JoVE Journal > Medicine
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
français

Automatically Generated
Please note that all translations are automatically generated. Click here for the English version.
Medicine

Anthropométrie clinique et composition corporelle à partir de l’imagerie optique 3dimensionnelle

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

Summary

Les procédures d’évaluation de la taille, de la forme et de la composition du corps par le biais de solutions d’imagerie optique tridimensionnelle disponibles dans le commerce permettent la collecte rapide de données précises et reproductibles. Les cliniciens pourraient mettre en œuvre l’acquisition de biomarqueurs novateurs et utiles (mesures « e-tape ») dans les évaluations de routine des patients afin d’aider à caractériser leur état de santé.

Abstract

L’évaluation de la taille et de la composition corporelle est couramment incluse dans la gestion de routine des athlètes en bonne santé ainsi que de différents types de patients afin de personnaliser la stratégie d’entraînement ou de réadaptation. Les analyses anthropométriques numériques décrites dans le protocole suivant peuvent être effectuées avec des systèmes récemment introduits. Ces nouveaux outils et approches ont le potentiel d’être largement utilisés en milieu clinique car ils sont très simples à utiliser et permettent la collecte rapide de données précises et reproductibles. L’un se compose d’une plate-forme rotative avec une plaque de mesure de poids, de trois caméras infrarouges et d’une tablette intégrée dans une tour, tandis que l’autre système se compose d’une tablette montée sur un support. Après la capture d’image, le logiciel des deux systèmes génère un avatar humanoïde tridimensionnel anonymisé avec des variables anthropométriques et de composition corporelle associées. Les procédures de mesure sont simples : un sujet peut être testé en quelques minutes et un rapport complet (comprenant le scan tridimensionnel et les mesures de la taille, de la forme et de la composition du corps) est généré automatiquement.

Introduction

L’anthropométrie est l’étude des mesures physiques du corps humain. La taille, le poids, la longueur, l’épaisseur des plis cutanés et les circonférences sont des mesures anthropométriques couramment utilisées qui se sont avérées utiles pour étudier les patients atteints de troubles endocriniens et métaboliques et pour surveiller la croissance, le vieillissement et les adaptations de la taille et de la composition corporelle induites par le régime alimentaire et l’entraînement chez les athlètes 1,2. Par exemple, l’évaluation des circonférences de la taille et des hanches s’est avérée utile pour la prise en charge des personnes obèses : les deux circonférences évaluent la distribution de l’adiposité qui peut être considérée comme un prédicteur de la mortalité toutes causes confondues3.

Les circonférences des membres sont fréquemment évaluées en médecine de réadaptation et en médecine sportive en raison de leur utilité pour détecter et/ou surveiller la diminution de la masse maigre appendiculaire (par exemple, la circonférence du mollet est utilisée comme un marqueur musculaire squelettique simple et pratique pour diagnostiquer les muscles squelettiques bas et la sarcopénie)1,2 et l’asymétrie entre les membres qui a un impact à la fois sur la performance physique et le risque de blessures chez les athlètes et sur la qualité de vie des patients (par exemple, patients cancéreux présentant un gonflement unilatéral des extrémités)1,2. De plus, un grand nombre de modèles de prédiction de la composition corporelle basés sur l’anthropométrie ont été proposés au cours des dernières décennies pour estimer la quantité de masse grasse ou de masse maigre à partir d’une combinaison de différentes mesures anthropométriques telles que les circonférences corporelles ou les épaisseurs des plis cutanés 1,2,4,5,6,7.

Étant donné que les mesures anthropométriques conventionnelles (c.-à-d. à l’aide d’un ruban et d’un pied à coulisse) peuvent ne pas être culturellement ou socialement acceptables et présenter une faible fiabilité8, il était nécessaire de développer et de valider des approches non invasives, reproductibles et valides. Les systèmes d’imagerie optique tridimensionnelle (3D) récemment développés ont permis de fournir des mesures non invasives, précises et exactes 8,9,10,11, ainsi que les appareils photo numériques grand public et les smartphones offrent des outils faciles à utiliser et largement disponibles pouvant être utilisés dans des contextes cliniques et non cliniques pour évaluer à la fois les patients et les sujets sains 8,9,10,11 ,12,13,14,15,16,17,18,19,20. L’objectif du protocole présenté dans la section suivante est de décrire les procédures d’évaluation de la taille, de la forme et de la composition du corps à travers deux solutions d’imagerie optique 3D disponibles dans le commerce qui sont devenues omniprésentes au cours des dernières années à la fois dans le cadre des soins de santé (pour évaluer les patients) et dans les milieux non cliniques (pour évaluer les athlètes).

Protocol

Le protocole suit les directives d’intégrité de la recherche de l’École polytechnique de Turin21. L’acquisition d’images optiques a été réalisée dans le cadre d’études de recherche approuvées par les comités d’éthique locaux (les données sont rapportées dans les légendes de la figure 1 et de la figure 2) et les sujets étudiés ont donné leur consentement écrit (pour la participation à l’étude et la publication d’images anonymisées). 1. Préparation du sujet REMARQUE : Toutes les préparations de pré-balayage décrites dans cette section sont similaires entre les procédures d’essai #1 et #2. Demandez au sujet de s’habiller en sous-vêtements ou de porter des vêtements moulants minimaux (shorts si homme et short et soutien-gorge de sport si femme), d’enlever les chaussettes, les chaussures et les accessoires, et de porter un bonnet de bain pour couvrir les cheveux. 2. Inscription du sujet à la procédure de test #1 Mesurez la taille du sujet à l’aide d’un stadiomètre standard. Lancez l’application installée sur la tablette (application #1 et tablette #1 dans la table des matériaux) du système #1 qui se compose d’une plate-forme rotative avec une plaque de mesure du poids, de trois caméras infrarouges et de la tablette intégrée dans une tour (Figure 1A,B). Remplissez le formulaire d’inscription du sujet (figure supplémentaire S1), y compris le prénom, le nom, l’adresse e-mail, le mot de passe, le sexe (sélectionner homme ou femme), les unités de mesure (sélectionner US ou métrique), l’origine ethnique (sélectionner l’un des groupes suivants : non spécifié, Hispanique/Latino, Amérindien ou natif de l’Alaska, Asiatique, Noir ou Afro-Américain, Natif hawaïen ou autre insulaire du Pacifique, Caucasien), date de naissance. Cochez les trois cases (acceptation des conditions d’utilisation, de l’accord de confidentialité, de la politique de confidentialité, de la décharge de responsabilité), puis appuyez sur le bouton Soumettre . Vérifiez que le sujet porte correctement le bonnet de bain, puis appuyez sur le bouton Suivant . Vérifiez que le sujet porte une tenue correcte, puis appuyez sur le bouton Suivant . Vérifiez que la zone du scanner est dégagée (c’est-à-dire gardez les vêtements à l’extérieur de la zone de balayage et assurez-vous qu’il n’y a pas de lumière du soleil ou de matériau réfléchissant dans le champ de vision du scanner), puis appuyez sur le bouton Suivant . Remplissez le champ de mesure de la hauteur , puis appuyez sur le bouton Suivant . Remplissez les champs liés aux mesures supplémentaires facultatives (% de graisse corporelle [BF %], fréquence cardiaque, pression artérielle systolique et diastolique, eau intracellulaire et extracellulaire), puis appuyez sur le bouton Soumettre . 3. Procédure de test #1 Demandez au sujet de monter sur la balance et de rester le plus immobile possible sur les empreintes (avec les membres supérieurs et les mains des deux côtés, sans toucher les poignées télescopiques) pendant 10 s pour capturer le poids du corps (et sa répartition). Demandez au sujet de se tenir debout dans une pose en A standardisée (avec l’épaule détendue et les bras positionnés droits et enlevés du torse) tout en saisissant les poignées télescopiques pour effectuer le balayage corporel selon les instructions suivantes (Figure 1A,B).REMARQUE : Un balayage corporel complet prend ~45 s au cours duquel des capteurs de profondeur codant la lumière capturent la forme 3D lorsque la plate-forme tourne une fois.Soulevez les poignées jusqu’à ce que les bras et les jambes soient droits. Restez aussi immobile que possible. Gardez la tête immobile avec les yeux vers l’avant. Appuyez sur les boutons des poignées et maintenez-les enfoncés jusqu’à ce que l’analyse soit terminée. Descendez de l’échelle lorsque le scan est terminé. Une fois que le sujet est descendu de l’échelle, appuyez sur le bouton Se déconnecter . 4. Inscription du sujet pour la procédure de test #2 Mesurez la taille et le poids du sujet à l’aide d’une balance standard avec un stadiomètre. À l’aide de n’importe quel navigateur Web moderne installé sur un ordinateur de bureau ou portable, accédez au tableau de bord du système #2 (tableau de bord d’enregistrement dans la table des matériaux). Remplissez le formulaire d’inscription (figure supplémentaire S2), y compris le prénom, le nom, le numéro de téléphone, l’adresse e-mail, l’âge, le sexe (sélectionnez homme ou femme), le poids et la taille. Cochez la case (acceptation des conditions d’utilisation et de la politique de confidentialité), puis appuyez ou cliquez sur le bouton S’inscrire pour terminer la configuration du compte. Visualisez la page d’affichage du compte avec le code QR, le numéro de téléphone et l’adresse e-mail uniques de l’objet. Prenez une photo (par exemple, avec un téléphone portable) du code QR. 5. Procédure de test #2 Lancez l’application (application #2 dans la Table des matériaux) installée sur la tablette du système #2 qui se compose d’une tablette montée sur un support (tablette #2 et support au sol dans la Table des matériaux). Appuyez sur l’écran de la tablette et affichez le code QR. Appuyez sur le bouton Démarrer . Demandez au sujet d’écouter les instructions audio et de regarder le guide fourni à l’écran. Demandez au sujet de se tenir au-dessus d’un tapis à une distance normalisée de la tablette, avec les pieds dans le guide des pieds (symbole ovale noir sur le tapis) alignés avec le marqueur de pieds vert affiché à l’écran (Figure 2A). Demandez au sujet d’adopter une « pose en A de face » (et de maintenir la pose sans mouvements pouvant provoquer un avatar malformé)10,22 avec les jambes séparées, les bras retirés du torse à un angle d’environ 45° et les mains fermées en poings pour capturer l’image de face (Figure 2B). Après la capture de l’image frontale, demandez au sujet de prendre une « pose latérale » avec les pieds joints, les bras et les mains droits sur les côtés (c.-à-d. les bras et les mains alignés avec et contre le tronc et les cuisses) et le visage droit vers l’avant pour capturer l’image latérale (figure 2C). Après la capture d’image latérale, informez le sujet que le scan est terminé (l’application affiche un écran de remerciement ).

Representative Results

Après la capture d’image, le logiciel du système #1 génère un avatar humanoïde 3D apersonnalisé (Figure 1C : les nuages de points sont convertis en un maillage relié par des triangles d’environ 25 000 sommets et 50 000 visages) et une anthropométrie automatisée, qui comprend les longueurs, les circonférences, les volumes, les surfaces et les estimations de la composition corporelle. Le tableau de bord du système #1 permet à chaque sujet de visualiser (et de télécharger un rapport incluant) le balayage 3D (Figure 1C), les mesures du poids, de la taille et de la forme du corps (c’est-à-dire l’évaluation de la forme du corps, le tour de taille, le rapport taille-hanches, le rapport de volume tronc-jambe), les estimations du taux métabolique de base et de la composition corporelle (c’est-à-dire BF%, masse grasse, masse maigre) et les mesures standard de la circonférence (cou, buste, taille, hanches, biceps gauche et droit, avant-bras gauche et droit, cuisse gauche et droite, mollet gauche et droit). De plus, les résultats des évaluations de la posture et de l’équilibre peuvent également être visualisés et sont inclus dans le rapport. Les résultats de l’évaluation de la posture comprennent les vues avant, latérale et arrière du balayage 3D avec le décalage associé (défini comme une partie du corps qui se déplace en position inclinée et la vitesse à laquelle elle s’incline dans une direction) et l’inclinaison (définie comme le mouvement « glissant » vers l’avant, l’arrière, la gauche ou la droite, un léger changement ou variation de position à partir du point central) : i) vues de face et de dos : décalage des mesures vers la droite ou la gauche par rapport au plan sagittal (représenté par une ligne verticale entre les hémisomes droit et gauche) et pourcentages d’inclinaison par rapport au transversal (plan horizontal) pour la tête, les épaules, le dessous de la poitrine, la hanche, le genou ; ii) Vue latérale : décalez les mesures vers l’avant ou vers l’arrière par rapport au plan frontal (coronal) (représenté par une ligne verticale à partir de l’articulation de la cheville) pour la tête, l’épaule, la hanche, le genou. Le résultat de l’évaluation de l’équilibre comprend la répartition du poids en position debout pour les régions antérieure et postérieure des pieds droit et gauche. Le tableau de bord du système #1 permet également pour chaque sujet de télécharger . OBJ et .GIF fichiers image et un fichier . CSV contenant les mesures anthropométriques et les estimations de la composition corporelle énumérées au tableau 1. Toutes les estimations de la composition corporelle sont obtenues à l’aide d’algorithmes propriétaires, à l’exception de l’estimation du taux métabolique de base et du calcul de l’indice de forme corporelle qui sont obtenus, respectivement, selon l’étude Mifflin-St. L’équation de Jeor23 et l’équation de Krakauer24 présentées dans le tableau 2. Après la capture d’image, le logiciel du système #2 génère un avatar humanoïde 3D apersonnalisé (Figure 2D : les nuages de points sont convertis en un maillage relié par des triangles d’environ 50 000 sommets et 100 000 visages) et une anthropométrie automatisée, qui comprend les longueurs, les circonférences, les volumes, les surfaces et les estimations de la composition corporelle. Le tableau de bord du système #2 (tableau de bord de téléchargement des données dans la Table des matériaux) permet pour chaque sujet de télécharger . OBJ et .PNG fichiers image et les trois fichiers . Fichiers CSV : Le fichier « App Measures.csv » rapporte les mesures anthropométriques et de composition corporelle suivantes : poids, surface corporelle, BF%, tissu adipeux viscéral, indice de fitness, masse maigre des bras, masse maigre des jambes, masse corporelle maigre, teneur minérale osseuse totale, largeur des épaules, largeur des épaules arrière (à travers l’arrière du cou), circonférences du cou, des bras, des biceps (droite/gauche), avant-bras (droite/gauche), poignet (droite/gauche), poitrine, sous-poitrine, buste (avec chute), ventre, taille, taille peinte, hanches (prises à 8 pouces du bas du dos), siège, cuisse (droite/gauche), mollet (droite/gauche), longueur du dos du cou à la taille, longueur des manches (droite/gauche), longueur de l’entrejambe, couture intérieure et extérieure (droite/gauche). Le fichier « Body Composition.csv » rapporte les mesures anthropométriques et de composition corporelle suivantes : graisse corporelle, indice de masse corporelle, surface corporelle, teneur minérale osseuse, indice de masse grasse, indice de forme physique, taille, indice de corps maigre, masse corporelle maigre, masse maigre des bras, masse maigre des jambes, taux métabolique au repos, circonférence de l’estomac, tissu adipeux viscéral, rapport taille/taille, rapport taille-hanches, poids. Le fichier « Core Measures.csv » présente les mesures anthropométriques énumérées au tableau 1. Toutes les estimations de la composition corporelle sont obtenues à l’aide d’algorithmes propriétaires, à l’exception de l’estimation du taux métabolique de base et de l’estimation du pourcentage de BF qui sont obtenues, respectivement, selon l’équation de Katch-McArdle25 et les deux équations précédemment développées et validées par Harty et al.26. Ces deux équations (BF% Equation 1 et Equation 2 du tableau 2) sont adoptées, respectivement, pour les personnes ayant une circonférence abdominale inférieure <103,5 cm (<40,75 pouces) et ≥103,5 cm (≥40,75 pouces). Bien que des études antérieures aient démontré l’exactitude de l’équation 1 pour l’estimation du BF% chez les adultes en bonne santé15,26, nous avons récemment constaté qu’elle surestimait (en ce qui concerne l’absorptiométrie à rayons X à double énergie) le BF% chez les jeunes athlètes18. Par conséquent, nous avons proposé la reparamétrisation (équation 3) rapportée dans le tableau 2 pour fournir une estimation précise de BF% chez les jeunes joueurs de football des deux sexes18. En plus des variables de composition corporelle énumérées ci-dessus, la masse maigre appendiculaire (MLA) peut également être estimée pour les balayages effectués avec le système #2 à l’aide de l’équation spécifique à l’appareil récemment proposée par McCarthy et coll.27 pour les sujets sédentaires (équation 1 de la MLA pour les hommes et équation 2 de la MLA pour les femmes dans le tableau 2) que nous avons adaptée pour l’estimation de la MLA chez les jeunes athlètes (équation 3 de la MLA pour les hommes et équation 4 de la MLA pour les femmes dans le tableau 2)18. La figure 3 montre des avatars représentatifs obtenus chez un athlète masculin (indice de masse corporelle : 26,0 kg/m2 : Figure 3A,B) et une personne obèse (indice de masse corporelle : 44,0 kg/m2 : Figure 3C,D) avec le système #1 (Figure 3A,C) et avec le système #2 (Figure 3B,D). Les mesures anthropométriques et les estimations de la composition corporelle obtenues par le système #1 et le système #2 pour deux balayages des deux sujets sont présentées dans le tableau 3. Les mesures de circonférence obtenues chez l’athlète différaient entre les scans obtenus avec les deux systèmes (en particulier pour le cou, les bras, les hanches et les jambes : les données sont rapportées dans le tableau 3). Les valeurs BF% (moyennes des deux balayages) étaient de 19,1 % et 16,1 % pour les balayages effectués avec les systèmes #1 et #2, respectivement, et les valeurs de masse maigre (moyennes des deux balayages) étaient de 69,7 kg et 72,2 kg. La valeur moyenne de l’ALM pour les balayages effectués avec le système #2 était de 38,4 kg. Les mesures de circonférence obtenues chez la personne obèse différaient entre les échographies obtenues avec les deux systèmes (en particulier pour la taille et les jambes : les données sont rapportées dans le tableau 3). Les valeurs BF% (moyennes des deux balayages) étaient de 44,1 % et 46,3 % pour les balayages effectués avec les systèmes #1 et #2, respectivement, et les valeurs de masse maigre (moyennes des deux balayages) étaient de 67,9 kg et 64,9 kg. La valeur moyenne de l’ALM pour les balayages effectués avec le système #2 était de 25,1 kg. Figure 1 : Images prises avec le système #1. (A,B) Pose A normalisée assumée et maintenue par un sujet masculin représentatif pendant la rotation de la plate-forme et (C) l’avatar 3D relatif. L’acquisition d’images optiques a été réalisée dans le cadre d’une étude de recherche approuvée par le comité d’éthique de l’Université de Turin (protocole n. 0115311). Veuillez cliquer ici pour voir une version agrandie de cette figure. Figure 2 : Images prises avec le système #2. (A) Image d’un sujet masculin représentatif debout au-dessus d’un tapis avec le symbole du guide des pieds (symbole ovale noir sur le tapis) aligné avec le marqueur de pieds vert montré sur l’écran de la tablette du système #2. Acquisition des images (B) frontales et (C) latérales chez le sujet représentatif et (D) de l’avatar 3D relatif. L’acquisition d’images optiques a été réalisée dans le cadre d’une étude de recherche approuvée par le comité d’éthique de l’Université de Turin (protocole n. 0115311). Veuillez cliquer ici pour voir une version agrandie de cette figure. Figure 3 : Avatars représentatifs obtenus avec les systèmes #1 et #2. (A,B) Athlète masculin et (C,D) une personne obèse étudiée avec le système (A,C) #1 et (B,D) système #2. Chaque sujet a subi deux balayages, avec repositionnement : l’avatar obtenu lors du premier balayage a été montré pour les deux sujets, tandis que les estimations anthropométriques et de composition corporelle obtenues par le système #1 et le système #2 pour deux balayages des deux sujets sont rapportées dans le tableau 3. L’acquisition d’images optiques a été réalisée dans le cadre d’études de recherche approuvées par le comité d’éthique de l’Université de Turin (protocole n° 0115311) et par le comité d’éthique territoriale (CET – protocole n° 0065654). Veuillez cliquer ici pour voir une version agrandie de cette figure. Tableau 1 : Ensembles de mesures étendus téléchargeables à partir du tableau de bord des systèmes #1 et #2. Veuillez cliquer ici pour télécharger ce tableau. Tableau 2 : Équations pour l’estimation du taux métabolique de base, du pourcentage de graisse corporelle et de la masse maigre appendiculaire. Estimations du taux métabolique de base : les unités de mesure sont le kg pour le poids et la masse maigre, le cm pour la taille et l’année pour l’âge. Une estimation de l’indice de forme corporelle : les unités de mesure sont m pour le tour de taille et la taille sont mesurées, kg/m2 pour l’indice de masse corporelle. Estimation du pourcentage de graisse corporelle : le sexe est codé comme masculin = 1 et féminin = 0, la surface corporelle est mesurée en cm2 et toutes les autres variables indiquées en circ. sont mesurées en cm. L’indice muscle-ventre est obtenu comme suit : (biceps droit circ. + biceps gauche circ. + cuisse droite circ. + cuisse gauche circ. + mollet droit circ. + mollet gauche circ.) / ventre maximum circ. Estimation de la masse maigre appendiculaire : les unités de mesure sont le cm pour toutes les circonférences et longueurs ; cm2 pour les surfaces ; cm3 pour les volumes ; kg pour le poids ; ans pour l’âge. Les trois équations de ce tableau sont tirées de Minetto et al.18. Abréviations : BMR = taux métabolique de base ; ABSI = un indice de forme corporelle ; BF% = pourcentage de graisse corporelle ; circ. = circonférences ; ALM = masse maigre appendiculaire ; NHOPI = Natif d’Hawaï et d’autres îles du Pacifique. Veuillez cliquer ici pour télécharger ce tableau. Tableau 3. Mesures de la circonférence et estimations de la composition corporelle obtenues par les deux systèmes chez chacun des deux sujets représentatifs (un athlète et une personne obèse). Veuillez cliquer ici pour télécharger ce tableau. Figure supplémentaire S1 : Formulaire d’inscription du sujet pour la procédure d’essai #1. Veuillez cliquer ici pour télécharger ce fichier. Figure supplémentaire S2 : Formulaire d’inscription du sujet pour la procédure d’essai #2. Veuillez cliquer ici pour télécharger ce fichier.

Discussion

Les procédures présentées dans cet article peuvent être utilisées pour évaluer la taille, la forme et la composition du corps grâce à deux solutions d’imagerie optique 3D disponibles dans le commerce qui ont été précédemment développées et validées 9,10,11,12,13,14,15,16,17,18,19,20 . Ces solutions sont simples à utiliser, et les données valides peuvent être rapidement collectées et organisées automatiquement dans un rapport. De plus, les systèmes présentés permettent de collecter des données reproductibles (comme le suggère la comparaison des résultats des deux scans effectués avec les deux systèmes dans nos deux cas représentatifs et documentés par des études antérieures)9,10,11,12,13,14,15,16,17,18,19,20 et peut donc être utilisé pour surveiller les changements induits par l’entraînement ou l’alimentation.

Comme le système #2 a un poids limité (~4 kg au total pour la tablette et le support), il est facilement transportable. Cependant, une limitation du système #2 est que la génération d’un avatar 3D à partir d’images 2D peut produire des reconstructions 3D moins précises que celles obtenues avec le système #1, en particulier chez les personnes obèses (comme le montre l’exemple représentatif de la figure 3 C,D) ou chez les patients présentant des anomalies localisées de la forme du corps (e.g. patients après chirurgie bariatrique présentant un excès cutané gênant ou des patients atteints de lymphœdème unilatéral des membres supérieurs ou inférieurs).

La disponibilité d’un espace suffisant est essentielle pour l’acquisition de la numérisation avec les deux systèmes : une zone libre de 157 x 198 cm pour le système #1 et de 86 x 166 cm pour le système #2 est requise. De plus, le système #2 exige que le sujet soit placé près d’un mur vierge sans miroirs, affiches brillantes ou fenêtres. Les deux systèmes exigent qu’aucune lumière naturelle du soleil et aucune surface réfléchissante ne soient visibles par les caméras. Les deux systèmes nécessitent également une connexion Internet Wi-Fi constante et cohérente pour traiter efficacement les numérisations.

La principale limite des procédures décrites ci-dessus est qu’elles exigent que le sujet faisant l’objet de l’enquête soit capable d’adopter la position debout. Par conséquent, ces approches ne peuvent pas être utilisées chez les patients gravement malades (tels que les patients neurologiques gravement atteints ou les patients gravement malades) qui sont incapables de sortir du lit. De plus, les sujets étudiés doivent être capables de maintenir la position debout (c’est-à-dire la pose en A et la pose latérale) sans mouvements qui peuvent modifier la forme de l’avatar10,22 et biaiser l’estimation des circonférences corporelles.

L’une des limites des paramètres décrits ci-dessus est qu’ils sont obtenus à l’aide d’algorithmes propriétaires spécifiques au dispositif : cela implique que les mesures de la taille, de la forme et de la composition du corps sont uniques au système de balayage particulier. Par conséquent, la comparaison ou le regroupement des données acquises avec différents systèmes est exclu en raison de la variabilité analytique (c’est-à-dire entre les scanners). De manière cohérente, les mesures de circonférence obtenues chez nos deux sujets représentatifs représentés à la figure 3 différaient entre les deux systèmes. Cependant, des solutions indépendantes de l’appareil ont déjà été développées pour surmonter cette limitation : ces solutions reformatent et modifient le maillage 3D, puis détectent automatiquement différents points de repère (tels que les aisselles, l’entrejambe et les pieds), puis calculent les mesures de la taille du corps 28,29,30,31,32,33,34,35. Une autre limite des paramètres de composition corporelle décrits ci-dessus est qu’ils sont obtenus à l’aide de modèles de prédiction anthropométriques conventionnels. Cependant, des études récentes ont montré que des modèles basés sur la forme du corps pourraient être nécessaires pour capturer des informations sur la composition corporelle au-delà des mesures anthropométriques conventionnelles36,37.

Malgré certaines limites, l’approche anthropométrique numérique doit être considérée comme prête à être utilisée en milieu clinique. Les systèmes d’imagerie 3D fournissent des mesures non invasives qui peuvent être plus acceptables que les mesures manuelles (à l’aide d’un ruban adhésif et/ou d’un pied à coulisse) qui sont basées sur l’identification de repères anatomiques par l’observation et la palpation. De plus, le balayage optique 3D est également plus rapide que d’autres investigations (par exemple, l’imagerie par résonance magnétique et l’absorptiométrie à rayons X à double énergie) couramment adoptées dans la recherche et les milieux cliniques pour l’évaluation de la taille et de la composition corporelles. De plus, comme il est relativement peu coûteux et sans rayonnement, il peut être utilisé en toute sécurité pour des balayages ultérieurs (par exemple, l’acquisition d’images peut être facilement et rapidement répétée si l’expérimentateur remarque des mouvements du corps ou un placement incorrect des membres qui peut produire des changements dans la forme de l’avatar) et pour des investigations répétées38 ainsi que pour être utilisé en toute sécurité chez des populations spéciales (telles que les enfants, les enfants. adolescents et femmes enceintes)35,39.

Les cliniciens pourraient donc mettre en œuvre l’acquisition de biomarqueurs innovants et utiles (mesures (mesures « e-tape » et estimations dérivées de la composition corporelle) dans les évaluations de routine de sujets sains (par exemple, les athlètes) pour aider à prédire et à caractériser leurs performances physiques et le risque de blessure 40,41,42,43 ainsi que pour surveiller la récupération des blessures. Par exemple, la force des jambes et la symétrie de la masse maigre influencent les performances physiques et le risque de (re)blessure44. Par conséquent, la récupération d’une symétrie normale des circonférences cuisse/mollet peut être incluse parmi les objectifs généraux à considérer pour le retour au jeu45. L’évaluation de routine des patients pourrait également être améliorée par l’intégration de l’anthropométrie numérique dans les soins de santé. L’évaluation de la circonférence et de la forme du corps (qui est déterminée par la distribution interne des tissus mous et adipeux) peut être utile pour détecter la masse musculaire de faible masse (par exemple, chez les patients suspectés d’être sarcopénique), pour prédire le risque de maladie métabolique46, pour évaluer le résultat d’une intervention chirurgicale, ainsi que pour surveiller les progrès du patient après une intervention38. Les patients atteints de maladies dont les composantes nutritionnelles sont des contributeurs clés à leur physiopathologie peuvent spécifiquement bénéficier d’une surveillance longitudinale de la taille et de la composition corporelle pour réduire les symptômes et les affections coexistantes47. Par exemple, dans le cas de la prise en charge de l’obésité par un régime alimentaire et/ou des médicaments, il peut ne pas être approprié de surveiller uniquement le poids parce que la « règle empirique des 25/75 » bien connue (c’est-à-dire l’hypothèse générale selon laquelle la perte de poids est généralement une perte de masse sans graisse de 25 % et une perte de graisse de 75 %) peut ne pas décrire avec précision l’efficacité de l’intervention38 qui pourrait être démêlée par une évaluation basée sur l’anthropométrie de la quantité relative de perte de muscle et de graisse. En outre, l’anthropométrie numérique, intégrée aux soins de santé, a le potentiel d’étendre les services de santé à des endroits éloignés, améliorant ainsi l’assistance et l’observance des patients et réduisant les coûts des soins de santé.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Les auteurs sont reconnaissants au Dr Federico Della Vecchia et au Dr Alessandro Cairo (Université de Turin) pour leur précieux soutien dans la préparation du manuscrit. Ce travail a été soutenu par des subventions de la Fondazione CRT (Turin, Italie), de l’Université de Turin (Fondo per la Ricerca Locale – ex-60%), et des National Institutes of Health (subvention R01DK109008, Shape UP ! Adultes).

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

References

  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).

Tags

3D Optical ImagingAnthropometricsBody CompositionClinical AssessmentDigital AnthropometryHumanoid AvatarPersonalized TrainingRehabilitation StrategyWeight Measurement

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
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).
Download Citation
Reprints and Permissions

View Video

✖

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

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image