🌐 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

ISAK-profilering vs. hudfoldsformler til kropssammensætning

ISAK antropometrisk profilering standardiserer målinger over flere punkter samt vævsfraktionering, hvilket modvirker populationsbias og modelkonflikter mellem molekyle- og vævsniveau fra standard hudfoldsformler. Begge metoder er dog dobbelt-indirekte og mangler følsomheden til at spore kortsigtede fedtmasseændringer under 0,5 kg.

Sidst opdateret: 2026-09-15

En omfattende antropometrisk profilering udført efter International Society for the Advancement of Kinanthropometry (ISAK)-protokoller giver en standardiseret vurdering over flere målepunkter, som opdeler vævene anatomisk, hvorimod standardiserede hudfoldsformler baserer sig på statistisk regression til at estimere kroppens samlede densitet eller fedtprocent [4, 6, 9]. Selvom ISAK-fraktionering reducerer den matematiske forvrængning, der opstår ved at anvende populationsspecifikke regressionsformler på enkeltpersoner, forbliver begge tilgange dobbelt-indirekte metoder, der ikke er følsomme nok til at registrere kortsigtede ændringer i fedtmasse på under 0,5 kg [16, 17].

Faldgruberne ved standardiserede hudfoldsformler

Traditionel vurdering af kropsfedt benytter fedttangsmålinger (caliper) på udvalgte steder, som indsættes i regressionsligninger såsom Jackson og Pollock eller Durnin og Womersley [4]. Disse formler blev udviklet ud fra specifikke referencepopulationer, hvilket gør deres overførbarhed ringe, når de anvendes på tværs af forskellige atletiske kohorter, aldre, køn eller kropsstørrelser [4, 11, 16].

Når standardiserede regressionsformler anvendes på identiske målinger, divergerer de resulterende estimater markant:

  • Formelafvigelser: Anvendelsen af forskellige publicerede ligninger på det nøjagtig samme datasæt med otte målepunkter, indsamlet af en ISAK Level 3-uddannet tester, gav fedtestimater i spændet fra 5,29% (Carter) til 8,22% (Faulkner) [3]. I et studie med 87 voksne varierede de gennemsnitlige estimater for fedtprocent mellem 8,90% og 17,91% hos mænd og 15,33% til 28,79% hos kvinder, udelukkende afhængigt af den valgte formel [9].
  • Systematisk bias: Sammenlignet med 4-komponentmodellen (4C), som regnes for guldstandarden, udviste Durnin og Womersley-ligningen en gennemsnitlig bias på -2%, mens Jackson og Pollock-ligningen viste en gennemsnitlig bias på -6,6%, idet begge formler systematisk undervurderede kropsfedtet hos større individer [4].
  • Uoverensstemmelse med kriteriemodeller: Hos unge atleter evalueret mod en 3-komponentmodel (3C) afveg udbredte formler – herunder Durnin-Womersley, Jackson og Pollock 7-punkt samt Slaughter – signifikant fra kriterieværdierne for fedtfri masse [8, 15]. Til gengæld viste Evans 3-punktsligning for mænd (gennemsnitlig forskel = 1,8 ± 3,56 kg, Lins konkordans-korrelationskoefficient [CCC] = 0,93) og Evans 7-punktsligning for kvinder (CCC = 0,82, standardfejl for estimatet [SEE] = 2,01 kg) en højere overensstemmelse [8, 15].
  • Praktiske konsekvenser: Ved fastsættelse af grænseværdier som mindste tilladte kampvægt i brydning (MWW) kan fejl i formelbaseret kropsfedt medføre standardfejlsafvigelser på mellem 2,4 og 3,2 kg, hvilket forskyder målet for minimumsvægt med op til 3,3 kg [8, 15].

En stor del af denne fejl stammer fra en fundamental modstrid i modellerne. Klassiske regressionsligninger forsøger at estimere fedtmasse på molekylært niveau (Model 2: samlet lipidmasse versus lipidfri masse), mens fedttænger fysisk måler hud og subkutant fedtvæv på vævsniveau (Model 4) [9, 14]. At sammenblande lipidmasse med anatomisk fedtvæv introducerer en grundlæggende modelleringsfejl på 8% til 10% [9].

Omfattende ISAK-profilering og vævsfraktionering

For at overkomme antagelserne i 2-komponent-regressionsligninger introducerede ISAK standardiserede flerdimensionelle måleprotokoller kombineret med anatomiske fraktioneringsmodeller [6, 7, 12].

Standardiserede profiler og tekniske tolerancer

ISAK standardiserer uddannelsen af fagpersoner på tværs af certificeringsniveauer:

  • Begrænset profil (Level 1): Består af 21 målinger, herunder 4 basismål, 8 hudfolder, 6 omkredse og 3 knoglebredder [7]. Måleren skal overholde en teknisk målefejlsgrænse (TEM) på 7,5% for hudfolder og 1,5% for alle øvrige mål [6].
  • Fuld profil (Level 2/3): Udvides til 42 målinger og tilføjer knoglelængder, højder samt yderligere omkredse og bredder [7]. Her gælder strengere TEM-krav: 5,0% for hudfolder og 1,0% for alle øvrige dimensioner [6].
  • Protokolstandardisering: Målingerne kræver kalibrerede fedttænger med et konstant kæbetryk på 10 g/cm², aflæst med en nøjagtighed på 0,2 mm cirka 4 sekunder efter udløsning af fjedertrykket [4]. Der tages som minimum to målinger per punkt; en tredje er kun påkrævet, hvis de indledende hudfoldsmålinger afviger med mere end 5% (eller >1 mm efter standardretningslinjer), eller hvis andre dimensioner afviger med mere end 1% [4, 6].

Kerrs fem-komponentmodel

I stedet for at omregne hudfolder til kropsdensitet og molekylær fedtprocent anvender omfattende profilering ofte Kerrs 5-komponentmodel [9, 12, 14]. Denne vævsbaserede model (Model 4) opdeler den samlede kropsmasse i fem anatomiske komponenter: fedtvæv, skeletmuskulatur, knoglevæv, hud og residualvæv [12, 14].

I valideringstest mod Dual-Energy X-ray Absorptiometry (DXA) hos 27 para-atleter med underekstremitetsamputationer viste ISAK's 5-komponent fraktioneringsmodel stærk overensstemmelse for fedtprocent (gennemsnitlig forskel 0,32 ± 4,8%, ICC > 0,83) og fedtmasse (gennemsnitlig forskel -0,71 ± 3,64%, ICC > 0,85), omend den ikke blev anbefalet til isoleret bestemmelse af fedtfri procent [10].

Ved vurdering af muskelmasse skal formler ligeledes fortolkes varsomt. I en kohorte af 50 mandlige ungdomsfodboldspillere varierede estimaterne for muskelmasse fra 25,11 ± 3,07 kg (Poortmans) til 31,26 ± 4,94 kg (Doupe) som følge af forskellige måldefinitioner (f.eks. total skeletmuskelmasse versus helkropsmuskelmasse versus Kerrs muskelmasse på vævsniveau) [12].

Praktiske begrænsninger ved monitorering over tid

Ved løbende opfølgning over tid hos atleter og trænende rummer antropometri specifikke styrker og begrænsninger:

  • Biologisk stabilitet: Som en dobbelt-indirekte vurdering påvirkes hudfoldsprofilering i mindre grad af akutte, daglige biologiske udsving (såsom hydreringstilstand) end bioelektrisk impedansanalyse (BIA), bioimpedans-spektroskopi (BIS) eller densitometri [15, 17].
  • Ensartet udstyr: Fedttænger kan ikke uden videre udskiftes indbyrdes. Bland–Altman-analyser viser signifikante forskelle (p < 0,001) mellem Harpenden-, Holtain-, Slim Guide- og Lipowise-calipere, hvilket betyder, at samme mærke og model skal anvendes konsekvent fra gang til gang [14].
  • Ufølsom over for små ændringer: Antropometriske målinger har ikke tilstrækkelig opløsning til at registrere akutte ændringer i fedtmasse under 0,5 kg som følge af kortvarige kostinterventioner [16].
  • Risiko for fejlklassificering: Måleusikkerhed inden for acceptable TEM-grænser kan stadig påvirke kategoriske klassifikationer. Hos 68 fysisk aktive mænd medførte fejlmarginer ved Level 1 og Level 2/3 TEM-grænser fejlklassificeringsrater for somatotype på mellem 29,4% og 38,2% på tværs af de 4 grundlæggende kategorier, og op til 72,1% på tværs af de detaljerede 13 kategorier [6].

For at spore reelle fysiske tilpasninger over tid uden at indføre matematiske fejlkilder fra regressionsligninger vælger fagpersoner ofte at monitorere rå hudfoldstykkelser, summen af hudfolder eller at omregne målingerne til standardafvigelsesscores (SDS) sideløbende med kropsvægten [4].

Referencer

Webkilder

  1. Validation of a skinfold based index for tracking proportional ...
  2. Review Skinfolds Measurement Protocols and Standards
  3. How accurate are skinfold measurements for estimating BF ...
  4. Simple measures - skinfolds
  5. Skinfold Prediction Equation for Athletes Developed Using a Four ...
  6. The Impact of Technical Error of Measurement on ...
  7. ISAK Certification - Goldstandard Systems Inc.
  8. Validation of skinfold equations and alternative methods for ...
  9. Agreement and Differences between Fat Estimation ...
  10. Validity and reliability of anthropometric equations versus ...
  11. Frontiers | Editorial: Body composition assessment techniques ...
  12. Comparison of Anthropometric Equations to Estimate Body ...
  13. ACSM's Guidelines for Exercise Testing and Prescription
  14. Differences between Four Skinfold Calipers in the Assessment of ...
  15. Validation of skinfold equations and alternative methods for the ...
  16. Nutritional Assessment of Body Composition
  17. Come Back Skinfolds, All Is Forgiven: A Narrative Review of ...
  18. How Well do Skinfold Equations Predict Percent Body Fat ...
  19. (PDF) Development and validation of skinfold-thickness ...
  20. Estimation of Body Fat Percentage in Jockeys

Relateret forskning

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.

Body compositionHvordan kalorieoverskuddets størrelse påvirker muskel- og fedtøgning

Utrænede kvinder behøver ikke et stort kalorieoverskud for at maksimere muskelvækst, da overskydende kalorier primært øger fedtlagringen. Et beskedent overskud eller vedligeholdelsesindtag kombineret med tilstrækkeligt protein understøtter muskelhypertrofi og minimerer fedtøgning, mens et dagligt underskud på omkring 500 kcal vil hæmme muskelopbygningen markant.

Body compositionFysisk arbejde under cut: Betydning for muskeltab og restitution

Høj fysisk arbejdsaktivitet giver lokaliseret mekanisk stimulering, der kan skåne musklerne i aktive lemmer, men det øger også autonom belastning, kortisolniveauer og aminosyreoxidation under et kalorieunderskud. Sammenlignet med stillesiddende rutiner kræver fysisk krævende jobs et højere proteinindtag, omhyggelig styring af den samlede træningsvolumen og tilstrækkelig hvile for at forhindre for stort tab af fedtfri masse og systemisk udmattelse.

Body composition3-punkts vs. 7-punkts hudfoldsmåling til tracking af kropskomposition

3-punkts hudfoldsprotokoller giver en pålidelighed ved løbende tracking, der er fuldt på højde med 7-punkts protokoller, samtidig med at de sparer tid og udelader anatomisk vanskelige målepunkter. Forskellige formler giver dog systematisk forskellige fedtprocenter, hvorfor protokoller og modeller af fedttænger ikke kan bruges i flæng over tid.

Body compositionMålebånd 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.

Body compositionProtein under cut: Hvor meget skal der til for at bevare musklerne?

Maksimering af bevarelsen af den fedtfrie kropsmasse under hypokalorisk styrketræning kræver et dagligt proteinindtag på 2,3 til 3,1 g/kg kropsvægt (eller fedtfri masse). En fordeling af indtaget i doser på 0,3 til 0,5 g/kg pr. måltid hver 3. til 4. time, kombineret med protein før sengetid, modvirker underskudsinduceret muskelproteinnedbrydning.

Body compositionBIA-fedtmåling: Hvordan målefejl påvirker dit FFMI

Multifrekvens-bioelektrisk impedansanalyse giver høj test-retest-reliabilitet, men udviser brede individuelle overensstemmelsesgrænser sammenlignet med multikompartment-kriteriemodeller. Da en fejl på 5% i fedtprocent forskyder det beregnede fedtfri masse-indeks (FFMI) med 2 til 3 point, skal der tages højde for BIA-målevariabilitet, når atleter vurderes op mod teoretiske lofter for naturlig muskelmasse.

Body compositionProteintiming under cut: Gør måltidsfordelingen en forskel?

Jævn fordeling af det daglige proteinindtag over flere måltider formodes ofte at bevare muskelmassen under vægttab ved gentagne gange at stimulere muskelproteinsyntesen. Longitudinelle forsøg og metaboliske tracer-data viser dog, at det samlede daglige proteinindtag og styrketræning i langt højere grad driver bevarelsen af fedtfri masse end måltidstiming i løbet af dagen.

Kategorier