🌐 Dansk
EnglishالعربيةБългарскиবাংলাBosanskiČeštinaDanskDeutschΕλληνικάEspañol (España)Español (Latinoamérica)EestiSuomiFilipinoFrançaisहिन्दीHrvatskiMagyarBahasa IndonesiaItaliano日本語한국어LietuviųLatviešuМакедонскиBahasa MelayuNorsk bokmålNederlandsPolskiPortuguês (Brasil)Português (Portugal)RomânăРусскийSlovenčinaSlovenščinaShqipSrpskiSvenskaไทยTürkçeУкраїнськаاردوTiếng Việt简体中文繁體中文
Body composition

Målebånd vs. laboratorietest: Hvor præcist måles fedtprocent?

Standardmæssige antropometriske omkredsligninger afviger systematisk fra laboratoriebaserede multikomponentmodeller, overestimerer fedtprocenten hos veltrænede atleter og formår ikke at spore longitudinelle ændringer i kropssammensætning pålideligt.

Sidst opdateret: 2026-09-12

Multikomponentkriteriets arkitektur

Kvantificering af menneskets kropssammensætning i laboratorieomgivelser bygger på referencemodeller, der opdeler kroppen i distinkte kemiske eller anatomiske fraktioner [16]. Mens to-komponentmodeller (2C) blot opdeler massen i fedtmasse (FM) og fedtfri masse (FFM), hviler de på faste antagelser vedrørende FFM's densitet og hydrering, hvilket hyppigt introducerer målefejl på tværs af diverse atletiske og kliniske populationer [7, 16].

Fire-komponentmodellen (4C) udgør guldstandarden for in vivo-analyser af kropssammensætning ved uafhængigt at måle total kropsmasse, kropsvolumen (BV), totalt kropsvand (TBW) og knoglemineralindhold (BMC eller knogleaske) [5, 7, 16]. En klassisk matematisk konfiguration af 4C-modellen udtrykkes som:

Fat (kg)=2.747BV−0.710TBW+1.460A−2.050Weight

hvor BV bestemmes via luftfortrængningspletysmografi (ADP) eller hydrostatisk vejning, TBW via deuteriumoxid- (D2O) eller 18O-fortynding, knoglemineralaske (A) fra dual-energy X-ray absorptiometri (DXA) BMC multipliceret med 1,0436, og Weight er den totale kropsmasse [7, 16]. Fejlforplantningsanalyser viser, at en korrekt udført 4C-model opnår en målepræcision for fedtmasse på ca. 0,25 kg, samtidig med at den fastlægger en gennemsnitlig biologisk FFM-hydreringsfaktor på 0,74±0,02 [7].

Luftfortrængningspletysmografi (såsom BOD POD-systemet) anvender Poissons lov på tværs af dobbelte oscillerende kamre til bestemmelse af kropsvolumen, hvilket kræver to-punkts volumenkalibrering (tomt kammer og en 50 L cylinder), tætsiddende beklædning for at undgå isotermiske overfladeareal-artefakter samt korrektion for thorakalt gasvolumen (TGV) [9]. BOD POD-instrumentering giver en intern variationskoefficient på 2,3 % og et generelt volumenfejlområde på ±1,0% til 2,7% [7, 9]. Når feltbaserede metoder eller surrogat-billeddiagnostiske teknikker evalueres, fungerer 4C-kriteriemodeller (eller 3C DXA-rammer) som det benchmark, hvorudfra prædiktionsfejlen kvantificeres [1, 5, 10, 18].

Mekanikken bag standardiserede antropometriske formler

Feltbaserede vurderinger af kropssammensætning anvender ofte målebåndsomkredse på grund af lave omkostninger og høj tilgængelighed. Den mest fremtrædende protokol er det amerikanske forsvarsministeriums (DoD) omkredsmetode, oprindeligt udformet af James Hodgdon ved Navy Health Research Center ved hjælp af kriteriedata fra undervandsvejning og efterfølgende krydsvalideret på personel fra 1984 Army Body Composition Study [10, 14]. De matematiske formler (der anvender målinger i tommer) er struktureret som følger [12]:

  • Mænd: %BF=86.010×log10(abdomen−neck)−70.041×log10(height)+36.76
  • Kvinder: %BF=163.205×log10(waist+hip−neck)−97.684×log10(height)−78.387

Andre antropometriske indeks forsøger at omgå omkredsmålinger fra flere anatomiske steder ved at isolere specifikke anatomiske forhold. Body Adiposity Index (BAI), introduceret af Bergman et al., estimerer fedtprocent ud fra hofteomkreds og højde: BAI=[hofteomkreds (cm)/(højde (m))1.5]−18 [21]. På samme måde udnytter Relative Fat Mass (RFM)-indekset og talje-højde-forholdet (WHtR) geometrien mellem talje og højde til at estimere central fedme og tærskelværdier for visceralt fedtvæv (VAT) på tværs af demografiske grupper [3, 23].

+-----------------------------------------------------------------------------+
|                   HIERARKI FOR KROPSSAMMENSÆTNINGSMODELLER                  |
|                                                                             |
|  [4-Komponent Kriterium]                                                    |
|   ├── Total Kropsmasse (Kalibreret vægt)                                    |
|   ├── Kropsvolumen (ADP / BOD POD via Poissons lov) [9]                     |
|   ├── Totalt Kropsvand (D2O / 18O Isotopfortynding) [7]                     |
|   └── Knoglemineralmasse / Aske (DXA BMC x 1,0436) [7]                      |
|        │                                                                    |
|        ▼ Præcision: ±0,25 kg FM [7]                                         |
|                                                                             |
|  [Surrogat Laboratoriemodeller]                                             |
|   ├── Dual-Energy X-Ray Absorptiometri (DXA 3C) [5, 10]                      |
|   └── DXA-Afledte Volumen 4C-Variationer (4C-DXA1 / 4C-DXA2) [1, 3]         |
|                                                                             |
|  [Feltbaserede Antropometriske Modeller]                                    |
|   ├── DoD-Omkredsligninger (Abdomen, Hals, Talje, Hofte) [4, 10, 12]        |
|   ├── Body Adiposity Index (BAI: Hofte & Højde) [21]                        |
|   └── Relative Forhold (WHtR, RFM, BMI) [3, 15, 23]                         |
+-----------------------------------------------------------------------------+

Tværsnitlig nøjagtighed og systematiske skævheder

Valideringsstudier, der sammenligner omkredsligninger direkte med laboratoriebaseret billeddiagnostik og multikomponentkriterier, påviser tydelige systematiske skævheder relateret til deltagernes fedtfrie profil, køn og fedtfordeling [10].

I en undersøgelse af 609 aktive amerikanske marinesoldater (430 mænd, 179 kvinder; i alderen 18–57 år) evalueret i forhold til tre-komponent DXA, udviste DoD-abdominalomkredsligningerne en markant retningsbestemt bias [10]:

  • Hos mænd undervurderede omkredsligningen systematisk fedtprocenten med en gennemsnitlig bias på −2,6±3,7% (alder ≤30) og −2,5±3,7% (alder >30) [10].
  • Hos kvinder overvurderede ligningen systematisk fedtprocenten med +2,3±4,3% (alder ≤30) og +1,3±4,8% (alder >30) [10].
  • Individuelle regressionsanalyser afslørede proportional bias: omkredsmetoden overvurderede systematisk kropsfedt hos veltrænede/slanke personer, mens den undervurderede kropsfedt hos personer med højere fedtprocent [10].

Til sammenligning udviste bioelektrisk impedansanalyse (BIA via RJL Systems Quantum IV) i samme kohorte en lavere gennemsnitlig bias over for DXA (mænd ≤30: 0,4±3,2%, >30: −0,5±3,5%; kvinder ≤30: 1,4±3,1%, >30: 0,0±3,3%) [10].

Lignende retningsbestemte fejl ses ved indeks baseret på en enkelt omkreds. I en kohorte på 95 kvinder evalueret via DXA blev BAI overgået af standard-BMI til prædiktion af fedtprocent (BMI: r=0,823, r2=0,678, SEE=3,89%; BAI: r=0,702, SEE=4,88%) og undervurderede kropsfedt med et gennemsnit på 8,7% i de højere fedtintervalle [21]. Imidlertid korrelerede BAI (r=0,668) og taljeomkreds (r=0,194) i et separat 4C-modelstudie med 188 unge voksne stærkere med den 4C-afledte fedtprocent end BMI (r=0,192) [21]. På det epidemiologiske niveau påviste en systematisk oversigtsartikel af 32 diagnostiske nøjagtighedsstudier, at taljeomkreds har en samlet sensitivitet på 62,4% hos mænd og 57,0% hos kvinder for identifikation af fedme i forhold til billeddiagnostiske standarder, hvor specificiteten nåede henholdsvis 88,1% og 94,8% [15].

VurderingsmetodeReferencestandardPopulationPrimære Resultater / BiasKilde
DoD-omkredsGE Lunar iDXA609 amerikanske marinesoldaterMænd: −2,5% til −2,6% bias; Kvinder: +1,3% til +2,3% bias; overestimerer slanke, undervurderer høj fedt%[10]
DoD-omkredsBOD POD (ADP)21 Army ROTC-kadetterUndervurderede %BF og ΔFM over en 9-måneders masseøgning på +1,8 kg[4, 14]
BAIDXA95 unge voksne kvinderr=0,702, SEE=4,88%; undervurderede %BF med 8,7% ved høj fedme[21]
B-mode Ultralyd (7 steder)Wang-4C Kriterium51 overvægtige/adipøse voksneOverestimerede %BF (36,4% vs. 33,0%, p=0,001), SEE=3,5%[18]
Hudfoldsmåling (7 steder)Wang-4C Kriterium51 overvægtige/adipøse voksne%BF=35,3±5,9% vs. 33,0±8,0% (4C), SEE=4,5%[18]
DXA 3CKriterium 4C-model27 elite-judoudøvere95% LOA: −3,7% til +5,3%; forklarede kun 29% af Δ%FM og 36% af ΔFM[5]

Longitudinel sporing og følsomhed over for ændringer i kropssammensætning

Selvom tværsnitskorrelationer mellem antropometri og multikomponentkriterier kan forekomme moderat høje, udviser omkredsligninger udtalte begrænsninger ved sporing af longitudinelle ændringer i kropssammensætning [4, 14].

I en 9-måneders longitudinel evaluering af 21 mandlige Army ROTC-kadetter, der oplevede en gennemsnitlig kropsmasseøgning på +1,8 kg, viste Bland-Altman- og regressionsanalyser, at DoD-omkredsligningen ikke formåede at spore ændringer i sammensætningen [4, 14]. Omkredsberegningerne undervurderede ændringer i fedtprocent og fedtmasse signifikant sammenlignet med kriteriemålinger via luftfortrængningspletysmografi [4, 14]. Eftersom muskelhypertrofi ændrer hals- og abdominaldimensioner ikke-lineært i forhold til fedtlagring, mistolker omkredsbaserede ligninger vævsmorfologiske skift under træningsforhold [4, 10].

Begrænsninger i sporing gør sig også gældende på tværs af laboratoriebaserede surrogatmetoder. I et forsøg med 27 mandlige elite-judoudøvere, der blev monitoreret i forhold til en 4C-kriteriemodel (ADP, DXA BMC og D2O-fortynding), spændte de individuelle 95% overensstemmelsesgrænser for DXA fra −3,7% til +5,3% for relativ fedtmasse og −2,6 kg til +3,7 kg for absolut fedtmasse [5]. Afgørende var det, at DXA kun forklarede 29% af variansen i den relative fedtmasseændring (Δ%FM), 36% af den absolutte fedtmasseændring (ΔFM) og 38% af ændringen i fedtfri masse (ΔFFM) observeret via 4C-modellen [5].

KRITERIUM (4C-Model) vs. SURROGAT LONGITUDINEL FØLSOMHED

Forklaret varians i longitudinelle ændringer (Eliteatleter, DXA vs. 4C-kriterium [5]):
Relativ fedtmasseændring (%FM):    [████████░░░░░░░░░░░░] 29%
Absolut fedtmasseændring (FM):     [██████████░░░░░░░░░░] 36%
Fedtfri masseændring (FFM):        [███████████░░░░░░░░░] 38%

Omkredsligninger vs. Kriterium ADP (ROTC-kadetter over 9 måneder [4, 14]):
- Undervurderede Δ%BF efter +1,8 kg masseøgning
- Formåede ikke at spore individuelle skift i fordelingen af fedt- vs. mager masse

Validitet af hybride og surrogat-multikomponentmodeller

For at bygge bro mellem feltmetoder og kompleks 4C-testning har forskere undersøgt hybridligninger, der substituerer DXA-afledte kropsvolumenestimater ind i matematiske 4C-rammer [1, 3].

McLester et al. evaluerede to DXA-afledte kropsvolumenligninger (4C-DXA1 og 4C-DXA2) i forhold til en 4C-ADP-kriteriemodel på tværs af distinkte body mass index- og taljeomkredskategorier [1]:

  • Normalvægtige voksne (BMI <25,0 kg/m2, n=40): 4C-DXA1 underprædikterede fedtprocenten signifikant med en konstant fejl (CE) på −3,0% (p<0,001, SEE=2,59%, 95% LOA=±5,0%), hvorimod 4C-DXA2 overprædikterede fedtprocenten signifikant (CE=+4,8%, p<0,001, SEE=1,24%) [1].
  • Overvægtige voksne uden taljeomkreds i risikogruppen (BMI ≥25,0 kg/m2, n=40): 4C-DXA1-fedtprocenten adskilte sig ikke i gennemsnitlig konstant fejl (CE=−0,5%, p=0,112, SEE=1,92%), men udviste signifikant proportional bias (p=0,007) [1].
  • Overvægtige voksne med taljeomkreds i risikogruppen (BMI ≥25,0 kg/m2, WC≥88 cm for kvinder, ≥102 cm for mænd, n=35): Begge ligninger gav små gennemsnitlige overestimeringer (CE=+2,2% og +2,3%, p<0,001), men 4C-DXA1 udviste ingen proportional bias (p=0,183, SEE=1,84%, 95% LOA=±3,8%), hvilket gjorde den til den eneste surrogatmodel, der blev anset for valid i denne specifikke kohorte [1].

Efterfølgende demografiske tilpasninger, såsom 4C-DXANickerson-ligningen, har bekræftet, at specialiserede DXA-volumenkonverteringer kan levere valide 4C-kropsvolumenestimater i specifikke grupper, herunder latinamerikanske voksne [3]. Tilsvarende giver kalibrerede multifrekvens-bioelektriske impedansprædiktionsligninger (mBCA) for unge (i alderen 10–17 år), udviklet mod 4C-kriterier (inkorporerende ADP, D2O og DXA BMC), stærk overensstemmelse for FFM (R2=0,96, SRMSE=2,18 kg) uden signifikant gennemsnitlig bias (38,4±11,4 kg vs. 38,9±12,0 kg) [6].

Praktisk sammenfatning

Standardiserede antropometriske omkredsligninger giver let tilgængelige estimater med lav belastning af kropsfedtprocenten i store populationer, men deres afhængighed af rigide geometriske antagelser introducerer systematiske fejl [10, 14]. Sammenlignet med 4-komponent kriteriemodeller og 3-komponent DXA-scanninger overestimerer omkredsligninger systematisk fedtprocenten hos slanke individer, underestimerer fedtprocenten hos personer med højere fedtmasse og formår ikke at spore vævsforskydninger longitudinelt i perioder med træning eller vægtændringer [4, 10, 14]. Til seriøs atletisk monitorering, hvor det er afgørende at skelne mellem skeletmuskelhypertrofi, væskebalanceændringer og fedtvævstilpasninger, kan feltbaserede omkredsligninger ikke erstatte laboratoriebaserede multikomponentmodeller [4, 5, 7].

Referencer

Webkilder

  1. Validity of DXA body volume equations in a four-compartment model ...
  2. Validity of DXA body volume equations in a four-compartment
  3. [PDF] Validity of DXA body volume equations in a four-compartment ...
  4. The Evaluation of a Circumference-based Prediction Equation to ...
  5. Accuracy of DXA in estimating body composition changes in elite ...
  6. Body Composition in Youths Aged 10‒17 Years by Deuterium ...
  7. A 4-compartment model based validation of air displacement ... - PMC
  8. Validity and reliability of a 4-compartment body composition model ...
  9. Air displacement plethysmography - Measurement Toolkit
  10. Circumference-Based Predictions of Body Fat Revisited - PMC
  11. (PDF) Comparing Alternate Percent Body Fat Estimation ...
  12. The US Navy Body Fat Calculator | RippedBody.com
  13. History of the U.S. Navy Body Composition Program - ResearchGate
  14. History of the u.s. Navy body composition program - Academia.edu
  15. The performance of anthropometric tools to determine obesity
  16. Criterion-Related Validity of Field-Based Methods and ...
  17. Anthropometric and body composition analysis in obese ...
  18. Utility of ultrasound for body fat assessment: validity and reliability ...
  19. (PDF) Development and validation of skinfold-thickness prediction ...
  20. The Validity of Bioelectrical Impedance Analysis Compared to a ...
  21. Associations of body adiposity index, body mass index, waist ... - PMC
  22. Comparison of DXA, BIA, and anthropometry for assessing ...
  23. Waist-to-Height Ratio Cut-Off Points for Central Obesity in ... - MDPI

Relateret forskning

Body compositionSådan påvirker knoglebygningen din maksimale naturlige muskelmasse

Skeletmålinger som håndleds- og ankelomkreds sætter en strukturel grænse for den maksimale naturlige fedtfrie kropsmasse og målvægt. Ved hjælp af anatomiske ligninger kan naturlige styrketrænende estimere deres øvre muskelpotentiale, selvom disse formler udelukkende er kalibreret til stoffri personer i lave fedtprocentområder.

Body compositionDaglige skridt i kalorieunderskud: Appetit og metabolisk tilpasning

At opretholde et moderat dagligt skridttal under et energiunderskud forbedrer mæthedshormoner som GLP-1 og PYY uden at udløse kompenserende overspisning. Men når man er i et aktivt kalorieunderskud, flader det samlede daglige energiforbrug ud ved højere aktivitetsmængder på grund af metabolisk begrænsning.

Body compositionSådan ændrer ben- og overkropsproportioner sig gennem puberteten

Proportionerne mellem ben og overkrop ændrer sig ikke-lineært gennem puberteten, hvor benvæksten topper først i den tidlige pubertet, før rygsøjlens vækst accelererer i den sene pubertet. Voksne kropsproportioner stabiliserer sig typisk ved fuldendt skeletmodning (Tanner-stadie 4–5), selvom det endelige siddehøjdeforhold fortsat påvirkes af biologisk køn, pubertetstiming og genetisk baggrund.

Body compositionPlateau i fedttabet: Skal du øge aktiviteten eller skære i kalorierne?

At øge lavintens aktivitet hjælper med at bryde plateauer i fedttabet ved at hæve energifluxen, bevare kalorieindtaget og mindske sult sammenlignet med hård kaloriebegrænsning. For at undgå at hæmme restitutionen fra styrketræning bør ekstra aktivitet baseres på skånsomme modaliteter med lav stødpåvirkning og moderate frekvenser adskilt fra styrketræningspassene.

Body compositionFedtprocentformler til unge: Hvor præcise er de gennem puberteten?

Standard-BMI-grænser og hudfoldsformler identificerer pålideligt generelle tendenser i unges kropsfedt, men den individuelle præcision varierer gennem puberteten. Ændringer i hydrering og knoglemineralindhold i den fedtfri masse skaber beregningsfejl, især hos unge med en højere fedtprocent eller specifikke kliniske tilstande.

Body compositionFatMax vs. HIIT til fedttab og kropssammensætning

Træning ved FatMax reducerer effektivt fedtmasse og visceralt fedt hos overvægtige, men øger ikke den fedtfrie masse i sig selv. Træning med højere intensitet som HIIT giver sammenlignelige eller overlegne reduktioner i fedtprocent og taljeomkreds med større tidseffektivitet. Da fedttab over et helt døgn primært afhænger af det samlede energiunderskud frem for forbrændingskilden under selve træningen, fungerer begge modaliteter godt, når den samlede volumen og energiforbruget er tilstrækkeligt.

Body compositionGiver carb cycling bedre fedttab end et stabilt kalorieunderskud?

Når det ugentlige kalorie- og proteinindtag er ens, giver cykling af kulhydrater og kalorier mellem trænings- og hviledage det samme samlede fedttab som et stabilt dagligt underskud. Refeeds med kulhydrater over flere dage kan dog hjælpe styrketrænede med bedre at bevare muskelmassen og hvileforbrændingen.

Body compositionEr metabolisk alder fra bioimpedans en valid sundhedsmarkør?

Metabolisk alder udledt af bioelektrisk impedans er ikke en direkte måling af cellulært stofskifte eller en standardiseret medicinsk diagnose, men fungerer som en stærk statistisk surrogatmarkør for kropssammensætning og kardiometabolisk risiko. Da den blot sammenligner estimeret hvilestofskifte med demografiske gennemsnit, tager den ikke højde for ikkestrukturelle faktorer som mitokondriel effektivitet eller stofskiftehormonstatus.

Kategorier