A testzsír „mérésének buktatói”, 5. rész: Skinfolds

Ebben a testzsír-teszteléssel foglalkozó több részből álló sorozatban megtudta, hogy az egyéneknél nagyon pontatlan lehet, akár egyszeri mérésre, akár az időbeli változás mérésére. Eddig tanult a hidrosztatikus mérésről, a Bod Pod-ról és a BIA-ról. Most beszéljünk a bőrhajlatokról.

Skinfold tesztelés

A Skinfold teszt magában foglal egy féknyeregnek nevezett eszközt, a bőr és a bőr alatti zsír (csipet bőr alatti zsír) összeszorítását, a bőrredő elhúzását az alatta lévő izomtól, és a fodrász vastagságának mérését a féknyereggel. Ezt a test körül számos helyen végzik (általában 3-7 különálló helyet). A bőrhajtások vastagságait összeadjuk, és az életkorral együtt egy egyenletbe kapcsoljuk. Az egyenlet kiköti a test sűrűségét, amely a test térfogatának (a tested mennyi helyet foglal) viszonya a testsúlyodhoz. A sovány szövet kevesebb helyet foglal el, mint egy adott súly esetén a zsírszövet, és így sűrűbb. Ezért minél nagyobb a test sűrűsége, annál több a sovány szövet és kevesebb a zsírszövet. Ez a testsűrűség ekkor testzsírszázalékká alakítható egy másik egyenlet segítségével, például a Siri-egyenlettel, amelyről a víz alatti mérésről szóló cikkben beszéltem.

Számos hibaforrás létezik ezzel a technikával. Először is, a technika nagyon érzékeny arra, hogy a technikus mennyire jártas a zsír megragadásában és elhúzásában az alatta lévő izomszövettől. A helytelen technika hibát vezethet be az eredményekbe. Emlékszem, amikor a Washington State University-n végzős hallgatóként koromhajhászon léptem fel egy rangadón. Nem tetszett neki az eredményem, ezért felkérte az egyik erőedzőt, hogy hajtsák végre a bőrt. Elvégzi a tesztet, és azt mondja nekem, hogy a teszt elvégzése során "féknyergeket kell görgetnie" (amit nem kellene tennie). Nos, csak annyit tett, hogy a fodrászok egy részét kihúzta a féknyergek közül, és természetesen alacsonyabb számmal állt elő, mint én, egyszerűen nem megfelelő technikával.

Egy másik hibaforrás a testsűrűség előrejelzésére használt egyenletben található. A Jackson-Pollock-egyenlet az egyik leggyakoribb egyenlet a bőrhajlatoknál. Az egyenlet azonban csak akkor érvényes, ha az egyenlet kifejlesztéséhez használt emberekhez hasonló embereket tesztelünk. Például a Jackson-Pollock egyenlet férfi változatát 18 és 61 év közötti férfiakon fejlesztették ki. Így az előrejelzési pontosság kiesik, ha ezen a korhatáron kívülre kerül. A Jackson-Pollock egyenleteket fehér férfiakon és nőkön is kidolgozták; azonban, amint azt a hidrosztatikus mérésről szóló cikkemben rámutattam, a zsírmentes tömeg sűrűsége fajától függően változhat. Így nagyobb hiba lesz a Jackson-Pollock egyenlet használatakor, ha nem vagy fehér. Ezért kritikus fontosságú, hogy ha bőrhajlatokat használ a testzsír becsléséhez, akkor egy olyan egyenletet használjon, amelyet kifejezetten a faj, kor és nem számára fejlesztettek ki.

Egy másik problémánk hasonló a BIA-val. A BIA-hoz hasonlóan a skinfold tesztelés is egy jóslaton alapuló jóslat. A Skinfold-teszt egyenleteket, mint a Jackson-Pollock-egyenletet, a hidrosztatikus mérési mérésekből dolgozták ki (amelyek maguk is hibás jóslatok). Tehát, ha a hidrosztatikus mérés hibarátája akár 5-6% is lehet az egyéneknél, akkor a skinfold tesztegyenletek ezt a hibát növelik.

Végül ugyanaz a problémánk van, mint az összes 2 rekeszes modellnél. az a feltételezés, hogy a zsírmentes tömeg bizonyos sűrűségű. Amint azt a hidrosztatikus mérésről szóló cikkben rámutattam, a zsírmentes tömeg sűrűsége megváltozhat a testtömeg változásával, ami hibát fog bevezetni a testzsír időbeli változásának mérésekor.

Vastag hibák

A Skinfolds-nak meglehetősen jelentős hibái lehetnek, ha összehasonlítjuk a 4-rekeszes modellel, függetlenül attól, hogy a csoport átlagát vagy egyéneket nézzük. Egy tanulmány szerint a bőrhajlatok (a Jackson-Pollock-egyenlet alapján) 6% -kal alulértékelték a fehér nők testzsír-százalékát, és ez az egész csoport átlaga. Az egyéni hibaarányok óriásiak voltak, a 10% -os és 15% feletti előrejelzések között. A férfiaknál a hibaarány nem volt jobb. A Durnin és Womersley egyenletet használva az egyéni hibaarányok mindkét irányban 10-15% -ot értek el.

És mi a helyzet az időbeli változás mérésével? Egy, az elhízott, lefogyott nőkről szóló tanulmányban a bőrhajlatok meglehetősen jól teljesítettek, ha a csoport átlagát vizsgálták, és a testzsírszázalék változását körülbelül 1% -kal becsülték előre. Az egyéni hibaarányok azonban magasabbak voltak, 5% körüli és 3% körüli túljóslásokkal. Ez azt jelenti, hogy elveszítheti a testzsír 5% -át, de a bőrredők nem mutatnak változást, vagy a bőrhajlatok azt mondhatják, hogy 6% -ot vesztett a testzsír akkor, amikor valóban csak 3% -ot vesztett. Hasonló átlagos és egyéni hibaarányt láthattunk egy testépítőkön végzett vizsgálatban.

Skinfolds: Az ítélet

A BIA-hoz hasonlóan a bőrráncok is messze lehetnek, amikor az egyének testzsírszázalékát kell meghatározni. Ami az időbeli változás csoportos követését illeti, akkor a bőrhajtások elég jól teljesítenek. Azonban az egyének változásának nyomon követésével kapcsolatos hibák idővel akár 3-5% -ot is elérhetnek. Így ha bőrhajlításokat fog használni egyetlen személy nyomon követésére az idő múlásával, akkor nagyon hosszú időintervallumokat ajánlok a mérések között (minimum 3 hónap, de jobb 6 hónap); különben a hibaarány magasabb, mint a látható változás. Valójában nem ajánlom a testzsír százalék kiszámítását sem. Ha a bőrréteg vastagsága csökken, akkor valószínűleg zsírvesztést okoz.

Ez összegzi a testzsír teszteléséhez a legelterjedtebb 2 rekeszes modelleket. Kattintson ide a sorozat 6. részének elolvasásához, ahol a kettős energiájú röntgenabszorpciós geometriát (DEXA) tárgyalom, amely egy 3 rekeszes modell a testösszetétel becslésére.