Effect of Physical Fitness on Body Mass Index through Artificial Intelligence in South Chinese College Students from 2013 to 2025
Deze studie analyseert gegevens van meer dan 83.000 Chinese studenten uit de periode 2013 tot 2025 om aan te tonen dat fysieke fitheidsindicatoren sterk geassocieerd zijn met de Body Mass Index en dat een XGBoost machine learning-model effectief de BMI kan voorspellen, waarbij optrekken, vitale capaciteit en langlopend hardlopen zijn geïdentificeerd als belangrijke voorspellende kenmerken.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Stel je je lichaam voor als een high-performance auto. Jarenlang wisten monteurs al dat als de motor hapert (slechte conditie) of de auto wordt belast door te veel lading (overtollig lichaamsvet), het voertuig niet soepel zal rijden. Maar wat als je precies zou kunnen voorspellen hoe zwaar die lading is, alleen maar door naar de motor te luisteren, de banden te controleren en te zien hoe snel de auto versnelt? Dit is de kern van een nieuwe studie die zich op het snijvlak van lichamelijke opvoeding en informatica bevindt. Het stelt een eenvoudige vraag: kunnen we het Body Mass Index (BMI) van een student raden op basis van hun prestaties op standaard gymlessen? BMI is een veelgebruikte manier om te meten of iemand ondergewicht, gezond, overgewicht of obees is, berekend door het gewicht te vergelijken met de lengte. Hoewel we weten dat zwaar zijn het moeilijker maakt om te rennen of te springen, is het exacte recept van hoe verschillende fysieke vaardigheden samenkomen om iemands lichaamssamenstelling te onthullen, een beetje een mysterie geweest. Nu gebruiken wetenschappers "Artificiële Intelligentie" (AI) — denk aan een super slimme digitale detective die verborgen patronen kan opsporen in enorme bergen data — om dit puzzelstukje op te lossen.
Deze studie, uitgevoerd door onderzoekers van Shenzhen University en Louisiana State University, besloot de computerdetective het zware werk te laten doen. Ze verzamelden gegevens van een enorme groep van 83.664 eerstejaars studenten in Zuid-China, verspreid over de periode 2013 tot 2025. Dat is alsof je een gigantisch stadion vult met studenten en hen dezelfde zes fysieke tests laat doen: in een buis blazen om de longcapaciteit te meten, voorwaarts springen vanuit stilstand, voorover buigen om de tenen aan te raken, 50 meter sprinten, een lange afstand hardlopen (800 meter voor meisjes, 1.000 meter voor jongens), en ofwel optrekken (voor jongens) of sit-ups doen (voor meisjes). De onderzoekers voerden deze resultaten vervolgens in vier verschillende AI-modellen in om te zien welk model het beste de BMI-categorieën van de studenten kon voorspellen.
De resultaten waren als het vinden van een gouden sleutel. De AI raadde niet alleen; de AI leerde. Het beste model, een geavanceerd algoritme genaamd XGBoost, slaagde erin om de BMI-categorie van een student te voorspellen met een nauwkeurigheid van ongeveer 75% voor jongens en 83% voor meisjes. Dit suggereert dat fysieke fitheid en lichaamsgewicht nauw met elkaar verbonden zijn, zoals twee tandwielen die samen draaien. Maar de echte magie zat in het zien van welke tests het belangrijkst waren. Voor de mannelijke studenten was de optrektest de superster, die fungeerde als de belangrijkste enkele aanwijzing. Deze was verantwoordelijk voor bijna de helft (45,27%) van het vermogen van de AI om een correcte gok te maken. Dit is logisch, omdat een optrekbeweging een "gewichtdragende" oefening is; je moet je hele lichaam tegen de zwaartekracht in tillen. Als je extra gewicht meedraagt, wordt het aanzienlijk moeilijker om ze te doen, dus het aantal optrekken dat een jongen kan doen, is een enorme hint over zijn lichaamsmassa.
Voor de vrouwelijke studenten was het verhaal meer een teaminspanning waarbij geen enkele speler domineerde. In plaats van één test die de leiding nam, vond de AI dat de longcapaciteit (vitale capaciteit) en de langeafstandslop de topdetectives waren, die samen met de andere tests werkten om de BMI te achterhalen. Interessant genoeg was de sit-up test, die de kracht van de romp meet, niet zo' een grote aanwijzing voor meisjes als de optrektest voor jongens. De onderzoekers suggereren dat dit kan komen doordat sit-ups zich richten op een specifieke spiergroep in plaats van het hele lichaamsgewicht te verplaatsen, en omdat de meeste meisjes in de studie al in een gezond gewichtsbereik vielen, waardoor het voor de AI moeilijker was om verschillen te ontdekken.
De studie keek ook naar hoe verschillende soorten hardlopen ertoe deden. De langeafstandslop was een veel sterkere aanwijzing voor BMI dan de korte 50-meter sprint. Denk er zo over na: sprinten is als een snelle uitbarsting van explosieve energie, die niet zoveel geeft om hoe zwaar je bent. Maar langdurig hardlopen is als urenlang een zware rugzak dragen; hoe zwaarder je bent, hoe meer het je vertraagt. De AI pikte dit op en liet zien dat uithoudingsvermogen een betere indicator is voor lichaamssamenstelling dan pure snelheid.
Hoewel de AI erg goed was in het raden, was het niet perfect. Het was erg goed in het identificeren van studenten met een "normaal" gewicht, maar het had soms moeite met het herkennen van de zeer kleine groep studenten met ondergewicht of extreem overgewicht. Dit komt waarschijnlijk doordat er simpelweg veel meer studenten met een gezond gewicht in de data zaten, waardoor het voor de computer moeilijker was om de patronen voor de kleinere groepen te leren. De onderzoekers merken er voorzichtig bij op dat deze studie een sterke verbinding, of associatie, tussen fitheid en gewicht aantoont, maar het bewijst niet dat het ene het andere veroorzaakt. Het is als het zien dat wolken en regen vaak samen voorkomen; de AI ziet het patroon, maar vertelt ons niet welk van de twee de storm heeft veroorzaakt.
Uiteindelijk suggereert dit onderzoek dat de routineuze fysieke tests die studenten al op school doen, meer zijn dan alleen cijfers op een rapportcijferlijst. Het zijn krachtige, praktische instrumenten. Als een student moeite heeft met optrekken of langeafstandslopen, kan dat een vriendelijke, vroege waarschuwing zijn dat de lichaamssamenstelling aandacht nodig heeft. Door deze eenvoudige tests te gebruiken en AI te laten helpen bij het interpreteren van de resultaten, kunnen scholen potentieel gewichtsproblemen vroegtijdig opsporen en studenten aanmoedigen om kracht en uithoudingsvermogen op te bouwen, zodat hun "auto's" nog jarenlang soepel blijven rijden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.