皮尺量體脂 vs 實驗室檢測：準確度到底如何？

標準人體圍度公式與多隔室實驗室模型之間存在系統性偏差，不僅會高估精實運動員的體脂率，亦無法可靠地追蹤長期的身體組成變化。

最近更新: 2026-09-12

多隔室黃金標準架構

在實驗室環境中量化人體組成，仰賴將人體劃分為不同化學或解剖成分的參考模型 [16]。雖然雙隔室（2C）模型僅將體重簡單區分為脂肪重（FM）與去脂體重（FFM），但其依賴於對 FFM 密度與水合狀態的固定假設，這在不同運動與臨床族群中往往會引入測量誤差 [7, 16]。

四隔室（4C）模型透過獨立測量總體重、身體體積（BV）、總體水（TBW）與骨礦物質含量（BMC 或骨灰重），成為活體人體組成分析的黃金標準準則 [5, 7, 16]。4C 模型的經典數學公式表示如下：

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

其中 BV 是透過空氣置換容積法（ADP）或水下秤重法取得，TBW 是透過氧化氘（ $D_{2} O$ ）或 $^{18} O$ 同位素稀釋法取得，骨礦物質灰重（ $A$ ）來自雙能量 X 光吸收儀（DXA）測得的 BMC 乘以 1.0436，而 Weight 則為總體重 [7, 16]。誤差傳遞分析顯示，嚴謹執行的 4C 模型對脂肪重的測量精準度約達 0.25 kg，同時確立了人體 FFM 平均生物水合係數為 $0.74 \pm 0.02$ [7]。

空氣置換容積法（例如 BOD POD 系統）利用雙震盪艙應用卜瓦松定律（Poisson's Law）測定身體體積，此法需要兩點體積校準（空艙與 50 L 校準筒）、穿著貼身衣物以避免等溫表面積偽影，以及胸腔氣體容積（TGV）校正 [9]。BOD POD 儀器的內部變異係數為 2.3%，總體積誤差範圍在 $\pm 1.0 %$ 至 $2.7 %$ 之間 [7, 9]。當評估現場或替代影像技術時，4C 準則模型（或 3C DXA 架構）可作為量化預測誤差的黃金基準 [1, 5, 10, 18]。

標準人體圍度測量公式的運作機制

現場人體組成評估因低成本與高易用性，經常採用皮尺測量圍度。其中最具代表性的是美國國防部（DoD）圍度法，該方法最初由 James Hodgdon 在海軍健康研究中心利用水下秤重準則數據建立，隨後透過 1984 年陸軍體組成研究的人員進行了交叉驗證 [10, 14]。其數學公式（測量單位為英吋）結構如下 [12]：

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

其他體適能指數則試圖透過單一特定解剖比例來取代多部位圍度測量。由 Bergman 等人提出的身體肥胖指數（BAI），利用臀圍與身高估算體脂率： $BAI = [hip circumference (cm) / (height (m))^{1.5}] - 18$ [21]。同樣地，相對脂肪重（RFM）指數與腰圍身高比（WHtR）利用腰圍與身高的幾何關係，來估算不同人口群體中的中心性肥胖與內臟脂肪組織（VAT）門檻 [3, 23]。

+-----------------------------------------------------------------------------+
|                                身體組成模型層級                             |
|                                                                             |
|  [4 隔室準則標準]                                                           |
|   ├── 總體重（校準磅秤）                                                    |
|   ├── 身體體積（ADP / BOD POD 依據卜瓦松定律） [9]                           |
|   ├── 總體水（D2O / 18O 同位素稀釋法） [7]                                  |
|   └── 骨礦物質含量 / 骨灰重（DXA BMC x 1.0436） [7]                         |
|        │                                                                    |
|        ▼ 精準度：±0.25 kg FM [7]                                            |
|                                                                             |
|  [替代實驗室模型]                                                           |
|   ├── 雙能量 X 光吸收儀（DXA 3C） [5, 10]                                   |
|   └── DXA 推導體積之 4C 衍生公式（4C-DXA1 / 4C-DXA2） [1, 3]                |
|                                                                             |
|  [現場人體圍度模型]                                                         |
|   ├── DoD 圍度公式（腹圍、頸圍、腰圍、臀圍） [4, 10, 12]                     |
|   ├── 身體肥胖指數（BAI：臀圍與身高） [21]                                   |
|   └── 相對比例指標（WHtR、RFM、BMI） [3, 15, 23]                            |
+-----------------------------------------------------------------------------+

橫斷面準確度與系統性偏差

將圍度公式與實驗室影像技術及多隔室準則進行直接比較的驗證試驗顯示，這些公式存在與受試者精實度、性別及脂肪分佈密切相關的顯著系統性偏差 [10]。

在一項針對 609 名現役美國海軍陸戰隊員（430 名男性、179 名女性；年齡 18–57 歲）進行的研究中，以三隔室 DXA 為準則評估 DoD 腹部圍度公式，結果顯示出明顯的方向性偏差 [10]：

男性方面，圍度公式系統性低估體脂率，平均偏差在 $\leq 30$ 歲組為 $- 2.6 \pm 3.7 %$ ，在 $> 30$ 歲組為 $- 2.5 \pm 3.7 %$ [10]。
女性方面，該公式則系統性高估體脂率，平均偏差在 $\leq 30$ 歲組為 $+ 2.3 \pm 4.3 %$ ，在 $> 30$ 歲組為 $+ 1.3 \pm 4.8 %$ [10]。
個別回歸分析揭示了比例偏差：圍度測量法系統性高估精實人員的體脂，同時低估較高體脂者的脂肪量 [10]。

相較之下，在同一個世代中使用生物電阻抗分析（以 RJL Systems Quantum IV 進行 BIA）與 DXA 相比表現出較低的平均偏差（男性 $\leq 30$ 歲： $0.4 \pm 3.2 %$ ， $> 30$ 歲： $- 0.5 \pm 3.5 %$ ；女性 $\leq 30$ 歲： $1.4 \pm 3.1 %$ ， $> 30$ 歲： $0.0 \pm 3.3 %$ ） [10]。

單一圍度指數也出現了類似的方向性誤差。在一個包含 95 名女性並經由 DXA 評估的隊列中，標準 BMI 在預測體脂率方面的表現優於 BAI（BMI： $r = 0.823$ ， $r^{2} = 0.678$ ， $SEE = 3.89 %$ ；BAI： $r = 0.702$ ， $SEE = 4.88 %$ ），且在較高體脂區間內，BAI 平均低估體脂達 $8.7 %$ [21]。然而，在另一項針對 188 名年輕成人的 4C 模型研究中，BAI（ $r = 0.668$ ）與腰圍（ $r = 0.194$ ）與 4C 測得體脂率的相關性高於 BMI（ $r = 0.192$ ） [21]。在流行病學層面，一項納入 32 項診斷準確性研究的系統回顧顯示，相對於影像學標準，腰圍在識別肥胖方面的合併敏感度在男性為 $62.4 %$ 、女性為 $57.0 %$ ，特異度則分別達到 $88.1 %$ 與 $94.8 %$ [15]。

評估方法	參考標準	受試族群	主要發現／偏差	來源
DoD 圍度法	GE Lunar iDXA	609 名美國海軍陸戰隊員	男性偏差 $- 2.5 %$ 至 $- 2.6 %$ ；女性偏差 $+ 1.3 %$ 至 $+ 2.3 %$ ；高估精實者、低估高體脂者	[10]
DoD 圍度法	BOD POD (ADP)	21 名陸軍 ROTC 學員	在 9 個月內增重 $+ 1.8 kg$ 的過程中低估了 $% BF$ 與 $Δ FM$	[4, 14]
BAI	DXA	95 名年輕成年女性	$r = 0.702$ ， $SEE = 4.88 %$ ；在高體脂區間低估 $% BF$ 達 $8.7 %$	[21]
B 型超音波（7 點法）	Wang-4C 準則	51 名過重／肥胖成人	高估 $% BF$ （ $36.4 %$ vs. $33.0 %$ , $p = 0.001$ ）， $SEE = 3.5 %$	[18]
皮褶厚度（7 點法）	Wang-4C 準則	51 名過重／肥胖成人	$% BF = 35.3 \pm 5.9 %$ vs. $33.0 \pm 8.0 %$ (4C)， $SEE = 4.5 %$	[18]
DXA 3C	準則 4C 模型	27 名菁英柔道運動員	$95 %$ LOA： $- 3.7 %$ 至 $+ 5.3 %$ ；僅能解釋 $29 %$ 的 $Δ % FM$ 與 $36 %$ 的 $Δ FM$	[5]

長期追蹤與對身體組成變化的敏感度

儘管人體測量值與多隔室準則之間的橫斷面相關性可能看似中等偏高，但在追蹤身體組成的長期動態變化時，圍度公式顯露出顯著的局限性 [4, 14]。

在一項針對 21 名男性陸軍 ROTC 學員為期 9 個月的長期追蹤評估中（期間平均體重增加 $+ 1.8 kg$ ），Bland-Altman 與回歸分析顯示 DoD 圍度公式無法有效追蹤成分變化 [4, 14]。與空氣置換容積法準則測量相比，圍度計算顯著低估了體脂百分比與脂肪重的變化 [4, 14]。由於肌肉肥大對頸圍與腹圍維度的改變，與脂肪堆積的關係並非呈線性，基於圍度的公式在訓練條件下往往會誤判組織形態的改變 [4, 10]。

替代實驗室方法同樣存在追蹤局限性。在一項涉及 27 名菁英男子柔道運動員、以 4C 準則模型（ADP、DXA BMC 及 $D_{2} O$ 稀釋法）進行監控的試驗中，DXA 個體 95% 一致性界限（limits of agreement）在相對脂肪量上為 $- 3.7 %$ 至 $+ 5.3 %$ ，在絕對脂肪重上為 $- 2.6 kg$ 至 $+ 3.7 kg$ [5]。至關重要的是，DXA 僅能解釋 4C 模型所觀察到的相對脂肪百分比變化（ $Δ % FM$ ）中 $29 %$ 的變異量、絕對脂肪重變化（ $Δ FM$ ）中 $36 %$ 的變異量，以及去脂體重變化（ $Δ FFM$ ）中 $38 %$ 的變異量 [5]。

黃金準則（4C 模型）與替代方法的長期追蹤敏感度對比

長期變化之解釋變異量（菁英運動員，DXA 對比 4C 準則模型 [5]）：
相對脂肪重（%FM）變化： [████████░░░░░░░░░░░░] 29%
絕對脂肪重（FM）變化：  [██████████░░░░░░░░░░] 36%
去脂體重（FFM）變化：   [███████████░░░░░░░░░] 38%

圍度公式對比準則 ADP（ROTC 學員 9 個月追蹤 [4, 14]）：
- 在體重增加 +1.8 kg 後低估了 Δ%BF
- 無法有效追蹤脂肪與去脂體重分佈的個別轉變

混合與替代多隔室模型的有效性

為了縮小現場方法與複雜 4C 測試之間的差距，研究人員探討了將 DXA 推導的身體體積估計值代入 4C 數學架構中的混合公式 [1, 3]。

McLester 等人針對不同身體質量指數與腰圍分類的群體，評估了兩種 DXA 導出體積公式（4C-DXA1 與 4C-DXA2）相對於準則 4C-ADP 模型的表現 [1]：

正常體重成人（BMI $< 25.0 {kg/m}^{2}$ ， $n = 40$ ）：4C-DXA1 顯著低估體脂率，固定誤差（CE）為 $- 3.0 %$ （ $p < 0.001$ ， $SEE = 2.59 %$ ， $95 % LOA = \pm 5.0 %$ ），而 4C-DXA2 則顯著高估體脂率（ $CE = + 4.8 %$ ， $p < 0.001$ ， $SEE = 1.24 %$ ） [1]。
無腰圍風險之過重成人（BMI $\geq 25.0 {kg/m}^{2}$ ， $n = 40$ ）：4C-DXA1 體脂率在平均固定誤差上無顯著差異（ $CE = - 0.5 %$ ， $p = 0.112$ ， $SEE = 1.92 %$ ），但表現出顯著的比例偏差（ $p = 0.007$ ） [1]。
具腰圍風險之過重成人（BMI $\geq 25.0 {kg/m}^{2}$ ，女性 $WC \geq 88 cm$ ，男性 $\geq 102 cm$ ， $n = 35$ ）：兩種公式均產生微小的平均高估（ $CE = + 2.2 %$ 與 $+ 2.3 %$ ， $p < 0.001$ ），但 4C-DXA1 未出現比例偏差（ $p = 0.183$ ， $SEE = 1.84 %$ ， $95 % LOA = \pm 3.8 %$ ），使其成為該特定族群中唯一被認定為有效的替代模型 [1]。

隨後針對特定族群的調整（例如 4C-DXANickerson 公式）證實，特定的 DXA 體積轉換公式可在特定群體（包括西班牙裔成年人）中提供有效的 4C 身體體積估計值 [3]。同樣地，針對青少年（10–17 歲）以 4C 準則（整合 ADP、 $D_{2} O$ 與 DXA BMC）開發的校準多頻生物電阻抗（mBCA）預測公式，在 FFM 上展現出高度一致性（ $R^{2} = 0.96$ ， $SRMSE = 2.18 kg$ ），且無顯著平均偏差（ $38.4 \pm 11.4 kg$ vs. $38.9 \pm 12.0 kg$ ） [6]。

實務結論

標準人體圍度測量公式為大樣本族群提供了一種便捷、低負擔的體脂率估算方式，但其對刻板幾何假設的依賴引入了系統性誤差 [10, 14]。當以 4 隔室準則模型及 3 隔室 DXA 掃描進行對標時，圍度公式會系統性高估精實族群的體脂率、低估高體脂族群的體脂率，並且在訓練或體重改變期間無法有效追蹤長期的組織變化 [4, 10, 14]。對於需要精準區分骨骼肌肥大、水合狀態改變與脂肪組織變化的競技運動監控而言，現場圍度測量公式絕無法取代實驗室的多隔室模型 [4, 5, 7]。