Анализ согласованности показателей состава тела, полученных с использованием методов биоимпедансометрии и ультразвукового сканирования

Обложка

Цитировать

Полный текст

Аннотация

Введение: компонентный состав тела исследуется в фундаментальных и прикладных задачах медицины, популяционной и спортивной антропологии. Наиболее распространенными и часто используемыми являются косвенные метода определения состава тела, такие как биоимпедансометрия (БИА), калиперометрия и ультразвуковое сканирование (УЗИ). Цель: оценка согласованности данных о составе тела взрослых москвичей, полученных с применением ультразвукового сканера BodyMetrix™ (IntelaMetrix, США) и отечественного биоимпедансного оборудования (АВС-02 «Медасс», Медасс, Россия). Методы: Всего был обследован 191 человек в возрасте от 18 до 74 лет, 135 женщин (от 18 до 67 лет) и 56 мужчин (от 18 до 74 лет). Программа обследования включала измерение длины и массы тела, обхватов талии и бедер, определение состава тела с применением ультразвукового сканера BodyMetrix™ (IntelaMetrix, США) и биоимпедансного анализатора (АВС-02 «Медасс», НТЦ Медасс, Россия). Анализ надежности проводили с помощью метода Блэнда - Алтмана. Результаты: В выборке более 37 % обследованных имели избыточную массу тела и ожирение. В подгруппе женщин значения жировой (БИА 19,7 кг, УЗИ 18,7 кг), безжировой (БИА 43,9 кг, УЗИ 43,6 кг) массы тела и доли жировой массы (БИА 30,1 %, УЗИ 30,2 %), полученные двумя разными методами, не имеют значимых различий. Аналогично в подгруппе мужчин: жировая (БИА 12,1 кг, УЗИ 12,5 кг), безжировая (БИА 61,2 кг, УЗИ 61,6 кг) масса тела и доля жировой массы (БИА 16,5 %, УЗИ 17,3 %). Анализ согласованности выявил систематическое смещение оценок, которое усиливается с увеличением значения оцениваемых признаков. Вывод: Анализ согласованности результатов определения компонентов состава тела у взрослых мужчин и женщин позволяет сделать вывод о наличии систематического расхождения оценок абсолютного и относительного количества жировой, а также безжировой массы тела, рассчитанных с применением АВС-02 «Медасс» и BodyMetrixTM. Для показателя абсолютной жировой массы тела в подгруппе женщин обнаружена умеренная согласованность, в остальных случаях согласованность между АВС-02 «Медасс» и BodyMetrix™ низкая.

Об авторах

Эльвира Александровна Бондарева

Научно-исследовательский институт и Музей антропологии Московского государственного университета имени М. В. Ломоносова

Email: bondareva.e@gmail.com
кандидат биологических наук, старший научный сотрудник, руководитель группы антропогенетики г. Москва

Ольга Ивановна Парфентьева

Научно-исследовательский институт и Музей антропологии Московского государственного университета имени М. В. Ломоносова

г. Москва

Список литературы

  1. Мартиросов Э. Г., Николаев Д. В., Руднев С. Г. Технологии и методы определения состава тела человека. М.: Наука, 2006. 248 с
  2. Николаев Д. В., Смирнов А. В., Бобринская И. Г., Руднев С. Г. Биоимпедансный анализ состава тела человека. M.: Наука, 2009. 392 с
  3. Соболева Н. П., Руднев С. Г., Николаев Д. В., Ерюкова Т. А., Колесников В. А., Мельниченко О. А., Пономарева Е. Г., Старунова О. А., Стерликов С. А. Биоимпедансный скрининг населения России в центрах здоровья: распространенность избыточной массы тела и ожирения // Российский медицинский журнал. 2014. № 4. C. 4-13
  4. Bland J., Altman D. Statistical methods for assessing agreement between two methods of clinical measurement. The Lancet. 1986, 327, pp. 307-310.
  5. Elsey A. M., Lowe A. K., Cornell A. N., Whitehead P N., Conners R. T. Comparison of the Three-Site and Seven-Site Measurements in Female Collegiate Athletes Using Body Metrix™. International journal of exercise science. 2021, 14 (4), pp. 230-238.
  6. Esco M. R., Nickerson B. S., Fedewa M. V., Moon J. R., Snarr R. L. A novel method of utilizing skinfolds and bioimpedance for determining body fat percentage via a field-based three-compartment model. European journal of clinical nutrition. 2018, 72 (10), pp. 1431-1438. doi.org/10.1038/ s41430-017-0060-3
  7. Jackson A. S, Pollock M. L. Generalized equations for predicting body density of men. Br J Nutr. 1978, 40, pp. 497504. doi.org/ 10.1079/bjn19780152
  8. Jackson A. S., Pollock M. L., Ward A. Generalized equations for predicting body density of women. Med Sci Sports Exerc. 1980, 12, pp. 175-181.
  9. Johnson K. E., Miller B., Gibson A. L., McLain T. A., Juvancic-Heltzel J. A., Kappler R. M., Otterstetter R. A comparison of dual-energy X-ray absorptiometry, air displacement plethysmography and A-mode ultrasound to assess body composition in college-age adults. Clinical physiology and functional imaging. 2017, 37 (6), pp. 646654. doi.org/ 10.1111/cpf.12351
  10. Johnson K. E., Naccarato I. A., Corder M. A., Repovich W E. Validation of Three Body Composition Techniques with a Comparison of Ultrasound Abdominal Fat Depths against an Octopolar Bioelectrical Impedance Device. International journal of exercise science. 2012, 5 (3), pp. 205-213.
  11. Kapoor N., Lotfaliany M., Sathish T., Thankappan K. R., Thomas N., Furler J., Oldenburg B., Tapp R. J. Prevalence of normal weight obesity and its associated cardio-metabolic risk factors - Results from the baseline data of the Kerala Diabetes Prevention Program (KDPP). PloS one. 2020, 15 (8). e0237974. doi.org/ 10.1371/journal.pone.0237974
  12. Kasper A. M., Langan-Evans C., Hudson J. F., Brownlee T. E., Harper L. D., Naughton R. J., Morton J. P., Close G. L. Come Back Skinfolds, All Is Forgiven: A Narrative Review of the Efficacy of Common Body Composition Methods in Applied Sports Practice. Nutrients. 2021, 13 (4), p. 1075. doi.org/10.3390/nu13041075
  13. Kogure G. S., Silva R. C., Ribeiro V. B., Mendes M. C., Menezes-Reis R., Ferriani R. A., Furtado C., Reis R. Concordance in prediction body fat percentage of Brazilian women in reproductive age between different methods of evaluation of skinfolds thickness. Archives of endocrinology and metabolism. 2020, 64 (3), pp. 257-268. doi.org/10.20945/2359-3997000000246
  14. Lin L. A concordance correlation coefficient to evaluate reproducibility. Biometrics. 1989, 45, pp. 255-268.
  15. Mayoral L. P., Andrade G. M., Mayoral E. P., Huerta T. H., Canseco S. P., Rodal Canales F. J., Cabrera-Fuentes H. A., Cruz M. M., Perez Santiago A. D., Alpuche J. J., Zenteno E., Ruiz H. M., Cruz R. M., Jeronimo J. H., Perez-Campos E. Obesity subtypes, related biomarkers & heterogeneity. The Indian journal of medical research. 2020, 151 (1), pp. 11-21. doi.org/10.4103/ijmr. IJMR_1768_17
  16. McBride G. B. A proposal for strength-of-agreement criteria for Lin’s Concordance Correlation Coefficient. 2005 NIWA Client Report: HAM2005-062.
  17. Miclos-Balica M., Muntean P., Schick F., Haragus H. G., Glisici B., Pupazan V., Neagu A., Neagu M. Reliability of body composition assessment using A-mode ultrasound in a heterogeneous sample. European journal of clinical nutrition. 2021, 75 (3), pp. 438-445. doi.org/10.1038/ s41430-020-00743-y
  18. Nickerson B. S., McLester C. N., McLester J. R., Kliszczewicz B. M. Agreement Between 2 Segmental Bioimpedance Devices, BOD POD, and DXA in Obese Adults. Journal of clinical densitometry: the official journal of the International Society for Clinical Densitometry. 2020, 23 (1), pp. 138-148. doi.org/10.1016/j.jocd.2019.04.005
  19. Perez-Chirinos Buxade C., Sola-Perez T., Castizo-Olier J., Carrasco-Marginet M., Roy A., Marfell-Jones M., Irurtia A. Assessing subcutaneous adipose tissue by simple and portable field instruments: Skinfolds versus A-mode ultrasound measurements. PloS one. 2018, 13 (11), e0205226. doi.org/10.1371/journal.pone.0205226
  20. Pineau J.-C., Guihard-Costa A.-M., Bocquet M. Validation of ultrasound techniques applied to body fat measurement: a comparison between ultrasound techniques, air displacement plethysmography and bioelectrical impedance vs. dual-energy X-ray absorptiometry. Annals of Nutrition and Metabolism. 2007, 51 (5), pp. 421-427. doi.org/10.1159/000111161
  21. Price K. L., Earthman C. P. Update on body composition tools in clinical settings: computed tomography, ultrasound, and bioimpedance applications for assessment and monitoring. European journal of clinical nutrition. 2019, 73 (2), pp. 187-193. doi.org/10.1038/s41430-018-0360-2
  22. R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2020. Available at: https:// www.R-project.org/(accessed: 24.10.2020)
  23. Ribeiro G., de Aguiar R. A., Penteado R., Lisboa F. D., Raimundo J., Loch T., Meira A., Turnes T., Caputo F. A-Mode Ultrasound Reliability in Fat and Muscle Thickness Measurement. Journal of strength and conditioning research. 2020, Online ahead of print. doi.org/10.1519/ JSC.0000000000003691
  24. Silva L. An Introduction to Ultrasound and the BodyMetrixTM System, IntelaMetrix, Livermore, Calif, USA, 2010.
  25. Smith-Ryan A. E., Fultz S. N., Melvin M. N., Wingfield H. L., Woessner M. N. Reproducibility and validity of A-mode ultrasound for body composition measurement and classification in overweight and obese men and women. PloS one. 2014, 9 (3), e91750. doi/org/10.1371/journal. pone.0091750
  26. Tinsley G. M. Five-component model validation of reference, laboratory and field methods of body composition assessment. The British journal of nutrition. 2021, 125 (11), pp. 1246-1259. doi.org/ 10.1017/S0007114520003578
  27. Totosy de Zepetnek J. O., Lee J. J., Boateng T., Plastina S. E., Cleary S., Huang L., Kucab M., Paterakis S., Brett N. R., Bellissimo N. Test-retest reliability and validity of body composition methods in adults. Clinical physiology and functional imaging. 2021, Online ahead of print
  28. Wagner D. R., Cain D. L., Clark N. W. Validity and Reliability of A-Mode Ultrasound for Body Composition Assessment of NCAA Division I Athletes. PLoS one. 2016, 11 (4), e0153146. doi.org/10.1371/journal.pone.0153146
  29. Wagner D. R., Teramoto M. Interrater reliability of novice examiners using A-mode ultrasound and skinfolds to measure subcutaneous body fat. PloS one. 2020, 15 (12), e0244019. doi.org/10.1371/journal.pone.0244019

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Бондарева Э.А., Парфентьева О.И., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».