摘要

作品簡介:估計體脂含量已被證明比常用的體重指數(BMI)更能預測肥胖相關的心血管風險。白光3D身體體積指數(BVI)掃描儀是一種非侵入式設備，通常用於服裝行業評估身體形狀和尺寸。我們評估了以下假設:用BVI獲得的體積與用空氣置換容積描記術(bodd - pod)獲得的體積相當，因此能夠使用身體組成的雙腔室原理評估體脂質量。

方法:我們將BVI與bodd -pod進行了比較，bodd -pod是一種有效的雙室法，用於評估體脂率，在等溫條件下使用壓力/體積關係來估計體體積。然後用體積計算體密度(BD)，公式為密度=體質量/體積。然後用Siri公式(4.95/BD - 4.50) × 100計算體脂質量百分比。

受試者正在接受健康評估。兩台設備的測量結果是在同一天獲得的。以80%的觀測值(N=971)為基礎，采用線性回歸方法建立了總bodd -pod容積(L)=9.498+0.805*(BVI容積，L)-0.0411*(年齡，年)-3.295*(男=0，女=1)+0.0554*(BVI容積，L)*(男=0，女=1)+0.0282*(年齡，年)*(男=0，女=1)的預測模型。然後，根據估計模型對剩餘20% (N=243)的bodd -pod體積進行預測，並與bodd -pod測量的體積進行比較。

結果:971例患者平均年齡41.5±12.9歲，男性39.4%，體重81.6±20.9 kg, BMI 27.8±6.3kg/m²．Bod-pod測定的體積與BVI預測體積的平均差值為0.0 L，中位數為-0.4 L, IQR為-1.8 L ~ 1.5 L, R2=0.9845。體脂測量預測值的平均差值為-1%，中位數為-2.7%，IQR為-13.2 ~ 9.9,R2為0.9236。

結論:利用白光三維人體掃描儀獲得的體積測量值和本研究建立的預測模型，可以估計出體積和BFM。

關鍵字

肥胖;3維掃描;身體體積;身體成分;脂肪量

縮寫

BMI:身體質量指數;BVI:身體容積指數;氣囊:空氣置換容積描記術

簡介

測量體脂(BF)含量已被證明比常用的體重指數(BMI)[1]更能預測肥胖相關的心血管危險因素和疾病。BF百分比升高所表明的肥胖增加與高血壓、冠心病、2型糖尿病的存在和死亡風險增加有關[1,2]。為了在心血管風險評估中準確計算BF，需要可靠、實用和具有成本效益的測量方法。靜液稱重、雙能x射線吸收儀(DEXA)和空氣置換體積地形圖(bodd - pod)是最被接受的評估身體組成的方法，由於準確性，[3];這些測量往往是複雜的，昂貴的，並不是在所有的設置。其他更容易獲得和不複雜的技術，如皮膚褶皺和生物阻抗似乎更實用，但往往不太準確[4,5]。這導致了在臨床和研究實踐中使用這些方法的延遲，以及估計身體成分的替代方法的探索。

我們建議使用白光3D身體體積指數掃描儀(BVI)作為一種替代的、經濟有效的實用方法來評估身體成分。BVI是一種非侵入性儀器，通常用於評估身體形狀和尺寸。本研究的目的是確定用BVI獲得的身體成分測量是否與用bodd - pod獲得的相比較。

方法

這項研究包括18歲以上的健康誌願者;在2008年12月至2011年6月期間參加了一家員工健康中心。我們排除了那些有幽閉恐懼症和無法站立的患者。

所有受試者在同一天接受了所有的研究測量，包括用一個測尺(Seca;漢諾威(Hanover, MD)和用高靈敏度量表測量的體重(Tanita Corporation;阿靈頓高地，伊利諾伊州)記錄到最近的0.1公斤。受試者還接受了空氣置換容積描記儀測量[(bodd -pod®)COSMED Concord;CA，美國]和3D身體體積指數掃描儀(BVI®，Select Research;英國伍斯特郡,)。

在本研究中，bodd - pod被指定為測量體成分參數和體體積的金標準，因為它是一種驗證良好的評估體成分的方法[4-7]。它在等溫條件下測量體體積，並應用密度測量的原理來確定體密度:

然後，用Siri方程計算體脂量，使用體密度[8]:

按照其他地方報道的那樣，遵循適當的身體-吊艙掃描程序[9]。

BVI[10]是一種非侵入性光學掃描儀，由32個攝像頭組成，形成16個白光傳感器(位於4個高度的4個角度)，在掃描場(2.1米高× 1.2米寬× 0.6米深)上收集多達1.600.000個線性數據點。三維體體積軟件(Select Research BVI軟件V.1.3.21.0)使用數據點在每個截麵上產生立方測量，點精度小於1mm^3.在7秒內越過掃描區域。

在掃描過程中，受試者被要求麵朝前不動，雙腳踩在標準地標上(距前掃描儀壁60厘米的中心位置)，並手持可調節的側把手，以便準確定位身體地標點，用於測量目的。受試者必須穿著合身的灰色衣服和彈性泳帽，以減少頭發和頭骨之間的空氣量，並允許測量頸圍。

在每次測量之前，使用已知體積的圓柱體作為參考標準，對測量周長的3D掃描儀進行適當的校準。預先設定的規則是，每當掃描儀將交付一個> 0.1厘米的誤差^3.在校準過程中，它將提示一個完整的重新校準過程。

統計方法

根據變量的分布，我們用百分比、平均值和標準差(SD)或中位數和四分位間範圍(IQR，第25和75個百分位)表示受試者特征。我們開發了一個預測模型，基於總可用數據的前80%的觀測數據(按測量日期排序)，使用線性回歸將BVI體積與Bod-pod獲得的體積進行比較。然後，根據整個數據集中剩餘20%的觀測結果，計算基於估計模型的bodd -pod體積預測，以表示線性關聯，結果用變異係數(R²)、回歸圖和殘差圖。所有分析均使用SAS®9.3 (SAS Institute Inc.， Cary, NC)進行，並使用R生成數據。

結果

分析包括1215個個體(971個在開發數據集中，244個在驗證數據集中)。個體平均年齡為41.5±12.9歲，39.4%為男性，平均體重為81.6±20.9 kg，平均BMI為27.8±6.3kg/m2。附加的主題特征見表1。

	測試組(N = 971)	驗證組(N = 244)
性別
女	588例(60.6%)	139人(57.0%
男性	383例(39.4%)	105人(43.0%
年齡	41.5±12.9	43.7±13.3
體重(公斤)	81.6±20.9	78.9±19.7
身高(厘米)	170.1±9.2	169.9±9.9
BMI(公斤/米2	27.8±6.3	26.7±5.4
Bod-pod:總量	79.6±21.5	77.1±20.4
英屬維爾京群島:總量	87.6±25.3	84.5±23.5
觀察BFMα	31.6±10.9	30.6±12.3
預測BFMπ		31.5±16.8
觀測-預測體積		0.0±2.7
觀察-預測BFM		-1.0±16.8
數值表示為平均值±標準差和頻率(%)。Bod-pod =空氣置換體積描記法。 BVI=從3D掃描儀獲得的身體容積指數。BFM =身體脂肪量 觀測值從bodd -pod中獲得。 使用BVI參數在驗證集中估計預測值。 α利用觀測到的bodd -pod體積和總質量，推導出Siri方程。 π用Siri方程推導出了預測的bodd -pod體積和總質量。

表1:患者基線特征和模型結果。

然後，根據估計模型計算其餘20%的數據集(N=243)的bodd -pod體積預測，並與bodd -pod測量的體積進行比較。Bod-pod實測體積與BVI預測體積的平均差值為0.0 L，中位數為-0.4 L, IQR為-1.8 L ~ 1.5 L。Bod-pod實測體積與模型BVI預測體積的相關性為R2 = 0.9845，如圖1-A所示。體脂率測定值與預測值的平均差值為-1%，中位數為-2.7%，IQR為-13.2 ~ 9.9,bodd -pod測定的BFM與模型BVI預測的體脂率的相關性為R2 = 0.9236，見圖1-B。

圖1:預測與測量的體脂體積和體脂質量以及相應的殘差。
答:預測與測量的bodd -pod體積，L。圖1 b:預測與測量的體脂量，Kg。

討論

我們證明，通過這種自動3d掃描儀獲得的測量數據可以用於準確估計身體體積和BFM。

越來越多的證據表明，BMI在評估身體肥胖方麵的局限性，因為多項研究表明，診斷肥胖的準確性有限，尤其是在BMI值為中等的受試者中。也有越來越多的證據支持在臨床實踐中測量身體成分的潛在臨床作用。因為身體質量指數正常的個體可能有過量的體脂，並有較高的代謝失調和心血管總死亡率的風險，在臨床實踐中有簡單的方法來評估身體成分就變得至關重要[11,12]。此外，因為經常鍛煉的人會有越來越多的肌肉，他們可能會被錯誤地貼上超重的標簽，而實際上他們的體脂量可能仍然很低，但BMI會被認為高於正常水平，因為保留了肌肉量。對這些人來說，對身體成分的準確估計對避免不必要的焦慮或減肥計劃的錯誤定位也很重要。

盡管測量身體成分近年來得到了更多的關注，科學證據也支持使用測量技術來診斷肥胖，這將比BMI更準確，可用的測量身體成分的方法仍然有限。一方麵，有人提出了過於簡單的方法來測量身體組成，如皮膚褶皺技術，但其準確性已被證明與BMI評估身體脂肪[5]一樣有限，甚至更有限。

另一個極端是可以非常精確地評估身體組成的方法，如全身MRI、水下體積描記術或DEXA掃描，但它們的實用性和成本使它們在醫學上不可行。因此，迫切需要精確但不一定昂貴或技術複雜的方法來填補人體成分測量的空白。3d掃描儀代表了在臨床實踐和其他情況下評估身體成分的一種新穎、簡單的替代方法。

這項研究有幾個優點，包括樣本量大，使用空氣置換容積描記術作為金標準，以及用於計算身體體積和推導身體成分的方法相對簡單。由於我們的研究人群主要包括白人個體，我們的結果可能不適用於其他種族或民族，限製了研究結果的普遍性。

雖然3d掃描儀是非侵入式的，技術上操作簡單，但它不是一種可以在現場或辦公室或醫療設施之外使用的便攜式機器。最後，我們沒有比較使用被認為是身體成分“金標準”的方法的結果，如DEXA或MRI，以提供更可靠的驗證。盡管有這些限製，使用白光的3d掃描儀測量身體成分的簡單性仍然代表了一種可行的技術，在醫學和其他測量身體成分將很重要的環境中被考慮。

綜上所述，利用白光三維人體掃描儀獲得的體積測量值和本研究建立的預測模型可以估計出體積和BFM。

致謝

這項工作得到了歐洲區域發展基金- fnusa -紅十字國際委員會項目(No.;z .1.05/ 1.00/02.0123)(對FLJ和VKS)。國家衛生研究所撥款(R01HL65176和R01HL114024給VKS)。

的利益衝突

所有作者聲明無利益衝突。Select Research (Worcester, UK)，該公司設計了3D BVI人體掃描儀，並免費提供了用於本研究和梅奧診所其他研究的掃描儀軟件。

參考文獻

1. Després J-P(2012)體脂分布與心血管疾病風險:最新進展。發行量126:1301 - 1313。［Ref。］
2. Bigaard J, Frederiksen K, Tjønneland A, Thomsen BL, Overvad K，等(2004)體脂和無脂質量與全因死亡率。俄備斯法令12:1042-1049。［Ref。］
3. 醫學ACoS (2013) ACSM健康相關身體素質評估手冊。4版。Wolters Kluwer費城:美國。
4. Biaggi RR, Vollman MW, Nies MA, Brener CE, Flakoll PJ，等(1999)比較空氣置換容積描記術與靜液稱重和生物電阻抗分析評估健康成人的身體成分。中華醫學雜誌第69期:898-903。［Ref。］
5. Rodriguez-Escudero JP, Pack QR, Somers VK, Thomas RJ, Squires RW，(2014)皮膚折疊法在心髒康複中通過空氣置換容積圖檢測肥胖的診斷性能。中華心髒複康雜誌第34期:335-342。［Ref。］
6. Dewit O, Fuller N, Fewtrell M, Elia M, Wells J(2000)全身空氣置換容積描記術與水密度法在身體成分分析中的比較。Arch Dis Child 82: 159-164。［Ref。］
7. Fields DA, Hunter GR, Goran MI(2000)液體靜壓稱重對BOD POD的驗證:人體服裝的影響。國際醫學雜誌相關meta雜誌24:200-205。［Ref。］
8. 我們S(1961)從流體空間和密度的身體組成:分析方法。在Brozek J HA，編。測量身體成分的技術。華盛頓:美國國家科學院1961:224 - 244。
9. McCrory MA, Gomez TD, Bernauer EM, Mole PA(1995)用於測量人體成分的新型空氣置換體積描記儀的評價。體育運動中的醫學與科學27:1686-1691。［Ref。］
10. Haycock GB, Schwartz GJ, Wisotsky DH(1978)測量體表麵積的幾何方法:在嬰兒、兒童和成人中驗證的身高體重公式。兒科雜誌93:62-66。［Ref。］
11. Romero-Corral A, Somers VK, Sierra-Johnson J, Thomas RJ, CollazoClavell ML，等(2008)一般成年人體重指數診斷肥胖的準確性。Int J Obes 32: 959-966。［Ref。］
12. Okorodudu DO, Jumean MF, Montori VM, Romero-Corral A, Somers VK等(2010)用體重指數診斷身體肥胖的診斷效果:一項係統綜述和meta分析。科學通報34:791-799。［Ref。］

在此下載臨時PDF

條信息

文章類型:簡短的溝通

引用:Medina-Inojosa J, Somers V, Jenkins S, Zundel J, Johnson L等。(2017)白光3D身體體積掃描儀評估身體成分的有效性。Obes開放訪問3(1):doi http://dx.doi.org/10.16966/2380-5528.127

版權:©2017 Medina-Inojosa J，等。這是一篇開放獲取的文章，根據創作共用署名許可協議(Creative Commons Attribution License)發布，該協議允許在任何媒體上不受限製地使用、分發和複製，前提是注明原作者和來源。

出版的曆史:

收到日期:2017年3月08

接受日期:2017年4月13日

發表日期:2017年4月19日