🌐 Suomi
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-profilointi vs. ihopoimuyhtälöt kehonkoostumuksen arvioinnissa

ISAK-antropometriaprofilointi standardoi usean mittauspisteen mittaukset ja kudosjaottelun välttäen perinteisten ihopoimuyhtälöiden populaatioharhat ja molekyyli-kudos-tason virheet. Molemmat menetelmät ovat kuitenkin kaksinkertaisesti epäsuoria eivätkä riittävän herkkiä havaitsemaan alle 0,5 kg:n lyhytaikaisia rasvamassan muutoksia.

Viimeksi päivitetty: 2026-09-15

International Society for the Advancement of Kinanthropometry (ISAK) -protokollien mukainen kattava antropometrinen profilointi tarjoaa standardoidun usean mittauspisteen arvioinnin, joka erottelee kudokset anatomisesti, kun taas perinteiset ihopoimuyhtälöt nojaavat tilastolliseen regressioon koko kehon tiheyden tai rasvaprosentin ennustamisessa [4, 6, 9]. Vaikka ISAK-kudosjaottelu vähentää matemaattisia vääristymiä, joita syntyy sovellettaessa tietylle väestölle luotuja regressiokaavoja yksilöihin, molemmat lähestymistavat ovat silti kaksinkertaisesti epäsuoria menetelmiä, jotka eivät ole riittävän herkkiä havaitsemaan alle 0,5 kg:n lyhytaikaisia rasvamassan muutoksia [16, 17].

Perinteisten ihopoimuyhtälöiden sudenkuopat

Perinteisessä kehon rasvapitoisuuden arvioinnissa käytetään valituista kohdista pihtimittarilla (kaliperilla) saatuja arvoja, jotka sijoitetaan regressioyhtälöihin, kuten Jackson–Pollock- tai Durnin–Womersley-kaavoihin [4]. Nämä yhtälöt on kehitetty tietyille viitepopulaatioille, minkä vuoksi niiden yleistettävyys eri urheilijalajeihin, ikäryhmiin, sukupuoliin tai kehonkokoihin on heikko [4, 11, 16].

Kun täysin samoihin mittaustuloksiin sovelletaan eri regressiokaavoja, saadut arviot eroavat toisistaan huomattavasti:

  • Kaavojen väliset erot: Kun ISAK Taso 3 -mittaajan keräämään identtiseen kahdeksan mittauspisteen aineistoon sovellettiin eri kirjallisuudessa julkaistuja yhtälöitä, rasvaprosenttiarviot vaihtelivat 5,29 %:n (Carter) ja 8,22 %:n (Faulkner) välillä [3]. 87 aikuisen tutkimuksessa keskimääräiset rasvaprosenttiarviot vaihtelivat pelkän valitun yhtälön perusteella miehillä 8,90–17,91 % ja naisilla 15,33–28,79 % [9].
  • Systemaattinen harha: Verrattuna kriteerinä pidettyyn nelikomponenttimalliin (4C), Durnin–Womersley-yhtälö osoitti keskimäärin -2 %:n ja Jackson–Pollock-yhtälö -6,6 %:n harhaa, jolloin molemmat kaavat aliarvioivat systemaattisesti kehon rasvapitoisuutta kookkaammilla yksilöillä [4].
  • Kriteerimallien poikkeamat: Nuorilla urheilijoilla kolmekomponenttimallia (3C) vastaan arvioituna laajalti käytetyt yhtälöt – mukaan lukien Durnin–Womersley, Jackson–Pollock 7-site ja Slaughter – poikkesivat merkittävästi kriteerirasvattoman massan arvoista [8, 15]. Sitä vastoin Evansin 3-site-yhtälö miehillä (keskimääräinen ero = 1,8 ± 3,56 kg, Linin konkordanssikorrelaatiokerroin [CCC] = 0,93) ja Evansin 7-site-yhtälö naisilla (CCC = 0,82, estimaatin keskivirhe [SEE] = 2,01 kg) osoittivat parempaa vastaavuutta [8, 15].
  • Käytännön seuraukset: Kun asetetaan tavoiterajoja, kuten painoluokkien vähimmäispainoa (MWW), yhtälöistä johtuvat kehon rasva-arvioiden virheet voivat aiheuttaa 2,4–3,2 kg:n keskivirhe-eroja, mikä muuttaa vähimmäispainotavoitteita jopa 3,3 kg [8, 15].

Suuri osa näistä virheistä johtuu perustavanlaatuisesta mallinnusristiriidasta. Klassiset regressioyhtälöt pyrkivät arvioimaan molekyylitason rasvamassaa (Malli 2: kokonaislipidimassa suhteessa lipidittömään massaan), kun taas ihopoimumittari mittaa fyysisesti ihoa ja ihonalaista rasvakudosta kudostasolla (Malli 4) [9, 14]. Lipidimassan ja anatomisen rasvakudoksen sekoittaminen toisiinsa aiheuttaa 8–10 %:n perusmallinnusvirheen [9].

Kattava ISAK-profilointi ja kudosjaottelu

Kaksikomponenttisten regressioyhtälöiden oletusten korjaamiseksi ISAK esitteli standardoidut moniulotteiset mittausprotokollat yhdistettynä anatomisiin jaottelumalleihin [6, 7, 12].

Standardoidut profiilit ja tekniset toleranssit

ISAK standardoi mittaajien koulutuksen eri sertifiointitasoilla:

  • Suppea profiili (Taso 1): Koostuu 21 mittauksesta, mukaan lukien 4 perusmittaa, 8 ihopoimua, 6 ympärysmittaa ja 3 luuston leveyttä [7]. Mittaajan on saavutettava mittauksen teknisen virheen (TEM) raja-arvona enintään 7,5 % ihopoimuille ja 1,5 % muille mitoille [6].
  • Täysi profiili (Taso 2/3): Laajenee 42 mittaukseen lisäämällä luuston pituudet, korkeudet sekä muita ympärys- ja leveysmittoja [7]. Mittaajilta vaaditaan tiukempia TEM-rajoja: 5,0 % ihopoimuille ja 1,0 % kaikille muille mitoille [6].
  • Protokollan standardointi: Mittaukset edellyttävät kalibroituja mittauspihtejä, jotka tuottavat tasaisen 10 g/cm²:n leukapaineen, ja tulokset kirjataan 0,2 mm:n tarkkuudella noin 4 sekuntia puristuksen vapauttamisen jälkeen [4]. Kustakin kohdasta otetaan vähintään kaksi mittausta; kolmas vaaditaan vain, jos ensimmäiset ihopoimumittaukset eroavat yli 5 % (tai >1 mm vakio-ohjeiden mukaan) tai jos muut mitat eroavat yli 1 % [4, 6].

Kerrin viisikomponenttimalli

Sen sijaan, että ihopoimut muunnettaisiin kehon tiheydeksi ja molekyylitason rasvaprosentiksi, kattavassa profiloinnissa käytetään usein Kerrin viisikomponenttimallia [9, 12, 14]. Tämä kudostason malli (Malli 4) jakaa kehon kokonaismassan viiteen erilliseen anatomiseen komponenttiin: rasvakudokseen, luustolihakseen, luuhun, ihoon ja jäännöskudokseen [12, 14].

Kun ISAK:n 5-komponenttista mallia validoitiin kaksienergiaisella röntgenabsorptiometrialla (DXA) 27 alaraaja-amputoidulla parayrheilijalla, se osoitti vahvaa yhtäpitävyyttä rasvaprosentin (keskimääräinen ero 0,32 ± 4,8 %, ICC > 0,83) ja rasvamassan suhteen (keskimääräinen ero -0,71 ± 3,64 %, ICC > 0,85), vaikkakaan sitä ei suositeltu rasvattoman massan osuuden eristämiseen [10].

Lihasmassaa arvioitaessa yhtälöitä on tulkittava varoen. 50 nuoren miesjalkapalloilijan kohortissa lihasmassa-arviot vaihtelivat 25,11 ± 3,07 kg:n (Poortmans) ja 31,26 ± 4,94 kg:n (Doupe) välillä johtuen erilaisista kohdemääritelmistä (esim. koko kehon luurankolihasmassa vs. koko kehon lihasmassa vs. Kerrin kudostason lihas) [12].

Käytännön rajoitteet muutosten seurannassa

Urheilijoiden ja treenaajien pitkittäisseurannassa antropometrialla on omat vahvuutensa ja rajoituksensa:

  • Biologinen vakaus: Kaksinkertaisesti epäsuorana menetelmänä ihopoimuprofilointi on vähemmän herkkä akuuteille päivittäisille biologisille vaihteluille (kuten nestetasapainon muutoksille) kuin biosähköinen impedanssi (BIA), biospektroskopia (BIS) tai densitometria [15, 17].
  • Välineiden yhtenäisyys: Pihtimittarit eivät ole suoraan keskenään vaihdettavissa. Bland–Altman-analyysit osoittavat merkittäviä eroja (p < 0,001) Harpenden-, Holtain-, Slim Guide- ja Lipowise-mittareiden välillä, mikä tarkoittaa, että saman merkin ja mallin käyttöä on jatkettava läpi koko seurantajakson [14].
  • Epäherkkyys pienille muutoksille: Antropometristen mittausten erotuskyky ei riitä havaitsemaan lyhytaikaisten ravitsemusinterventioiden aiheuttamia alle 0,5 kg:n akuutteja rasvamassan muutoksia [16].
  • Virheluokituksen riski: Hyväksyttävien TEM-rajojen sisälläkin oleva mittausvirhe voi vaikuttaa luokituksiin. 68 fyysisesti aktiivisella miehellä Tason 1 ja Tason 2/3 TEM-kynnysten virhemarginaalit aiheuttivat somatotyypin virheluokitusasteeksi 29,4–38,2 % 4 pääluokan välillä ja jopa 72,1 % tarkemmassa 13 luokan jaottelussa [6].

Aitojen fyysisten muutosten seuraamiseksi ilman regressioyhtälöiden luomia matemaattisia harhoja ammattilaiset seuraavat usein pelkkiä raakoja ihopoimumittoja, ihopoimujen summaa tai muuntavat mittaukset keskihajontaluvuiksi (SDS) rinnan kehonpainon kanssa [4].

Lähteet

Verkkolähteet

  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

Aiheeseen liittyvä tutkimus

Body compositionOnko bioimpedanssin metabolinen ikä pätevä terveysmittari?

Bioimpedanssiin perustuva metabolinen ikä ei ole solujen aineenvaihdunnan suora mittaus eikä standardoitu lääketieteellinen diagnoosi, mutta se toimii vahvana tilastollisena korvikkeena kehonkoostumukselle ja kardiometaboliselle riskille. Koska se ainoastaan vertaa arvioitua lepoenergiankulutusta väestökeskiarvoihin, se ei huomioi kehonkoostumuksesta riippumattomia tekijöitä, kuten mitokondrioiden tehokkuutta tai kilpirauhasen toimintaa.

Body compositionMiten kaloriylijäämän suuruus vaikuttaa lihaksen ja rasvan kasvuun

Harjoittelemattomat naiset eivät tarvitse suurta kaloriylijäämää lihaskasvun maksimoimiseen, sillä ylimääräiset kalorit kertyvät pääasiassa rasvakudokseksi. Maltillinen ylijäämä tai kulutuksen mukaan syöminen riittävän proteiinin kera tukee lihashypertrofiaa minimoiden samalla rasvan kertymisen, joskin noin 500 kcal:n päivittäinen vaje pysäyttää lihaskasvun.

Body compositionMiten fyysinen työ vaikuttaa lihaskatoon ja palautumiseen dieetillä

Runsaskestoinen fyysinen työkuormitus tarjoaa paikallista mekaanista ärsykettä, joka voi säästää lihasmassaa aktiivisissa raajoissa, mutta se myös lisää autonomisen hermoston kuormitusta, kortisolitasoja ja aminohappojen hapettumista kalorivajeen aikana. Istumatyöhön verrattuna fyysisesti vaativa työ edellyttää suurempaa proteiininsaantia, harjoitusvolyymin tarkkaa hallintaa ja riittävää lepoa liiallisen rasvattoman kudoksen menetyksen ja systeemisen uupumuksen ehkäisemiseksi.

Body composition3 vs. 7 ihopoimun mittaus kehonkoostumuksen seurannassa

Kolmen pisteen ihopoimumittaus tarjoaa vastaavan seurantatarkkuuden kuin seitsemän pisteen protokolla, mutta säästää aikaa ja välttää anatomisesti hankalia mittauskohtia. Eri ihopoimukaavat tuottavat kuitenkin toisistaan poikkeavia rasvaprosentteja, joten eri mittaustapoja tai pihtimalleja ei tule käyttää sekaisin seurannassa.

Body compositionProteiinin tarve dieetillä: kuinka paljon riittää lihasmassan säilyttämiseen?

Rasvattoman lihasmassan maksimaalinen säilyttäminen hypokalorisen voimaharjoittelun aikana vaatii 2,3–3,1 g/kg kehonpainoa (tai rasvatonta massaa) päivittäisen proteiininsaannin. Saannin jakaminen 0,3–0,5 g/kg kerta-annoksiin 3–4 tunnin välein yhdistettynä iltaproteiiniin kumoaa energiavajeen aiheuttamaa lihasproteiinin hajotusta.

Body compositionKehonkoostumuksen BIA-mittaus: miten virheet vaikuttavat FFMI-arvoon?

Monitaajuuksinen biosähköinen impedanssianalyysi tarjoaa erinomaisen toistettavuuden (test-retest-luotettavuus), mutta sen yksilötason vastaavuusrajat (limits of agreement) ovat laajat verrattuna monilokeroisiin kriteerimalleihin. Koska 5 prosentin virhe kehon rasvaprosentissa muuttaa laskettua rasvattoman massan indeksiä (FFMI) 2–3 pistettä, BIA-mittauksen vaihtelu on otettava huomioon arvioitaessa urheilijoita suhteessa teoreettisiin luonnollisen lihasmassan ylärajoihin.

Body compositionProteiinin ajoitus dieetillä: onko ateriajaolla väliä?

Päivittäisen proteiinin tasaista jakamista aterioille pidetään laajalti keinona säästää lihasmassaa rasvanpolton aikana stimuloimalla toistuvasti lihasproteiinisynteesiä. Pitkittäistutkimukset ja aineenvaihdunnan merkkiainedata kuitenkin osoittavat, että päivittäinen kokonaisproteiinimäärä ja voimaharjoittelu ohjaavat rasvattoman massan säilymistä huomattavasti enemmän kuin aterioiden ajoitus päivän aikana.

Kategoriat