🌐 繁體中文
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 體位測量與皮褶厚度公式:身體組成評估比較

ISAK 體位測量分析透過標準化多點測量與組織分層模型,避免了傳統皮褶厚度回歸公式固有的族群偏差以及分子層面與組織層面混淆的誤差。然而,這兩種方法皆屬於雙重間接評估,且靈敏度不足以偵測低於 0.5 公斤的短期脂肪量變化。

最近更新: 2026-09-15

依循國際人體測量與人體體型評估學會(ISAK)標準流程進行的全面體位測量分析,提供了一套標準化的多部位評估方法,能夠在解剖學層面上區分不同組織;相較之下,傳統皮褶厚度公式則仰賴統計回歸來預測全身密度或體脂百分比 [4, 6, 9]。雖然 ISAK 的組織分層模型減少了因將特定族群回歸公式套用至個體所產生的數學失真,但這兩種方法本質上仍屬雙重間接測量,其靈敏度並不足以偵測小於 0.5 公斤的短期脂肪量變化 [16, 17]。

傳統皮褶厚度公式的盲點

傳統體脂評估通常使用皮褶卡測量特定部位厚度,並代入回歸公式(如 Jackson and Pollock 或 Durnin and Womersley 公式)進行計算 [4]。這些公式是針對特定參考族群開發的,當套用至不同運動專項、年齡、性別或體型的族群時,其泛化能力往往相當有限 [4, 11, 16]。

當將不同標準回歸公式套用至完全相同的測量數據時,得出的估算值會出現劇烈分歧:

  • 公式間的顯著差異: 將不同已發表的公式套用於由 ISAK 3 級測量師測得的同一組 8 部位數據時,體脂估算值介於 5.29%(Carter 公式)至 8.22%(Faulkner 公式)之間 [3]。在一項針對 87 名成年人的研究中,僅因選用公式不同,男性的平均體脂率估算值便在 8.90% 至 17.91% 之間波動,女性則在 15.33% 至 28.79% 之間變化 [9]。
  • 系統性偏差: 與四成分(4C)黃金標準模型相比,Durnin and Womersley 公式呈現 -2% 的平均偏差,而 Jackson and Pollock 公式則呈現 -6.6% 的平均偏差,且兩種公式皆會對體型較大者產生系統性低估體脂的現象 [4]。
  • 效標落差: 在以三成分(3C)模型評估青少年運動員時,廣泛使用的公式(包括 Durnin-Womersley、Jackson and Pollock 7 部位與 Slaughter 公式)均顯著偏離效標去脂體重值 [8, 15]。相對而言,適用於男性的 Evans 3 部位公式(平均差 = 1.8 ± 3.56 kg,Lin 一致性相關係數 [CCC] = 0.93)與適用於女性的 Evans 7 部位公式(CCC = 0.82,估計標準誤 [SEE] = 2.01 kg)則展現出較高的一致性 [8, 15]。
  • 實務應用的後果: 在設定最低摔跤體重(MWW)等目標門檻時,公式衍生的體脂誤差可能導致 2.4 至 3.2 公斤的標準誤差落差,進而使最低目標體重改變高達 3.3 公斤 [8, 15]。

這些誤差大多源於根本上的模型衝突。經典回歸公式試圖估算分子層面的脂肪量(模型 2:總脂質質量與非脂質質量),但皮褶卡在物理上測量的是組織層面的皮膚與皮下脂肪組織(模型 4) [9, 14]。將脂質質量與解剖學上的脂肪組織混為一談,會引入 8% 至 10% 的基準模型誤差 [9]。

全面的 ISAK 體位測量與組織分層模型

為了解決二成分回歸公式的假設缺陷,ISAK 引入了標準化的多維度測量流程,並結合解剖學組織分層模型 [6, 7, 12]。

標準化測量組合與技術誤差容許值

ISAK 透過分級認證體系對測量人員的技術進行標準化:

  • 精簡測量組合(1 級): 包含 21 項測量指標,分別為 4 項基本測量、8 處皮褶厚度、6 處圍度與 3 處骨骼寬度 [7]。測量人員在皮褶厚度上的測量技術誤差(TEM)必須控制在 7.5% 以內,其餘指標須控制在 1.5% 以內 [6]。
  • 完整測量組合(2/3 級): 擴展至 42 項測量指標,增加了骨骼長度、高度以及額外的圍度與寬度測量 [7]。對測量人員的要求更為嚴格:皮褶厚度的 TEM 須在 5.0% 以內,其餘維度則須在 1.0% 以內 [6]。
  • 標準化操作流程: 測量時必須使用經過校準、夾面壓力維持恆定 10 g/cm² 的皮褶卡,並在放開壓桿約 4 秒後讀取數值,精確至 0.2 mm [4]。每個測量點至少測量兩次;僅當初始兩次皮褶厚度差異大於 5%(或依據一般指引差異 >1 mm)或其餘測量維度差異大於 1% 時,才需進行第三次測量 [4, 6]。

Kerr 五成分模型

全面的體位測量分析通常採用 Kerr 五成分模型,而非將皮褶厚度換算為身體密度與分子體脂率 [9, 12, 14]。這種組織層面模型(模型 4)將人體總體重細分為五個獨立的解剖學成分:脂肪組織、骨骼肌、骨骼、皮膚及殘餘組織 [12, 14]。

在針對 27 名下肢截肢帕拉運動員以雙能量 X 光吸收儀(DXA)為基準的驗證研究中,ISAK 五成分模型在體脂率(平均差 0.32 ± 4.8%,ICC > 0.83)與脂肪量(平均差 -0.71 ± 3.64%,ICC > 0.85)上均顯示出高度一致性,但該模型不建議用於獨立評估去脂體重百分比 [10]。

評估肌肉量時同樣需要謹慎解讀公式輸出。在 50 名青少年男子足球員的研究中,由於各公式定義的目標組織不同(例如全身骨骼肌質量、全身體重肌肉量與 Kerr 組織層面肌肉量之差異),肌肉量估算值在 25.11 ± 3.07 kg(Poortmans 公式)至 31.26 ± 4.94 kg(Doupe 公式)之間產生了顯著差異 [12]。

長期追蹤體位變化時的實際限制

在長期追蹤運動員與訓練者的體態變化時,人體測量法具有其特定優勢與限制:

  • 生物學穩定性: 作為一種雙重間接評估方式,皮褶測量受急性日常生物學波動(如水分變化)的影響,小於生物電阻抗分析(BIA)、生物阻抗光譜(BIS)或體密度測量法 [15, 17]。
  • 工具一致性要求: 各品牌皮褶卡並不能直接混用。Bland–Altman 分析指出,Harpenden、Holtain、Slim Guide 與 Lipowise 皮褶卡之間存在顯著差異(p < 0.001),這意味著在不同日期的追蹤測試中,必須持續使用相同品牌與型號的設備 [14]。
  • 對細微變化缺乏靈敏度: 人體測量法的解析度不足以偵測短期飲食介入所產生的低於 0.5 公斤的急性脂肪量改變 [16]。
  • 分類錯誤風險: 即使測量誤差在可接受的 TEM 限制內,仍可能對體型分類產生影響。在 68 名具規律運動習慣的男性中,1 級與 2/3 級 TEM 門檻內的誤差範圍,導致基本 4 群體型分類出現 29.4% 至 38.2% 的分類錯誤率,在詳細的 13 群體型分類中錯誤率更可達 72.1% [6]。

為了在長期追蹤中反映出真實的身體適應,同時避免引入回歸公式帶來的數學失真,實務上通常建議直接追蹤原始皮褶厚度、皮褶厚度總和,或將測量數據轉化為標準差分數(SDS)並搭配體重進行綜合評估 [4]。

參考文獻

網路來源

  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

相關研究

Body composition骨架大小如何影響自然狀態下的最大肌肉量

手腕和腳踝圍度等骨架測量值,為自然狀態下的最大瘦體重與目標體重提供了結構性上限。透過人體解剖預測公式,自然訓練者可以估算自己的肌肉生長極限;但這些公式嚴格針對處於精瘦體脂範圍的無用藥個體校準。

Body composition熱量赤字期間的每日步數:對食慾與代謝適應的影響

在能量赤字期間維持適度的每日步數,可改善 GLP-1 和 PYY 等飽足感荷爾蒙,且不會引發補償性暴食。然而,當減重者處於主動熱量赤字時,由於代謝受限機制,每日總能量消耗會在較高活動量時進入平台期。

Body composition青春期腿身長度與軀幹比例的變化規律

在青春期期間,腿部與軀幹的比例呈現非線性變化:腿部生長在青春期早期率先達到高峰,隨後脊椎生長在青春期晚期加速。成年後的人體測量比例通常在骨骼發育成熟時(譚納階段 4–5)趨於穩定,但最終的坐高比例仍受生理性別、青春期發育時間點及遺傳背景的影響。

Body composition突破減脂停滯期:該增加活動量還是減少熱量?

相較於嚴格限制飲食,增加低強度活動有助於透過提升能量通量、維持熱量攝取並降低飢餓感來突破減脂停滯期。為了避免影響阻力訓練的恢復,額外的活動應選擇低衝擊形式,並保持適度頻率且與重訓時段分開進行。

Body composition青少年體脂估算公式:青春期各階段的準確度如何?

標準 BMI 切點與皮褶厚度預測公式能可靠地識別兒科族群的整體肥胖趨勢,但在青少年發育過程中,個人測量的準確度會出現顯著波動。去脂體重中水分與骨骼礦物質含量的動態變化會帶來預測誤差,尤其是在體脂較高或患有特定臨床疾病的青少年中更為明顯。

Body compositionFatMax 與 HIIT:減脂與身體組成效果比較

在過重族群中,以最大燃脂強度(FatMax)訓練能有效減少脂肪量與內臟脂肪,但單靠它無法增加去脂體重。高強度間歇訓練(HIIT)等較高強度運動則能以更高的時間效率,帶來相當甚至更佳的體脂率與腰圍改善。由於 24 小時的整體減脂主要取決於總能量赤字,而非運動過程中所消耗的燃料種類,因此只要總訓練量與能量消耗足夠,兩種訓練模式都能發揮良好效果。

Body composition碳循環減脂的效果優於持續熱量赤字嗎?

當每週總熱量與蛋白質攝取量相同時,在訓練日與休息日之間循環攝取碳水化合物和熱量,與每日維持穩定的熱量赤字相比,減脂效果並無差異。然而,多日的補碳期可幫助有阻力訓練習慣者更好地維持去脂體重與靜息代謝率。

Body composition生物電阻抗測出的「代謝年齡」是有效的健康指標嗎?

由生物電阻抗推算出的代謝年齡並非細胞代謝的直接測量值,也不是標準化的醫學診斷工具,但可作為反映身體組成與心血管代謝風險的強力統計替代指標。由於它僅是將預估的靜止能量消耗與族群平均值進行比較,因此無法反映粒線體效率或甲狀腺狀態等非身體組成的生理因素。

分類