来自商用三维光学身体扫描仪的躯干-腿部体积和四肢瘦体重用于疾病风险识别

Trunk-to-leg volume and appendicular lean mass from a commercial 3-dimensional optical body scanner for disease risk identification

作者信息Jonathan P Bennett, Michael C Wong, Yong En Liu, Brandon K Quon, Nisa N Kelly, Andrea K Garber, Steven B Heymsfield, John A Shepherd
PMID39305753
期刊Clin Nutr
发布时间2024-10
DOI10.1016/j.clnu.2024.09.028

实验完整度

基于观察性队列数据,采用3DO和DXA测量及统计模型,但无功能或机制验证,主要为横断面关联分析。

主要模型

Shape Up! Adults研究队列(502名成年人,覆盖不同性别、年龄、BMI和种族/民族) 3DO身体扫描(Styku S100)与DXA(Hologic Discovery/A)测量

重点核对

3DO校准方程:躯干体积 = 0.47 * 3DO躯干体积 + 10.16;腿部体积:男性1.50*3DO腿体积+3.01,女性1.53*3DO腿体积+2.19 NHANES躯干-腿部体积四分位数阈值:Q1 (<1.34), Q2 (1.34–1.50), Q3 (1.50–1.65), Q4 (>1.65) MetS诊断标准:2005 NCEP ATP III指南,≥3项异常(腰围、TG、BP、BG、HDL-C) ALM预测模型变量:年龄、性别、质量、身高、瘦体重、臀围、平均大腿中部围、平均下二头肌围、下腰围

摘要

背景与目的:身体形态以躯干与腿部的体积比表示,与糖尿病和死亡率相关,这是因为较高的肥胖和较低的瘦体重与代谢综合征(MetS)风险相关。四肢肌肉量减少与营养不良风险和年龄相关的虚弱有关,并且是与MetS和其他临床状况(如癌症)相关的不良治疗结局的危险因素。这些测量传统上通过双能X射线吸收法(DXA)评估,后者在临床环境中可能难以获得。Shape Up! Adults试验(SUA)证明了三维光学成像(3DO)在身体成分方面与DXA和其他标准测量相比的准确性和精确性。在此,我们评估了从3DO获得的躯干-腿部体积估计是否与MetS风险相关,其方式与DXA测量的相似。我们进一步探索是否可以使用3DO来估计四肢瘦体重(ALM),以进一步提高测量这一重要的虚弱和疾病风险因素的可及性。方法:SUA招募了按性别、年龄(18-40岁、40-60岁、>60岁)、BMI(体重不足、正常、超重、肥胖)和种族/民族(非西班牙裔[NH]黑人、NH白人、西班牙裔、亚裔、夏威夷原住民/太平洋岛民)类别划分的参与者。每位参与者都接受了全身DXA和3DO扫描,以及心血管健康测量。将3DO的躯干和腿部体积测量校准到DXA,以表达等效的躯干-腿部体积比。我们根据先前由美国国家健康与营养调查(NHANES)定义的躯干-腿部体积四分位数,将每项血液指标和总体MetS风险表达为分级。最后,我们利用3DO测量值,通过整个数据集的十倍交叉验证来估计DXA ALM。结果:参与者为502名(273名女性)成年人,平均年龄=46.0±16.5岁,BMI=27.6±7.1 kg/m2,DXA躯干-腿部体积比平均为1.47±0.22(女性:1.43±0.23;男性:1.52±0.20)。在调整年龄和性别后,3DO躯干-腿部体积每增加一个标准差,MetS风险增加3.3倍(95%比值比[OR]=2.4-4.2),处于躯干-腿部体积最高四分位的个体,其MetS风险比最低四分位高27.4倍(95%CI:9.0-53.1)。与高3DO躯干-腿部体积比相关的血液生物标志物升高的风险与先前使用DXA躯干-腿部体积比的已发表比较相似。通过十倍交叉验证,3DO估计的ALM与DXA相关(r2=0.96,均方根误差=1.5 kg)。结论:使用基于美国代表性成人样本开发的与MetS相关的躯干-腿部阈值,经过偏移调整后,3DO的躯干-腿部比与血液参数和MetS风险显著相关。3DO扫描在研究的样本所包含的身体尺寸范围内提供了ALM的精确和准确估计。这些附加测量的开发提高了3DO在评估MetS风险以及识别与不良心肺代谢和功能健康相关的低肌肉量方面的临床实用性。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
3DO测量的躯干-腿部体积比是否像DXA一样与MetS风险相关,并且能否准确估计四肢瘦体重(ALM)?
核心机制
躯干-腿部体积比反映中心性肥胖和四肢肌肉减少,两者共同驱动MetS风险;高躯干-腿部体积比与不良代谢参数相关。
主要证据
基于502名成年人的横断面队列,使用3DO和DXA测量,经校准后3DO躯干-腿部体积比与MetS风险显著关联(每SD增加OR=3.3,Q4 vs Q1 OR=27.4);3DO估计ALM与DXA高度相关(r2=0.96,RMSE=1.5 kg)。
研究意义
3DO测量可提供临床可及的MetS风险和低肌肉量评估工具,提高心血管代谢健康监测的可及性。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

校准3DO区域体积到DXA

使3DO的躯干和腿部体积测量与DXA等效,以便应用DXA推导的躯干-腿部比值。

使用先前发布的回归方程将3DO躯干体积和腿部体积校准到DXA体积。

2

评估3DO躯干-腿部体积与代谢风险关联

检验3DO躯干-腿部体积比是否与MetS及其成分风险相关,并比较与DXA的预测性能。

将3DO躯干-腿部体积比按NHANES四分位数分类,使用逻辑回归模型计算MetS、HOMA-IR和异常血糖参数的患病率及风险。

3

开发并验证3DO ALM预测模型

利用3DO身体形态特征估计DXA四肢瘦体重(ALM)。

使用十折交叉验证的机器学习方法,基于3DO测量的人口统计学和身体形态特征开发ALM预测方程。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Styku S100扫描仪Styku LLC--
Hologic Discovery/A系统Hologic Inc.--
Hologic Apex 5.6版Hologic Inc.--
SAS 9.4版SAS Institute--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
3DO和DXA扫描
设备型号(Styku S100, Hologic Discovery/A),软件版本(Styku 4.1, Hologic Apex 5.6),校准方程(躯干体积:0.47*3DO躯干体积+10.16;腿部体积:男1.50*3DO腿部体积+3.01,女1.53*3DO腿部体积+2.19)
阅读提示:Methods部分,第1段和第2段
MetS定义和风险分类
MetS诊断标准(2005 NCEP ATP III),腰围切点(男≥102 cm,女≥88 cm),四分位数阈值(Q1 <1.34, Q2 1.34–1.50, Q3 1.50–1.65, Q4 >1.65)
阅读提示:Methods部分,第3段
ALM预测模型开发
交叉验证折数(10折),预测变量(年龄、性别、体重、身高、瘦体重、臀围、平均大腿中部围、平均下二头肌围、下腰围),模型公式(ALM3DO=2.11071−0.01743*age+1.19736*sex+0.18805*mass+0.04599*height+0.25842*lean mass−0.09186*hip circumference+0.03604*average mid-thigh circumference+0.03917*average lower bicep circumference−0.11593*lower waist circumference)
阅读提示:Results部分第3段和Table 3