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

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

Klinische Anthropometrie und Körperzusammensetzung aus 3-dimensionaler optischer Bildgebung

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

Die Verfahren zur Beurteilung von Körpergröße, -form und -zusammensetzung durch kommerziell erhältliche Lösungen für die dreidimensionale optische Bildgebung ermöglichen die schnelle Erfassung genauer und reproduzierbarer Daten. Ärzte könnten die Erfassung innovativer und nützlicher Biomarker (“E-Tape”-Messungen) in die Routineuntersuchung von Patienten implementieren, um ihren Gesundheitszustand zu charakterisieren.

Abstract

Die Beurteilung der Körpergröße und -zusammensetzung ist häufig Teil des routinemäßigen Managements von gesunden Sportlern sowie von verschiedenen Arten von Patienten, um die Trainings- oder Rehabilitationsstrategie zu personalisieren. Die im folgenden Protokoll beschriebenen digitalen anthropometrischen Analysen können mit neu eingeführten Systemen durchgeführt werden. Diese neuen Werkzeuge und Ansätze haben das Potenzial, im klinischen Umfeld weit verbreitet zu werden, da sie sehr einfach zu bedienen sind und die schnelle Erfassung genauer und reproduzierbarer Daten ermöglichen. Das eine System besteht aus einer drehbaren Plattform mit einer Gewichtsmessplatte, drei Infrarotkameras und einem in einen Turm eingebauten Tablet, das andere System aus einem Tablet, das auf einer Halterung montiert ist. Nach der Bilderfassung generiert die Software beider Systeme einen de-identifizierten dreidimensionalen humanoiden Avatar mit zugehörigen anthropometrischen und Körperzusammensetzungsvariablen. Die Messverfahren sind einfach: Ein Proband kann in wenigen Minuten getestet werden und es wird automatisch ein umfassender Bericht (einschließlich des dreidimensionalen Scans und der Messungen von Körpergröße, Form und Zusammensetzung) erstellt.

Introduction

Anthropometrie ist die Lehre von den physikalischen Maßen des menschlichen Körpers. Größe, Gewicht, Längen, Hautfaltendicke und -umfang sind häufig verwendete anthropometrische Messungen, die sich als nützlich erwiesen haben, um Patienten mit endokrinen und metabolischen Störungen zu untersuchen und Wachstum, Alterung sowie Anpassungen der Körpergröße und -zusammensetzung, die durch Ernährung und Training bei Sportlern hervorgerufen werden,zu überwachen 1,2. So erwies sich beispielsweise die Beurteilung des Taillen- und Hüftumfangs als nützlich für die Behandlung von Personen mit Adipositas: Beide Umfänge erfassen die Verteilung der Adipositas, die als Prädiktor für die Gesamtmortalität angesehen werden kann3.

Der Umfang der Gliedmaßen wird in der Rehabilitations- und Sportmedizin häufig untersucht, da er für die Erkennung und/oder Überwachung der Abnahme der appendikulären Magermasse nützlich ist (z. B. wird der Wadenumfang als einfacher und praktischer Skelettmuskelmarker für die Diagnose einer niedrigen Skelettmuskulatur und Sarkopenie verwendet)1,2 und der Asymmetrie zwischen den Gliedmaßen, die sich sowohl auf die körperliche Leistungsfähigkeit als auch auf das Verletzungsrisiko bei Sportlern und die Lebensqualität der Patienten auswirkt (z. B. Krebspatienten mit einseitiger Schwellung der Extremitäten)1,2. Darüber hinaus wurde in den letzten Jahrzehnten eine große Anzahl anthropometrischer Modelle zur Vorhersage der Körperzusammensetzung vorgeschlagen, um die Menge an Fettmasse oder fettfreier Masse aus einer Kombination verschiedener anthropometrischer Maße wie Körperumfänge oder Hautfaltendicken 1,2,4,5,6,7 zu schätzen.

Da konventionelle anthropometrische (d. h. band- und messschieberbasierte) Messungen kulturell oder sozial nicht akzeptabel sind und auch eine geringe Zuverlässigkeit aufweisen8, bestand die Notwendigkeit, nicht-invasive, reproduzierbare und valide Ansätze zu entwickeln und zu validieren. Kürzlich entwickelte dreidimensionale (3D) optische Bildgebungssysteme, die nicht-invasive, präzise und genaue Messungen ermöglichen 8,9,10,11 sowie digitale Consumer-Kameras und Smartphones bieten einfach zu bedienende und weit verbreitete Werkzeuge, die sowohl für den Einsatz in klinischen als auch in nicht-klinischen Umgebungen zur Beurteilung von Patienten und gesunden Probanden geeignet sind 8,9,10,11 ,12,13,14,15,16,17,18,19,20. Das Ziel des Protokolls, über das im folgenden Abschnitt berichtet wird, ist es, die Verfahren zur Bewertung von Körpergröße, -form und -zusammensetzung durch zwei kommerziell erhältliche Lösungen für die optische 3D-Bildgebung zu beschreiben, die sich in den letzten Jahren sowohl im Gesundheitswesen (zur Beurteilung von Patienten) als auch im nicht-klinischen Umfeld (zur Bewertung von Sportlern) durchgesetzt haben.

Protocol

Das Protokoll folgt den Richtlinien für Forschungsintegrität des Polytechnikums Turin21. Die Erfassung optischer Bilder erfolgte im Rahmen von Forschungsstudien, die von den lokalen Ethikkommissionen genehmigt wurden (die Daten sind in den Legenden von Abbildung 1 und Abbildung 2 aufgeführt) und die untersuchten Probanden gaben ihre schriftliche Zustimmung (für die Teilnahme an der Studie und die Veröffentlichung anonymisierter Bilder). 1. Vorbereitung des Themas HINWEIS: Alle in diesem Abschnitt beschriebenen Vorbereitungen vor dem Scannen sind bei den Testverfahren #1 und #2 ähnlich. Bitten Sie die Person, Unterwäsche zu tragen oder minimal eng anliegende Kleidungsstücke zu tragen (Shorts für Männer und Shorts und Sport-BHs, wenn sie weiblich sind), Socken, Schuhe und Accessoires auszuziehen und eine Badekappe zu tragen, um das Haar zu bedecken. 2. Registrierung der Teilnehmer für das Testverfahren #1 Messen Sie die Körpergröße des Motivs mit einem Standard-Stadiometer. Starten Sie die App, die auf dem Tablet (App #1 und Tablet #1 in der Materialtabelle) des Systems #1 installiert ist, das aus einer rotierenden Plattform mit einer Gewichtsmessplatte, drei Infrarotkameras und dem in einen Turm eingebauten Tablet besteht (Abbildung 1A, B). Füllen Sie das Anmeldeformular für den Betreff aus (ergänzende Abbildung S1), einschließlich Vorname, Nachname, E-Mail-Adresse, Passwort, Geschlecht (wählen Sie männlich oder weiblich), Maßeinheiten (wählen Sie US oder metrisch), ethnische Zugehörigkeit (wählen Sie eine der folgenden Gruppen aus: nicht angegeben, Hispanoamerikaner/Latinos, Indianer oder Ureinwohner Alaskas, Asiaten, Schwarze oder Afroamerikaner, Ureinwohner Hawaiis oder anderer Pazifischer Insulaner, Kaukasisch), Geburtsdatum. Aktivieren Sie die drei Kontrollkästchen (Annahme der Nutzungsbedingungen, Datenschutzrichtlinie, Haftungsausschluss) und tippen Sie dann auf die Schaltfläche Senden . Vergewissern Sie sich, dass die Person die Badekappe richtig trägt, und tippen Sie dann auf die Schaltfläche Weiter . Vergewissern Sie sich, dass das Motiv die richtige Kleidung trägt, und tippen Sie dann auf die Taste “Weiter “. Vergewissern Sie sich, dass der Scannerbereich frei ist (d. h. halten Sie Kleidung außerhalb des Scanbereichs und stellen Sie sicher, dass sich kein Sonnenlicht oder reflektierendes Material im Blickfeld des Scanners befindet), und tippen Sie dann auf die Schaltfläche Weiter . Füllen Sie das Feld für die Höhenmessung aus und tippen Sie auf die Taste “Weiter “. Füllen Sie die Felder aus, die sich auf optionale zusätzliche Metriken beziehen (Körperfettanteil % [BF%], Herzfrequenz, systolischer und diastolischer Blutdruck, intrazelluläres und extrazelluläres Wasser), und tippen Sie dann auf die Schaltfläche Senden . 3. Prüfverfahren #1 Bitten Sie den Probanden, auf die Waage zu steigen und so still wie möglich auf den Fußabdrücken zu stehen (mit den oberen Gliedmaßen und Händen an beiden Seiten, ohne die Teleskopgriffe zu berühren), um das Körpergewicht (und seine Verteilung) zu erfassen. Bitten Sie den Probanden, aufrecht in einer standardisierten A-Pose zu stehen (mit entspannter Schulter und gestreckten Armen, die vom Oberkörper abgeleitet sind), während er die Teleskopgriffe greift, um den Körperscan gemäß den folgenden Anweisungen durchzuführen (Abbildung 1A, B).HINWEIS: Ein Ganzkörperscan dauert ~45 s, während dessen lichtcodierende Tiefensensoren die 3D-Form erfassen, während sich die Plattform einmal dreht.Hebe die Griffe an, bis die Arme und Beine gestreckt sind. Bleiben Sie so ruhig wie möglich. Halten Sie den Kopf ruhig und richten Sie den Blick nach vorne. Halten Sie die Tasten an den Griffen gedrückt, bis der Scanvorgang abgeschlossen ist. Steigen Sie von der Skala ab, wenn der Scan abgeschlossen ist. Nachdem das Motiv die Skala verlassen hat, tippen Sie auf die Schaltfläche Abmelden . 4. Registrierung der Teilnehmer für das Testverfahren #2 Messen Sie die Größe und das Gewicht des Motivs mit einer Standardwaage mit einem Stadiometer. Wechseln Sie mit einem modernen Webbrowser, der auf einem Desktop- oder Laptop-Computer installiert ist, zum Dashboard von System #2 (Registrierungs-Dashboard in der Materialtabelle). Füllen Sie das Anmeldeformular für den Betreff (Ergänzende Abbildung S2) aus, einschließlich Vorname, Nachname, Telefonnummer, E-Mail-Adresse, Alter, Geschlecht (wählen Sie männlich oder weiblich), Gewicht und Größe. Aktivieren Sie das Kontrollkästchen (Annahme der Nutzungsbedingungen und der Datenschutzrichtlinie) und tippen oder klicken Sie dann auf die Schaltfläche Registrieren , um die Kontoeinrichtung abzuschließen. Visualisieren Sie die Kontoansichtsseite mit dem eindeutigen QR-Code (Quick Response), der Telefonnummer und der E-Mail-Adresse des Betreffs. Machen Sie ein Foto (z.B. mit einem Handy) des QR-Codes. 5. Prüfverfahren #2 Starten Sie die App (App #2 in der Materialtabelle), die auf dem Tablet des Systems #2 installiert ist, das aus einem Tablet besteht, das auf einer Halterung montiert ist (Tablet #2 und Bodenständer in der Materialtabelle). Tippen Sie auf den Bildschirm des Tablets und zeigen Sie den QR-Code an. Tippen Sie auf die Schaltfläche Start . Bitten Sie den Probanden, sich die Audioanweisungen anzuhören und die Anleitung auf dem Bildschirm anzusehen. Bitten Sie die Person, in einem standardisierten Abstand vom Tablet über einem Teppich zu stehen, wobei die Füße in der Fußführung (schwarzes ovales Symbol über dem Teppich) mit der grünen Fußmarkierung auf dem Bildschirm ausgerichtet sind (Abbildung 2A). Bitten Sie das Subjekt, eine “vordere A-Pose” einzunehmen (und die Pose ohne Bewegungen beizubehalten, die zu einem missgebildeten Avatar führen können)10,22 mit getrennten Beinen, Armen, die in einem Winkel von etwa 45° vom Oberkörper abgezogen werden, und zu Fäusten geschlossenen Händen, um das Frontalbild aufzunehmen (Abbildung 2B). Bitten Sie den Probanden nach der Aufnahme des Frontalbildes, eine “Seitenhaltung” einzunehmen, bei der die Füße zusammenliegen, die Arme/Hände gerade an den Seiten platziert sind (d. h. die Arme/Hände sind mit und gegen den Rumpf/die Oberschenkel ausgerichtet) und das Gesicht gerade nach vorne zu richten, um das seitliche Bild aufzunehmen (Abbildung 2C). Informieren Sie den Probanden nach der seitlichen Bildaufnahme, dass der Scan abgeschlossen ist (die App zeigt einen Dankeschön-Bildschirm an).

Representative Results

Nach der Bildaufnahme generiert die Software von System #1 einen de-identifizierten humanoiden 3D-Avatar (Abbildung 1C: Punktwolken werden in ein Netz umgewandelt, das durch Dreiecke mit etwa 25.000 Eckpunkten und 50.000 Flächen verbunden ist) und eine automatisierte Anthropometrie, die Längen, Umfänge, Volumina, Oberflächen und Schätzungen der Körperzusammensetzung umfasst. Das Dashboard von System #1 ermöglicht es jedem Probanden, den 3D-Scan (Abbildung 1C), Messungen des Körpergewichts, der Größe und der Körperform (d. h. Bewertung der Körperform, des Taillenumfangs, des Verhältnisses von Taille zu Hüfte, des Rumpf-zu-Bein-Volumens), Schätzungen des Grundumsatzes und der Körperzusammensetzung (d. h. BF%, Fettmasse, Magermasse) und Standardumfangsmessungen (Hals, Brust, Taille, Hüfte, linker und rechter Bizeps, linker und rechter Unterarm, linker und rechter Oberschenkel, linke und rechte Wade). Darüber hinaus können auch die Ergebnisse der Haltungs- und Gleichgewichtsbewertungen visualisiert werden und sind in den Bericht einfließend. Zu den Ergebnissen der Haltungsbewertung gehören die Vorder-, Seiten- und Rückansicht des 3D-Scans mit der zugehörigen Verschiebung (definiert als ein Teil des Körpers, der sich in eine schräge Position bewegt, und die Geschwindigkeit, mit der er in eine Richtung geneigt wird) und Neigungsmessungen (definiert als die “gleitende” Bewegung nach vorne, hinten, links oder rechts, eine leichte Änderung oder Variation der Position vom Mittelpunkt aus): i) Vorder- und Rückansicht: Verschieben Sie die Messungen nach rechts oder links in Bezug auf die Sagittalebene (dargestellt als vertikale Linie zwischen rechten und linken Hemisomen) und die Neigungsprozentsätze in Bezug auf die Querebene (horizontale Ebene) für Kopf, Schulter, Unterbrust, Hüfte, Knie; ii) Seitenansicht: Verschieben Sie die Messungen nach vorne oder hinten in Bezug auf die frontale (koronale) Ebene (dargestellt als vertikale Linie vom Sprunggelenk nach oben) für Kopf, Schulter, Hüfte, Knie. Das Ergebnis der Gleichgewichtsbewertung umfasst die Gewichtsverteilung im Stehen für den vorderen und hinteren Bereich des rechten und linken Fußes. Das Dashboard von System #1 ermöglicht auch für jedes Fach den Download von . OBJ und .GIF Bilddateien und eine . CSV-Datei mit den in Tabelle 1 aufgeführten anthropometrischen Messungen und Schätzungen der Körperzusammensetzung. Alle Schätzungen der Körperzusammensetzung werden unter Verwendung proprietärer Algorithmen ermittelt, mit Ausnahme der Schätzung des Grundumsatzes und der Berechnung des Körperformindex, die jeweils nach dem Mifflin-St. Jeor-Gleichung23 und Krakauer-Gleichung24 in Tabelle 2. Nach der Bilderfassung generiert die Software von System #2 einen de-identifizierten humanoiden 3D-Avatar (Abbildung 2D: Punktwolken werden in ein durch Dreiecke verbundenes Netz mit etwa 50.000 Eckpunkten und 100.000 Flächen umgewandelt) und eine automatisierte Anthropometrie, die Längen, Umfänge, Volumina, Oberflächen und Schätzungen der Körperzusammensetzung umfasst. Das Dashboard von System #2 (Daten-Download-Dashboard in der Materialtabelle) ermöglicht für jedes Fach den Download von . OBJ- und .PNG-Image-Dateien und die folgenden drei . CSV-Dateien: Die Datei “App Measures.csv” enthält die folgenden anthropometrischen Messungen und Messungen der Körperzusammensetzung: Gewicht, Körperoberfläche, BF%, viszerales Fettgewebe, Fitnessindex, fettfreie Armmasse, fettfreie Masse in den Beinen, fettfreie Körpermasse, Gesamtgehalt an Knochenmineralien, Schulterbreite, Schulterbreite des Rückens (bis zum Nacken), Umfang des Halses, des Oberarms, des Bizeps (rechts/links), des Unterarms (rechts/links), des Handgelenks (rechts/links), Brust, Unterbrust, Brust (mit Tropfen), Bauch, Taille, Paint Waist, Hüften (8 Zoll nach unten vom unteren Rücken genommen), Gesäß, Oberschenkel (rechts/links), Wade (rechts/links), Rücken-Hals-zu-Taille-Länge, Ärmellänge (rechts/links), Schrittlänge, Innenbein, Außennaht (rechts/links). Die Datei “Body Composition.csv” enthält die folgenden anthropometrischen Messungen und Messungen der Körperzusammensetzung: Körperfett, Body-Mass-Index, Körperoberfläche, Knochenmineralgehalt, Fett-Mass-Index, Fitness-Index, Größe, Magerkörper-Index, Magermasse der Arme, Magermasse der Arme, Magermasse der Beine, Ruheumsatz, Bauchumfang, viszerales Fettgewebe, Verhältnis von Taille zu Größe, Verhältnis von Taille zu Hüfte, Gewicht. Die Datei “Core Measures.csv” enthält die in Tabelle 1 aufgeführten anthropometrischen Messungen. Alle Schätzungen der Körperzusammensetzung werden unter Verwendung proprietärer Algorithmen erhalten, mit Ausnahme der Schätzung des Grundumsatzes und der BF%-Schätzung, die jeweils gemäß der Katch-McArdle-Gleichung25 und den beiden zuvor von Harty et al. entwickelten und validierten Gleichungen erhalten werden26. Diese beiden Gleichungen (BF%-Gleichung 1 und Gleichung 2 in Tabelle 2) werden jeweils für Personen mit unterem Bauchumfang <103,5 cm (<40,75 Zoll) und ≥103,5 cm (≥40,75 Zoll) angenommen. Obwohl frühere Studien die Genauigkeit von Gleichung 1 für die BF%-Schätzung bei gesunden Erwachsenen zeigten15,26, fanden wir kürzlich heraus, dass sie (in Bezug auf die Dual-Energie-Röntgen-Absorptiometrie) die BF% bei jungen Sportlern überschätzte18. Aus diesem Grund haben wir die in Tabelle 2 dargestellte Reparametrisierung (Gleichung 3) vorgeschlagen, um eine genaue Schätzung des BF% bei jungen Fußballspielern beiderlei Geschlechts zu erhalten18. Zusätzlich zu den oben aufgeführten Variablen der Körperzusammensetzung kann die appendikuläre Magermasse (ALM) auch für die Scans geschätzt werden, die mit System #2 durchgeführt wurden, und zwar durch die gerätespezifische Gleichung, die kürzlich von McCarthy et al.27 für sitzende Probanden vorgeschlagen wurde (ALM-Gleichung 1 für Männer und ALM-Gleichung 2 für Frauen in Tabelle 2), die wir für die ALM-Schätzung bei jungen Sportlern angepasst haben (ALM-Gleichung 3 für Männer und ALM-Gleichung 4 für Frauen in Tabelle 2))18. Abbildung 3 zeigt repräsentative Avatare, die bei einem männlichen Sportler (Body-Mass-Index: 26,0 kg/m2: Abbildung 3A,B) und einer Person mit Adipositas (Body-Mass-Index: 44,0 kg/m2: Abbildung 3C,D) mit dem System #1 (Abbildung 3A,C) und mit dem System #2 (Abbildung 3B,D) erhalten wurden. Die anthropometrischen Messungen und Schätzungen der Körperzusammensetzung, die von System #1 und System #2 für zwei Scans beider Probanden erhalten wurden, sind in Tabelle 3 aufgeführt. Die Umfangsmessungen beim Sportler unterschieden sich zwischen den Scans, die mit den beiden Systemen durchgeführt wurden (insbesondere für Hals, Arme, Hüften und Beine: Die Daten sind in Tabelle 3 aufgeführt). Die BF%-Werte (Durchschnittswerte der beiden Scans) betrugen 19,1 % bzw. 16,1 % für die Scans, die mit den Systemen #1 und #2 durchgeführt wurden, und die Magermassenwerte (Durchschnittswerte der beiden Scans) betrugen 69,7 kg bzw. 72,2 kg. Der ALM-Durchschnittswert für die Scans, die mit System #2 durchgeführt wurden, betrug 38,4 kg. Die Umfangsmessungen bei einer Person mit Adipositas unterschieden sich zwischen den Scans, die mit den beiden Systemen durchgeführt wurden (insbesondere für Taille und Beine: Die Daten sind in Tabelle 3 aufgeführt). Die BF%-Werte (Durchschnittswerte der beiden Scans) betrugen 44,1 % bzw. 46,3 % für die Scans, die mit den Systemen #1 bzw. #2 durchgeführt wurden, und die Magermassenwerte (Durchschnittswerte der beiden Scans) betrugen 67,9 kg und 64,9 kg. Der ALM-Durchschnittswert für die Scans, die mit System #2 durchgeführt wurden, betrug 25,1 kg. Abbildung 1: Bilder, die mit System #1 aufgenommen wurden. (A,B) Standardisierte A-Pose, die von einem repräsentativen männlichen Subjekt während der Drehung der Plattform eingenommen und beibehalten wird, und (C) der relative 3D-Avatar. Die Aufnahme optischer Bilder erfolgte im Rahmen einer Forschungsstudie, die von der Ethikkommission der Universität Turin genehmigt wurde (Protokoll Nr. 0115311). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 2: Bilder, die mit System #2 aufgenommen wurden. (A) Bild eines repräsentativen männlichen Subjekts, das über einem Teppich steht, mit dem Fußführungssymbol (schwarzes ovales Symbol über dem Teppich), ausgerichtet mit der grünen Fußmarkierung, die auf dem Bildschirm des Tablets von System #2 angezeigt wird. Aufnahme der (B) frontalen und (C) lateralen Bilder im repräsentativen Subjekt und (D) des relativen 3D-Avatars. Die Aufnahme optischer Bilder erfolgte im Rahmen einer Forschungsstudie, die von der Ethikkommission der Universität Turin genehmigt wurde (Protokoll Nr. 0115311). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 3: Repräsentative Avatare, die mit den Systemen #1 und #2 erhalten wurden. (A,B) Männlicher Athlet und (C,D) eine Person mit Adipositas, untersucht mit (A,C) System #1 und (B,D) System #2. Jedes Subjekt wurde zwei Scans unterzogen, wobei die Neupositionierung erfolgte: Der Avatar aus dem ersten Scan wurde für beide Probanden gezeigt, während die anthropometrischen und Körperzusammensetzungsschätzungen, die von System #1 und System #2 für zwei Scans beider Probanden erhalten wurden, in Tabelle 3 aufgeführt sind. Die Aufnahme optischer Bilder erfolgte im Rahmen von Forschungsstudien, die von der Ethikkommission der Universität Turin (Protokoll Nr. 0115311) und von der Territorialen Ethikkommission (CET – Protokoll Nr. 0065654) genehmigt wurden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Tabelle 1: Erweiterte Messsätze, die vom Dashboard der Systeme #1 und #2 heruntergeladen werden können. Bitte klicken Sie hier, um diese Tabelle herunterzuladen. Tabelle 2: Gleichungen zur Schätzung des Grundumsatzes, des Körperfettanteils und der appendikulären Magermasse. Schätzungen des Grundumsatzes: Die Maßeinheiten sind kg für Gewicht und Magermasse, cm für die Körpergröße und Jahre für das Alter. Eine Schätzung des Körperformindex: Die Maßeinheiten sind m für den Taillenumfang und die gemessene Körpergröße, kg/m 2 für den Body-Mass-Index. Schätzung des Körperfettanteils: Das Geschlecht wird als männlich = 1 und weiblich = 0 kodiert, die Körperoberfläche wird incm 2 gemessen und alle übrigen Variablen werden in cm angegeben. Der Muskel-Bauch-Index ergibt sich wie folgt (rechter Bizeps-Zirkel + linker Bizeps-Zirkel + rechter Oberschenkelkreis + linker Oberschenkelkreis + rechter Wadenkreis + linker Wadenkreis.) / maximaler Bauchkreis. Schätzung der appendikulären Magermasse: Die Maßeinheiten sind cm für alle Umfänge und Längen; 2 cm für Flächen; 3 cm für Volumen; kg für das Gewicht; Jahre für das Alter. Drei Gleichungen dieser Tabelle stammen von Minetto et al.18. Abkürzungen: BMR = Grundumsatz; ABSI = ein Index der Körperform; BF% = Körperfettanteil; circ. = Umfänge; ALM = appendikuläre Magermasse; NHOPI = Ureinwohner Hawaiis und anderer pazifischer Inselbewohner. Bitte klicken Sie hier, um diese Tabelle herunterzuladen. Tabelle 3. Umfangsmessungen und Schätzungen der Körperzusammensetzung, die von den beiden Systemen bei jedem der beiden repräsentativen Probanden (ein Sportler und eine Person mit Adipositas) erhalten wurden. Bitte klicken Sie hier, um diese Tabelle herunterzuladen. Ergänzende Abbildung S1: Anmeldeformular für das Testverfahren #1. Bitte klicken Sie hier, um diese Datei herunterzuladen. Ergänzende Abbildung S2: Anmeldeformular für das Testverfahren #2. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Discussion

Die in diesem Artikel vorgestellten Verfahren können zur Bewertung von Körpergröße, -form und -zusammensetzung durch zwei kommerziell erhältliche Lösungen für die optische 3D-Bildgebung verwendet werden, die zuvor entwickelt und validiert wurden 9,10,11,12,13,14,15,16,17,18,19,20 . Diese Lösungen sind einfach zu bedienen, und valide Daten können schnell gesammelt und automatisch in einem Bericht organisiert werden. Darüber hinaus ermöglichen die vorgestellten Systeme die Erhebung reproduzierbarer Daten (wie der Vergleich der Ergebnisse der beiden Scans nahelegt, die mit beiden Systemen in unseren beiden repräsentativen Fällen durchgeführt und durch frühere Studien dokumentiert wurden)9,10,11,12,13,14,15,16,17,18,19,20 und kann daher zur Überwachung der trainings- oder ernährungsbedingten Veränderungen verwendet werden.

Da System #2 ein begrenztes Gewicht hat (insgesamt ~4 kg für Tablet und Halterung), ist es leicht zu transportieren. Eine Einschränkung von System #2 besteht jedoch darin, dass die Erzeugung eines 3D-Avatars aus 2D-Bildern 3D-Rekonstruktionen erzeugen kann, die weniger genau sind als diejenigen, die mit System #1 erhalten wurden, insbesondere bei Personen mit Adipositas (wie im repräsentativen Beispiel von Abbildung 3 C,D gezeigt) oder bei Patienten mit lokalisierten Anomalien der Körperform (z. B. Patienten nach einer bariatrischen Operation mit störendem Hautüberschuss oder Krebspatienten mit einseitigem Lymphödem der oberen oder unteren Extremitäten).

Entscheidend für die Scanerfassung bei beiden Systemen ist die Verfügbarkeit von ausreichend Platz: Für System #1 ist eine lichte Fläche von 157 x 198 cm und für System #2 von 86 x 166 cm erforderlich. Darüber hinaus erfordert System #2, dass das Motiv in der Nähe einer leeren Wand ohne Spiegel, glänzende Poster oder Fenster platziert wird. Beide Systeme setzen voraus, dass sich kein natürliches Sonnenlicht und keine reflektierenden Oberflächen im Blickfeld der Kameras befinden dürfen. Beide Systeme erfordern außerdem eine konstante und konsistente Wi-Fi-Internetverbindung, um Scans effektiv verarbeiten zu können.

Die Haupteinschränkung der oben beschriebenen Verfahren besteht darin, dass sie erfordern, dass der Untersuchte in der Lage ist, die stehende Position einzunehmen. Daher können diese Ansätze nicht bei schwerkranken Patienten (z. B. schwer beeinträchtigten neurologischen Patienten oder kritisch kranken Patienten) angewendet werden, die nicht in der Lage sind, das Bett zu verlassen. Darüber hinaus müssen die untersuchten Probanden in der Lage sein, die stehende Position (d.h. A-Pose und Seitenhaltung) ohne Bewegungen beizubehalten, die die Form des Avatars10,22 verändern und die Schätzung des Körperumfangs verzerren können.

Eine Einschränkung der oben beschriebenen Parameter besteht darin, dass sie unter Verwendung proprietärer gerätespezifischer Algorithmen erhalten werden: Dies impliziert, dass die Körpergrößen-, Form- und Zusammensetzungsmessungen für das jeweilige Scansystem einzigartig sind. Daher wird der Vergleich oder die Bündelung von Daten, die mit verschiedenen Systemen erfasst wurden, durch analytische Variabilität (d. h. zwischen Scannern) ausgeschlossen. Übereinstimmend unterschieden sich die Umfangsmessungen, die bei unseren beiden repräsentativen Probanden in Abbildung 3 durchgeführt wurden, zwischen den beiden Systemen. Es wurden jedoch bereits geräteunabhängige Lösungen entwickelt, um diese Einschränkung zu überwinden: Diese Lösungen formatieren und bearbeiten das 3D-Netz, erkennen dann automatisch verschiedene Orientierungspunkte (z. B. Achseln, Schritt und Füße) und berechnen dann die Körpergrößenmaße 28,29,30,31,32,33,34,35 . Eine weitere Einschränkung der oben beschriebenen Parameter der Körperzusammensetzung besteht darin, dass sie mit herkömmlichen anthropometrischen Vorhersagemodellen ermittelt werden. Neuere Studien zeigten jedoch, dass modelle, die auf der Körperform basieren, erforderlich sein könnten, um Informationen über die Körperzusammensetzung zu erfassen, die über herkömmliche anthropometrische Messungen hinausgehen36,37.

Trotz einiger Einschränkungen muss der digitale anthropometrische Ansatz als bereit für den Einsatz im klinischen Umfeld angesehen werden. 3D-Bildgebungssysteme bieten nicht-invasive Messungen, die im Vergleich zu manuellen (bandbasierten und/oder messschieberbasierten) Messungen, die auf der Identifizierung anatomischer Orientierungspunkte durch Beobachtung und Palpation basieren, akzeptabler sein können. Darüber hinaus ist das optische 3D-Scannen auch schneller im Vergleich zu anderen Untersuchungen (z. B. Magnetresonanztomographie und Dual-Energy-Röntgen-Absorptiometrie), die in Forschung und Klinik zur Beurteilung der Körpergröße und -zusammensetzung üblich sind. Da es relativ kostengünstig und strahlungsfrei ist, kann es außerdem sicher für nachfolgende Scans verwendet werden (z. B. kann die Bildaufnahme leicht und schnell wiederholt werden, wenn der Experimentator Körperbewegungen oder eine unsachgemäße Platzierung der Gliedmaßen bemerkt, die zu Veränderungen in der Form des Avatars führen können) und für wiederholte Untersuchungen38 sowie sicher für den Einsatz in speziellen Populationen (z. B. Kinder, Jugendliche und schwangere Frauen)35,39.

Kliniker könnten daher die Erfassung innovativer und nützlicher Biomarker (“E-Tape”-Messungen und abgeleitete Schätzungen der Körperzusammensetzung) in routinemäßige Bewertungen gesunder Probanden (z. B. Sportler) implementieren, um bei der Vorhersage und Charakterisierung ihrer körperlichen Leistungsfähigkeit und ihres Verletzungsrisikos zu helfen 40,41,42,43 sowie zur Überwachung der Genesung von Verletzungen. Zum Beispiel beeinflussen die Beinkraft und die Symmetrie der fettfreien Masse die körperliche Leistungsfähigkeit und das (Wieder-)Verletzungsrisiko44. Daher kann die Wiederherstellung einer normalen Symmetrie des Oberschenkel-/Wadenumfangs zu den allgemeinen Zielen gezählt werden, die für die Rückkehr zum Spiel zu berücksichtigen sind45. Auch die routinemäßige Evaluation von Patienten könnte durch die Integration der digitalen Anthropometrie in die Gesundheitsversorgung verbessert werden. Die Beurteilung des Körperumfangs und der Körperform (die durch die interne Verteilung von Weich- und Fettgewebe bestimmt wird) kann nützlich sein, um den Muskel mit geringer Masse zu erkennen (z. B. bei Patienten mit Verdacht auf Sarkopenik), um das Risiko für Stoffwechselerkrankungenvorherzusagen 46, um das Ergebnis eines chirurgischen Eingriffs zu beurteilen sowie um den Fortschritt des Patienten nach einem Eingriffzu überwachen 38. Patienten mit Krankheiten, bei denen ernährungsphysiologische Komponenten einen wichtigen Beitrag zu ihrer Pathophysiologie leisten, können speziell von einer longitudinalen Überwachung der Körpergröße und -zusammensetzung profitieren, um Symptome und Begleiterkrankungen zu reduzieren47. Zum Beispiel ist es im Falle einer diät- und/oder medikamentösen Behandlung von Adipositas möglicherweise nicht angemessen, nur das Gewicht zu überwachen, da die bekannte “25/75-Faustregel” (d. h. die allgemeine Annahme, dass der Gewichtsverlust typischerweise 25 % fettfreier Massenverlust und 75 % Fettabbau ist) die Wirksamkeit der Intervention38 möglicherweise nicht genau beschreibt, die durch anthropometrische Bewertung des relativen Umfangs des Muskel- und Fettabbaus entschlüsselt werden könnte. Darüber hinaus hat die in das Gesundheitswesen integrierte digitale Anthropometrie das Potenzial, die Gesundheitsversorgung auf abgelegene Orte auszudehnen und dadurch die Patientenhilfe und -adhärenz zu verbessern und die Gesundheitskosten zu senken.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Die Autoren danken Dr. Federico Della Vecchia und Dr. Alessandro Cairo (Universität Turin) für ihre wertvolle Unterstützung bei der Erstellung des Manuskripts. Diese Arbeit wurde durch Zuschüsse der Fondazione CRT (Turin, Italien), der Universität Turin (Fondo per la Ricerca Locale – ex-60%) und der National Institutes of Health (Stipendium R01DK109008, Shape UP! Erwachsene).

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