Predicting poor physical fitness among university students using five-year repeated campus surveillance data: development and temporal validation of a risk model

Die Fitness-Prognose: Warum die „Goldlöckchen-Zone“ Ihres Körpers wichtig ist

Stellen Sie sich vor, Sie versuchen, das Wetter vorherzusagen. Sie würden nicht nur für eine Stunde in den Himmel schauen; Sie würden die Temperatur, die Luftfeuchtigkeit, die Windgeschwindigkeit prüfen und beobachten, wie sich diese Werte über Tage oder Wochen verändern. In der Gesundheitswissenschaft machen Forscher etwas Ähnliches, wenn sie die „körperliche Fitness“ untersuchen. Dabei geht es nicht nur darum, wie schnell man eine Meile rennen kann; es ist eine mächtige Kristallkugel für Ihre zukünftige Gesundheit und deutet auf alles hin – von der Stärke Ihres Herzens über Ihre Stimmung bis hin zu Ihrer Leistungsfähigkeit in der Schule oder im Beruf.

Lange Zeit waren Wissenschaftler von einer spezifischen Zahl besessen: dem Body-Mass-Index, oder BMI. Betrachten Sie den BMI als ein einfaches Lineal, das misst, ob Sie untergewichtig, normalgewichtig, übergewichtig oder adipös sind. Die alte Geschichte war recht eindeutig: „Zu schwer zu sein ist schlecht für die Fitness.“ Aber das Leben verläuft selten in einer geraden Linie. Manchmal kann es genauso schwierig sein, zu leicht zu sein. Diese Arbeit taucht in einen riesigen, fünfjährigen Datenschatz von Universitätsstudierenden ein, um zu sehen, ob wir eine bessere „Wetterprognose“ für die Fitness erstellen können. Anstatt nur eine Momentaufnahme zu machen, beobachteten sie dieselben Studierenden über die Zeit und behandelten deren Aufzeichnungen wie einen kontinuierlichen Film statt wie einen Stapel unzusammenhängender Fotos. Sie wollten wissen: Können wir vorhersagen, wer Schwierigkeiten mit der Fitness haben könnte, noch bevor der Test überhaupt stattfindet? Und ist das „ideale“ Gewicht tatsächlich ein schmaler, optimaler Bereich, oder lauert die Gefahr an beiden Enden der Skala?

Der fünfjährige Fitness-Film

Diese Studie gleicht einer detektivischen Zeitreise-Geschichte, aber anstatt ein Verbrechen aufzuklären, versuchen die Detektive, das Rätsel der Fitness von Studierenden zu lösen. Die Forscher sammelten einen massiven Datensatz von einer Universität in China, der fünf aufeinanderfolgende Jahre von 2020 bis 2024 abdeckt. Sie verfügten über die Datensätze von über 45.000 einzelnen Studierenden, was insgesamt mehr als 107.000 Testergebnisse ergab. Da sie anonyme Identifikationsnummern verwendeten, konnten sie dieselben Studierenden Jahr für Jahr verfolgen und sehen, wie sich ihre Fitness veränderte, während sie älter wurden und sich ihre Körper veränderten.

Das Ziel war es, ein „Risikomodell“ zu entwickeln – eine Art digitale Kristallkugel. Sie wollten ein Werkzeug schaffen, das die Basisdaten eines Studierenden (wie Geschlecht, Alter, Studienjahr und BMI) vor dem Fitness-Test analysiert und vorhersagt, ob er durchfallen wird. Die Definition von „schlechter Fitness“ war hier streng: ein Wert unter 60 Punkten nach dem Nationalen Standard für körperliche Gesundheit von Studierenden.

Die „Goldlöckchen“-Entdeckung

Als die Forscher begannen, die Zahlen zu analysen, fanden sie etwas Faszinierendes, das die alte Erzählung vom „einfachen Gewichtsverlust“ infrage stellt. Sie entdeckten, dass die Beziehung zwischen dem BMI und der Fitness keine gerade Linie ist; sie ist geformt wie ein „J“.

Stellen Sie sich eine Wippe vor, bei der die Mitte der sicherste Ort zum Sitzen ist. Die Studie fand heraus, dass Studierende mit einem „normalen“ BMI (zwischen 18,5 und 23,9) das geringste Risiko hatten, den Fitness-Test nicht zu bestehen. Aber hier ist die Wendung: Das Risiko stieg nicht nur auf der schweren Seite an. Es stieg auch auf der leichten Seite an.

• Untergewichtige Studierende hatten ein 1,54-mal höheres Risiko für eine schlechte Fitness im Vergleich zu Normalgewichtigen.
• Übergewichtige Studierende hatten ein 2,68-mal höheres Risiko, Schwierigkeiten zu haben.
• Adipöse Studierende sahen sich mit einem massiven Risiko konfrontiert und hatten ein 7,58-mal höheres Risiko für eine schlechte Fitness.

Die Forscher verwendeten ein spezielles mathematisches Werkzeug namens „Restricted Cubic Spline“, um dies abzubilden. Es zeigte, dass das absolut geringste Risiko für diese Gruppe von Studierenden bei einem BMI von etwa 20 kg/m² lag, mit einer „Sicherheitszone“, die sich etwa von 19 bis 21 kg/m² erstreckte. Es ist wichtig anzumerken, dass die Autoren hier sehr vorsichtig sind: Dies ist ein Referenzwert auf Bevölkerungsebene, vergleichbar mit einer Karte, die das durchschnittliche Gelände zeigt. Es ist keine persönliche Anweisung für jeden einzelnen Studierenden, genau 20 kg/m² anstreben zu müssen. Es deutet lediglich darauf hin, dass, im Durchschnitt, die „Goldlöckchen-Zone“ für die Fitness in dieser Gruppe genau in diesem mittleren Bereich lag, während das Unheil an beiden Extremen – zu leicht und zu schwer – wartete.

Die Kristallkugel: Wie gut war die Vorhersage?

Das Team entwickelte zwei verschiedene Modelle, um vorherzusagen, wer durchfallen würde.

Modell A: Der Pre-Test-Scanner
Dieses Modell nutzte nur Informationen, die vor dem Betreten der Laufbahn verfügbar waren: Geschlecht, Alter, Studienjahr, das Jahr des Tests und der BMI.

• Das Ergebnis: In den Jahren, in denen das Modell aufgebaut wurde (2020–2023), war es mit einer Genauigkeit von etwa 75,5 % (einem AUC von 0,755) moderat gut darin, zwischen fitten und nicht-fitten Studierenden zu unterscheiden.
• Der Realitätscheck: Als sie dieses Modell an den Daten von 2024 (einem zukünftigen Jahr, das es noch nicht kannte) testeten, sank die Genauigkeit auf 67,5 %. Warum? Weil sich das „Wetter“ geändert hatte. Im Jahr 2024 fielen tatsächlich weniger Studierende durch den Test (nur 5,1 % im Vergleich zu höheren Raten in den Vorjahren). Da das Modell auf Jahren mit mehr Durchfallern trainiert wurde, begann es, „Wolf zu rufen“ und sagte mehr Durchfälle voraus, als tatsächlich eintraten. Die Autoren nennen dies „Überprädiktion“. Es ist eine Erinnerung daran, dass selbst gute Modelle neu kalibriert werden müssen, wenn sich die Welt verändert. Dennoch war das Modell sehr gut darin, zu sagen, wer nicht durchfallen würde (ein hoher „negativer Vorhersagewert“), was für die Triage von Studierenden nützlich ist.

Modell B: Die betrügerische Kristallkugel
Die Forscher versuchten auch ein zweites Modell, das die tatsächlichen Ergebnisse der Fitness-Tests (wie die Geschwindigkeit beim Laufen oder die Weite beim Springen) als Prädiktoren einbezog.

• Das Ergebnis: Dieses Modell war fast perfekt mit einer Genauigkeit von 94,5 %.
• Der Haken: Die Autoren warnen ausdrücklich davor, dass dies „zirkulär“ ist. Es ist so, als würde man versuchen, den Gewinner eines Rennens vorherzusagen, indem man die Zeiten an der Ziellinie betrachtet, bevor das Rennen überhaupt beginnt. Da diese Fitness-Komponenten ein Teil der Endwertung sind, wiederholt das Modell lediglich die Antwort, die es eigentlich finden soll. Sie berichten dies nur als „oberen Referenzwert“, um aufzuzeigen, was theoretisch möglich ist, nicht als ein Werkzeug für die reale Welt.

Was das für die reale Welt bedeutet

Die Studie kommt zu dem Schluss, dass wir zwar ein Werkzeug bauen können, um gefährdete Studierende zu identifizieren, es aber kein Zauberstab ist. Die ehrlichste Erkenntnis ist, dass sowohl Untergewicht als auch Adipositas mit schlechterer körperlicher Fitness verbunden sind und die Risikokurve eine J-Form aufweist.

Die Autoren schlagen vor, dass Universitäten sich nicht nur auf Adipositas konzentrieren sollten. Sie müssen auch auf untergewichtige Studierende achten, da diese einem dualen Risiko ausgesetzt sind. Das „Pre-Test“-Modell (Modell A) könnte ein hilfreiches Werkzeug für Schulen sein, um Studierende zu identifizieren, die möglicherweise zusätzliche Unterstützung oder eine Bewertung benötigen, noch bevor sie die Laufbahn betreten. Das Modell ist jedoch nicht perfekt; es muss jedes Jahr angepasst (rekalibriert) werden, um den aktuellen Fitnessniveau der Studierendenschaft zu entsprechen.

Kurz gesagt nutzt diese Arbeit fünf Jahre Daten, um zu zeigen, dass Fitness eine komplexe Geschichte ist, bei der beide Enden der Skala Aufmerksamkeit erfordern. Sie beweist, dass die Beobachtung von Studierenden über die Zeit ein klareres Bild liefert als eine einzelne Momentaufnahme, warnt uns aber auch davor, dass Vorhersagen nur so gut sind wie die Daten, auf denen sie basieren, und dass sie ständig aktualisiert werden müssen, um präzise zu bleiben.