Eettisen luvan myönsi Lincolnin yliopiston psykologian tiedekunnan tutkimuseettinen komitea (SOPREC) (hyväksymiskoodi PSY1718350). Yhteensä 560 18-74-vuotiasta aikuista rekrytoitiin Lincolnin yliopiston henkilökunnasta ja opiskelijoista sekä Lincolnin ja sen ympäristön yleisestä väestöstä. Olemme sisällyttäneet tähän nimenomaiseen analyysiin vain 18-45-vuotiaiden valkoihoisten aikuisten tiedot, koska rasvakertymän malli vaihtelee eri rotu- ja ikäryhmissä (Gallagher ym. 1996; Misra & Khurana, 2011; Wells, Cole, Brunner, & Treleaven, 2008). Lopulliseen otokseen (n = 397) kuului 176 miestä (Mage = 28,84, SD = 7,99) ja 221 naista (Mage = 29,14, SD = 8,18). Syömishäiriöiden seulontaa ei suoritettu, joten on mahdollista, että joillakin osallistujilla oli syömishäiriö, mutta kukaan heistä ei tunnistanut itseään sellaiseksi. Taulukossa 1 on yhteenveto osallistujien antropometrisistä ja kehonkoostumusmittauksista, ja taulukossa 2 on yhteenveto otoksen BMI-luokkajakaumasta erikseen miesten ja naisten osalta.
Laitteisto
3dMD-skanneri
Korkea resoluutio, värilliset 3D-vartaloskannaukset jokaisesta osallistujasta saatiin 3dMD-antropometrisellä pintakuvausjärjestelmällä. 360° kokovartaloskannerissa on yhdeksän modulaarista kamerayksikköä, jotka on jaettu halkaisijaltaan noin 4 metrin ympyrän ympärille siten, että moduulien välit ovat yhtä suuret. Skannattava osallistuja seisoo ympyrän keskellä. Jokaisessa yksikössä on kaksi monokromaattista kameraa ja yksi speckle-projektori kehon geometrian kuvaamiseen sekä yksi värikamera kehon tekstuurin kuvaamiseen. Speckle-kamerat heijastivat automaattisesti vakiovalokuvion kehoon, kun monokamerat ottivat kuvaa, kun taas valodiodipaneelit syttyivät, kun värikamera otti kuvaa. Skanneri asetettiin kuvaamaan seitsemän kuvaa sekunnissa, ja kukin 3D-vartaloskannaus kesti yhteensä 20 sekuntia. 3dMD-järjestelmän tuloksena saatiin 3D-polygonipintainen kokovartaloverkko X-, Y- ja Z-koordinaatteineen sekä kartoitettu pintatekstuuri. Tämän järjestelmän geometrinen tarkkuus on noin 0,5 mm tai alle (3dMD, 2019).
Tanita-kehonkoostumusanalysaattori
Kehonkoostumusmittaukset saatiin Tanita MC-780MA monitaajuussegmentaalisella kehonkoostumusanalysaattorilla. Tämä laite käyttää kahdeksanelektrodista biosähköistä impedanssianalyysia (BIA) lähettämällä heikon, huomaamattoman sähkövirran kehon läpi henkilön kehonkoostumuksen arvioimiseksi korkeataajuisen virran avulla (50 kHz, 90 μa). Vaa’an tuloksena saadaan kehon rasvan, luurankolihaksen, viskeraalisen rasvan, vesipitoisuuden, luumassan, BMI:n ja perusaineenvaihdunnan kokonaismittaukset. Lisäksi tulostetaan erilliset kehon rasva- ja lihasarviot (massa ja prosenttiosuus) kehon yksittäisille osille, kuten keskivartalolle, oikealle käsivarrelle, oikealle jalalle, vasemmalle käsivarrelle ja vasemmalle jalalle. Laitteen ulostulot kalibroidaan mitattavan henkilön sukupuolen, iän ja pituuden mukaan, ja käyttäjä syöttää nämä tiedot. Tanitan biosähköisellä impedanssianalyysillä saatujen tulosten on osoitettu olevan ±5 %:n sisällä vedenalaisesta punnituksesta ja kaksois-energiaröntgenabsorptiometriasta (DEXA), jotka ovat kehonkoostumusanalyysin ”kultaiset” standardit) (Völgyi ym. 2008; Sillanpää ym., 2014).
Menetelmä
Osallistujat skanneroitiin aluksi 3dMD-ruumiinskannerilla. Osallistujia pyydettiin 20 s skannauksen aikana seisomaan keskellä tilaa, jonka ympärille kamerat oli jaettu, jalat hartioiden leveydellä toisistaan. Käsien eri asentojen kuvaamiseksi osallistujia pyydettiin nostamaan kätensä hitaasti olkapäiden korkeudelle ja pitämään kädet nyrkissä. Osallistujille annettiin eri kokoisia, tiukasti istuvia harmaita alusvaatteita, jotta vaatteet eivät peittäisi vartalon muotoja. Miehiä pyydettiin käyttämään boxer-tyylisiä shortseja ja naisia urheilurintsikoita ja shortseja (ks. kuva 2). Seuraavaksi mitattiin seisomakorkeus (senttimetrin tarkkuudella) stadiometrillä sen jälkeen, kun osallistujia oli ohjeistettu seisomaan suorassa ja kasvot eteenpäin. Lopuksi kehonkoostumus mitattiin Tanita-kehonkoostumusanalysaattorilla. Tämä prosessi kesti noin 20 minuuttia.
Skannauksen käsittely
Kustakin 20 sekunnin mittaisesta skannauksesta valittiin sopiva ruutu 3dMD-ohjelmistolla ennen skannausten käsittelyä. Tämä kehys valittiin siten, että se kuvaa henkilöä, joka seisoo kädet irti vartalosta ”A-asennossa”. Tämän jälkeen 3D-skannaukset käsiteltiin Wrap3-ohjelmistolla (versio 3.3.17, Russian3DScanner, 2018), jolla korjattiin puuttuvat segmentit ja poistettiin jokaisesta skannauksesta ei-manifold-topologia tai epäolennaiset osat. Yksittäisten skannausten ympärille kiedottiin mallipohjaverkko sovittamalla 36 ennalta valittua pistettä (manuaalisesti paikannettu) 3D-skannauksen ja mallimallin vastaaviin maamerkkeihin (ks. kuva 2). Tämän tuloksena kaikilla skannauksilla oli vakioitu topologia, mikä mahdollisti tilastollisten vertailujen tekemisen säilyttäen kuitenkin kehon koon ja muodon yksilöllisen vaihtelun. Kunkin skannauksen kädet jätettiin monikulmion valinnan avulla pois käärimisestä, koska tämä piirre ei ollut merkityksellinen tietojen analysoinnin kannalta. Jokainen käsitelty skannaus koostui 79 522 verteksistä.
Kehonkoostumuksen luotettavuus ja validiteetti
Bioelektrinen impedanssianalyysi (BIA) on suhteellisen edullinen, helppokäyttöinen ja nopea menetelmä kehonkoostumuksen arvioimiseen, joka on vähemmän altis teknisille virheille kuin muut menetelmät, mikä tekee siitä sopivan välineen laajamittaisiin tutkimuksiin (Lee & Gallagher, 2008). Useissa tutkimuksissa on todettu, että BIA on pätevä väline aikuisten kehon rasvan arvioimiseksi. Tämä tekniikka osoittaa hyvää yhdenmukaisuutta verrattuna kaksoisenergia-röntgenabsorptiometriaan (esim. Ling ym., 2011; Sun ym., 2005; Wattanapenpaiboon, Lukito, Strauss, Hsu-Hage, Wahlqvist, & Stroud, 1998) ja skinfold calliper -mittauksiin (Kitano, Kitano, Inomoto, & Futatsuka, 2001). Lisäksi BIA:lla on hyvä testi-istunnon luotettavuus (Aandstad, Holtberget, Hageberg, Holme, & Anderssen, 2014; Jackson, Pollock, Graves, & Mahar, 1988). Tässä raportoimme luotettavuus- ja validiteettitiedot tässä otoksessa tehdyistä kehonkoostumusmittauksista.
BIA:lla tehtyjen kehon rasvamittausten validointi
BIA:lla tehtyjen kehon rasvamittausten validoimiseksi tässä näytteessä International Society for the Advancement of Kinanthropometry (ISAK) -tason 2 harjoittaja teki skinfold-mittaukset osajoukolle osallistujia (26 miestä ja 22 naista) ISAK:n standarditekniikoita käyttäen (Stewart, Marfell-Jones, Olds, & De Ridder, 2011). Skinfold-mittaukset otettiin kahdeksasta skinfold-kohdasta – tricep, bicep, subscapular, iliac crest, supraspinale, abdominaali, mediaalinen vasikka ja reiden etuosa – käyttäen skinfold-calliperia (Harpenden, HaB, UK). Kahden mittauksen keskiarvoa käytettiin, paitsi jos arvot erosivat toisistaan ≥ 5 %, jolloin otettiin vielä yksi skinfold-mittaus ja käytettiin mediaaniarvoa. Tämän jälkeen käytettiin seuraavia neljän paikan skinfold-yhtälöitä (Jackson & Pollock, 1985) kehon rasvaprosentin arvioimiseksi vatsan, tricepsin, reiden etuosan ja suoliluun harjan ihopoimujen perusteella:
Kokonaisrasvamassan arviot laskettiin myös osallistujien kokonaispainon ja heidän Jacksonin ja Pollockin (1985) yhtälöistä arvioidun kehon rasvaprosentin perusteella.
Pearsonin korrelaatioiden avulla tutkittiin kalibrointimenetelmällä (kehon rasvaprosentti ja rasvamassa kilogrammoina) ja BIA-menetelmällä (kehon rasvaprosentti ja kehon rasvamassa kilogrammoina) saatujen rasva-arvioiden välistä suhdetta erikseen miehillä ja naisilla. Taulukossa 3 esitetyt tulokset osoittavat, että calliper- ja BIA-menetelmällä saadut kehon rasva-arvot korreloivat merkitsevästi positiivisesti sekä miesten että naisten otoksilla.
Menetelmällä saadut kehon rasvaprosenttiarviot calliper-menetelmällä saaduista kehon rasvaprosenttiarvioluvuista (Mwomen = 22.15, SD = 4,59; mies = 14,55, SD = 5,04) ja BIA:n (Mwomen = 23,42, SD = 5,03; mies = 15,16, SD = 3,81) arvot eivät eronneet merkitsevästi toisistaan sekä miehillä t(25) = -0,87, p = .395 että naisilla t(21) = -1,78, p = .090. Tätä hyvää yhteneväisyyttä havainnollistavat BIA- ja calliper-estimaattien väliset Altman-Bland-plotit kuvassa 3, ja se on yhdenmukainen aiempien tutkimusten kanssa (ks. esim. Kitano ym., 2001; Wattanapenpaiboon ym., 1998).