文摘
本研究的目的是提出旨在一个人体模型,同时脂肪量估计(FM)、骨矿物质含量(BMC)和精益软组织(LST)使用DXA对作为参考方法。总共408个男孩(仅8年)被包含在这个示例。全身调频、BMC和LST被DXA对视为因变量测量。独立变量包括32人体测量学测量和成熟度抵消由Mirwald方程。从多元回归模型,一个矩阵分析导致多组分人体模型。交叉验证是执行通过残差的平方和(出版社)方法。五个人体测量变量预测同时调频、BMC和LST。交叉验证参数表明高的新模型是准确的值从0.94到0.98、标准估计误差从0.01到0.09不等。新提出的模型表示的另一种选择准确评估男性儿童年龄的身体成分。
1。介绍
估计身体组成的孩子不是一件容易的事,因为期间身体组件之间的关系并不像成人不断增长。Anthropometric-based方程保持一个适当的选择确定儿童人口的身体组成字段设置。然而,新技术的出现使得身体成分评估新方法,因此,呈现传统的人体测量学不代表标准(1]。有些方法论的问题当使用当前人体模型:几个方程已经开发使用两舱制模型(2 c模型)使用液压称重(2,3)或其他密度测量技术;然而,这种方法依赖于假设,特别是关于无脂质量(FFM)密度(1.1 g / cc)和水化(FFM)中73.2%的全身水,虽然稳定的成年人,可能不同期间大幅增长。事实上,从童年到青春期,全身水(TBW)增加而骨量减少这意味着FFM密度低于1.1 g / cc,在年轻的年龄,接近价值当达到化学成熟时(4]。因此,2 c模型倾向于高估调频和低估FFM儿童和他们的开发anthropometric-based模型作为标准方法是不准确的。因此,使用3 c和4 c室模型是首选确定儿童身体成分(4),因为更少的假设作为更多FFM测量组件。
的出现双能x线吸收仪(DXA对),措施的调频,骨矿物质含量(BMC)和精益软组织(LST)。因此,测定仪可以被视为一种估计以来的3 c模型三个组件获得如下:首先通过将像素为那些只软组织(FM + LST)和软组织+ BMC,基于两种不同的光子能量(和更高的能量更低,职责。)5]。DXA对提供精确的(6,7)、准确(8- - - - - -11调频和FFM (LST + BMC)相比,multicompartment模型。此外,由于其低风险和快速评估、测定仪使用已经实现大型多中心研究,包括全国健康和营养调查(12]。
然而,测定仪的可用性在临床和字段设置是有限的成本。因此,简单的解决方案是评估儿童身体成分和人体测量所需参数,如皮肤褶和周长,已被广泛用作床边技术在不同的上下文中。因此,本研究的目的是开发和旨在multicomponent-anthropometric-based方程同时估计调频,BMC和LST男性小儿人口使用DXA对作为标准方法。
2。方法
2.1。研究人群
这项研究是横断面设计,组成一个样本的408 8到18岁之间的年轻男性。受试者招募自愿从人口的学生可以从事系统项目的体育运动,不信,认为是运动员和非专业运动员,分别。运动员来自体育中心()和非专业运动员从学校()。儿童常规体育实践从事足球场()、运动(),足球法院()和柔道()。非专业运动员来自公共()和私人()学校。进行了体检,以确保孩子们健康不吃药会影响新陈代谢,食欲,或增长。白色的参与者的数量相对较高()相比,黑人(),西班牙裔()和亚洲(),按种族分类的自称。这个样本来自一个大型的民族融合,前面分析显示无统计差异在跨种族身体成分(数据未显示),所以,最后的样品()被认为是均匀的。确定样本容量,我们跟着Bolfarine和Bussab13)推荐,基于一个飞行员与主题呈现一个大方差分析因变量(FM),所需的估计误差(1.25%)和置信区间(95%)确定,至少需要300名受试者。
研究指导人类研究的指导方针和法规,从父母或监护人和协议得到所有程序。批准授予了伦理学研究部门的学校体育教育和体育,圣保罗大学(CEP332007 / EEFE / 04.04.2007-2006/32),也遵守赫尔辛基宣言。
2.2。研究协议
每一个对象均在实验室里,早上一夜快后,在一个会话,并且总是同样的审查员,和所有测量,进行三个月的期间。在测量受试者被要求空他们的膀胱。穿着短裤和衬衫,全身DXA对考试应用使用全身扫描系统,根据制造商的指导方针。人体测量是根据文献建议[执行14,15),总结如下。
2.2.1。因变量:双能x线吸收仪
整体和区域身体成分估计DXA对扫描仪月球DPX-NT(通用电气医疗软件月球DPX 11.40.004安可2007版本,麦迪逊,WI)。软件识别的物理特性种族,性别和年龄,并自动调整扫描模式,速度,和图像分辨率。
从DXA对体重的决心,感兴趣的因变量是脂肪量(FM,公斤),骨矿物质含量(BMC,公斤),和精益软组织(LST,公斤)。
2.2.2。独立的变量
(1)人体测量学。主题体重、身高和座位高度(15)测量与数字量表(Filizola PL 200年,Campo Grande, MS)和固定墙测距仪(珊妮Professional-ES2020,圣保罗,SP),分别。皮肤褶(肱二头肌、三头肌、肩胛下的胸部,midaxillary, suprailiac,垂直的腹部,水平腹部,大腿,小腿内侧),周长(胸部,放松手臂,简约的手臂,前臂、手腕,腰部,腹部,臀部,大腿,近端和小腿),和广泛(biacromial biiliac,胸部,肘、bitrochanteric、手腕、膝盖,和bimalleolar)是由传统的测量过程在文献[15,16使用珊妮科学设备)。
(2)成熟。确定生物发展成熟度抵消被性别回归方程预测基于非侵入性技术,使用实足年龄、身高、体重、坐高,腿的长度测量(17]。该方法预测年峰高速度(PHV)根据Mirwald et al。17男孩)方程: Lh代表腿高度(cm), Sh座位高度(cm)、年龄(年),Wt为体重(公斤),和Ht身高(厘米)。
(3)实足年龄。实足年龄是基于分组的出生年和十进制值调整到最近的整数。
为了保证结果的精度,内部评估者技术测量绝对误差(TEM)和相对(TEM %)计算(表1)。在随后的几天,复制所有措施应用于13个主题,当预期中的结果总是公差范围(15]。
2.3。统计分析
SPSS统计,13版本,为Windows (SPSS Inc .,芝加哥,IL)被用来分析数据的描述性统计(意思是,标准偏差、范围、技术测量误差相对的,绝对的,和信心interval-CI 95%)被用来描述样本,相关系数是用于验证的基本假设依赖和独立变量之间的关系。对于发展中多组分人体测量方程,多元回归模型是利用对角共同分析、参数估计、最小二乘方法的错误呢自由软件(18]。当剩余变量的选择是使用以下标准(a)的维护独立和相关的变量之间的相关性高,(b)统一的数据,(c)集中分布的残差,(e)减少独立变量的数量,同时保持最高水平的重要性逐步之后,皮拉伊调整的方法来测试价值观、(f)多重共线性容忍(g)决定的β价值观在多变量模型和剩余(h)精度高和有效性的最终模型。更多解释的多变量分析是由约翰逊和Wichern [19]。
进行模型的验证我们使用thePRESS统计(20.]。删除的观察,提出了方程剩下的样本进行,和重复的过程。媒体统计的定义是残差的平方和(新闻):
因此,一个模型与高度的可预测性排除观测提供的价值(接近1)和一个标准的估计错误(见新闻)接近于零。总之,媒体统计给出了回归模型的预测能力。验证程序使用按类似于方程的应用一个独立样本(21]。
3所示。结果
总样本的特征如表所示1,包括范围(最小最大)、TEM、TEM %,置信区间(95%)。
表2介绍了相关矩阵内部的一些32无党派人士,包括大小措施,皮肤褶,周长,PHV广泛和成熟的因变量。
集中分布的残差(差异)是观察到的响应组件(图1)。
(一)
(b)
(c)
从所有32个初始变量作为因变量的预测,为FM单独进行逐步回归,BMC,和LST以选择所有三个组件的共同变量,与显著性水平越高。预测变量的数量减少27取消后,和最后一个模型是获得五个独立变量和高精度(),也就是说,模型很大程度上依赖变量的方差(表解释道3)。在这里,皮拉伊方法被用来测试方法值。估计参数向量()获得了模型的每个变量,导致单个模型因变量(表3)。
从多变量参数,同时可以预测每个身体组件(FM、BMC和低水位体系域),考虑到因变量的相互关系,与传统的方法(一维分析)。多重共线性在最后的独立变量是测试和病例发现的变量是高度共线。在这些情况下,一个独立的变量在模型中被淘汰和执行的最大和最小特征值之间的比例(20.),直到最终产品导致只有温和的多重共线性()。
表4总结了平均值和标准差的描述性特征从DXA对扫描获得的年龄组。调频显示增加到13岁,趋于稳定。然而,没有统计上显著的年龄差异。为后续其他所有显著差异在BMC被发现从11岁到12岁年龄组(),从13 - 14岁组(),14 - 15岁年龄组();LST的差异被发现从11 - 12岁年龄组(),从13 - 14岁组(),14 - 15岁年龄组()。
3.1。模型的精度
预测值之间的相关性(模型)和那些观察到在FM(测定仪,BMC和LST(图2)增加分散在身体成分更高的分数。
(一)
(b)
(c)
媒体相关的统计数据(),调整系数的测定(),和标准估计误差剩余)残留分析显示在表3。
3.2。交叉验证
在这项研究中,误差是由结果决定观察-估计。内部验证的参数包括在内统计,看看新闻观察表3。模型是有效的根据的假设中定义的方法应该接近“1”,看到了吗新闻“0”附近。
然后,每个因变量的最终模型可以表示为 SkSi代表suprailiac皮肤褶(毫米),SkHab水平腹部皮肤褶(毫米),和PHV峰高速度(年)。
4所示。讨论
提出的多组分模型方法在这项研究显示大多数比较独立和相关的变量高度相关(表2),建议使用这些变量作为替代方法的可能性。
身体成分在增长的多组分测定发现应用领域和临床设置允许感兴趣的特定定义组件。在体育运动中,例如,监控培训过程,以减少调频或增加肌肉可能感兴趣的技术人员,旨在提高运动性能。在大多数情况下,组件的不确定性导致了体重的增加可能会影响运动处方的足够的决定,因为真正的FM和FFM之间的关系还不为人知。因此,需要一个精确的和精确的身体成分估计使用简单的方法(1]。
在目前的研究中,更大的FM协会观察皮肤褶,BMC,增长组件(身高、体重、宽度和PVC)和LST增长(表组件和周长2),表达真正的预期的测量类型和组件之间的关系以组合预测。这是一个关键的事实来确定模型的鲁棒性(19]。这是因为参数的联合估计产生零限制其他方程的系数(22]。预测和响应变量之间的关系必须强大。
然而,模型的鲁棒性可以破坏如果有独立变量之间的多重共线性。多重共线性检验,考虑到自然的独立变量之间的关系。因此,消除自变量是必需的,和那些不常用在文献中被移除或不高的预测意义。除了一个实际模型,至少应该考虑一些可能的变量。在这种情况下,回归系数的估计成为规划矩阵的微小变化非常敏感。的变化估计很高,做测试:与: ;因此,重要的是独立变量可能错误地删除。线性模型的假设之一是矩阵的秩()=。因此,除了中多重共线性()和底部附近的分类(从100年到1000年)23)和行列式远离零,等级轴矩阵是完整的。然后,有古典的逆(依据),乘以的右侧正规方程系统,允许获得最小二乘估计量。经典的逆矩阵计算过程,导致根接近效率的特点,一旦观察温和的多重共线性问题,接近下限。获得的预测效率的使用多变量分析与各种回归证明。基本上,这是真的,因为效率共同估计的参数和其他生产零限制系数方程(20.),同样的错误矢量的估计贝塔,提高预测。
到目前为止,只有儿童人体模型,预测的FM一直由anthropometric-based模型已经开发对密度测量技术在儿童(2,3,24- - - - - -26)表现出相对较低的预测能力的可变性参考方法()相比,这些由目前的研究(表3)。然而,调查时可以有争议非常年轻或肥胖儿童参与观察(27),和文学表达了谨慎的估计身体成分当体重指数高(1,28,29日]。在这项研究中提出的模型能够预测超重受试者的身体成分也根据科尔et al。30.)截止点(11例)。即使这些情况下被移除,模型的精度保持相似,确认可能泛化预测方程的超重儿童进行评估。
内部效度采用的方法(20.)证实的有效性模型来预测身体成分高的组件内部效度(0.98)和低比例的估计错误(见新闻= 0.01 - 0.09),得分为调频(表3)可以解释94.90%的变异在预测新观测独立样本,而大约98.08%的变异性的原始数据,解释为最小二乘()方法。同时,高的独立(94.02%和98.04%),分别为BMC和LST表示模型的强度预测的瘦身体成分8到18岁之间的年轻男性。这些结果提供模型的普遍性,即使身体成分高的方差。低色散的测量和预测价值体组件(图2)似乎证实了这一假设。
促进更好的理解模型的实用性,我们预测显示下面的例子调频,BMC和LST在一个13岁的男孩(表中5)。获得后,措施(独立变量)的身高,体重,成熟(PHV),皮肤褶(suprailiac和横向腹部)简单应用人体测量多组分矩阵表中描述3。
每一个测量的产品,乘以它的β回归系数,导致绝对值(公斤)调频、BMC和LST。
本研究的一个限制是,虽然DXA对作为参考方法开发我们的模型,这种方法不考虑儿童数量的黄金标准。四室模型(4 c模型)实际上是最强大的模型准确地评估儿童身体成分的变化,因为它占主要FFM组件(31日]。尽管它使用建议作为准则,该方法耗时,需要先进的设备,专业技术人员和高成本,很难用于大样本(32]。此外,错误的4 c模型不是免费的,考虑到所需的技术所需的数量确定的主要FFM组分(水和矿物质)8]。因此,测定仪的使用是另一种选择的几个调查人员为儿童和青少年(开发预测方程25,33- - - - - -38]。事实上,最近的一项研究显示DXA对作为身体成分的精确和有效的方法评估(39]。需要解决的另一个限制是这个示例的人种的差异,谁能限制方程的推广到其他人群。因此,进一步的研究建议,检查应用程序前的模型的准确性。
结束,新的anthropometric-based模型评估身体成分的儿童和青少年男性。考虑到不可用的精密仪器领域和临床设置,这些模型被证明是一个有效的和可选择的解决方案来估算在男性小儿人口身体成分。
利益冲突
作者宣称没有利益冲突。看到网上ICMJE利益冲突形式。
确认
本文综述了2013年1月15日,由本杰明·加德纳英航英语,大学公园' 07。作者感谢支持技术和科学发展的全国委员会(CNPq)。