Målebånd vs. laboratorietest: Hvor præcist måles fedtprocent?

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:

$$\text{Fat (kg)}=2.747\text{BV}-0.710\text{TBW}+1.460\text{A}-2.050\text{Weight}$$

hvor BV bestemmes via luftfortrængningspletysmografi (ADP) eller hydrostatisk vejning, TBW via deuteriumoxid- (${\text{D}}_2\text{O}$) eller ${}^{18}\text{O}$-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 $0,74\pm 0,02$ [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 $\pm 1,0\%$ 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: $$\%\text{BF}=86.010\times {log}_{10}(\text{abdomen}-\text{neck})-70.041\times {log}_{10}(\text{height})+36.76$$
• Kvinder: $$\%\text{BF}=163.205\times {log}_{10}(\text{waist}+\text{hip}-\text{neck})-97.684\times {log}_{10}(\text{height})-78.387$$

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: $\text{BAI}=[\text{hofteomkreds (cm)}/(\text{højde (m)}{)}^{1.5}]-18$ [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 $-2,6\pm 3,7\%$ (alder $\le 30$) og $-2,5\pm 3,7\%$ (alder $>30$) [10].
• Hos kvinder overvurderede ligningen systematisk fedtprocenten med $+2,3\pm 4,3\%$ (alder $\le 30$) og $+1,3\pm 4,8\%$ (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 $\le 30$: $0,4\pm 3,2\%$, $>30$: $-0,5\pm 3,5\%$; kvinder $\le 30$: $1,4\pm 3,1\%$, $>30$: $0,0\pm 3,3\%$) [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: $r=0,823$, $r^2=0,678$, $\text{SEE}=3,89\%$; BAI: $r=0,702$, $\text{SEE}=4,88\%$) 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].

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 $+1,8\text{ kg}$, 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 ${\text{D}}_2\text{O}$-fortynding), spændte de individuelle $95\%$ overensstemmelsesgrænser for DXA fra $-3,7\%$ til $+5,3\%$ for relativ fedtmasse og $-2,6\text{ kg}$ til $+3,7\text{ kg}$ for absolut fedtmasse [5]. Afgørende var det, at DXA kun forklarede $29\%$ af variansen i den relative fedtmasseændring ($\mathrm{\Delta }\%\text{FM}$), $36\%$ af den absolutte fedtmasseændring ($\mathrm{\Delta }\text{FM}$) og $38\%$ af ændringen i fedtfri masse ($\mathrm{\Delta }\text{FFM}$) 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 $<25,0{\text{ kg/m}}^2$, $n=40$): 4C-DXA1 underprædikterede fedtprocenten signifikant med en konstant fejl (CE) på $-3,0\%$ ($p<0,001$, $\text{SEE}=2,59\%$, $95\%\text{ LOA}=\pm 5,0\%$), hvorimod 4C-DXA2 overprædikterede fedtprocenten signifikant ($\text{CE}=+4,8\%$, $p<0,001$, $\text{SEE}=1,24\%$) [1].
• Overvægtige voksne uden taljeomkreds i risikogruppen (BMI $\ge 25,0{\text{ kg/m}}^2$, $n=40$): 4C-DXA1-fedtprocenten adskilte sig ikke i gennemsnitlig konstant fejl ($\text{CE}=-0,5\%$, $p=0,112$, $\text{SEE}=1,92\%$), men udviste signifikant proportional bias ($p=0,007$) [1].
• Overvægtige voksne med taljeomkreds i risikogruppen (BMI $\ge 25,0{\text{ kg/m}}^2$, $\text{WC}\ge 88\text{ cm}$ for kvinder, $\ge 102\text{ cm}$ for mænd, $n=35$): Begge ligninger gav små gennemsnitlige overestimeringer ($\text{CE}=+2,2\%$ og $+2,3\%$, $p<0,001$), men 4C-DXA1 udviste ingen proportional bias ($p=0,183$, $\text{SEE}=1,84\%$, $95\%\text{ LOA}=\pm 3,8\%$), 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, ${\text{D}}_2\text{O}$ og DXA BMC), stærk overensstemmelse for FFM ($R^2=0,96$, $\text{SRMSE}=2,18\text{ kg}$) uden signifikant gennemsnitlig bias ($38,4\pm 11,4\text{ kg}$ vs. $38,9\pm 12,0\text{ kg}$) [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].