Målebånd vs. labtester for kroppsfett: Hvor nøyaktige er de?

Flerkomponentmodellens kriteriearkitektur

Kvantifisering av menneskelig kroppssammensetning i laboratoriemiljøer baserer seg på referansemodeller som deler kroppen inn i distinkte kjemiske eller anatomiske fraksjoner [16]. Selv om tokomponentsmodeller (2C) deler massen enkelt inn i fettmasse (FM) og fettfri masse (FFM), hviler de på faste antakelser om densiteten og hydreringen av FFM som hyppig introduserer målefeil på tvers av ulike atletiske og kliniske populasjoner [7, 16].

Firekomponentsmodellen (4C) representerer gullstandardkriteriet for in vivo-analyse av kroppssammensetning ved å måle total kroppsmasse, kroppsvolum (BV), totalt kroppsvann (TBW) og benmineralinnhold (BMC eller osseøs aske) uavhengig av hverandre [5, 7, 16]. En klassisk matematisk konfigurasjon av 4C-modellen uttrykkes som:

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

hvor BV utledes fra pletysmograti via luftfortregning (ADP) eller hydrostatisk veiing, TBW via deuteriumoksid (${\text{D}}_2\text{O}$) eller ${}^{18}\text{O}$-fortynning, osseøs mineralaske ($A$) fra dual-energy X-ray absorptiometry (DXA) BMC multiplisert med 1,0436, og Weight er total kroppsmasse [7, 16]. Feilforplantningsanalyser indikerer at en korrekt utført 4C-modell oppnår en målepresisjon for fettmasse på omtrent 0,25 kg, samtidig som den etablerer en gjennomsnittlig biologisk FFM-hydreringsfaktor på $0,74\pm 0,02$ [7].

Pletysmografi via luftfortrengning (slik som BOD POD-systemet) anvender Poissons lov over doble oscillerende kamre for å bestemme kroppsvolum. Dette krever to-punkts volumkalibrering (tomt kammer og en 50 L sylinder), tettsittende bekledning for å unngå isotermiske overflateartefakter, og korreksjoner for torakalt gassvolum (TGV) [9]. BOD POD-instrumentering gir en intern variasjonskoeffisient på 2,3 % og et generelt volumfeilområde på $\pm 1,0\%$ til $2,7\%$ [7, 9]. Når feltbaserte metoder eller surrogat-avbildningsteknikker evalueres, fungerer 4C-kriteriemodeller (eller 3C DXA-rammeverk) som standarden prediktiv feil kvantifiseres mot [1, 5, 10, 18].

Mekanikken bak standard antropometriske formler

Feltbaserte vurderinger av kroppssammensetning benytter ofte målebåndsomkretser på grunn av lave kostnader og høy tilgjengelighet. Den mest fremtredende protokollen er omkretsmetoden til United States Department of Defense (DoD), opprinnelig utformet av James Hodgdon ved Navy Health Research Center ved hjelp av kriteriedata fra undervannsveiing og deretter kryssvalidert på personell fra 1984 Army Body Composition Study [10, 14]. De matematiske formlene (som benytter målinger i tommer) er strukturert som følger [12]:

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

Andre antropometriske indekser forsøker å omgå omkretser fra flere steder ved å isolere spesifikke anatomiske forholdstall. Body Adiposity Index (BAI), introdusert av Bergman et al., estimerer fettmengde fra hofteomkrets og høyde: $\text{BAI}=[\text{hofteomkrets (cm)}/(\text{h0̆0f8yde (m)}{)}^{1.5}]-18$ [21]. På lignende vis utnytter Relative Fat Mass (RFM)-indeksen og midje-til-høyde-forholdet (WHtR) geometrien mellom midje og kroppshøyde for å estimere sentral fedme og terskelverdier for visceralt fettvev (VAT) på tvers av demografiske grupper [3, 23].

+-----------------------------------------------------------------------------+
|                   HIERARKI FOR KROPPSSAMMENSETNINGSMODELLER                 |
|                                                                             |
|  [4-komponent kriterium]                                                    |
|   ├── Total kroppsmasse (Kalibrert vekt)                                    |
|   ├── Kroppsvolum (ADP / BOD POD via Poissons lov) [9]                      |
|   ├── Totalt kroppsvann (D2O / 18O isotopfortynning) [7]                    |
|   └── Benmineralmasse / aske (DXA BMC x 1,0436) [7]                         |
|        │                                                                    |
|        ▼ Presisjon: ±0,25 kg FM [7]                                         |
|                                                                             |
|  [Surrogatlaboratoriemodeller]                                              |
|   ├── Dual-Energy X-Ray Absorptiometry (DXA 3C) [5, 10]                      |
|   └── DXA-utledede volum 4C-variasjoner (4C-DXA1 / 4C-DXA2) [1, 3]          |
|                                                                             |
|  [Feltbaserte antropometriske modeller]                                     |
|   ├── DoD-omkretsligninger (Abdomen, nakke, midje, hofte) [4, 10, 12]       |
|   ├── Body Adiposity Index (BAI: Hofte og høyde) [21]                       |
|   └── Relative forholdstall (WHtR, RFM, BMI) [3, 15, 23]                   |
+-----------------------------------------------------------------------------+

Tverrsnittsnøyaktighet og systematiske skjevheter

Valideringsstudier som sammenligner omkretsligninger direkte mot laboratorieavbildning og flerkomponentkriterier viser tydelige systematiske skjevheter knyttet til deltakernes magerhet, kjønn og fettfordeling [10].

I en undersøkelse av 609 amerikanske marinesoldater i aktiv tjeneste (430 menn, 179 kvinner; i alderen 18–57 år) evaluert mot trekomponents-DXA, viste DoDs abdominale omkretsligninger en betydelig retningsbestemt skjevhet [10]:

• Hos menn underestimerte omkretsligningen systematisk fettprosenten med en gjennomsnittlig skjevhet på $-2,6\pm 3,7\%$ (alder $\le 30$) og $-2,5\pm 3,7\%$ (alder $>30$) [10].
• Hos kvinner overestimerte ligningen systematisk fettprosenten med $+2,3\pm 4,3\%$ (alder $\le 30$) og $+1,3\pm 4,8\%$ (alder $>30$) [10].
• Individuelle regresjonsanalyser avdekket proporsjonal skjevhet: omkretsmetoden overestimerte systematisk kroppsfett hos slanke/magre personer, mens den underestimerte kroppsfett hos individer med høyere fettmasse [10].

Til sammenligning viste bioelektrisk impedansanalyse (BIA via RJL Systems Quantum IV) i samme kohort lavere gjennomsnittlig skjevhet mot DXA (menn $\le 30$: $0,4\pm 3,2\%$, $>30$: $-0,5\pm 3,5\%$; kvinner $\le 30$: $1,4\pm 3,1\%$, $>30$: $0,0\pm 3,3\%$) [10].

Lignende retningsfeil oppstår med indekser basert på enkeltomkretser. I en kohort på 95 kvinner evaluert via DXA, ble BAI utkonkurrert av standard BMI når det gjaldt å forutsi fettprosent (BMI: $r=0,823$, $r^2=0,678$, $\text{SEE}=3,89\%$; BAI: $r=0,702$, $\text{SEE}=4,88\%$) og underestimerte kroppsfett med et gjennomsnitt på $8,7\%$ ved høyere fettnivåer [21]. I en separat 4C-modellstudie av 188 unge voksne korrelerte imidlertid BAI ($r=0,668$) og midjeomkrets ($r=0,194$) sterkere med 4C-utledet fettprosent enn BMI ($r=0,192$) [21]. På epidemiologisk nivå viste en systematisk oversikt over 32 diagnostiske nøyaktighetsstudier at midjeomkrets har en samlet sensitivitet på $62,4\%$ hos menn og $57,0\%$ hos kvinner for å identifisere fedme sammenlignet med bildediagnostiske standarder, med en spesifisitet på henholdsvis $88,1\%$ og $94,8\%$ [15].

Longitudinell sporing og sensitivitet for endringer i kroppssammensetning

Selv om tverrsnittskorrelasjoner mellom antropometri og flerkomponentkriterier kan fremstå som moderat høye, viser omkretsligninger markerte begrensninger ved sporing av longitudinelle endringer i kroppssammensetning [4, 14].

I en 9-måneders longitudinell evaluering av 21 mannlige Army ROTC-kadetter som opplevde en gjennomsnittlig kroppsmasseøkning på $+1,8\text{ kg}$, viste Bland-Altman- og regresjonsanalyser at DoDs omkretsligning ikke maktet å fange opp sammensetningsendringene [4, 14]. Omkretsberegningene underestimerte endringer i fettprosent og fettmasse signifikant sammenlignet med kriteriemålinger fra pletysmografi via luftfortrengning [4, 14]. Fordi muskelhypertrofi endrer nakke- og abdominaldimensjoner ikke-lineært i forhold til fettavleiring, feiltolker omkretsbaserte ligninger vevsmorfologiske skifter under treningsbetingelser [4, 10].

Sporingsbegrensninger eksisterer også på tvers av laboratoriebaserte surrogatmetoder. I et forsøk med 27 mannlige judoutøvere på elitenivå som ble overvåket mot en 4C-kriteriemodell (ADP, DXA BMC og ${\text{D}}_2\text{O}$-fortynning), strakte de individuelle $95\%$-samsvarsgrensene for DXA seg fra $-3,7\%$ til $+5,3\%$ for relativ fettmasse og fra $-2,6\text{ kg}$ til $+3,7\text{ kg}$ for absolutt fettmasse [5]. DXA forklarte avgjørende nok bare $29\%$ av variansen i endring av relativ fettmasse ($\mathrm{\Delta }\%\text{FM}$), $36\%$ av endring i absolutt fettmasse ($\mathrm{\Delta }\text{FM}$), og $38\%$ av endring i fettfri masse ($\mathrm{\Delta }\text{FFM}$) observert via 4C-modellen [5].

KRITERIUM (4C-modell) vs. SURROGATERS LONGITUDINELLE SENSITIVITET

Forklart varians i longitudinelle endringer (Eliteutøvere, DXA vs. 4C-kriterium [5]):
Relativ fettmasseendring (%FM):    [████████░░░░░░░░░░░░] 29%
Absolutt fettmasseendring (FM):     [██████████░░░░░░░░░░] 36%
Fettfri masseendring (FFM):         [███████████░░░░░░░░░] 38%

Omkretsligninger vs. kriterie-ADP (ROTC-kadetter over 9 måneder [4, 14]):
- Underestimerte Δ%BF etter +1,8 kg masseøkning
- Klarte ikke å spore individuelle skifter i fordelingen av fett- vs. magermasse

Validitet for hybride og surrogatbaserte flerkomponentmodeller

For å bygge bro over gapet mellom feltmetoder og komplisert 4C-testing, har forskere undersøkt hybridligninger som setter inn DXA-utledede estimater for kroppsvolum i matematiske 4C-rammeverk [1, 3].

McLester et al. evaluerte to DXA-utledede kroppsvolumligninger (4C-DXA1 og 4C-DXA2) mot en 4C-ADP-kriteriemodell på tvers av ulike kategorier for kroppsmasseindeks og midjeomkrets [1]:

• Normalvektige voksne (BMI $<25,0{\text{ kg/m}}^2$, $n=40$): 4C-DXA1 underpredikerte fettprosenten signifikant med en konstant feil (CE) på $-3,0\%$ ($p<0,001$, $\text{SEE}=2,59\%$, $95\%\text{ LOA}=\pm 5,0\%$), mens 4C-DXA2 overpredikerte fettprosenten signifikant ($\text{CE}=+4,8\%$, $p<0,001$, $\text{SEE}=1,24\%$) [1].
• Overvektige voksne uten risikopreget midjeomkrets (BMI $\ge 25,0{\text{ kg/m}}^2$, $n=40$): 4C-DXA1 fettprosent skilte seg ikke i gjennomsnittlig konstant feil ($\text{CE}=-0,5\%$, $p=0,112$, $\text{SEE}=1,92\%$), men utviste signifikant proporsjonal skjevhet ($p=0,007$) [1].
• Overvektige voksne med risikopreget midjeomkrets (BMI $\ge 25,0{\text{ kg/m}}^2$, $\text{WC}\ge 88\text{ cm}$ for kvinner, $\ge 102\text{ cm}$ for menn, $n=35$): Begge ligningene ga små gjennomsnittlige overestimeringer ($\text{CE}=+2,2\%$ og $+2,3\%$, $p<0,001$), men 4C-DXA1 viste ingen proporsjonal skjevhet ($p=0,183$, $\text{SEE}=1,84\%$, $95\%\text{ LOA}=\pm 3,8\%$), noe som gjorde den til den eneste surrogatmodellen ansett som gyldig for denne spesifikke kohorten [1].

Senere demografiske tilpasninger, slik som 4C-DXANickerson-ligningen, har bekreftet at spesialiserte DXA-volumkonverteringer kan gi gyldige 4C-kroppsvolumestimater i spesifikke grupper, inkludert hispaniske voksne [3]. Tilsvarende gir kalibrerte prediksjonsligninger for multifrekvens bioelektrisk impedans (mBCA) for ungdom (i alderen 10–17 år), utviklet mot 4C-kriterier (som inkluderer ADP, ${\text{D}}_2\text{O}$ og DXA BMC), sterkt samsvar for FFM ($R^2=0,96$, $\text{SRMSE}=2,18\text{ kg}$) uten signifikant gjennomsnittlig skjevhet ($38,4\pm 11,4\text{ kg}$ vs. $38,9\pm 12,0\text{ kg}$) [6].

Praktisk oppsummering

Standard antropometriske omkretsligninger gir tilgjengelige, lavterskel estimater av fettprosent på tvers av store populasjoner, men deres avhengighet av rigide geometriske forutsetninger introduserer systematiske feil [10, 14]. Sammenlignet med 4-komponents kriteriemodeller og 3-komponents DXA-skanninger overestimerer omkretsligninger systematisk fettprosenten hos magre individer, underestimerer fettprosenten hos personer med høyere fettmasse, og mislykkes i å spore vevsforandringer longitudinelt under trenings- eller vektendringsperioder [4, 10, 14]. For seriøs oppfølging av idrettsutøvere – der det er essensielt å skille mellom skjelettmuskelhypertrofi, endringer i væskebalanse og variasjoner i fettvev – kan feltbaserte omkretsligninger ikke erstatte flerkomponents laboratoriemodeller [4, 5, 7].