JoVE Journal > Medicine
概要
Abstract
Introduction
Protocol
結果
Discussion
開示
Acknowledgements
Materials
参考文献
Please note that all translations are automatically generated. Click here for the English version.
医学

Klinische antropometrie en lichaamssamenstelling van 3-dimensionale optische beeldvorming

Published: June 07, 2024
doi:
10.3791/66698
, , , , , ,
1Division of Physical Medicine and Rehabilitation, Department of Surgical Sciences,University of Turin, 2Pennington Biomedical Research Centre, 3Department of Surgical Sciences, Dentistry, Gynaecology and Paediatrics, Paediatric Unit,University of Verona, 4Department of Epidemiology,University of Hawaii Cancer Center

概要

De procedures voor de beoordeling van lichaamsgrootte, -vorm en -samenstelling door middel van in de handel verkrijgbare oplossingen voor driedimensionale optische beeldvorming maken het mogelijk om snel nauwkeurige en reproduceerbare gegevens te verzamelen. Clinici zouden de verwerving van innovatieve en nuttige biomarkers (“e-tape” -metingen) kunnen implementeren in routinematige evaluaties van patiënten om te helpen bij het karakteriseren van hun gezondheidstoestand.

Abstract

De beoordeling van de lichaamsgrootte en -samenstelling wordt vaak opgenomen in de routinematige behandeling van gezonde atleten en van verschillende soorten patiënten om de trainings- of revalidatiestrategie te personaliseren. De digitale antropometrische analyses die in het volgende protocol worden beschreven, kunnen worden uitgevoerd met recent geïntroduceerde systemen. Deze nieuwe tools en benaderingen hebben het potentieel om op grote schaal te worden gebruikt in klinische omgevingen, omdat ze zeer eenvoudig te bedienen zijn en het mogelijk maken om snel nauwkeurige en reproduceerbare gegevens te verzamelen. Het ene systeem bestaat uit een roterend platform met een gewichtsmeetplaat, drie infraroodcamera’s en een tablet die in een toren is ingebouwd, terwijl het andere systeem bestaat uit een tablet die op een houder is gemonteerd. Na het vastleggen van de afbeelding genereert de software van beide systemen een geanonimiseerde driedimensionale humanoïde avatar met bijbehorende antropometrische en lichaamssamenstellingsvariabelen. De meetprocedures zijn eenvoudig: een proefpersoon kan in een paar minuten worden getest en er wordt automatisch een uitgebreid rapport gegenereerd (inclusief de driedimensionale scan en metingen van lichaamsgrootte, vorm en samenstelling).

Introduction

Antropometrie is de studie van de fysieke afmetingen van het menselijk lichaam. Lengte, gewicht, lengtes, huidplooidiktes en omtrekken zijn veelgebruikte antropometrische metingen die nuttig zijn gebleken voor het onderzoeken van patiënten met endocriene en metabole stoornissen en voor het monitoren van groei, veroudering en aanpassingen van lichaamsgrootte en samenstelling veroorzaakt door voeding en training bij atleten 1,2. De beoordeling van de taille- en heupomtrek bleek bijvoorbeeld nuttig te zijn voor de behandeling van personen met obesitas: beide omtrekken beoordelen de verdeling van adipositas die kan worden beschouwd als een voorspeller van sterfte door alle oorzaken.

De omtrek van ledematen wordt vaak beoordeeld in de revalidatie- en sportgeneeskunde vanwege hun nut voor het detecteren en/of monitoren van de afname van de appendiculaire vetvrije massa (bijv. De kuitomtrek wordt gebruikt als een eenvoudige en praktische skeletspiermarker voor het diagnosticeren van lage skeletspieren en sarcopenie)1,2 en de asymmetrie tussen de ledematen die zowel de fysieke prestaties als het risico op blessures bij atleten en de kwaliteit van leven van patiënten beïnvloedt (bijv. kankerpatiënten met eenzijdige zwelling van de ledematen)1,2. Verder is de afgelopen decennia een groot aantal op antropometrie gebaseerde voorspellingsmodellen voor lichaamssamenstelling voorgesteld om de hoeveelheid vetmassa of vetvrije massa te schatten op basis van een combinatie van verschillende antropometrische metingen zoals lichaamsomtrek of huidplooidiktes 1,2,4,5,6,7.

Omdat conventionele antropometrische (d.w.z. op tape en schuifmaat gebaseerde) metingen mogelijk niet cultureel of sociaal aanvaardbaar zijn en ook een slechte betrouwbaarheid vertonen8, was er behoefte aan de ontwikkeling en validatie van niet-invasieve, reproduceerbare en geldige benaderingen. Recent ontwikkelde driedimensionale (3D) optische beeldvormingssystemen die in staat zijn om niet-invasieve, nauwkeurige en nauwkeurige metingen te leveren 8,9,10,11, evenals digitale consumentencamera’s en smartphones bieden gebruiksvriendelijke en algemeen beschikbare hulpmiddelen die geschikt zijn voor gebruik in klinische en niet-klinische omgevingen om zowel patiënten als gezonde proefpersonen te evalueren 8,9,10,11 ,12,13,14,15,16,17,18,19,20. Het doel van het protocol dat in de volgende sectie wordt gerapporteerd, is om de procedures te beschrijven voor het evalueren van lichaamsgrootte, -vorm en -samenstelling door middel van twee in de handel verkrijgbare oplossingen voor optische 3D-beeldvorming die de afgelopen jaren alomtegenwoordig zijn geworden, zowel in de gezondheidszorg (om patiënten te evalueren) als in niet-klinische omgevingen (om atleten te evalueren).

Protocol

Het protocol volgt de richtlijnen voor wetenschappelijke integriteit van de Polytechnische Universiteit van Turijn21. De verwerving van optische beelden werd uitgevoerd in het kader van onderzoeken die waren goedgekeurd door de lokale ethische commissies (gegevens worden gerapporteerd in de legenda van figuur 1 en figuur 2) en de onderzochte proefpersonen gaven hun schriftelijke toestemming (voor deelname aan het onderzoek en publicatie van geanonimiseerde afbeeldingen). 1. Voorbereiding van het onderwerp OPMERKING: Alle prescanvoorbereidingen die in dit gedeelte worden beschreven, zijn vergelijkbaar tussen testprocedures #1 en #2. Vraag de proefpersoon om gekleed te gaan in onderkleding of om minimaal nauwsluitende kledingstukken te dragen (korte broeken als mannen en korte broeken en sportbeha als ze vrouwelijk zijn), om sokken, schoenen en accessoires uit te trekken en om een badmuts te dragen om het haar te bedekken. 2. Onderwerpsregistratie voor de testprocedure #1 Meet de hoogte van het onderwerp met behulp van een standaard stadiometer. Start de app die is geïnstalleerd op de tablet (app #1 en tablet #1 in de materiaaltabel) van systeem #1 die bestaat uit een roterend platform met een gewichtsmeetplaat, drie infraroodcamera’s en de tablet ingebouwd in een toren (Figuur 1A,B). Vul het registratieformulier voor het onderwerp in (aanvullende afbeelding S1), inclusief de voornaam, achternaam, e-mailadres, wachtwoord, geslacht (selecteer man of vrouw), meeteenheden (selecteer VS of metrisch), etniciteit (selecteer een van de volgende groepen: niet-gespecificeerd, Spaans/Latino, Indiaan of Alaska Native, Aziatisch, zwart of Afro-Amerikaans, Native Hawaiian of andere eilandbewoner in de Stille Oceaan, Kaukasisch), geboortedatum. Markeer de drie selectievakjes (acceptatie van de servicevoorwaarden, privacybeleid, verklaring van afstand van aansprakelijkheid) en tik vervolgens op de knop Verzenden . Controleer of de persoon de badmuts goed draagt en tik vervolgens op de knop Volgende . Controleer of het onderwerp de juiste kleding draagt en tik vervolgens op de knop Volgende . Controleer of het scannergebied vrij is (d.w.z. houd kleding buiten het scangebied en zorg ervoor dat er geen zonlicht of reflecterend materiaal in het zicht van de scanner is) en tik vervolgens op de knop Volgende . Vul het veld voor hoogtemeting in en tik vervolgens op de knop Volgende . Vul de velden in met betrekking tot optionele aanvullende statistieken (lichaamsvetpercentage [BF%], hartslag, systolische en diastolische bloeddruk, intracellulair en extracellulair water) en tik vervolgens op de knop Verzenden . 3. Testprocedure #1 Vraag de proefpersoon om op de weegschaal te gaan staan en zo stil mogelijk op de voetafdrukken te staan (met bovenste ledematen en handen aan beide zijden, zonder de telescopische handgrepen aan te raken) gedurende 10 s om het lichaamsgewicht (en de verdeling ervan) vast te leggen. Vraag de proefpersoon om rechtop te staan in een gestandaardiseerde A-houding (met ontspannen schouder en armen gestrekt en ontvoerd van de romp) terwijl hij de telescopische handgrepen vastpakt om de lichaamsscan uit te voeren volgens de volgende instructies (Figuur 1A,B).OPMERKING: Een volledige lichaamsscan duurt ~45 s, waarbij lichtcoderende dieptesensoren de 3D-vorm vastleggen terwijl het platform één keer ronddraait.Til de handvatten op totdat de armen en benen gestrekt zijn. Blijf zo stil mogelijk. Houd het hoofd stil met de ogen naar voren. Houd de knoppen van de handgrepen ingedrukt totdat de scan is voltooid. Stap van de weegschaal af wanneer de scan is voltooid. Nadat het onderwerp van de weegschaal is gestapt, tikt u op de knop Afmelden . 4. Onderwerpsregistratie voor de testprocedure #2 Meet de lengte en het gewicht van het onderwerp met behulp van een standaardweegschaal met een stadiometer. Gebruik een moderne webbrowser die op een desktop- of laptopcomputer is geïnstalleerd en ga naar het dashboard van systeem #2 (registratiedashboard in de materiaaltabel). Vul het registratieformulier voor het onderwerp in (aanvullende afbeelding S2), inclusief de voornaam, achternaam, telefoonnummer, e-mailadres, leeftijd, geslacht (selecteer man of vrouw), gewicht en lengte. Markeer het selectievakje (acceptatie van de gebruiksvoorwaarden en het privacybeleid) en tik of klik vervolgens op de knop Aanmelden om de accountconfiguratie te voltooien. Visualiseer de accountweergavepagina met de unieke QR-code (Quick Response), het telefoonnummer en het e-mailadres van de onderwerp. Maak een foto (bijvoorbeeld met een mobiele telefoon) van de QR-code. 5. Testprocedure #2 Start de app (app #2 in de Materiaaltabel) die is geïnstalleerd op de tablet van systeem #2 en die bestaat uit een tablet die op een houder is gemonteerd (tablet #2 en vloerstandaard in de Materiaaltabel). Tik op het scherm van de tablet en toon de QR-code. Tik op de knop Start . Vraag de proefpersoon om naar de audio-instructies te luisteren en bekijk de gids op het scherm. Vraag de proefpersoon om op een gestandaardiseerde afstand van de tablet over een tapijt te gaan staan, met de voeten in de voetengeleider (zwart ovaal symbool boven het tapijt) uitgelijnd met de groene voetmarkering die op het scherm wordt weergegeven (Figuur 2A). Vraag de proefpersoon om een “frontale A-houding” aan te nemen (en de houding aan te houden zonder bewegingen die een misvormde avatar kunnen veroorzaken)10,22 met de benen gescheiden, de armen ontvoerd van de romp in een hoek van ongeveer 45° en de handen tot vuisten gesloten om het frontale beeld vast te leggen (Figuur 2B). Vraag de proefpersoon na het vastleggen van het frontale beeld om een “zijhouding” aan te nemen met de voeten bij elkaar, armen/handen recht aan de zijkanten geplaatst (d.w.z. armen/handen uitgelijnd met en tegen de romp/dijen) en recht naar voren gericht om het zijdelingse beeld vast te leggen (Figuur 2C). Na de zijdelingse beeldopname informeert u het onderwerp dat de scan is voltooid (de app geeft een bedankscherm weer).

Representative Results

Na het vastleggen van het beeld genereert de software van systeem #1 een geanonimiseerde 3D-humanoïde avatar (Figuur 1C: puntenwolken worden omgezet in een netwerk verbonden door driehoeken met ongeveer 25.000 hoekpunten en 50.000 vlakken) en geautomatiseerde antropometrie, die lengtes, omtrekken, volumes, oppervlakten en schattingen van de lichaamssamenstelling omvat. Het dashboard van systeem #1 stelt voor elke proefpersoon in staat om de 3D-scan te visualiseren (en een rapport te downloaden met inbegrip van) de 3D-scan (Figuur 1C), metingen van lichaamsgewicht, grootte en vorm (d.w.z. beoordeling van de lichaamsvorm, tailleomtrek, taille-tot-heupverhouding, borst-tot-beenvolumeverhouding), schattingen van het basaal metabolisme en lichaamssamenstelling (d.w.z. BF%, vetmassa, magere massa) en standaard omtrekmetingen (nek, buste, taille, heupen, linker en rechter biceps, linker en rechter onderarm, linker en rechter dij, linker- en rechterkuit). Bovendien kunnen de resultaten van de houdings- en evenwichtsbeoordelingen ook worden gevisualiseerd en worden deze opgenomen in het rapport. De resultaten van de houdingsbeoordeling omvatten de voor-, zij- en achteraanzichten van de 3D-scan met bijbehorende verschuiving (gedefinieerd als een deel van het lichaam dat in een hellende positie beweegt en de snelheid waarmee het in een bepaalde richting helt) en kanteling (gedefinieerd als de “glijdende” beweging naar voren, achteren, links of rechts, een kleine verandering of variatie in positie vanaf het middelpunt) metingen: i) voor- en achteraanzichten: verschuif de metingen naar rechts of links ten opzichte van het sagittale vlak (weergegeven als een verticale lijn tussen rechter- en linkerhemisomes) en kantelpercentages ten opzichte van het transversale (horizontale vlak) voor hoofd, schouder, onderborst, heup, knie; ii) Zijaanzicht: Verschuif de metingen naar voren of naar achteren ten opzichte van het frontale (coronale) vlak (weergegeven als een verticale lijn omhoog vanaf het enkelgewricht) voor hoofd, schouder, heup, knie. Het resultaat van de balansbeoordeling omvat de gewichtsverdeling tijdens de staande houding voor de voorste en achterste regio’s van de rechter- en linkervoet. Het dashboard van systeem #1 maakt het ook mogelijk om voor elk onderwerp te downloaden. OBJ en .GIF afbeeldingsbestanden en een . CSV-bestand met de antropometrische metingen en schattingen van de lichaamssamenstelling vermeld in Tabel 1. Alle schattingen van de lichaamssamenstelling worden verkregen met behulp van gepatenteerde algoritmen, met uitzondering van de schatting van het basaal metabolisme en de berekening van de lichaamsvormindex die respectievelijk worden verkregen volgens de Mifflin-St. Jeor-vergelijking23 en de Krakauer-vergelijking24 gerapporteerd in tabel 2. Na het vastleggen van de afbeelding genereert de software van systeem #2 een geanonimiseerde 3D-humanoïde avatar (Figuur 2D: puntenwolken worden omgezet in een netwerk verbonden door driehoeken met ongeveer 50.000 hoekpunten en 100.000 vlakken) en geautomatiseerde antropometrie, die lengtes, omtrekken, volumes, oppervlakten en schattingen van de lichaamssamenstelling omvat. Het dashboard van systeem #2 (dashboard voor het downloaden van gegevens in de materiaaltabel) maakt het mogelijk om voor elk onderwerp te downloaden. OBJ en .PNG afbeeldingsbestanden en de volgende drie . CSV-bestanden: Het bestand “App Measures.csv” rapporteert de volgende antropometrische en lichaamssamenstellingsmetingen: gewicht, lichaamsoppervlak, BF%, visceraal vetweefsel, fitnessindex, magere massa van de armen, magere massa van de benen, magere massa, totaal botmineraalgehalte, schouderbreedte, rugschouderbreedte (door de nek), omtrek van nek, bovenarm, biceps (rechts/links), onderarm (rechts/links), pols (rechts/links), Borst, onderborst, buste (met druppel), buik, taille, verf taille, heupen (8 centimeter naar beneden genomen vanaf de kleine achterkant), zitvlak, dij (rechts/links), kuit (rechts/links), rug-nek-tot-taille lengte, mouwlengte (rechts/links), kruislengte, binnenbeenlengte, beenlengte (rechts/links). Het bestand “Body Composition.csv” rapporteert de volgende antropometrische en lichaamssamenstellingsmetingen: lichaamsvet, body mass index, lichaamsoppervlak, botmineraalgehalte, vetmassa-index, fitnessindex, lengte, magere lichaamsindex, magere lichaamsgewicht, armspiermassa, magere massa van de benen, ruststofwisseling, maagomtrek, visceraal vetweefsel, taille-tot-hoogteverhouding, taille-tot-heupverhouding, gewicht. Het bestand “Core Measures.csv” rapporteert de antropometrische metingen die in tabel 1 worden vermeld. Alle schattingen van de lichaamssamenstelling worden verkregen met behulp van gepatenteerde algoritmen, met uitzondering van de schatting van het basaal metabolisme en de BF%-schatting die respectievelijk worden verkregen volgens de Katch-McArdle-vergelijking25 en volgens de twee vergelijkingen die eerder zijn ontwikkeld en gevalideerd door Harty et al.26. Deze twee vergelijkingen (BF%-vergelijking 1 en vergelijking 2 in tabel 2) worden respectievelijk aangenomen voor personen met een onderbuikomtrek <103,5 cm (<40,75 inch) en ≥103,5 cm (≥40,75 inch). Hoewel eerdere studies de nauwkeurigheid van vergelijking 1 voor BF%-schatting bij gezonde volwassenen aantoonden15,26, ontdekten we onlangs dat het de BF% bij jonge atleten overschatte (met betrekking tot dual-energy röntgenabsorptiometrie)18. Daarom hebben we de herparametrisering (vergelijking 3) voorgesteld die in tabel 2 wordt gerapporteerd om een nauwkeurige schatting te geven van BF% bij jonge voetballers van beide geslachten18. Naast de hierboven genoemde variabelen voor de lichaamssamenstelling, kan de appendiculaire vetvrije massa (ALM) ook worden geschat voor de scans die zijn uitgevoerd met systeem #2 door middel van de apparaatspecifieke vergelijking die onlangs is voorgesteld door McCarthy et al.27 voor sedentaire proefpersonen (ALM-vergelijking 1 voor mannen en ALM-vergelijking 2 voor vrouwen in tabel 2) die we hebben aangepast voor ALM-schatting bij jonge atleten (ALM-vergelijking 3 voor mannen en ALM-vergelijking 4 voor vrouwen in tabel 2)18. Figuur 3 toont representatieve avatars verkregen bij een mannelijke atleet (body mass index: 26,0 kg/m2: Figuur 3A,B) en een persoon met obesitas (body mass index: 44,0 kg/m2: Figuur 3C,D) met het systeem #1 (Figuur 3A,C) en met het systeem #2 (Figuur 3B,D). De antropometrische metingen en schattingen van de lichaamssamenstelling verkregen door systeem #1 en systeem #2 voor twee scans van beide proefpersonen worden gerapporteerd in Tabel 3. De omtrekmetingen die bij de atleet werden verkregen, verschilden tussen de scans die met de twee systemen werden gemaakt (vooral voor de nek, armen, heupen en benen: gegevens worden gerapporteerd in tabel 3). BF%-waarden (gemiddelden van de twee scans) waren 19,1% en 16,1% voor de scans die werden uitgevoerd met respectievelijk systemen #1 en #2, en de waarden van de magere massa (gemiddelden van de twee scans) waren 69,7 kg en 72,2 kg. De gemiddelde ALM-waarde voor de scans die met systeem #2 werden uitgevoerd, was 38,4 kg. De omtrekmetingen die bij de persoon met obesitas werden verkregen, verschilden tussen de scans die met de twee systemen werden verkregen (vooral voor taille en benen: gegevens worden gerapporteerd in tabel 3). BF%-waarden (gemiddelden van de twee scans) waren 44,1% en 46,3% voor de scans die werden uitgevoerd met respectievelijk systemen #1 en #2, en de waarden voor magere massa (gemiddelden van de twee scans) waren 67,9 kg en 64,9 kg. De gemiddelde ALM-waarde voor de scans die met systeem #2 werden uitgevoerd, was 25,1 kg. Figuur 1: Foto’s gemaakt met systeem #1. (A,B) Gestandaardiseerde A-pose aangenomen en onderhouden door een representatief mannelijk onderwerp tijdens de rotatie van het platform en (C) de relatieve 3D-avatar. Het verkrijgen van optische beelden werd uitgevoerd in het kader van een onderzoek dat is goedgekeurd door de ethische commissie van de Universiteit van Turijn (protocol nr. 0115311). Klik hier om een grotere versie van deze figuur te bekijken. Afbeelding 2: Afbeeldingen gemaakt met systeem #2. (A) Afbeelding van een representatief mannelijk onderwerp dat over een tapijt staat met het voetgeleidersymbool (zwart ovaal symbool over het tapijt) uitgelijnd met de groene voetmarkering die op het scherm van de tablet van systeem #2 wordt weergegeven. Verwerving van de (B) frontale en (C) laterale beelden in het representatieve onderwerp en (D) de relatieve 3D-avatar. Het verkrijgen van optische beelden werd uitgevoerd in het kader van een onderzoek dat is goedgekeurd door de ethische commissie van de Universiteit van Turijn (protocol nr. 0115311). Klik hier om een grotere versie van deze figuur te bekijken. Figuur 3: Representatieve avatars verkregen met systemen #1 en #2. (A,B) Mannelijke atleet en (C,D) een persoon met obesitas onderzocht met (A,C) systeem #1 en (B,D) systeem #2. Elke proefpersoon onderging twee scans, met herpositionering: de avatar verkregen uit de eerste scan werd getoond voor beide proefpersonen, terwijl de antropometrische en lichaamssamenstellingschattingen verkregen door systeem #1 en systeem #2 voor twee scans van beide proefpersonen worden gerapporteerd in Tabel 3. Het verkrijgen van optische beelden werd uitgevoerd in het kader van onderzoeken die zijn goedgekeurd door de ethische commissie van de Universiteit van Turijn (protocol nr. 0115311) en door de Territoriale Ethische Commissie (CET – protocol nr. 0065654). Klik hier om een grotere versie van deze figuur te bekijken. Tabel 1: Uitgebreide meetsets die kunnen worden gedownload van het dashboard van systemen #1 en #2. Klik hier om deze tabel te downloaden. Tabel 2: Vergelijkingen voor het schatten van het basaal metabolisme, het lichaamsvetpercentage en de appendiculaire vetvrije massa. Schattingen van het basaal metabolisme: de meeteenheden zijn kg voor gewicht en vetvrije massa, cm voor lengte en jaren voor leeftijd. Een schatting van de lichaamsvormindex: de meeteenheden zijn m voor de tailleomtrek en de lengte worden gemeten, kg/m2 voor de body mass index. Schatting van het lichaamsvetpercentage: geslacht wordt gecodeerd als man = 1 en vrouw = 0, lichaamsoppervlak wordt gemeten in cm2 en alle overige variabelen aangegeven als circ. worden gemeten in cm. De spier-maagindex wordt verkregen als (rechter biceps circ. + linker biceps circ. + rechter dij circ. + linkerdij circ. + rechter kuit circ. + linkerkuit circ.) / maximale maag circ. Schatting van de appendiculaire magere massa: de meeteenheden zijn cm voor alle omtrekken en lengtes; cm2 voor oppervlakten; cm3 voor volumes; kg voor gewicht; jaar voor de leeftijd. Drie vergelijkingen van deze tabel zijn afkomstig van Minetto et al.18. Afkortingen: BMR = basaal metabolisme; ABSI = een lichaamsvormindex; BF% = lichaamsvetpercentage; circ. = omtrekken; ALM = appendiculaire vetvrije massa; NHOPI = Inheemse Hawaïaanse en andere Pacifische eilandbewoner. Klik hier om deze tabel te downloaden. Tabel 3. Omtrekmetingen en schattingen van de lichaamssamenstelling verkregen door de twee systemen in elk van de twee representatieve proefpersonen (één atleet en één persoon met obesitas). Klik hier om deze tabel te downloaden. Aanvullende afbeelding S1: Registratieformulier voor proefpersonen voor testprocedure #1. Klik hier om dit bestand te downloaden. Aanvullende figuur S2: Registratieformulier voor proefpersonen voor testprocedure #2. Klik hier om dit bestand te downloaden.

Discussion

De procedures die in dit artikel worden gepresenteerd, kunnen worden gebruikt om de lichaamsgrootte, -vorm en -samenstelling te evalueren door middel van twee in de handel verkrijgbare oplossingen voor optische 3D-beeldvorming die eerder zijn ontwikkeld en gevalideerd 9,10,11,12,13,14,15,16,17,18,19,20 . Deze oplossingen zijn eenvoudig te bedienen en geldige gegevens kunnen snel worden verzameld en automatisch worden georganiseerd in een rapport. Bovendien maken de gepresenteerde systemen het mogelijk om reproduceerbare gegevens te verzamelen (zoals gesuggereerd door de vergelijking van de resultaten van de twee scans die met beide systemen zijn uitgevoerd in onze twee representatieve gevallen en gedocumenteerd door eerdere studies)9,10,11,12,13,14,15,16,17,18,19,20 en kan daarom worden gebruikt om de door training of voeding veroorzaakte veranderingen te volgen.

Omdat systeem #2 een beperkt gewicht heeft (~4 kg in totaal voor tablet en houder), is het gemakkelijk mee te nemen. Een beperking van systeem #2 is echter dat het genereren van een 3D-avatar uit 2D-beelden 3D-reconstructies kan opleveren die minder nauwkeurig zijn dan die verkregen met systeem #1, vooral bij personen met obesitas (zoals weergegeven in het representatieve voorbeeld van figuur 3 C,D) of bij patiënten die gelokaliseerde afwijkingen van de lichaamsvorm vertonen (bijv. patiënten na bariatrische chirurgie die een lastig huidoverschot vertonen of kankerpatiënten met unilateraal lymfoedeem van de bovenste of onderste ledematen).

De beschikbaarheid van voldoende ruimte is van cruciaal belang voor de scanacquisitie met beide systemen: een vrije ruimte van 157 x 198 cm voor systeem #1 en van 86 x 166 cm voor systeem #2 is vereist. Bovendien vereist systeem #2 dat het onderwerp dicht bij een blinde muur wordt geplaatst zonder spiegels, glanzende posters of ramen. Beide systemen vereisen dat er geen natuurlijk zonlicht en geen reflecterende oppervlakken in het zicht van de camera’s zijn. Beide systemen hebben ook een constante en consistente wi-fi internetverbinding nodig om scans effectief te verwerken.

De belangrijkste beperking van de hierboven beschreven procedures is dat ze vereisen dat de onderzochte persoon de staande positie kan aannemen. Daarom kunnen deze benaderingen niet worden gebruikt bij ernstig zieke patiënten (zoals ernstig gehandicapte neurologische patiënten of ernstig zieke patiënten) die niet uit bed kunnen komen. Bovendien moeten de onderzochte proefpersonen in staat zijn om de staande positie (d.w.z. A-houding en zijhouding) aan te houden zonder bewegingen die de vorm van de avatar10,22 kunnen veranderen en de schatting van de lichaamsomtrek kunnen beïnvloeden.

Een beperking van de hierboven beschreven parameters is dat ze worden verkregen met behulp van eigen apparaatspecifieke algoritmen: dit houdt in dat de metingen van de lichaamsgrootte, vorm en samenstelling uniek zijn voor het specifieke scansysteem. Daarom is het vergelijken of samenvoegen van gegevens die met verschillende systemen zijn verkregen, uitgesloten door analytische variabiliteit (d.w.z. tussen scanners). Consequent verschilden de omtrekmetingen die werden verkregen in onze representatieve twee onderwerpen die in figuur 3 worden weergegeven, tussen de twee systemen. Er zijn echter al apparaatonafhankelijke oplossingen ontwikkeld om deze beperking te overwinnen: deze oplossingen herformatteren en bewerken het 3D-gaas, detecteren vervolgens automatisch verschillende oriëntatiepunten (zoals oksels, kruis en voeten) en berekenen vervolgens de lichaamsgroottemetingen 28,29,30,31,32,33,34,35. Een andere beperking van de hierboven beschreven parameters voor de lichaamssamenstelling is dat ze worden verkregen door middel van conventionele op antropometrie gebaseerde voorspellingsmodellen. Recente studies hebben echter aangetoond dat op lichaamsvorm gebaseerde modellen nodig kunnen zijn om informatie over de lichaamssamenstelling vast te leggen die verder gaat dan conventionele antropometrische metingen36,37.

Ondanks enkele beperkingen moet de digitale antropometrische benadering als klaar worden beschouwd voor gebruik in de klinische setting. 3D-beeldvormingssystemen bieden niet-invasieve metingen die acceptabeler kunnen zijn in vergelijking met handmatige (op tape en/of remklauw) metingen die zijn gebaseerd op de identificatie van anatomische oriëntatiepunten door middel van observatie en palpatie. Bovendien is optisch 3D-scannen ook sneller in vergelijking met andere onderzoeken (bijv. magnetische resonantiebeeldvorming en dual-energy röntgenabsorptiometrie) die vaak worden toegepast in onderzoeks- en klinische omgevingen voor de beoordeling van lichaamsgrootte en samenstelling. Bovendien is het, omdat het relatief goedkoop en stralingsvrij is, veilig om te worden gebruikt voor volgende scans (de beeldacquisitie kan bijvoorbeeld gemakkelijk en snel worden herhaald als de onderzoeker lichaamsbewegingen of een onjuiste plaatsing van ledematen opmerkt die veranderingen in de vorm van de avatar kan veroorzaken) en voor herhaalde onderzoeken38 en ook veilig om te worden gebruikt in speciale populaties (zoals kinderen, adolescenten en zwangere vrouwen)35,39.

Clinici zouden daarom de verwerving van innovatieve en nuttige biomarkers (“e-tape”-metingen en afgeleide schattingen van de lichaamssamenstelling) kunnen implementeren in routinematige evaluaties van gezonde proefpersonen (bijv. atleten) om te helpen bij het voorspellen en karakteriseren van hun fysieke prestaties en blessurerisico 40,41,42,43 en om het herstel van blessures te monitoren. Beenkracht en symmetrie van de vetvrije massa beïnvloeden bijvoorbeeld de fysieke prestaties en het risico op (her)blessures44. Daarom kan het herstel van een normale symmetrie van de dij-/kuitomtrek worden opgenomen in een van de algemene doelen waarmee rekening moet worden gehouden om terug te keren naar het spel45. De routinematige evaluatie van patiënten kan ook worden verbeterd door de integratie van digitale antropometrie in de gezondheidszorg. De beoordeling van de omtrek en vorm van het lichaam (die wordt bepaald door de interne verdeling van zacht en vetweefsel) kan nuttig zijn om de spier met een lage massa te detecteren (bijv. bij patiënten waarvan wordt vermoed dat ze sarcopenisch zijn), om het risico op metabole ziekten te voorspellen46, om de uitkomst van een chirurgische ingreep te beoordelen en om de voortgang van de patiënt na een interventie te volgen38. Patiënten met ziekten waarbij voedingscomponenten een belangrijke bijdrage leveren aan hun pathofysiologie, kunnen specifiek baat hebben bij longitudinale monitoring van de lichaamsgrootte en -samenstelling om symptomen en naast elkaar bestaande aandoeningen teverminderen47. In het geval van dieet- en/of medicamenteuze behandeling van obesitas is het bijvoorbeeld mogelijk niet gepast om alleen het gewicht te controleren, omdat de bekende “25/75-vuistregel” (d.w.z. de algemene veronderstelling dat gewichtsverlies doorgaans 25% vetvrij massaverlies en 75% vetverlies is) de werkzaamheid van interventies 38 mogelijk niet nauwkeurig beschrijft38 die zou kunnen worden ontrafeld door op antropometrie gebaseerde beoordeling van de relatieve hoeveelheid spier- en vetverlies. Bovendien heeft digitale antropometrie, geïntegreerd in de gezondheidszorg, het potentieel om de gezondheidszorg uit te breiden naar afgelegen locaties, waardoor de hulp en therapietrouw van de patiënt worden verbeterd en de kosten van de gezondheidszorg worden verlaagd.

開示

The authors have nothing to disclose.

Acknowledgements

De auteurs zijn Dr. Federico Della Vecchia en Dr. Alessandro Cairo (Universiteit van Turijn) dankbaar voor hun waardevolle steun bij de voorbereiding van het manuscript. Dit werk werd ondersteund door subsidies van Fondazione CRT (Turijn, Italië), de Universiteit van Turijn (Fondo per la Ricerca Locale – ex-60%) en de National Institutes of Health (subsidie R01DK109008, Shape UP! Volwassenen).

Materials

System #1
Proscanner Fit3D Inc., San Mateo, CA, USA Version 5 "System #1" in the manuscript
Fit3D Proscanner app Fit3D Inc., San Mateo, CA, USA Version 5 "App #1" in the manuscript
CHUWI tablet PC Chuwi Technology Co., Ltd., Shenzhen, CHINA Hi10X "Tablet #1" in the manuscript
Fit3D dashboard Fit3D Inc., San Mateo, CA, USA https://dashboard.fit3d.com
System #2
Mobile Scanner 1 (MS-1) app Size Stream LLC, Cary, NC, USA Version 2 "System #2" in the manuscript
iPad Apple Inc., Cupertino, CA, USA 9th generation "Tablet #2" in the manuscript
iPad Floor Stand Displays2go LLC, Fall River, MA, USA SKU: TABFLATBBK www.displays2go.com/P-29987/Universal-Tablet-Floor-Stand-Anti-Theft-Locking-Kit
Size Stream registration dashboard  Size Stream LLC, Cary, NC, USA https://measure.mobilefit.sizestream.com
Size Stream data download dashboard  Size Stream LLC, Cary, NC, USA https://data.mobilefit.sizestream.com
DOWNLOAD MATERIALS LIST

参考文献

  1. Heymsfield, S. B., Lohman, T., Wang, Z. M., Going, S. Human body composition-2nd edition. Human Kinetics. , (2005).
  2. Lohman, T. G., Milliken, L. A. ACSM’s Body composition assessment. Human Kinetics. , (2020).
  3. Ross, R., et al. Waist circumference as a vital sign in clinical practice: a Consensus Statement from the IAS and ICCR Working Group on Visceral Obesity. Nat Rev Endocrinol. 16 (3), 177-189 (2020).
  4. Heymsfield, S. B., Gonzalez, M. C., Lu, J., Jia, G., Zheng, J. Skeletal muscle mass and quality: evolution of modern measurement concepts in the context of sarcopenia. Proc Nutr Soc. 74 (4), 355-366 (2015).
  5. Marin-Jimenez, N., et al. Criterion-related validity of field-based methods and equations for body composition estimation in adults: a systematic review. Curr Obes Rep. 11 (4), 336-349 (2022).
  6. Duarte, C. K., et al. Prediction equations to estimate muscle mass using anthropometric data: a systematic review. Nutr Rev. 81 (11), 1414-1440 (2023).
  7. Jagim, A. R., et al. Validation of skinfold equations and alternative methods for the determination of fat-free mass in young athletes. Front Sports Act Living. 5, 1240252 (2023).
  8. Minetto, M. A., et al. Digital anthropometry for body circumference measurements: European phenotypic variations throughout the decades. J Pers Med. 12 (6), 906 (2022).
  9. Ng, B. K., Hinton, B. J., Fan, B., Kanaya, A. M., Shepherd, J. A. Clinical anthropometrics and body composition from 3D whole-body surface scans. Eur J Clin Nutr. 70 (11), 1265-1270 (2016).
  10. Bourgeois, B., et al. Clinically applicable optical imaging technology for body size and shape analysis: comparison of systems differing in design. Eur J Clin Nutr. 71 (11), 1329-1335 (2017).
  11. Heymsfield, S. B., et al. Digital anthropometry: a critical review. Eur J Clin Nutr. 72 (5), 680-687 (2018).
  12. Tinsley, G. M., Moore, M. L., Benavides, M. L., Dellinger, J. R., Adamson, B. T. 3-Dimensional optical scanning for body composition assessment: A 4-component model comparison of four commercially available scanners. Clin Nutr. 39 (10), 3160-3167 (2020).
  13. Tinsley, G. M., Moore, M. L., Dellinger, J. R., Adamson, B. T., Benavides, M. L. Digital anthropometry via three-dimensional optical scanning: evaluation of four commercially available systems. Eur J Clin Nutr. 74 (7), 1054-1064 (2020).
  14. Smith, B., et al. Anthropometric evaluation of a 3D scanning mobile application. Obesity (Silver Spring). 30 (6), 1181-1188 (2022).
  15. Graybeal, A. J., Brandner, C. F., Tinsley, G. M. Validity and reliability of a mobile digital imaging analysis trained by a four-compartment model. J Hum Nutr Diet. 36 (3), 905-911 (2023).
  16. Graybeal, A. J., Brandner, C. F., Tinsley, G. M. Evaluation of automated anthropometrics produced by smartphone-based machine learning: a comparison with traditional anthropometric assessments. Br J Nutr. 130 (6), 1077-1087 (2023).
  17. Wong, M. C., et al. Accuracy and precision of 3-dimensional optical imaging for body composition by age, BMI, and ethnicity. Am J Clin Nutr. 118 (3), 657-671 (2023).
  18. Minetto, M. A., et al. Equations for smartphone prediction of adiposity and appendicular lean mass in youth soccer players. Sci Rep. 13 (1), 20734 (2023).
  19. Cataldi, D., et al. Accuracy and precision of multiple body composition methods and associations with muscle strength in athletes of varying hydration: The Da Kine Study. Clin Nutr. 43 (1), 284-294 (2024).
  20. Graybeal, A. J., et al. Smartphone derived anthropometrics: Agreement between a commercially available smartphone application and its parent application intended for use at point-of-care. Clinical Nutrition ESPEN. 59, 107-112 (2024).
  21. . Politecnico di Torino Available from: https://www.polito.it/sites/default/files/2023-05/Research%20Integrity%20POLITO_EN.pdf (2024)
  22. Sobhiyeh, S., et al. Hole filling in 3D scans for digital anthropometric applications. Annu Int Conf IEEE Eng Med Biol Soc. 2019, 2752-2757 (2019).
  23. Mifflin, M. D., et al. A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr. 51 (2), 241-247 (1990).
  24. Krakauer, N. Y., Krakauer, J. C. A new body shape index predicts mortality hazard independently of body mass index. PLoS One. 7 (7), e39504 (2012).
  25. Katch, F. I., McArdle, W. D. Validity of body composition prediction equations for college men and women. Am J Clin Nutr. 28 (2), 105-109 (1975).
  26. Harty, P. S., et al. Novel body fat estimation using machine learning and 3-dimensional optical imaging. Eur J Clin Nutr. 74 (5), 842-845 (2020).
  27. MCCarthy, C., et al. Smartphone prediction of skeletal muscle mass: model development and validation in adults. Am J Clin Nutr. 117 (4), 794-801 (2023).
  28. Loper, M., Mahmood, N., Romero, J., Pons-Moll, G., Black, M. J. SMPL: A skinned multi-person linear model. ACM Trans Graph. 34, 248 (2015).
  29. Sobhiyeh, S., et al. Digital anthropometry for body circumference measurements: Toward the development of universal three-dimensional optical system analysis software. Obes Sci Pract. 7 (1), 35-44 (2020).
  30. Sobhiyeh, S., et al. Digital anthropometric volumes: Toward the development and validation of a universal software. Med Phys. 48 (7), 3654-3664 (2021).
  31. Dechenaud, M. E., Kennedy, S., Sobhiyeh, S., Shepherd, J., Heymsfield, S. B. Total body and regional surface area: Quantification with low-cost three-dimensional optical imaging systems. Am J Phys Anthropol. 175 (4), 865-875 (2021).
  32. Wong, M. C., et al. A pose-independent method for accurate and precise body composition from 3D optical scans. Obesity (Silver Spring). 29 (11), 1835-1847 (2021).
  33. Tian, I. Y., et al. A device-agnostic shape model for automated body composition estimates from 3D optical scans. Med Phys. 49 (10), 6395-6409 (2022).
  34. Tian, I. Y., et al. Automated body composition estimation from device-agnostic 3D optical scans in pediatric populations. Clin Nutr. 42 (9), 1619-1630 (2023).
  35. Wells, J. C. K. Three-dimensional optical scanning for clinical body shape assessment comes of age. Am J Clin Nutr. 110 (6), 1272-1274 (2019).
  36. Ng, B. K., et al. Detailed 3-dimensional body shape features predict body composition, blood metabolites, and functional strength: the Shape Up! studies. Am J Clin Nutr. 110 (6), 1316-1326 (2019).
  37. Wong, M. C., et al. Monitoring body composition change for intervention studies with advancing 3D optical imaging technology in comparison to dual-energy X-ray absorptiometry. Am J Clin Nutr. 117 (4), 802-813 (2023).
  38. Wong, M. C., et al. Children and adolescents’ anthropometrics body composition from 3-D optical surface scans. Obesity (Silver Spring). 27 (11), 1738-1749 (2019).
  39. Morse, S., et al. Machine learning prediction of combat basic training injury from 3D body shape images. PLoS One. 15 (6), e0235017 (2020).
  40. Harty, P. S., et al. Military body composition standards and physical performance: historical perspectives and future directions. J Strength Cond Res. 36 (12), 3551-3561 (2022).
  41. Keith, D. S., et al. Anthropometric predictors of conventional deadlift kinematics and kinetics: a preliminary study. Int J Exerc Sci. 16 (1), 429-447 (2023).
  42. Smith, M., et al. Body shape and performance on the US Army Combat Fitness Test: Insights from a 3D body image scanner. PLoS One. 18 (5), e0283566 (2023).
  43. Hart, N. H., Nimphius, S., Spiteri, T., Newton, R. U. Leg strength and lean mass symmetry influences kicking performance in Australian football. J Sports Sci Med. 13 (1), 157-165 (2014).
  44. Ardern, C. L., et al. Consensus statement on return to sport from the First World Congress in Sports Physical Therapy, Bern. Br J Sports Med. 50 (14), 853-864 (2016).
  45. Bennett, J. P., et al. Three-dimensional optical body shape and features improve prediction of metabolic disease risk in a diverse sample of adults. Obesity (Silver Spring). 30 (8), 1589-1598 (2022).
  46. Heymsfield, S. B., Shapses, S. A. Guidance on energy and macronutrients across the life span. N Engl J Med. 390 (14), 1299-1310 (2024).

タグ

3D Optical ImagingAnthropometricsBody CompositionClinical AssessmentDigital AnthropometryHumanoid AvatarPersonalized TrainingRehabilitation StrategyWeight Measurement

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
記事を引用
Minetto, M. A., Busso, C., Ferraris, A., Pietrobelli, A., Shepherd, J. A., McCarthy, C., Heymsfield, S. B. Clinical Anthropometrics and Body Composition from 3-Dimensional Optical Imaging. J. Vis. Exp. (208), e66698, doi:10.3791/66698 (2024).
引用ダウンロード
転載と許可

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image