دوره 32، شماره 292: هفته اول شهریورماه 1393:1046-1053

استفاده از شاخص‌های تن‌سنجی در طراحی معادلات پیشگوی تخمین چربی کل بدن جهت حذف اسکن دگزا از کل بدن

محمدرضا سلامت, احمد شانئی, مهدی عسگری, امیرحسین سلامت, مهری خوشحالی

چکیده


مقدمه: هدف از این مطالعه، پیش‌بینی کل بافت چربی با استفاده از متغیرهای تن‌سنجی (اندازه‌ی دور کمر، اندازه‌ی دور باسن، نسبت دور کمر به باسن، نسبت دور کمر به قد و شاخص توده‌ی بدنی) بود. مزیت این پیش‌بینی نسبت به اسکن دگزا از کل بدن، راحتی بیشتر بیمار، استفاده از دوز کمتر اشعه‌ی یونیزان و کاهش در هزینه‌ها می‌باشد.

روش‌ها: برای این مطالعه 143 نفر از بزرگسالان مراجعه کننده به مرکز تشخیص ترکیبات بدن و پوکی استخوان اصفهان، مورد اسکن با روش جذب اشعه‌ی ایکس با انرژی دوگانه (DXA یا Dual-energy X-ray absorptiometry) برای اندازه‌گیری بافت چربی کل بدن قرارگرفتند. همزمان مقادیر قد، وزن، اندازه‌ی دور کمر و باسن اندازه‌گیری شد و مقادیر شاخص توده‌ی بدنی، نسبت دور کمر به باسن و نسبت دور کمر به قد محاسبه گردید. مجموعه‌ی داده‌ها به صورت تصادفی به دو گروه شاهد شامل 100 نفر و مورد شامل 43 نفر تقسیم شدند و تحلیل رگرسیون چندگانه با حذف پسرو بر گروه مورد اعمال گردید. مقادیر پیش‌بینی برای کل بافت چربی با استفاده از معادلات رگرسیونی حاصل بر روی داده‌های آزمون به دست آمد و در نهایت، مقادیر پیش‌بینی شده و مشاهده شده‌ی چربی کل بدن مقایسه گردید.

یافته‌ها: با استفاده از روش رگرسیون چندگانه، بهترین معادله‌ی پیشگو برای پیش‌بینی کل بافت چربی بدن شامل شاخص توده‌ی بدنی و جنسیت بود (808/0 = 2R).

نتیجه‌گیری: جنسیت تأثیر مهمی در رابطه‌ی بین کل بافت چربی با شاخص‌های تن‌سنجی دارد. همچنین شاخص توده‌ی بدنی نسبت به دیگر شاخص‌های تن‌سنجی، دارای توانایی بیشتری در تخمین کل بافت چربی بدن است.


واژگان کلیدی


شاخص تن‌سنجی؛ جذب اشعه‌ی ایکس با انرژی دوگانه؛ تخمین چربی بدن

تمام متن:

PDF

مراجع


Chen ZA, Roy K, Gotway Crawford CA. Obesity prevention: the impact of local health departments. Health Serv Res 2013; 48(2 Pt 1): 603-27.

Hodge AM, Zimmet PZ. The epidemiology of obesity. Baillieres Clin Endocrinol Metab 1994; 8(3): 577-99.

Pongchaiyakul C, Kosulwat V, Rojroongwasinkul N, Charoenkiatkul S, Thepsuthammarat K, Laopaiboon M, et al. Prediction of percentage body fat in rural thai population using simple anthropometric measurements. Obes Res 2005; 13(4): 729-38.

Zimmet P, Caterson I. The Asia-pacific perspective: redefining obesity and its treatment. Sydney, Australia: Health Communications Australia Pty Ltd; 2000.

Lee CM, Huxley RR, Wildman RP, Woodward M. Indices of abdominal obesity are better discriminators of cardiovascular risk factors than BMI: a meta-analysis. J Clin Epidemiol 2008; 61(7): 646-53.

Taylor RW, Brooking L, Williams SM, Manning PJ, Sutherland WH, Coppell KJ, et al. Body mass index and waist circumference cutoffs to define obesity in indigenous New Zealanders. Am J Clin Nutr 2010; 92(2): 390-7.

Roche AF, Heymsfield SB, Lohman TG. Human body composition. Champaign, IL: Human Kinetics Publishers; 1996.

Goulding A, Taylor RW, Gold E, Lewis-Barned NJ. Regional body fat distribution in relation to pubertal stage: a dual-energy X-ray absorptiometry study of New Zealand girls and young women. Am J Clin Nutr 1996; 64(4): 546-51.

Taylor RW, Jones IE, Williams SM, Goulding A. Evaluation of waist circumference, waist-to-hip ratio, and the conicity index as screening tools for high trunk fat mass, as measured by dual-energy X-ray absorptiometry, in children aged 3-19 y. Am J Clin Nutr 2000; 72(2): 490-5.

Boudousq V, Kotzki PO, Dinten JM, Barrau C, Robert-Coutant C, Thomas E, et al. Total dose incurred by patients and staff from BMD measurement using a new 2D digital bone densitometer. Osteoporos Int 2003; 14(3): 263-9.

Njeh CF, Fuerst T, Hans D, Blake GM, Genant HK. Radiation exposure in bone mineral density assessment. Appl Radiat Isot 1999; 50(1): 215-36.

Leslie WD. Prediction of body composition from spine and hip bone densitometry. J Clin Densitom 2009; 12(4): 428-33.

Albanese CV, Diessel E, Genant HK. Clinical applications of body composition measurements using DXA. J Clin Densitom 2003; 6(2): 75-85.

Lei SF, Liu MY, Chen XD, Deng FY, Lv JH, Jian WX, et al. Relationship of total body fatness and five anthropometric indices in Chinese aged 20-40 years: different effects of age and gender. Eur J Clin Nutr 2006; 60(4): 511-8.

Litwin SE. Which measures of obesity best predict cardiovascular risk? J Am Coll Cardiol 2008; 52(8): 616-9.




Creative Commons Attribution-NonCommercial 4.0

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 Unported License which allows users to read, copy, distribute and make derivative works for non-commercial purposes from the material, as long as the author of the original work is cited properly.