Kroppsfettprocent är en bättre prediktor för fetmarelaterade risker än BMI
Senast recenserade: 14.06.2024
Allt iLive-innehåll är mediekontrollerat eller faktiskt kontrollerat för att säkerställa så mycket faktuell noggrannhet som möjligt.
Vi har strikta sourcing riktlinjer och endast länk till välrenommerade media webbplatser, akademiska forskningsinstitut och, när det är möjligt, medicinsk peer granskad studier. Observera att siffrorna inom parentes ([1], [2] etc.) är klickbara länkar till dessa studier.
Om du anser att något av vårt innehåll är felaktigt, omodernt eller på annat sätt tveksamt, välj det och tryck på Ctrl + Enter.
I en nyligen publicerad studie i Journal of Clinical Endocrinology & Metabolismforskare bedömde trösklarna för procentuell kroppsfett (%BF) för att definiera övervikt och fetma, och undersökte deras samband med metaboliskt syndrom (MetSyn) hos ett stort urval av vuxna.
Studien fann att %BF-trösklar var en mer exakt indikator än body mass index (BMI) för att förutsäga sjukdomar associerade med fetma. Forskarna rekommenderar användning av direkta kroppsfettmätningar i klinisk praxis och föreslår att övervikt definieras till 25 % BF för män och 36 % BF för kvinnor. Fetma kan definieras till 30 % BF för män och 42 % BF för kvinnor.
BMI-baserade standarder används vanligtvis för att definiera fetma, övervikt och normalvikt. BMI anses dock vara ett felaktigt mått på faktisk kroppsfett eller %BF.
Modern teknik har förbättrat uppskattningen av %BF, men utfallsbaserade trösklar behövs så att dessa mätningar kan användas effektivt för att hantera patienternas hälsa.
Fetmarelaterade sjukdomar är förknippade med överskott av fett, men nuvarande rekommendationer bygger ofta på allmän dödlighetsstatistik snarare än direkta kopplingar till specifika hälsoresultat.
Nu utvecklas mer exakta metoder för att uppskatta %BF, såsom multifrekvens bioelektrisk impedanstestning (MF-BIA), och kan spela en betydande roll i förebyggande hälsovård. På grund av förhållandet mellan %BF och MetSyn kan %BF ge ett mer exakt verktyg för hantering av fetmarelaterade sjukdomar jämfört med BMI.
Studien genomförde en korrelationsanalys med hjälp av data från National Health and Nutrition Examination Survey (NHANES) för att uppskatta %BF-trösklar för att definiera övervikt och fetma.
Urvalet inkluderade 16 918 personer i åldrarna 18 till 85 år, med data insamlade från 1999 till 2018, exklusive perioder då dual-energy röntgenabsorptiometri (DXA)-mätningar inte gjordes.
Data som samlades in inkluderar demografi, laboratoriemätningar (inklusive fasteglukos, triglycerider, HDL-kolesterol, blodtryck), antropometriska mätningar (BMI, vikt, längd, midjemått) och DXA-resultat för hela kroppen.
Varje deltagares metabola hälsa klassificerades baserat på närvaron av MetSyn, definierad av närvaron av minst tre av fem nyckelmarkörer: ökad midjemått, lågt HDL, högt fasteglukos, högt blodtryck och höga triglycerider. p>
Data från 16 918 personer (8 184 kvinnor och 8 734 män) med en medelålder på cirka 42 år, representerande olika etniska grupper, analyserades.
Bland individer som klassificerats som överviktiga (BMI >25 kg/m²) och fetma (BMI ≥30 kg/m²), hade 5 % respektive 35 % MetSyn. Dessa siffror användes för att fastställa nya %BF-trösklar: 25 % för överviktiga jämfört med 30 % för feta män och 36 % för överviktiga jämfört med 42 % för feta kvinnor.
Med dessa %BF-trösklar klassificerades 27,2 % av kvinnorna och 27,7 % av männen som normalviktiga, 33,5 % av kvinnorna och 34,0 % av männen klassificerades som överviktiga och 39,4 % kvinnor och 38,3 % av männen anses vara feta..
Studien visade att BMI har lågt prediktivt värde för individer på grund av den betydande variationen i %BF vid varje givet BMI.
Dessutom framhäver skillnader i sambandet mellan BMI och %BF mellan män och kvinnor begränsningarna med att använda BMI för att bedöma fetma och dess associerade hälsorisker.
De senaste framstegen inom MF-BIA erbjuder mer tillförlitliga och tillgängliga metoder för att uppskatta %BF jämfört med traditionella antropometriska metoder.
Även om dessa enheters noggrannhet varierar, representerar deras ökande användning i klinisk praxis ett betydande steg mot förbättrade epidemiologiska data och bredare användning.
Teknologiska förbättringar i bedömning av kroppssammansättning, inklusive mer exakta MF-BIA-modeller och stöd från medicinska föreningar, kan förbättra klinisk användning och försäkringsskydd, vilket i slutändan förbättrar patientvården.
Begränsningar inkluderar variation i enhetsnoggrannhet och behovet av ytterligare forskning om sambandet mellan kroppssammansättning och metabolisk sjukdom.