Validitas antropometri Regresi Persamaan untuk Memprediksi Perubahan lemak tubuh

dari obesitas Wanita

Validitas sepuluh antropometrik persen prediksi lemak populerpersamaan untuk

memperkirakan perubahan persentase lemak tubuh untuk obesitasbetina dipelajari. Tiga
puluh satu wanita obesitas (berarti f SEM,% lemak = 36,7 f1,1%, massa tubuh = 75,6 * 1,7
kg, usia = 32,8 f 1.1 tahun) berpartisipasi dalamdiet-satunya, diet-plus-latihan, atau
program latihan saja. Subjek kehilangan 2,7 f 0,3poin persentase lemak dan 3,0 & 0,3 kg
massa tubuh selama studi 8-minggu.Sementara banyak dari persamaan memiliki validitas
diterima sebelum dan sesudah tubuhkehilangan massa, bila diterapkan pada prediksi
perubahan tidak lemak tubuhpersamaan diterima. Disimpulkan bahwa penggunaan
prediksi antropometrikpersamaan untuk memperkirakan individu persen perubahan
lemak hasil skor dikesalahan besar dan tidak dianjurkan.

persamaan prediksi antropometri yangrutin digunakan dalam pengaturan klinis untuk

memperkirakandensity tubuh (Db), persen lemak tubuh(% BF), dan massa bebas lemak
(FFM). Ketepatanpersamaan ini tergantung padabanyak faktor termasuk usia, jenis
kelamin, tubuhStatus komposisi, dan pertimbangan statistik(Lohman, 1981). Secara
umum, prediksiakurasi berkurang ketika populasiberbeda dalam usia, massa tubuh,
tingkat kebugaran, dan% BF dari yang digunakan untuk memperoleh asliPersamaan
(Katch dan McArdle, 1973; Katchdan Katch, 1980; Lohman, 1981; Pollocket al., 1975).

Sebagian persamaan prediksi diterbitkanbelum memadai lintas-divalidasi,dan hanya satu

telah diterapkan padaprediksi perubahan komposisi tubuh.Tujuan dari penelitian ini, oleh
karena itu,adalah untuk menentukan validitas sepuluh populerpersamaan komposisi
tubuh prediksi untukmemperkirakan perubahan lemak tubuh gemuk betina.

BAHAN DAN METODEsubyek

Tiga puluh satu wanita (massa tubuh = 75,6 f 1.7kg,% BF = 36,7 zk 1,1 lemak unit persen,
usia =32,8 & 1.1 tahun) secara sukarela untuk berpartisipasidalam & minggu diet dan /
atau program latihan.Rincian mengenai diet dan olahraga intervensiyang diterbitkan di
tempat lain (Balloret al., 1988). Secara singkat, pelajaran berpartisipasi dalam latihan
Berat: salah satu dari tiga programhanya (n = lo), pembatasan kalori saja (n= Lo), atau
latihan beban dan pembatasan kalori(N = 11). Untuk tujuan makalah inikami melaporkan
data di atas 31 subyek yangmenjalani rata-rata tubuh 3.0 f 0.3 kgpengurangan massa
lebih dari 8 minggu. Massa tubuhkerugian bervariasi sebagai berikut antara
kelompok:Latihan-hanya 31 = -0,5 f 0.6 kg, kalori-restriction-hanya f = -4,5 f 0,5 kg,
caloricrestriction,dan latihan x = -3,9 * kg.
Komposisi tubuh

density tubuh ditentukan dengan menggunakanbawah air berat dengan paru-paru

residualvolume (RLV) koreksi, seperti yang dijelaskan olehKatch et al. (1967). Dua belas
berulang bawah airpenimbangan dilakukan dengan subjekdalam posisi yang sama
membungkuk-over duduk digunakandalam penentuan RLV. Lima terakhiruji coba yang
rata-rata dan digunakan untuk mewakili"benar" berat di bawah air (Katch, 1971).RLV
diambil sebagai rata-rata tigapenentuan dengan menggunakan closedcircuit yangMetode
nitrogen washout dari Wilmore (1969).density tubuh dikonversi ke% BF
olehmenggunakan persamaan Siri (Sin, 1961).

athropometry

Enam lipatan kulit (tricep, subscapula, suprailiac,paha, bicep, dan perut) dan lima
pengukuran lingkar (dua perut alami dan umbilikus; tertekuk bisep; lengan bawah;dan
paha) diambil, seperti yang dijelaskan oleh Behnke dan Wilmore (1974). semua
pengukuran dibuat dalam rangkap oleh yang samapenyidik (V.L.K.) dan rata-rata adalah
digunakan dalam semua analisis. Untuk membangun kehandalan,pengukuran mereplikasi
terpisah dibuat pada sepuluh mata pelajaran. Semua tes-tes ulang reliabilitaskoefisien
lebih besar dari r = 0,92, denganpengecualian dari lipatan kulit paha, di mana r= 0,81. Tak
satu pun dari standard error dari pengukuranmelebihi

Persen Persamaan Prediksi Fat

Tabel 1 menyajikan sepuluh persamaan prediksi.Iliaka situs ketak berbeda antarastudi.

Namun, iliaka sedikit berbedalipatan kulit memperkenalkan kecil tapi sistematisKesalahan
yang kurang dari kesalahan dariMetode (berbuat dosa dan Hackney, 1986).
DalamPenelitian ini, lipatan kulit iliaka diambilsedikit lebih unggul krista iliaka
sepanjangalami garis stres miring (Behnke danWilmore, 1974).
statistika

Sebuah t-test berpasangan digunakan untuk menentukanperbedaan statistik antara% BF

ditentukan bertekadoleh air berat (kriteria)dan% BF diperoleh dengan menggunakan
berbagaipersamaan prediksi (diprediksi). Regresi linierdan standard error dari
estimasi(SEE) dihitung antara kriteriadan diprediksi% perkiraan BF. SEE adalahdihitung
dengan menggunakan rumus berikut:MELIHAT = (ST DEV X [l -.. R2I1l2). Jumlah
prediksierror (TE) ditentukan seperti yang dijelaskanoleh Jackson (1984), di mana TE =
(jumlah [Y -Y '] z / N) 1/2 dan Y adalah kepadatan tubuh diprediksidan Y 'adalah
kepadatan tubuh diukur. Semuanilai-nilai yang dilaporkan sebagai standar zk rataerror
dari mean (SEM).

Hasil

Tabel 2 menyajikan hasil untuk analisissebelum hilangnya massa tubuh termasukberarti%

BF (kriteria dan diprediksi), yangberarti perbedaan persen lemak (diprediksi
dikurangikriteria), r (kriteria% BF vs diprediksi% BF), dan jumlah kesalahan prediksi.
Lereng,mencegat, dan SEE juga disajikan.Lima dari sepuluh rata diprediksi% BF (JPSum
4SF, Sloan, Katch SF + C, Durnin, Pollock)secara statistik berbeda darikriteria% BF.
Perbedaan rata-rata berkisardari 2,7% meremehkan (Sloan) ke1,8% overprediction
(Pollock).R dan TE untuk validasi silang

yang sangat mirip dengan Rs aslidan SEE ini. Ini membuktikan "relatif"akurasi persamaan
untuk satu kalipenilaian% BF

Tabel 3 menyajikan hasil temuan analisisIntervensi berikut Dan berikutnyatubuh

Kehilangan massa. Tujuh Dari Sepuluh prediksi% BF Beroperasi statistik BERBEDA
darikriteria% BF. Hanya JP Sum 3SF, KatchSF, Dan Pollock Persamaan menghasilkan Yang
TIDAK signifikanperbedaan ANTARA prediksi dankriteria% BF. Meskipun ada3,0 kg
hilangnya massa Tubuh rata-rata, Dan 2,7% Equity% BF, data yang r Dan TE antaraprediksi
Dan Kriteria% BF Yang Sangat miripuntuk validitas pretest.
Tabel 4 menyajikan validitas yang berbedapersamaan prediksi untuk
memperkirakanperubahan komposisi tubuh. yang disajikanperbandingan pasca-minus-
pra diprediksi % BF vs kriteria% BF pasca-minus-pra.Nilai-nilai ini ditunjuk diprediksi%
BFmengubah dan perubahan kriteria% BF. tujuh dariperubahan BF% diprediksi secara
statistikberbeda dengan kriteria% BFperubahan. The Katch SF rumus meramalkanberarti
perubahan% BF tanpa kesalahan. Itukorelasi antara prediksi perubahan% BFdan
perubahan kriteria% BF berkisar antara r =0,40 untuk r = 0,67. Semua koefisien
inisignifikan secara statistik. TE ini berkisardari 1,5 (JF Sum 3 SF) menjadi 4,5 lemak
(Pollock)unit persen. The SEE berkisar antara 1,3(Lima persamaan) menjadi 1,6 (Katch SF)
persen lemakunit.

kriteria% BF. Ini meningkat menjadi tujuhsepuluh persamaan berikut tubuh kehilangan
massa. Sementara beberapa penulis telah ditampilkan berkurangvaliditas prediksi dengan
obesitas (Barrowsdan Snook, 1987), sebelumnya obesitas (Barrowsdan Snook, 1987;
Scherf et al., 1986), danatlet wanita (berbuat dosa dan Wilson, 1984),hanya satu studi lain
telah melaporkan validitastubuh prediksi persen lemak sebelum dansetelah kehilangan
massa tubuh (Barrows dan Snook,1987). Gerobak dan Snook (1987) melaporkanvaliditas
sembilan regresi yang berbedapersamaan pada 15 perempuan obesitas yang
kehilanganrata-rata 20,5 kg selama durasi 4-6 bulan.Mereka melaporkan korelasi
preinterventionantara prediksi dan kriteria% BFyang berkisar dari r = 0,22 untuk r = 0,69.
Setelahtubuh kehilangan massa tujuh dari sembilan korelasilebih rendah. Data kami
mirip. Namun,mereka berdasarkan kesimpulan mereka bahwa regresipersamaan tidak
valid untuk mengukurperubahan% BF tanpa menganalisis% BFmengubah korelasi, seperti
yang telah kita lakukan. Juga,karena mereka tidak mengukur residu paru-paruvolume,
data mereka harus ditafsirkan denganhati-hati karena kesalahan yang terkait dengan
memprediksivolume paru residual mengurangivaliditas kriteria% BF dan dengan demikian
menurunkankorelasi antara kriteriadan diprediksi nilai (Katch dan Katch,1980) Sementara
secara rata-rata adalah mungkin denganbeberapa tingkat akurasi untuk memprediksi
perubahanlemak tubuh dengan persamaan prediksi olehmenggunakan lipatan kulit dan /
atau girths, pada individudasar tidak ada persamaan prediksiditerima. Kesimpulan ini
didasarkan pada korelasi rendah dan tinggi TE untukskor perubahan (Tabel 4).

Ada beberapa alasan untuk kurangnyavaliditas dalam memprediksi komposisi

tubuhperubahan dengan menggunakan pengukuran antropometri.Pengukuran kesalahan
ada di kedua penentuanketebalan lipatan kulit dan girths(Katch dan Katch, 1980) serta
dipemastian kepadatan tubuh (Lohman,1981). kesalahan pengukuran ini
mengurangikorelasi antara kriteria% BFmengubah dan diprediksi% perubahan BF
terkemukauntuk peningkatan TE (Tabel 4).

Selanjutnya, perubahan massa bebas lemak adalahbelum tentu terkait dengan

bersamaanperubahan lipatan kulit atau lingkar tindakan.Misalnya, bisep tertekuk
lingkardari kalori-pembatasan-plusexercisedan kelompok latihan-hanya meningkat0,2 k
0,2 dan 1,6 k 0,2 cm dan menurun1,0 f 0,3 cm untuk kalori-restrictiononlykelompok.
persamaan prediksi yang digunakanbisep tertekuk lingkar sebagai perkiraandari lengan
atas massa otot akan menghasilkanpeningkatan massa otot untuk exerciseonly
yangkelompok, tidak ada perubahan untuk kalori-restriction-plus-latihan kelompok, dan
penurunan untukkelompok kalori-pembatasan-satunya.

Pada kenyataannya,mengukur area otot dari atasarm melalui X-ray (Ballor et al., 1988)
mengungkapkantidak ada perubahan di daerah otot lengan atas untukkalori-pembatasan-
satunya kelompok dan setarameningkatkan untuk latihan-satunya dan caloric-Kelompok
pembatasan-plus-latihan. Lingkarpengukuran adalah penjumlahan dariketebalan dan
massa otot ketak,dan perubahan lingkar mungkin Hasil perubahan ketebalan lipatan
kulitdan / atau massa otot. Demikian pula, ketakketebalan, sementara menghasilkan
perkiraanlemak subkutan, tidak mencerminkanperubahan dalam struktur otot yang
mendasarinya.Misalnya, jumlah lima lipatan kulit(Subscapula, trisep, paha, perut,
dansuprailiac) meningkat kurang dari 0,3% (0,5mm) pelatihan berikut untuk latihan-
satunyakelompok, menunjukkan (sebagaimana ditentukan melalui ketakestimasi) tidak
ada perubahan dalam% BF. Namun,kelompok ini meningkat massa bebas lemak
mereka1,1 k 0,3 kg dan penurunan% BF mereka dengan1,2 k 0,4 lemak unit persen
(hidrostatikberat). Dengan demikian, jenis intervensidapat mempengaruhi kemampuan
antropometrikpersamaan prediksi untuk memprediksi perubahan% BF.
Seperti sebelumnya telah ditunjukkan (Katchdan Katch, 1980), praktek memprediksi% BF
dari data antropometri adalah meragukanProsedur dan mencoba untuk memprediksi
perubahanlemak tubuh bahkan lebih berbahaya, sebagaiData ini jelas menunjukkan.
klinisidihadapkan dengan kebutuhan untuk memantau% BFperubahan dalam mata
pelajaran menjalani intervensimemiliki dilema tertentu. Ini adalah pendapat
kami,berdasarkan data, bahwa orang yangkehilangan massa tubuh akan lebih baik
dilayanidengan memantau perubahan dari waktu ke waktu untuk sepertivariabel sebagai
fatfolds, girths, dan ketebalanderivatif seperti baru-baru ini diperkenalkanPonderal
somatogram (Katch et al., 1987)daripada dengan menggunakan prediksi
antropometripersamaan untuk memperkirakan perubahan% BF. Kitayakin bahwa
keasyikan denganmemprediksi perubahan% BF secara ilmiahtidak dibenarkan dan harus
menunggu metodologi yang lebih baruatau lebih baik-divalidasi metode untuk
menjaminmenggunakan.

Kesimpulannya, hasil Barrow danSnook (1987) dan penelitian ini menunjukkanbahwa

metodologi prediksi, menggunakan lipatan kulit,girths, atau kombinasi dari girths
danlipatan kulit tidak boleh digunakan untuk memprediksi individuperubahan% BF.