aCritical  Analysis  of  the  Reliability  and  Prediction  Error  of  a  Novel  Smartphone  Application  for  Measuring  Body  Composition▼h[electronic  resource]
■260    ▼a[S.l.]:▼bThe  University  of  Alabama.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(93  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-03,  Section:  A.
■500    ▼aAdvisor:  Esco,  Michael  R.;Fedewa,  Michael  V.
■5021  ▼aThesis  (Ph.D.)--The  University  of  Alabama,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aA  smartphone  application  was  recently  developed  that  measures  body  composition  from  a  2-dimensional  image  of  a  standing  person  (%FatIMAGE).  Three  experiments  were  performed  to  1)  determine  the  reliability  of  %FatIMAGE  in  two  different  body  positions  and  days,  2)  determine  the  reliability  of  %FatIMAGE  across  different  cameras,  room  lighting  levels,  and  colored  backgrounds,  and  3)  assess  the  potential  sources  of  error  related  to  %Fat  estimation  with  bioimpedance,  skinfold,  and  IMAGE.  In  the  first  study,  %FatIMAGE  was  measured  in  the  anterior  (ANTDay1)  and  posterior  (POSTDay1)  positions,  then  again  within  48  hours  of  the  first  visit  (POSTDay2).  The  ANTDay1  was  significantly  lower  compared  to  the  reference,  whereas  the  POSTDay2  was  not.  In  the  second  study,  %FatIMAGE  was  estimated  in  different  megapixel  cameras  (12MP,  8MP,  5MP,  and  0.7MP),  different  room  lighting  conditions  (i.e.,  low=LL,  medium=ML,  ambient=AL,  and  bright  light=BL),  and  different  colored  backgrounds  (White=WB,  Black=BB,  Green=GnB,  Orange=OB,  and  Gray=GyB).  Conditions  were  compared  to  a  reference  (8MP,  AL,  and  WB).  The  0.7MP  was  significantly  higher  than  the  reference,  whereas  the  12MP  and  5MP  were  not.  The  LL  was  significantly  higher  than  the  reference,  whereas  the  BL  and  ML  were  not.  The  BB,  GnB,  and  GyB  were  significantly  higher  than  the  WB,  whereas  the  OB  was  not.  In  a  third  study,  %Fat  was  measured  via  bioimpedance,  skinfold,  %FatIMAGE,  and  a  criterion  4-  compartment  model.  The  constant  error  (CE)  was  calculated  (%Fat  condition  -  criterion)  for  each  method  (SKFERROR,BIAERROR.,  and  IMAGEERROR).  The  CE  was  correlated  with  markers  of  physical  activity  (PA)  and  muscular  fitness  (MF):  the  International  physical  activity  questionnaire  (IPAQT,  IPAQV,  IPAQM);  Perceived  functional  ability  questionnaire  (1mileSUB  and  3mileSUB);  Physical  Activity  Rating  questionnaire  (PA-R):  handgrip  test  (HG);  and  push-up  test  (PU).  SKFERROR  displayed  a  small  correlation  with  PU,  while  IPAQV,  1mileSUB,  3mileSUB,  PA-R,  and  PU  were  associated  with  IMAGEERROR.  Regression  analyses  indicated  that  only  PU  contributed  to  the  model  for  SKFERROR  and  IMAGEERROR.  In  conclusion,  the  IMAGE  produced  acceptable  reliability  across  different  camera,  lighting,  and  background  conditions  but  attention  should  be  paid  to  clothing  color  in  contrast  with  background  color.  In  addition,  further  evaluation  of  MF  measures  is  recommended,  as  higher  PU  were  associated  with  greater  IMAGEERROR.
■590    ▼aSchool  code:  0004.
■650  4▼aKinesiology.
■650  4▼aBiomedical  engineering.
■650  4▼aWeb  studies.
■653    ▼aBody  composition
■653    ▼aImage
■653    ▼aPrediction  rrror
■653    ▼aReliability
■653    ▼aSmartphone  application
■653    ▼aTechnology
■690    ▼a0575
■690    ▼a0541
■690    ▼a0646
■71020▼aThe  University  of  Alabama▼bHuman  Performance.
■7730  ▼tDissertations  Abstracts  International▼g85-03A.
■773    ▼tDissertation  Abstract  International
■790    ▼a0004
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16932254▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

Preview

Export

ChatGPT Discussion

AI Recommended Related Books