皮尺测体脂对比实验室测试：准确度如何？

标准人体测量围度公式与多成分实验室模型存在系统性偏离，容易高估精瘦运动员的体脂，且无法可靠追踪体成分的纵向变化。

最近更新: 2026-09-12

多成分基准架构

在实验室环境中量化人体成分依赖于将身体划分为不同化学或解剖成分的参考模型 [16]。双成分（2C）模型虽然简单地将体重划分为脂肪量（FM）和去脂体重（FFM），但它们依赖于关于 FFM 密度和水合状态的固定假设，这在不同运动和临床人群中往往会引入测量误差 [7, 16]。

四成分（4C）模型通过独立测量总体重、身体体积（BV）、总体水（TBW）和骨矿物质含量（BMC 或骨灰分），代表了活体人体成分分析的金标准基准 [5, 7, 16]。4C 模型的一个经典数学公式表示为：

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

其中 BV 通过空气置换体积描记法（ADP）或水下称重法获得，TBW 通过氧化氘（ $D_{2} O$ ）或 $^{18} O$ 稀释法测定，骨矿物质灰分（ $A$ ）由双能 X 射线吸收测定法（DXA）测得的 BMC 乘以 1.0436 计算得出，Weight 为总体重 [7, 16]。误差传播分析表明，严格执行的 4C 模型对脂肪量的测量精度约为 0.25 kg，同时确立了 $0.74 \pm 0.02$ 的生物学平均 FFM 水合因子 [7]。

空气置换体积描记法（例如 BOD POD 系统）通过双振荡室应用泊松定律来测定身体体积，需要进行两点体积校准（空舱和 50 L 校准圆柱筒）、穿着紧身衣物以避免等温表面积伪影，并进行胸腔气体容积（TGV）校正 [9]。BOD POD 仪器的内部变异系数为 2.3%，总体积误差范围为 $\pm 1.0 %$ 至 $2.7 %$ [7, 9]。在评估现场或替代成像技术时，基准 4C 模型（或 3C DXA 框架）常作为量化预测误差的黄金参照 [1, 5, 10, 18]。

常用人体测量公式的机制

现场人体成分评估由于成本低且易于普及，常采用卷尺测量围度。其中最著名的方案是美国国防部（DoD）围度法，该方法最初由 James Hodgdon 在海军健康研究中心利用水下称重基准数据制定，随后在 1984 年陆军体成分研究的人员数据中进行了交叉验证 [10, 14]。其数学公式（使用英寸为测量单位）结构如下 [12]：

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

其他人体测量指标试图通过分离特定的解剖比例来避开多部位围度测量。Bergman 等人提出的身体肥胖指数（BAI）通过臀围和身高来估算体脂： $BAI = [hip circumference (cm) / (height (m))^{1.5}] - 18$ [21]。类似地，相对脂肪量（RFM）指数和腰高比（WHtR）利用腰围与身高的几何关系来估算不同人群的向心性肥胖和内脏脂肪组织（VAT）阈值 [3, 23]。

+-----------------------------------------------------------------------------+
|                        BODY COMPOSITION MODEL HIERARCHY                     |
|                                                                             |
|  [4-Compartment Criterion]                                                  |
|   ├── Total Body Mass (Calibrated scale)                                    |
|   ├── Body Volume (ADP / BOD POD via Poisson's Law) [9]                     |
|   ├── Total Body Water (D2O / 18O Isotope Dilution) [7]                     |
|   └── Bone Mineral Mass / Ash (DXA BMC x 1.0436) [7]                        |
|        │                                                                    |
|        ▼ Precision: ±0.25 kg FM [7]                                         |
|                                                                             |
|  [Surrogate Laboratory Models]                                              |
|   ├── Dual-Energy X-Ray Absorptiometry (DXA 3C) [5, 10]                      |
|   └── DXA-Derived Volume 4C Variations (4C-DXA1 / 4C-DXA2) [1, 3]           |
|                                                                             |
|  [Field Anthropometric Models]                                              |
|   ├── DoD Circumference Equations (Abdomen, Neck, Waist, Hip) [4, 10, 12]    |
|   ├── Body Adiposity Index (BAI: Hip & Height) [21]                         |
|   └── Relative Ratios (WHtR, RFM, BMI) [3, 15, 23]                          |
+-----------------------------------------------------------------------------+

横断面准确度与系统性偏差

将围度公式与实验室成像及多成分基准直接进行比较的验证性试验表明，这些公式存在与受试者精瘦程度、性别和脂肪分布相关的明显系统性偏差 [10]。

在一项针对 609 名现役美国海军陆战队员（430 名男性，179 名女性；年龄 18-57 岁）并以三成分 DXA 为基准的研究中，DoD 腹部围度公式表现出显著的方向性偏差 [10]：

在男性中，围度公式系统性低估了体脂率，平均偏差为 $- 2.6 \pm 3.7 %$ （年龄 $\leq 30$ 岁）和 $- 2.5 \pm 3.7 %$ （年龄 $> 30$ 岁）[10]。
在女性中，该公式系统性高估了体脂率，平均偏差为 $+ 2.3 \pm 4.3 %$ （年龄 $\leq 30$ 岁）和 $+ 1.3 \pm 4.8 %$ （年龄 $> 30$ 岁）[10]。
个体回归分析揭示了比例偏差：围度法系统性高估了精瘦人员的体脂率，同时低估了体脂较高个体的体脂率 [10]。

相比之下，同一队列中的生物电阻抗分析（采用 RJL Systems Quantum IV 测定 BIA）与 DXA 相比表现出更低的平均偏差（男性 $\leq 30$ 岁： $0.4 \pm 3.2 %$ ， $> 30$ 岁： $- 0.5 \pm 3.5 %$ ；女性 $\leq 30$ 岁： $1.4 \pm 3.1 %$ ， $> 30$ 岁： $0.0 \pm 3.3 %$ ）[10]。

单围度指标也出现了类似的方向性误差。在通过 DXA 评估的 95 名女性队列中，标准 BMI 在预测体脂率方面的表现优于 BAI（BMI： $r = 0.823$ ， $r^{2} = 0.678$ ， $SEE = 3.89 %$ ；BAI： $r = 0.702$ ， $SEE = 4.88 %$ ），并且在高体脂区间平均低估了 $8.7 %$ 的体脂 [21]。然而，在另一项针对 188 名年轻人的 4C 模型研究中，BAI（ $r = 0.668$ ）和腰围（ $r = 0.194$ ）与 4C 计算得出的体脂率的相关性强于 BMI（ $r = 0.192$ ）[21]。在流行病学层面，一项包含 32 项诊断准确性研究的系统评价显示，相对于成像标准，腰围在识别男性肥胖方面的合并敏感度为 $62.4 %$ ，女性为 $57.0 %$ ，特异度分别达到 $88.1 %$ 和 $94.8 %$ [15]。

Assessment Method	Reference Standard	Population	Primary Findings / Bias	Source
DoD Circumference	GE Lunar iDXA	609 US Marines	Males: $- 2.5 %$ to $- 2.6 %$ bias; Females: $+ 1.3 %$ to $+ 2.3 %$ bias; overestimates lean, understates high BF%	[10]
DoD Circumference	BOD POD (ADP)	21 Army ROTC Cadets	Underestimated $% BF$ and $Δ FM$ across a 9-month $+ 1.8 kg$ mass gain	[4, 14]
BAI	DXA	95 Young Adult Women	$r = 0.702$ , $SEE = 4.88 %$ ; underestimated $% BF$ by $8.7 %$ at high adiposity	[21]
B-mode Ultrasound (7-site)	Wang-4C Criterion	51 Overweight/Obese Adults	Overestimated $% BF$ ( $36.4 %$ vs. $33.0 %$ , $p = 0.001$ ), $SEE = 3.5 %$	[18]
Skinfolds (7-site)	Wang-4C Criterion	51 Overweight/Obese Adults	$% BF = 35.3 \pm 5.9 %$ vs. $33.0 \pm 8.0 %$ (4C), $SEE = 4.5 %$	[18]
DXA 3C	Criterion 4C Model	27 Elite Judo Athletes	$95 %$ LOA: $- 3.7 %$ to $+ 5.3 %$ ; explained only $29 %$ of $Δ % FM$ and $36 %$ of $Δ FM$	[5]

纵向追踪与体成分变化的敏感性

虽然人体测量与多成分基准之间的横断面相关性可能看似中等偏高，但围度公式在追踪体成分的纵向变化时表现出明显的局限性 [4, 14]。

在一项针对 21 名陆军预备役军官训练团（ROTC）男性学员进行的为期 9 个月的纵向评估中（学员平均体重增加 $+ 1.8 kg$ ），Bland-Altman 分析和回归分析表明，DoD 围度公式未能有效追踪成分转变 [4, 14]。与空气置换体积描记法基准测量相比，围度计算显著低估了体脂百分比和脂肪量的变化 [4, 14]。由于肌肉肥大会导致颈围和腹围发生相对于脂肪沉积非线性的变化，基于围度的公式在训练条件下会误判组织形态的转变 [4, 10]。

替代实验室方法同样存在追踪局限性。在一项涉及 27 名优秀男子柔道运动员的研究中，以 4C 基准模型（ADP、DXA BMC 和 $D_{2} O$ 稀释法）为对照，DXA 的个体 $95 %$ 一致性界限在相对体脂率上为 $- 3.7 %$ 至 $+ 5.3 %$ ，在绝对脂肪量上为 $- 2.6 kg$ 至 $+ 3.7 kg$ [5]。至关重要的是，DXA 仅能解释 4C 模型观察到的相对脂肪量变化（ $Δ % FM$ ）方差的 $29 %$ 、绝对脂肪量变化（ $Δ FM$ ）方差的 $36 %$ 以及去脂体重变化（ $Δ FFM$ ）方差的 $38 %$ [5]。

CRITERION (4C Model) vs. SURROGATE LONGITUDINAL SENSITIVITY

Variance Explained in Longitudinal Changes (Elite Athletes, DXA vs. 4C Criterion [5]):
Relative Fat Mass (%FM) Change:  [████████░░░░░░░░░░░░] 29%
Absolute Fat Mass (FM) Change:   [██████████░░░░░░░░░░] 36%
Fat-Free Mass (FFM) Change:      [███████████░░░░░░░░░] 38%

Circumference Equations vs. Criterion ADP (ROTC Cadets over 9 Months [4, 14]):
- Underestimated Δ%BF following +1.8 kg mass gain
- Failed to track individual shifts in fat vs. lean mass distribution

混合模型与替代多成分模型的有效性

为了弥合现场方法与复杂 4C 测试之间的差距，研究人员探索了将 DXA 估算的身体体积代入 4C 数学框架的混合公式 [1, 3]。

McLester 等人在不同的身体质量指数和腰围分类人群中，针对 4C-ADP 基准模型评估了两种基于 DXA 身体体积的公式（4C-DXA1 和 4C-DXA2）[1]：

正常体重成人（BMI $< 25.0 {kg/m}^{2}$ ， $n = 40$ ）：4C-DXA1 显著低估了体脂率，固定误差（CE）为 $- 3.0 %$ （ $p < 0.001$ ， $SEE = 2.59 %$ ， $95 % LOA = \pm 5.0 %$ ），而 4C-DXA2 显著高估了体脂率（ $CE = + 4.8 %$ ， $p < 0.001$ ， $SEE = 1.24 %$ ）[1]。
无腰围风险的超重成人（BMI $\geq 25.0 {kg/m}^{2}$ ， $n = 40$ ）：4C-DXA1 估算的体脂率在平均固定误差上没有显著差异（ $CE = - 0.5 %$ ， $p = 0.112$ ， $SEE = 1.92 %$ ），但表现出显著的比例偏差（ $p = 0.007$ ）[1]。
伴有腰围风险的超重成人（BMI $\geq 25.0 {kg/m}^{2}$ ，女性 $WC \geq 88 cm$ ，男性 $\geq 102 cm$ ， $n = 35$ ）：两个公式均产生轻微的平均高估（ $CE = + 2.2 %$ 和 $+ 2.3 %$ ， $p < 0.001$ ），但 4C-DXA1 没有表现出比例偏差（ $p = 0.183$ ， $SEE = 1.84 %$ ， $95 % LOA = \pm 3.8 %$ ），使其成为该特定群体中唯一被认定有效的替代模型 [1]。

随后的针对特定人群的调整（例如 4C-DXANickerson 公式）证实，专用的 DXA 体积转换可以在特定人群（包括拉美裔成人）中提供有效的 4C 身体体积估算 [3]。类似地，以 4C 基准（结合 ADP、 $D_{2} O$ 和 DXA BMC）为参照开发的青少年（10-17 岁）校准多频生物电阻抗（mBCA）预测公式在 FFM 上表现出高度一致性（ $R^{2} = 0.96$ ， $SRMSE = 2.18 kg$ ），且无显著平均偏差（ $38.4 \pm 11.4 kg$ 对比 $38.9 \pm 12.0 kg$ ）[6]。

实用总结

标准人体测量围度公式在大样本人群中提供了简便、低负担的体脂率估算，但其对刚性几何假设的依赖引入了系统性误差 [10, 14]。当以 4 成分基准模型和 3 成分 DXA 扫描为基准进行对照时，围度公式会系统性高估精瘦人群的体脂率，低估高体脂人群的体脂率，并且在训练或体重变化期间无法可靠地追踪纵向组织转变 [4, 10, 14]。对于需要明确区分骨骼肌肥大、水盐平衡变化与脂肪组织转变的严肃运动追踪而言，现场围度公式无法替代多成分实验室模型 [4, 5, 7]。