Effect of Physical Fitness on Body Mass Index through Artificial Intelligence in South Chinese College Students from 2013 to 2025
Diese Studie analysiert Daten von über 83.000 chinesischen Studenten aus den Jahren 2013 bis 2025, um zu demonstrieren, dass körperliche Fitnessindikatoren stark mit dem Body-Mass-Index assoziiert sind und dass ein XGBoost-Machine-Learning-Modell den BMI effektiv vorhersagen kann, wobei Klimmzüge, Vitalkapazität und Langstreckenlauf als entscheidende prädiktive Merkmale identifiziert wurden.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich Ihren Körper als ein Hochleistungsauto vor. Seit Jahren wissen Mechaniker, dass es nicht reibungslos läuft, wenn der Motor stottert (schlechte Fitness) oder das Auto durch zu viel Ladung (überschüssiges Körperfett) beschwert wird. Aber was wäre, wenn Sie genau vorhersagen könnten, wie schwer diese Ladung ist, indem Sie einfach nur auf den Motor hören, die Reifen prüfen und sehen, wie schnell das Auto beschleunigt? Dies ist der Kern einer neuen Studie, die an der Schnittstelle zwischen Sportwissenschaft und Informatik angesiedelt ist. Sie stellt eine einfache Frage: Können wir die Leistung eines Schülers bei Standard-Fitness-Tests nutzen, um dessen Body-Mass-Index (BMI) zu erraten? Der BMI ist eine gängige Methode, um zu messen, ob eine Person untergewichtig, gesund, übergewichtig oder adipös ist, berechnet durch den Vergleich des Gewichts mit der Körpergröße. Während wir wissen, dass es schwerer macht zu rennen oder zu springen, wenn man schwer ist, blieb das exakte Rezept, wie verschiedene Fitness-Fähigkeiten zusammenwirken, um die Körperzusammensetzung eines Menschen zu enthüllen, ein wenig ein Mysterium. Nun nutzen Wissenschaftler „Künstliche Intelligenz“ (KI) – denken Sie an einen superintelligenten digitalen Detektiv, der in der Lage ist, verborgene Muster in riesigen Datenstapeln zu entdecken – um dieses Rätsel zu lösen.
Diese Studie, die von Forschern der Shenzhen University und der Louisiana State University durchgeführt wurde, entschied sich dafür, den Computer-Detektiv die schwere Arbeit erledigen zu lassen. Sie sammelten Daten aus einer riesigen Gruppe von 83.664 Erstsemester-Studenten aus Südchina im Zeitraum von 2013 bis 2025. Das ist so, als würde man ein riesiges Stadion mit Studenten füllen und sie bitten, dieselben sechs körperlichen Tests zu absolvieren: das Blasen in ein Rohr zur Messung der Lungenkraft, ein Sprung aus dem Stand nach vorne, das Strecken nach den Zehenspitzen, ein 50-Meter-Sprint, ein Langstreckenlauf (800 Meter für Mädchen, 1.000 Meter für Jungen) und entweder Klimmzüge (für Jungen) oder Sit-ups (für Mädchen). Die Forscher speisten diese Ergebnisse dann in vier verschiedene KI-Modelle ein, um zu sehen, welches am besten die BMI-Kategorien der Studenten erraten konnte.
Die Ergebnisse waren wie das Finden eines goldenen Schlüssels. Die KI hat nicht nur geraten; sie hat gelernt. Das beste Modell, ein hochentwickelter Algorithmus namens XGBoost, schaffte es, die BMI-Kategorie eines Studenten mit einer Genauigkeit von etwa 75 % für Jungen und 83 % für Mädchen vorherzusagen. Dies deutet darauf hin, dass körperliche Fitness und Körpergewicht eng miteinander verknüpft sind, wie zwei Zahnräder, die gemeinsam rotieren. Aber die wahre Magie lag darin, zu sehen, welche Tests am wichtigsten waren. Für die männlichen Studenten war der Klimmzug-Test der Superstar und fungierte als der wichtigste Hinweis. Er war für fast die Hälfte (45,27 %) der Fähigkeit der KI verantwortlich, eine korrekte Vorhersage zu treffen. Das ergibt Sinn, da ein Klimmzug eine „gewichtstragende“ Übung ist; man muss seinen gesamten Körper gegen die Schwerkraft heben. Wenn man zusätzliches Gewicht trägt, wird es signifikant schwieriger, sie zu schaffen, weshalb die Anzahl der Klimmzüge, die ein Junge machen kann, ein riesiger Hinweis auf seine Körpermasse ist.
Für die weiblichen Studenten war die Geschichte eher wie eine Teamleistung, bei der kein einzelner Spieler dominierte. Anstatt dass ein einzelner Test die Führung übernahm, fand die KI heraus, dass die Lungenkapazität (Vitalkapazität) und der Langstreckenlauf die besten Detektive waren, die zusammen mit den anderen Tests arbeiteten, um den BMI zu ermitteln. Interessanterweise war der Sit-up-Test, der die Rumpfkraft misst, für Mädchen nicht so ein großer Hinweis wie der Klimmzug für Jungen. Die Forscher vermuten, dass dies daran liegen könnte, dass Sit-ups auf eine spezifische Muskelgruppe fokussieren, anstatt das gesamte Körpergewicht zu bewegen, und dass die meisten Mädchen in der Studie bereits in einem gesunden Gewichtsbereich lagen, was es für die KI schwieriger machte, Unterschiede zu erkennen.
Die Studie untersuchte auch, wie verschiedene Arten des Laufens matter. Der Langstreckenlauf war ein viel stärkerer Hinweis auf den BMI als der kurze 50-Meter-Sprint. Denken Sie es sich so: Ein Sprint ist wie ein kurzer Ausbruch explosiver Energie, der es nicht so sehr auf das Gewicht ankommt. Aber lange zu laufen ist wie das Tragen eines schweren Rucksacks über Meilen; je schwerer man ist, desto mehr bremst einen das ab. Die KI erfasste dies und zeigte, dass Ausdauer ein besserer Indikator für die Körperzusammensetzung ist als reine Geschwindigkeit.
Obwohl die KI sehr gut im Raten war, war sie nicht perfekt. Sie war sehr gut darin, Studenten mit einem „normalen“ Gewicht zu identifizieren, aber sie hatte manchmal Schwierigkeiten, die sehr wenigen Studenten zu erkennen, die untergewichtig oder stark adipös waren. Dies liegt wahrscheinlich daran, dass es in den Daten schlichtweg viel mehr Studenten mit Normalgewicht gab, was es für den Computer schwieriger machte, die Muster für die kleineren Gruppen zu lernen. Die Forscher weisen vorsichtig darauf hin, dass diese Studie eine starke Verbindung oder einen Zusammenhang zwischen Fitness und Gewicht zeigt, aber nicht beweist, dass das eine das andere verursacht. Es ist wie die Beobachtung, dass Wolken und Regen oft zusammen auftreten; die KI sieht das Muster, aber sie sagt uns nicht, welches von beiden das Unwetter ausgelöst hat.
Letztlich legt diese Forschung nahe, dass die routinemäßigen körperlichen Tests, die Schüler bereits in der Schule absolvieren, mehr sind als nur Noten auf einem Zeugnis. Sie sind kraftvolle, praktische Werkzeuge. Wenn ein Schüler Schwierigkeiten mit Klimmzügen oder Langstreckenläufen hat, könnte dies ein freundlicher, früher Warnhinweis sein, dass seine Körperzusammensetzung Aufmerksamkeit benötigt. Durch die Nutzung dieser einfachen Tests und die Hilfe der KI bei der Interpretation der Ergebnisse könnten Schulen potenziell Gewichtsprobleme frühzeitig erkennen und Schüler dazu ermutigen, Kraft und Ausdauer aufzubauen, damit ihre „Autos“ noch viele Jahre lang reibungslos laufen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.