📄 medicine

Agreement and device-specific calibration of a single-frequency and a multi-frequency segmental bioelectrical impedance analyzer against dual-energy X-ray absorptiometry for appendicular skeletal muscle mass: a two-center method-comparison study with external validation

यह दो-केंद्र अध्ययन प्रदर्शित करता है कि जबकि सिंगल- और मल्टी-फ्रीक्वेंसी बायोइलेक्ट्रिकल इम्पीडेंस एनालाइजर्स, ड्यूल-एनर्जी एक्स-रे एब्ज़ोरिप्टोमेट्री की तुलना में व्यवस्थित, डिवाइस-विशिष्ट पूर्वाग्रह प्रदर्शित करते हैं, डिवाइस-विशिष्ट अंशांकन समीकरणों को लागू करने से बाहरी सत्यापन में सटीकता और कम-मांसपेशियों-के-द्रव्यमान वर्गीकरण में महत्वपूर्ण सुधार होता है, जो इस बात को रेखांकित करता है कि बिना समायोजन के बीआईए (BIA) और डीएक्सए (DXA) का उपयोग एक-दूसरे के स्थान पर नहीं किया जा सकता है।

मूल लेखक: Yifei Ouyang, Chang Su, Ziyi Liu, Huijun Wang

प्रकाशित 2026-07-10

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yifei Ouyang, Chang Su, Ziyi Liu, Huijun Wang

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपका शरीर एक विशाल, जटिल घर है, और "एपेंडिकुलर स्केलेटल मसल मास" (ASM) आपके लिविंग रूम और बेडरूम के सभी फर्नीचर का कुल वजन (आपकी बाहें और पैर) है। डॉक्टरों को यह जानने की जरूरत होती है कि आपके पास वास्तव में कितना फर्नीचर है ताकि वे यह पता लगा सकें कि क्या आपका घर थोड़ा खाली होता जा रहा है (एक ऐसी स्थिति जिसे कम मांसपेशियों का द्रव्यमान या लो मसल मास कहा जाता है)।

लंबे समय से, इस फर्नीचर को तौलने के लिए "गोल्ड स्टैंडर्ड" एक अत्यंत सटीक, महंगी मशीन रही है जिसे DXA (ड्यूल-एनर्जी एक्स-रे एब्जॉर्प्टोमेट्री) कहा जाता है। यह एक हाई-टेक, लेजर-गाइडेड स्केल की तरह है जो दीवारों के पार देख सकता है। लेकिन DXA मशीनें बहुत बड़ी, महंगी हैं और उन्हें विशेष कमरों की आवश्यकता होती है, इसलिए वे हर जगह उपलब्ध नहीं हैं।

इसके बजाय, अधिकांश लोग BIA (बायोइलेक्ट्रिकल इम्पीडेंस एनालिसिस) उपकरणों का उपयोग करते हैं। ये वे तराजू हैं जिन पर आप खड़े होते हैं और जो आपके शरीर के माध्यम से एक छोटा, हानिरहित बिजली का झटका भेजते हैं ताकि यह अनुमान लगाया जा सके कि आपके पास कितनी मांसपेशियां हैं। वे सस्ते, पोर्टेबल और तेज़ होते हैं। लेकिन ट्विस्ट यह है: इस अध्ययन ने पाया कि ये BIA स्केल दो अलग-अलग ब्रांडों के रूलर (पैमानों) की तरह हैं जो एक-दूसरे से सहमत नहीं होते हैं, और उनमें से कोई भी गोल्ड स्टैंडर्ड DXA रूलर से पूरी तरह मेल नहीं खाता है।

दो रूलर जो सहमत नहीं होते

शोधकर्ताओं ने चीन के 375 वयस्कों पर दो विशिष्ट प्रकार के BIA रूलर का परीक्षण किया। उन्होंने प्रत्येक व्यक्ति को गोल्ड स्टैंडर्ड DXA, एक सिंगल-फ्रीक्वेंसी BIA (मान लीजिए "रूलर A"), और एक मल्टी-फ्रीक्वेंसी BIA ("रूलर B") के साथ मापा।

रूलर A (सिंगल-फ्रीक्वेंसी): यह रूलर थोड़ा आशावादी था। इसने लगातार मांसपेशियों के द्रव्यमान को बढ़ा-चढ़ाकर (overestimate) बताया। औसतन, इसने लोगों को DXA द्वारा पाए गए वास्तविक द्रव्यमान से 1.60 किग्रा अधिक मांसपेशियां बताईं। यह एक ऐसे स्केल की तरह था जो सुरक्षा के लिए हमेशा आपके वजन में एक भारी बैकपैक जोड़ देता है।
रूलर B (मल्टी-फ्रीक्वेंसी): यह रूलर अधिक जटिल था। इसने औसतन उतना अधिक बढ़ा-चढ़ाकर नहीं बताया (केवल 0.34 किग्रा अतिरिक्त), लेकिन इसमें एक अजीब सी खराबी थी: अत्यधिक मांसपेशियों वाले लोगों के लिए इसने गणित को विपरीत दिशा में गलत कर दिया। यदि आप बहुत अधिक मस्कुलर थे, तो रूलर B ने आपके द्रव्यमान को कम (underestimate) दिखाना शुरू कर दिया, जबकि रूलर A ने बढ़ा-चढ़ाकर बताना जारी रखा।

बड़ी बात यह है कि आप इन BIA नंबरों को सीधे DXA नंबरों के बराबर नहीं मान सकते। यदि एक डॉक्टर रूलर A का नंबर देखता है, तो वह यह मान नहीं सकता कि यह गोल्ड स्टैंडर्ड के समान है। शोध पत्र स्पष्ट रूप से इस विचार के खिलाफ तर्क देता है कि ये उपकरण सीधे तौर पर एक-दूसरे के बदले इस्तेमाल किए जा सकते हैं।

जादुई समाधान: कैलिब्रेशन (अंशांकन)

तो, क्या BIA बेकार है? बिल्कुल नहीं! शोधकर्ताओं ने महसूस किया कि हालांकि कच्चे नंबर गलत थे, लेकिन गलतियों का एक पैटर्न था। उन्होंने प्रत्येक रूलर के लिए एक "अनुवाद सूत्र" (कैलिब्रेशन समीकरण) बनाया।

इसे इस तरह सोचें: यदि रूलर A हमेशा 1.6 किग्रा जोड़ता है, तो आप बस 1.6 किग्रा घटा देते हैं। लेकिन यह अधिक जटिल है क्योंकि गलती आपकी उम्र, लिंग और बॉडी मास इंडेक्स (BMI) के आधार पर बदलती है। शोधकर्ताओं ने प्रत्येक डिवाइस के लिए एक विशेष रेसिपी बनाई:

रूलर A के लिए: BIA नंबर लें, उम्र के लिए थोड़ा घटाएं, महिला होने के लिए एडजस्ट करें, और BMI के आधार पर इसे ट्यून करें।
रूलर B के लिए: इसी तरह का नृत्य करें, लेकिन अलग-अलग स्टेप्स के साथ।

जब उन्होंने इन रेसिपीज़ को एक नए, स्वतंत्र समूह के 82 लोगों (जो मूल गणित कक्षा का हिस्सा नहीं थे) पर लागू किया, तो परिणाम प्रभावशाली थे।

रूलर A के लिए, औसत त्रुटि 1.56 किग्रा से घटकर 0.97 किग्रा हो गई।
रूलर B के लिए, त्रुटि 1.35 किग्रा से घटकर 0.91 किग्रा हो गई।

सुधार से पहले, रूलर A द्वारा मापे गए लोगों में से केवल 28% ही वास्तविक DXA मान के 1.0 किग्रा के भीतर थे। सुधार के बाद, यह उछलकर 61% हो गया। यही बात रूलर B के लिए भी हुई ( 39% से 61% तक)।

"लो मसल" मामलों को पकड़ना

सबसे महत्वपूर्ण परीक्षण यह था: क्या इस सुधार ने डॉक्टरों को कम मांसपेशियों वाले मामलों को पकड़ने में मदद की? शोधकर्ताओं ने 50 वर्ष और उससे अधिक आयु के वयस्कों (कुल 123 लोग) को देखा।

सुधार के बिना: रूलर A कम मांसपेशियों वाले द्रव्यमान को खोजने में बहुत खराब था। इसने उन 21 में से 15 लोगों को मिस कर दिया जिन्हें DXA ने कम मांसपेशी वाला बताया था। यह एक मेटल डिटेक्टर की तरह था जो सोने के सिक्कों के लिए तो बीप करता है लेकिन चांदी के सिक्कों को अनदेखा कर देता है।
सुधार के साथ: रूलर A अचानक बहुत बेहतर हो गया। इसने उन 21 में से 15 मामलों की सही पहचान की। इसकी समस्या को पहचानने की क्षमता (सेंसिटिविटी) 28.6% से बढ़कर 71.4% हो गई।

रूलर B भी बेहतर हुआ, जिससे यह पुष्टि करने में बहुत बेहतर हो गया कि किन लोगों में कम मांसपेशियां नहीं हैं (स्पेसिफिसिटी 97.1% तक बढ़ गई)।

इसका क्या अर्थ है (और क्या नहीं है)

अध्ययन साबित करता है कि डिवाइस-विशिष्ट कैलिब्रेशन काम करता है। आप केवल एक सामान्य "वन-साइज़-फिट्स-ऑल" सुधार का उपयोग नहीं कर सकते; रूलर A के लिए सुधार रूलर B से अलग है।

हालाँकि, लेखक बहुत अधिक अतिशयोक्ति करने से बचते हैं। वे कुछ बातें बताते हैं:

यह अभी तक कोई जादुई इलाज नहीं है: यह अध्ययन मुख्य रूप से "ट्रेनिंग" समूह के लोगों पर किया गया था, जिसमें "टेस्ट" समूह के केवल कुछ ही लोग थे (टेस्ट ग्रुप में 82 लोग थे, और उनमें से केवल 9 लोग 50 से अधिक उम्र के थे)। इसलिए, भले ही परिणाम शानदार दिख रहे हों, वे अभी भी बुजुर्गों के लिए प्रारंभिक (exploratory) हैं।
यह मान लेना कि यह हर जगह काम करता है: ये विशिष्ट गणितीय रेसिपी इन दो विशिष्ट मशीनों (Tanita BC-601 और InBody 770) और इस विशिष्ट आबादी के लिए बनाई गई थीं। आप इसे बिना परीक्षण किए किसी अन्य ब्रांड के स्केल या लोगों के किसी अन्य समूह पर कॉपी-पेस्ट नहीं कर सकते।
यह पूर्ण निदान नहीं है: यह अध्ययन केवल मांसपेशियों के द्रव्यमान (मास) पर केंद्रित था। "सार्कोपेनिया" (मांसपेशियों के नुकसान की बीमारी) के पूर्ण निदान के लिए मांसपेशियों की शक्ति और शारीरिक प्रदर्शन की जांच करने की भी आवश्यकता होती है, जो इस अध्ययन में नहीं की गई थी।

संक्षेप में, BIA स्केल बेहतरीन उपकरण हैं, लेकिन वे अपनी "अजीब आदतों" के साथ आते हैं। यदि आप चाहते हैं कि वे गोल्ड स्टैंडर्ड DXA की भाषा बोलें, तो आपको उस विशिष्ट डिवाइस के लिए बनाए गए कस्टम-मेड फॉर्मूले का उपयोग करके उनके नंबरों का अनुवाद करना होगा। बिना इस अनुवाद के, आप उन लोगों को मिस कर सकते हैं जिन्हें सबसे अधिक मदद की आवश्यकता है।

तकनीकी सारांश: DXA के विरुद्ध सेगमेंटल BIA उपकरणों का समझौता और अंशांकन (Calibration)

समस्या विवरण
अपेंडिकुलर स्केलेटल मसल मास (ASM) सारकोपेनिया के निदान और GLIM, EWGSOP2, और AWGS जैसे ढांचों के तहत कुपोषण के मूल्यांकन के लिए एक महत्वपूर्ण मीट्रिक है। जबकि ड्यूल-एनर्जी एक्स-रे अवशोषणता (DXA) संदर्भ मानक (reference standard) के रूप में कार्य करता है, इसके लिए निश्चित उपकरणों की आवश्यकता बड़े पैमाने पर स्क्रीनिंग में इसकी उपयोगिता को सीमित करती है। बायोइलेक्ट्रिकल इम्पीडेंस विश्लेषण (BIA) एक पोर्टेबल विकल्प के रूप में व्यापक रूप से उपयोग किया जाता है; हालाँकि, वाणिज्यिक उपकरणों की तकनीकी संरचना (जैसे, सिंगल-फ्रीक्वेंसी बनाम मल्टी-फ्रीक्वेंसी) में काफी भिन्नता होती है। यह अध्ययन इस चिंता को संबोधित करता है कि DXA के सापेक्ष डिवाइस-विशिष्ट पूर्वाग्रह (biases) ASM अनुमानों की तुलनात्मकता को बाधित कर सकते हैं और कम मांसपेशियों के द्रव्यमान के गलत वर्गीकरण की ओर ले जा सकते हैं। पिछला शोध अक्सर एकल उपकरणों का मूल्यांकन करता था या अंशांकन समीकरणों के बाहरी सत्यापन (external validation) का अभाव था, जिससे यह समझने में एक अंतराल रह गया कि विभिन्न BIA आर्किटेक्चर एक सामान्य संदर्भ के विरुद्ध कैसा प्रदर्शन करते हैं और क्या डिवाइस-विशिष्ट सुधार इन मापों में सामंजस्य स्थापित कर सकते हैं।

कार्यप्रणाली (Methodology)
यह 375 वयस्कों को शामिल करने वाला एक दो-केंद्रीय, क्रॉस-सेक्शनल मेथड-कंपेरिजन अध्ययन था। प्रतिभागियों का एक ही दिन सुबह के समय तीन उपकरणों का उपयोग करके मूल्यांकन किया गया:

संदर्भ (Reference): DXA (Hologic Discovery Wi)।
डिवाइस A (BIA-A): एक सिंगल-फ्रीक्वेंसी (50 kHz) सेगमेंटल BIA (Tanita BC-601)।
डिवाइस B (BIA-B): एक मल्टी-फ्रीक्वेंसी (1–1000 kHz) सेगमेंटल BIA (InBody 770)।

अध्ययन डिजाइन में एक केंद्र से डेरिवेशन कोहोर्ट ( $n=293$ ) और एक दूसरे केंद्र से एक स्वतंत्र एक्सटर्नल वैलिडेशन कोहोर्ट ( $n=82$ ) का उपयोग किया गया। कोहोर्ट्स आयु, लिंग वितरण, BMI और क्रोनिक रोग व्यापकता में काफी भिन्न थे, जो एक कठोर परीक्षण प्रदान करते हैं।

सांख्यिकीय दृष्टिकोण:

समझौता विश्लेषण (Agreement Analysis): बिलांड-ऑल्टमैन प्लॉट्स (बायस और लिमिट्स ऑफ एग्रीमेंट), लिन के कॉन्सॉर्डेंस कोरिलेशन कोएफिशिएंट (CCC), और डेमिंग रिग्रेशन का उपयोग करके मूल्यांकन किया गया।
अंशांकन (Calibration): डेरिवेशन कोहोर्ट में मल्टीवेरिएबल लीनियर रिग्रेशन के माध्यम से डिवाइस-विशिष्ट अंशांकन समीकरण तैयार किए गए। प्रेडिक्टर्स में डिवाइस-व्युत्पन्न ASM, आयु, लिंग और BMI शामिल थे। इन समीकरणों को बिना किसी बदलाव के वैलिडेशन कोहोर्ट पर लागू किया गया।
वर्गीकरण विश्लेषण: $\ge$ 50 वर्ष आयु के प्रतिभागियों ( $\ge$ 50 years, $n=123$ ) के एक खोजपूर्ण विश्लेषण में, अध्ययन ने AWGS 2025 और EWGSOP2 कटऑफ का उपयोग करके लो-मसल-मास वर्गीकरण पर अंशांकन के प्रभाव का मूल्यांकन किया।
सबग्रुप विश्लेषण: क्रोनिक रोग स्थिति और BMI श्रेणियों के आधार पर बायस (bias) का परीक्षण किया गया।

मुख्य परिणाम

अनकैलिब्रेटेड समझौता (Uncalibrated Agreement): दोनों उपकरणों ने DXA के साथ मजबूत रैखिक सहसंबंध ( $r > 0.97$ ) दिखाया लेकिन खराब इंटरचेंजेबिलिटी प्रदर्शित की।
- BIA-A (सिंगल-फ्रीक्वेंसी): इसने $+1.60$ kg के औसत बायस के साथ ASM का व्यवस्थित रूप से अधिक आकलन (overestimate) किया (95% LoA: $-1.17 $से$ 4.38$)। इसने एक सकारात्मक आनुपातिक बायस दिखाया, यानी जैसे-जैसे मांसपेशी द्रव्यमान बढ़ता गया, इसने अधिक ओवरएस्टिमेट किया।
- BIA-B (मल्टी-फ्रीक्वेंसी): इसने छोटा औसत बायस ( $+0.34$ kg) दिखाया लेकिन एक नकारात्मक आनुपातिक बायस प्रदर्शित किया, जो उच्च मांसपेशी द्रव्यमान को कम आंकने (underestimate) की प्रवृत्ति रखता है।
- लिमिट्स ऑफ एग्रीमेंट (Limits of Agreement): BIA-A के लिए 95% LoA 5 kg से अधिक था, जो उच्च सहसंबंध के बावजूद पर्याप्त व्यक्तिगत-स्तर का असंतोष दर्शाते हैं।
अंशांकन प्रदर्शन (Calibration Performance):
- तैयार किए गए समीकरणों (जिसमें ASM, आयु, लिंग और BMI शामिल थे) ने एक्सटर्नल वैलिडेशन कोहोर्ट में त्रुटियों को काफी कम कर दिया।
- BIA-A: मीन एब्सोल्यूट एरर (MAE) $1.56$ kg से घटकर $0.97$ kg हो गया। $1.0$ kg या उससे कम के एब्सोल्यूट एरर वाले प्रतिभागियों का अनुपात $28.0\%$ से बढ़कर $61.0\%$ हो गया।
- BIA-B: MAE $1.35$ kg से घटकर $0.91$ kg हो गया। $1.0$ kg या उससे कम के एब्सोल्यूट एरर वाले प्रतिभागियों का अनुपात $39.0\%$ से बढ़कर $61.0\%$ हो गया।
- वैलिडेशन कोहोर्ट में कैलिब्रेशन स्लोप्स एकता (unity) के करीब थे (BIA-A के लिए $1.07$, BIA-B के लिए $0.98$), और BIA-B के लिए इंटरसेप्ट शून्य के सुसंगत थे, जो सफल एक्सटर्नल वैलिडेशन का संकेत देते हैं।
लो-मसल-मास वर्गीकरण पर प्रभाव:
- $\ge 50$ वर्ष के सबग्रुप में, अनकैलिब्रेटेड BIA-A ने DXA-परिभाषित लो-मसल-मास मामलों को $71.4\%$ मिस किया (सेंसिटिविटी $28.6\%$ )। अंशांकन ने सेंसिटिविटी को $71.4\%$ तक सुधारा और कप्पा (kappa) सांख्यिकी को $0.40 $से$ 0.68$ कर दिया।
- BIA-B ने बेहतर प्रारंभिक सेंसिटिविटी ( $66.7\%$ ) दिखाई, लेकिन अंशांकन ने विशिष्टता (specificity) और कप्पा को ($0.56 $से$ 0.69$) सुधारा।
- EWGSOP2 कटऑफ के तहत और ASM/BMI नॉर्मलाइजेशन का उपयोग करने पर भी समान सुधार देखे गए।
सबग्रुप बायस (Subgroup Bias): अनकैलिब्रेटेड बायस क्रोनिक रोग स्थिति और BMI द्वारा काफी भिन्न था। उदाहरण के लिए, BIA-B ने कम BMI समूहों में ASM का अधिक आकलन किया और उच्च BMI समूहों में कम आकलन किया। अंशांकन ने सांख्यिकीय रूप से महत्वपूर्ण सबग्रुप $\times$ डिवाइस इंटरैक्शन को समाप्त कर दिया, जिससे पता चलता है कि मॉडल ने बायस के प्राथमिक स्रोतों को पकड़ लिया है।

महत्व और दावे
लेखक निष्कर्ष निकालते हैं कि BIA और DXA के बीच प्रत्यक्ष इंटरचेंजेबिलिटी को नहीं माना जाना चाहिए क्योंकि इसमें व्यवस्थित, डिवाइस-विशिष्ट पूर्वाग्रह होते हैं जो डिवाइस की तकनीकी संरचना (सिंगल बनाम मल्टी-फ्रीक्वेंसी) पर निर्भर करते हैं। यह अध्ययन प्रदर्शित करता है कि डिवाइस-विशिष्ट अंशांकन समीकरण, जो मानक जनसांख्यिकीय और मानवमितीय (anthropometric) भविष्यवक्ताओं का उपयोग करते हैं, स्वतंत्र आबादी में BIA-व्युत्पन्न ASM को DXA-तुल्य स्केल पर व्याख्या करने में सक्षम बना सकते हैं।

पेपर इस बात पर जोर देता है कि हालांकि अंशांकन समझौता और लो-मसल-मास वर्गीकरण में सुधार करता है, वर्गीकरण के संबंध में परिणाम मुख्य रूप से खोजपूर्ण (explorary) और इन-सैंपल हैं क्योंकि 65 वर्ष से अधिक आयु के प्रतिभागियों की संख्या कम है। फलस्वरूप, लेखक कहते हैं कि इन निष्कर्षों को नैदानिक कार्यान्वयन से पहले समर्पित वृद्ध-वयस्क कोहॉर्ट्स में और अधिक मूल्यांकन की आवश्यकता है। यह अध्ययन वर्तमान सर्वसम्मति (जैसे, AWWS 2025) का समर्थन करता है कि विविध वाणिज्यिक BIA सिस्टम के लिए विधि-विशिष्ट कटऑफ और मानकीकृत गुणवत्ता आश्वासन ढांचे आवश्यक हैं, और जेनेरिक सुधार अपर्याप्त हैं।

दो रूलर जो सहमत नहीं होते

जादुई समाधान: कैलिब्रेशन (अंशांकन)

"लो मसल" मामलों को पकड़ना

इसका क्या अर्थ है (और क्या नहीं है)

इसी तरह के और पेपर