Pengukuran Lemak Tubuh dengan Pita Ukur vs Uji Lab: Seberapa Akurat?

Arsitektur Kriteria Multi-Kompartemen

Kuantifikasi komposisi tubuh manusia di laboratorium bergantung pada model referensi yang membagi tubuh ke dalam fraksi kimiawi atau anatomis yang berbeda [16]. Meskipun model dua kompartemen (2C) membagi massa secara sederhana menjadi massa lemak (fat mass/FM) dan massa bebas lemak (fat-free mass/FFM), model ini mengandalkan asumsi tetap mengenai densitas dan hidrasi FFM yang sering kali menimbulkan galat (kesalahan pengukuran) pada berbagai populasi atletik dan klinis [7, 16].

Model empat kompartemen (4C) merupakan standar baku emas (gold-standard) untuk analisis komposisi tubuh in vivo dengan mengukur massa tubuh total, volume tubuh (body volume/BV), cairan tubuh total (total body water/TBW), dan kandungan mineral tulang (bone mineral content/BMC atau abu tulang) secara independen [5, 7, 16]. Konfigurasi matematis klasik dari model 4C dinyatakan sebagai:

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

di mana BV diperoleh dari pletismografi perpindahan udara (air displacement plethysmography/ADP) atau penimbangan hidrostatik, TBW melalui pengenceran isotop deuterium oksida (${\text{D}}_2\text{O}$) atau ${}^{18}\text{O}$, abu mineral tulang ($A$) dari BMC dual-energy X-ray absorptiometry (DXA) dikalikan 1,0436, dan Weight adalah massa tubuh total [7, 16]. Analisis propagasi galat menunjukkan bahwa model 4C yang dijalankan dengan benar mencapai presisi pengukuran massa lemak sekitar 0,25 kg sekaligus menetapkan faktor hidrasi FFM biologis rata-rata sebesar $0,74\pm 0,02$ [7].

Pletismografi perpindahan udara (seperti sistem BOD POD) menerapkan Hukum Poisson pada dua ruang berosilasi untuk menentukan volume tubuh, yang memerlukan kalibrasi volume dua titik (ruang kosong dan silinder 50 L), pakaian ketat untuk menghindari artefak luas permukaan isotermal, serta koreksi volume gas toraks (thoracic gas volume/TGV) [9]. Instrumentasi BOD POD menghasilkan koefisien variasi internal sebesar 2,3% dan rentang galat volume umum antara $\pm 1,0\%$ hingga $2,7\%$ [7, 9]. Ketika teknik lapangan atau pengganti (surrogate) dievaluasi, kriteria model 4C (atau kerangka kerja DXA 3C) berfungsi sebagai tolok ukur untuk menguantifikasi galat prediktif [1, 5, 10, 18].

Mekanisme Formula Antropometri Standar

Penilaian komposisi tubuh berbasis lapangan sering kali menggunakan pengukuran lingkar tubuh dengan pita ukur karena biayanya yang rendah dan aksesibilitasnya yang tinggi. Protokol yang paling terkemuka adalah metode lingkar tubuh Departemen Pertahanan Amerika Serikat (DoD), yang awalnya dirumuskan oleh James Hodgdon di Navy Health Research Center menggunakan data kriteria penimbangan bawah air dan kemudian divalidasi silang pada personel dari Army Body Composition Study 1984 [10, 14]. Formulasi matematisnya (menggunakan satuan inci) disusun sebagai berikut [12]:

• Pria: $$\%\text{BF}=86.010\times {log}_{10}(\text{abdomen}-\text{neck})-70.041\times {log}_{10}(\text{height})+36.76$$
• Wanita: $$\%\text{BF}=163.205\times {log}_{10}(\text{waist}+\text{hip}-\text{neck})-97.684\times {log}_{10}(\text{height})-78.387$$

Indeks antropometri lainnya mencoba menghindari pengukuran lingkar di banyak titik dengan mengisolasi rasio anatomis tertentu. Body Adiposity Index (BAI), yang diperkenalkan oleh Bergman et al., memperkirakan adipositas dari lingkar pinggul dan tinggi badan: $\text{BAI}=[\text{lingkar pinggul (cm)}/(\text{tinggi badan (m)}{)}^{1,5}]-18$ [21]. Demikian pula, indeks Relative Fat Mass (RFM) dan rasio lingkar pinggang terhadap tinggi badan (waist-to-height ratio/WHtR) memanfaatkan geometri pinggang terhadap tinggi badan untuk memperkirakan adipositas sentral dan ambang batas jaringan adiposa viseral (visceral adipose tissue/VAT) di berbagai kelompok demografis [3, 23].

+-----------------------------------------------------------------------------+
|                     HIERARKI MODEL KOMPOSISI TUBUH                          |
|                                                                             |
|  [Kriteria 4-Kompartemen]                                                   |
|   ├── Massa Tubuh Total (Timbangan terkalibrasi)                            |
|   ├── Volume Tubuh (ADP / BOD POD via Hukum Poisson) [9]                    |
|   ├── Cairan Tubuh Total (Dilusi Isotop D2O / 18O) [7]                      |
|   └── Massa Mineral Tulang / Abu (DXA BMC x 1,0436) [7]                     |
|        │                                                                    |
|        ▼ Presisi: ±0,25 kg FM [7]                                           |
|                                                                             |
|  [Model Pengganti Laboratorium]                                             |
|   ├── Dual-Energy X-Ray Absorptiometry (DXA 3C) [5, 10]                     |
|   └── Variasi 4C Volume Berbasis DXA (4C-DXA1 / 4C-DXA2) [1, 3]             |
|                                                                             |
|  [Model Antropometri Lapangan]                                              |
|   ├── Persamaan Lingkar DoD (Abdomen, Leher, Pinggang, Pinggul) [4, 10, 12]  |
|   ├── Body Adiposity Index (BAI: Pinggul & Tinggi Badan) [21]               |
|   └── Rasio Relatif (WHtR, RFM, BMI) [3, 15, 23]                            |
+-----------------------------------------------------------------------------+

Akurasi Cross-Sectional dan Bias Sistematis

Uji validasi yang membandingkan persamaan lingkar tubuh secara langsung terhadap pencitraan laboratorium dan kriteria multi-kompartemen menunjukkan bias sistematis yang nyata terkait dengan tingkat kerampingan (leanness), jenis kelamin, dan distribusi lemak partisipan [10].

Dalam sebuah investigasi terhadap 609 personel aktif Marinir AS (430 pria, 179 wanita; usia 18–57 tahun) yang dievaluasi terhadap DXA tiga kompartemen, persamaan lingkar abdomen DoD menunjukkan bias arah yang signifikan [10]:

• Pada pria, persamaan lingkar secara sistematis meremehkan (underestimate) persentase lemak tubuh dengan rata-rata bias sebesar $-2,6\pm 3,7\%$ (usia $\le 30$) dan $-2,5\pm 3,7\%$ (usia $>30$) [10].
• Pada wanita, persamaan tersebut secara sistematis melebih-lebihkan (overestimate) persentase lemak tubuh sebesar $+2,3\pm 4,3\%$ (usia $\le 30$) dan $+1,3\pm 4,8\%$ (usia $>30$) [10].
• Analisis regresi individual mengungkapkan adanya bias proporsional: metode lingkar secara sistematis memperkirakan lemak tubuh terlalu tinggi pada personel yang ramping, sementara memperkirakan lemak tubuh terlalu rendah pada individu dengan adipositas lebih tinggi [10].

Sebagai perbandingan, analisis impedansi bioelektrik (bioelectrical impedance analysis/BIA via RJL Systems Quantum IV) pada kohort yang sama menunjukkan bias rata-rata yang lebih rendah terhadap DXA (pria $\le 30$: $0,4\pm 3,2\%$, $>30$: $-0,5\pm 3,5\%$; wanita $\le 30$: $1,4\pm 3,1\%$, $>30$: $0,0\pm 3,3\%$) [10].

Kesalahan arah serupa juga muncul pada indeks lingkar tunggal. Dalam kohort 95 wanita yang dievaluasi melalui DXA, performa BAI kalah dibandingkan BMI standar dalam memprediksi persentase lemak tubuh (BMI: $r=0,823$, $r^2=0,678$, $\text{SEE}=3,89\%$; BAI: $r=0,702$, $\text{SEE}=4,88\%$) dan meremehkan lemak tubuh rata-rata sebesar $8,7\%$ pada rentang adipositas yang lebih tinggi [21]. Namun, dalam studi model 4C terpisah pada 188 dewasa muda, BAI ($r=0,668$) dan lingkar pinggang ($r=0,194$) berkorelasi lebih kuat dengan persentase lemak dari model 4C dibandingkan BMI ($r=0,192$) [21]. Pada tingkat epidemiologis, tinjauan sistematis terhadap 32 studi akurasi diagnostik menunjukkan bahwa lingkar pinggang memiliki sensitivitas gabungan sebesar $62,4\%$ pada pria dan $57,0\%$ pada wanita untuk mengidentifikasi obesitas relatif terhadap standar pencitraan, dengan spesifisitas masing-masing mencapai $88,1\%$ dan $94,8\%$ [15].

Pelacakan Longitudinal dan Sensitivitas terhadap Perubahan Komposisi Tubuh

Meskipun korelasi cross-sectional antara antropometri dan kriteria multi-kompartemen tampak cukup tinggi, persamaan lingkar tubuh menunjukkan keterbatasan nyata saat melacak perubahan komposisi tubuh secara longitudinal [4, 14].

Dalam evaluasi longitudinal selama 9 bulan terhadap 21 kadet pria ROTC Angkatan Darat yang mengalami kenaikan massa tubuh rata-rata sebesar $+1,8\text{ kg}$, analisis Bland-Altman dan regresi menunjukkan bahwa persamaan lingkar DoD gagal melacak pergeseran komposisi tubuh [4, 14]. Perhitungan lingkar secara signifikan meremehkan perubahan persentase lemak tubuh dan massa lemak bila dibandingkan dengan pengukuran kriteria pletismografi perpindahan udara [4, 14]. Karena hipertrofi otot mengubah dimensi leher dan perut secara non-linear terhadap deposisi adiposa, persamaan berbasis lingkar salah menginterpretasikan pergeseran morfologi jaringan dalam kondisi latihan [4, 10].

Keterbatasan pelacakan juga terjadi pada metode laboratorium pengganti. Dalam uji coba yang melibatkan 27 atlet judo pria elit yang dipantau terhadap kriteria model 4C (ADP, DXA BMC, dan dilusi ${\text{D}}_2\text{O}$), batas kesepakatan (limits of agreement/LOA) individual $95\%$ DXA berkisar antara $-3,7\%$ hingga $+5,3\%$ untuk massa lemak relatif dan $-2,6\text{ kg}$ hingga $+3,7\text{ kg}$ untuk massa lemak absolut [5]. Yang paling krusial, DXA hanya menjelaskan $29\%$ varians perubahan massa lemak relatif ($\mathrm{\Delta }\%\text{FM}$), $36\%$ perubahan massa lemak absolut ($\mathrm{\Delta }\text{FM}$), dan $38\%$ perubahan massa bebas lemak ($\mathrm{\Delta }\text{FFM}$) yang diamati melalui model 4C [5].

KRITERIA (Model 4C) vs. SENSITIVITAS LONGITUDINAL PENGGANTI

Varians yang Dijelaskan pada Perubahan Longitudinal (Atlet Elit, DXA vs. Kriteria 4C [5]):
Perubahan Massa Lemak Relatif (%FM):  [████████░░░░░░░░░░░░] 29%
Perubahan Massa Lemak Absolut (FM):   [██████████░░░░░░░░░░] 36%
Perubahan Massa Bebas Lemak (FFM):    [███████████░░░░░░░░░] 38%

Persamaan Lingkar vs. Kriteria ADP (Kadet ROTC selama 9 Bulan [4, 14]):
- Meremehkan Δ%BF setelah kenaikan massa +1,8 kg
- Gagal melacak pergeseran individual dalam distribusi lemak vs. massa bebas lemak

Validitas Model Multi-Kompartemen Hibrida dan Pengganti

Untuk menjembatani kesenjangan antara metode lapangan dan pengujian 4C yang kompleks, para peneliti telah mengevaluasi persamaan hibrida yang menyubstitusikan estimasi volume tubuh dari DXA ke dalam kerangka matematis 4C [1, 3].

McLester et al. mengevaluasi dua persamaan volume tubuh turunan DXA (4C-DXA1 dan 4C-DXA2) terhadap kriteria model 4C-ADP pada berbagai kategori indeks massa tubuh dan lingkar pinggang [1]:

• Dewasa dengan berat badan normal (BMI $<25,0{\text{ kg/m}}^2$, $n=40$): 4C-DXA1 secara signifikan meremehkan persentase lemak tubuh dengan constant error (CE) sebesar $-3,0\%$ ($p<0,001$, $\text{SEE}=2,59\%$, $\text{LOA }95\%=\pm 5,0\%$), sedangkan 4C-DXA2 secara signifikan memperkirakan persentase lemak terlalu tinggi ($\text{CE}=+4,8\%$, $p<0,001$, $\text{SEE}=1,24\%$) [1].
• Dewasa dengan kelebihan berat badan tanpa lingkar pinggang berisiko (BMI $\ge 25,0{\text{ kg/m}}^2$, $n=40$): Persentase lemak 4C-DXA1 tidak berbeda dalam galat konstan rata-rata ($\text{CE}=-0,5\%$, $p=0,112$, $\text{SEE}=1,92\%$), tetapi menunjukkan bias proporsional yang signifikan ($p=0,007$) [1].
• Dewasa dengan kelebihan berat badan dengan lingkar pinggang berisiko (BMI $\ge 25,0{\text{ kg/m}}^2$, $\text{WC}\ge 88\text{ cm}$ untuk wanita, $\ge 102\text{ cm}$ untuk pria, $n=35$): Kedua persamaan menghasilkan sedikit estimasi berlebih rata-rata ($\text{CE}=+2,2\%$ dan $+2,3\%$, $p<0,001$), tetapi 4C-DXA1 tidak menunjukkan bias proporsional ($p=0,183$, $\text{SEE}=1,84\%$, $\text{LOA }95\%=\pm 3,8\%$), menjadikannya satu-satunya model pengganti yang dinilai valid untuk kohort spesifik tersebut [1].

Adaptasi demografis berikutnya, seperti persamaan 4C-DXANickerson, telah mengonfirmasi bahwa konversi volume DXA khusus dapat memberikan estimasi volume tubuh 4C yang valid pada kelompok tertentu, termasuk orang dewasa Hispanik [3]. Demikian pula, persamaan prediksi impedansi bioelektrik multifrekuensi terkalibrasi (multifrequency bioelectrical impedance/mBCA) untuk remaja (usia 10–17 tahun) yang dikembangkan terhadap kriteria 4C (menggabungkan ADP, ${\text{D}}_2\text{O}$, dan DXA BMC) menghasilkan kesesuaian yang kuat untuk FFM ($R^2=0,96$, $\text{SRMSE}=2,18\text{ kg}$) tanpa bias rata-rata yang signifikan ($38,4\pm 11,4\text{ kg}$ vs. $38,9\pm 12,0\text{ kg}$) [6].

Ringkasan Praktis

Persamaan lingkar antropometri standar menyediakan estimasi persentase lemak tubuh yang mudah diakses dan berbeban rendah untuk populasi besar, namun ketergantungannya pada asumsi geometris yang kaku menimbulkan galat sistematis [10, 14]. Ketika dibandingkan dengan kriteria model 4-kompartemen dan pemindaian DXA 3-kompartemen, persamaan lingkar secara sistematis memperkirakan persentase lemak terlalu tinggi pada individu ramping, memperkirakan persentase lemak terlalu rendah pada individu dengan adipositas tinggi, serta gagal melacak pergeseran jaringan secara longitudinal selama periode latihan atau perubahan berat badan [4, 10, 14]. Untuk pemantauan atletik serius di mana pembedaan antara hipertrofi otot rangka, pergeseran keseimbangan cairan, dan perubahan jaringan adiposa sangatlah penting, persamaan lingkar berbasis lapangan tidak dapat menggantikan model laboratorium multi-kompartemen [4, 5, 7].