Background e obiettivo: lo sviluppo di equazioni basate sulla bioimpedenziometria (BIA) per valutare la composizione corporea richiede metodi di riferimento di elevato standard. Sono stati proposti dei fattori di conversione per ricavare la massa muscolare scheletrica (SMM) dalle misurazioni ottenute con la DEXA (assorbimetria a raggi X a doppia energia). L’obiettivo di questo studio era presentare un’equazione predittiva per stimare la SMM partendo dalla BIA e utilizzando la DEXA come criterio di riferimento. Metodi e risultati: un totale di 228 uomini e 125 donne, di età compresa tra 18 e 82 anni, hanno effettuato una BIA mano-piede a singola frequenza, insieme a una scansione DEXA. Per sviluppare la nuova equazione, i parametri bioelettrici sono stati registrati su 2/3 del campione totale e analizzati tramite regressione stepwise. Le analisi di concordanza sono state condotte sul rimanente 1/3 del campione per valutare le prestazioni della nuova equazione e di una precedentemente pubblicata (Janssen). Il miglior modello sviluppato è stato: SMM (kg) = −17,612 + (sesso × 3,397) + (statura² / reattanza × 0,037) + (angolo di fase × 3,509) − (età × 0,052) con un coefficiente di determinazione (R²) di 0,88 e un errore standard di stima di 2,25 kg, dove sesso = 0 per le donne e 1 per gli uomini. L’analisi di concordanza non ha rivelato bias medio significativo (–0,01) per il nuovo modello, mentre l’equazione di Janssen ha sovrastimato la SMM (+3,65 kg), con limiti di concordanza al 95% pari a −4,2 a 4,2 e −0,1 a 8,0, rispettivamente. Il coefficiente di concordanza di Lin ha indicato una maggiore accuratezza per la nuova equazione rispetto a quella di Janssen. Conclusioni: questo studio presenta una nuova equazione predittiva basata sulla BIA per la valutazione della SMM in uomini e donne, basata su sesso, reattanza, angolo di fase ed età.
Stimare la massa muscolare scheletrica attraverso l’analisi dell’impedenza bioelettrica: una nuova equazione predittiva
LISTA, GIULIO
2024/2025
Abstract
Background e obiettivo: lo sviluppo di equazioni basate sulla bioimpedenziometria (BIA) per valutare la composizione corporea richiede metodi di riferimento di elevato standard. Sono stati proposti dei fattori di conversione per ricavare la massa muscolare scheletrica (SMM) dalle misurazioni ottenute con la DEXA (assorbimetria a raggi X a doppia energia). L’obiettivo di questo studio era presentare un’equazione predittiva per stimare la SMM partendo dalla BIA e utilizzando la DEXA come criterio di riferimento. Metodi e risultati: un totale di 228 uomini e 125 donne, di età compresa tra 18 e 82 anni, hanno effettuato una BIA mano-piede a singola frequenza, insieme a una scansione DEXA. Per sviluppare la nuova equazione, i parametri bioelettrici sono stati registrati su 2/3 del campione totale e analizzati tramite regressione stepwise. Le analisi di concordanza sono state condotte sul rimanente 1/3 del campione per valutare le prestazioni della nuova equazione e di una precedentemente pubblicata (Janssen). Il miglior modello sviluppato è stato: SMM (kg) = −17,612 + (sesso × 3,397) + (statura² / reattanza × 0,037) + (angolo di fase × 3,509) − (età × 0,052) con un coefficiente di determinazione (R²) di 0,88 e un errore standard di stima di 2,25 kg, dove sesso = 0 per le donne e 1 per gli uomini. L’analisi di concordanza non ha rivelato bias medio significativo (–0,01) per il nuovo modello, mentre l’equazione di Janssen ha sovrastimato la SMM (+3,65 kg), con limiti di concordanza al 95% pari a −4,2 a 4,2 e −0,1 a 8,0, rispettivamente. Il coefficiente di concordanza di Lin ha indicato una maggiore accuratezza per la nuova equazione rispetto a quella di Janssen. Conclusioni: questo studio presenta una nuova equazione predittiva basata sulla BIA per la valutazione della SMM in uomini e donne, basata su sesso, reattanza, angolo di fase ed età.| File | Dimensione | Formato | |
|---|---|---|---|
|
Lista_Giulio.pdf
Accesso riservato
Dimensione
468.61 kB
Formato
Adobe PDF
|
468.61 kB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/99933