Resistance Training Improves Integrated Health-Related Fitness in University Students: A Phenotype-Based Longitudinal Analysis

Technische Samenvatting: Krachttraining verbetert geïntegreerde gezondheidsgerelateerde fitheid bij universiteitsstudenten: Een fenotype-gebaseerde longitudinale analyse

Probleemstelling
Gezondheidsgerelateerde fitheid (HRF) omvat zowel fysieke fitheid als lichaamssamenstelling, maar deze domeinen worden vaak afzonderlijk geanalyseerd of samengevat via eenvoudige samengestelde scores. Hoewel dergelijke methoden verschillen op groepsniveau beschrijven, falen ze in het vastleggen van hoe fitheid en lichaamssamenstelling binnen specifieke individuen in de loop van de tijd met elkaar interageren. Bestaande multivariate benaderingen behandelen fitheid en lichaamssamenstelling vaak als afzonderlijke profieldomeinen of vertrouwen op dwarsdoorsneden-ontwerpen (cross-sectionele designs). Bijgevolg is er een methodologische kloof in het classificeren van universiteitsstudenten in geordende, multidimensionale HRF-fenotypes die veldgebaseerde fitheidsmaten integreren met via bio-elektrische impedantieanalyse (BIA) verkregen lichaamssamenstelling, en in het volgen van longitudinale transities binnen deze geïntegreerde profielen.

Methodologie
Deze studie maakte gebruik van een secundaire analyse van gegevens uit een 16-weekse universiteitsbrede interventie voor lichaamsbeweging met 259 deelnemers (186 in een krachttraininggroep, 73 in een controlegroep). De studie maakte gebruik van een hiërarchisch Principes Component Analyse (PCA) framework gevolgd door K-means clustering om een geïntegreerd HRF-fenotypemodel te ontwikkelen.

1. Datareductie:

   • Fitheidsdomein: Vier veldgebaseerde testen (grijpkracht, gemodificeerde sit-ups, 20-m shuttle loop, zit-en-reik) werden via PCA gereduceerd tot een enkele component voor het fitheidsdomein (PC1), die 52,67% van de variantie verklaarde.
   • Lichaamssamenstellingdomein: Drie via BIA verkregen variabelen (vetmassa, vetpercentage, skeletspiermassa) werden gereduceerd tot een component voor het lichaamssamenstellingdomein (PC1), die 68,58% van de variantie verklaarde. Opmerking: Vetvariabelen werden vóór standaardisatie omgekeerd om ervoor te zorgen dat hogere scores gunstigere profielen reflecteerden.
   • Integratie: De twee domeinspecifieke PC1-scores werden gestandaardiseerd en ingevoerd in een finale PCA om een enkele "Geïntegreerde HRF-score" te genereren, die 84,02% van de totale variantie verklaarde.

2. Fenotype Classificatie:

   • K-means clustering ($K=3$) werd toegepast op de baseline Geïntegreerde HRF-scores om deelnemers te classificeren in drie geordende fenotypes: Laag ($n=90$), Matig ($n=99$) en Hoog ($n=70$).
   • De validiteit van de clusters werd beoordeeld met behulp van interne indices (silhouette coefficient, Calinski–Harabasz, Davies–Bouldin), en de stabiliteit werd bevestigd via 500 iteraties van herhaalde subsampling (gemiddelde Adjusted Rand Index = 0,917).

3. Longitudinale Analyse:

   • Follow-up beoordelingen na 16 weken werden verwerkt met behulp van de baseline PCA-loading matrices en standaardisatieparameters om vergelijkbaarheid te garanderen.
   • Fenotype-transities werden gecategoriseerd als Verbeterd (beweging naar een hoger fenotype), Stabiel (blijven in hetzelfde fenotype) of Gedaald (beweging naar een lager fenotype).
   • De statistische analyse omvatte lineaire mixed-effects modellen om groep-tijd interacties te beoordelen en de Bowker-test voor symmetrie om de asymmetrie van transities te evalueren.

Belangrijkste Resultaten

• Distinctiviteit van Fenotypes: De drie geïdentificeerde fenotypes vertoonden duidelijke, gegradeerde verschillen over alle invoervariabelen. Het Hoge fenotype vertoonde superieure spierkracht, uithoudingsvermogen, cardiorespiratoire fitheid en skeletspiermassa, evenals een lagere adipositas (vetophoping), vergeleken met het Lage fenotype. Opvallend genoeg verschilde de Body Mass Index (BMI) niet significant tussen de fenotypes, terwijl het vetpercentage en de skeletspiermassa dat wel deden, wat de beperkingen van BMI benadrukt bij het onderscheiden van fitheidsprofielen.
• Interventie-effecten: Krachttraining verbeterde de continue Geïntegreerde HRF-score significant vergeleken met de controlegroep (Groep $\times$ Tijd interactie: $\beta = 0,139$, 95% BI 0,047–0,230, $p=0,003$).
• Fenotype Transities: Gedurende de 16-weekse periode bleef de meerderheid van de deelnemers (89,1%) in hun baseline fenotypecategorie. Echter, een subset vertoonde opwaartse transities: 9,7% van de totale steekproef verbeterde naar een hoger fenotype, terwijl slechts 1,2% daalde.
• Asymmetrie: De Bowker-test gaf een significante asymmetrie aan in de transities ($\chi^2 = 17,37$, $p < 0,001$), met een directionele bias naar opwaartse beweging in plaats van neerwaartse daling.
• Stabiliteit: De clusteringoplossing vertoonde een hoge robuustheid, waarbij 99,1% van de deelnemers in de krachttraininggroep en 93,2% in de controlegroep hun fenotype-status behielden, wat suggereert dat hoewel individuele variabelen kunnen veranderen, het algemene multidimensionale profiel relatief stabiel is over korte tot middellange perioden.

Betekenis en Claims
De auteurs stellen dat deze studie succesvol een hiërarchisch PCA-gebaseerd framework heeft ontwikkeld dat veldgebaseerde fitheid en lichaamssamenstelling integreert in een verenigd, interpreteerbaar fenotypemodel. De primaire betekenis ligt in de verschuiving van de analytische focus van geïsoleerde componentveranderingen naar geïntegreerde multidimensionale profielen.

Het artikel stelt het volgende:

1. Geïntegreerde Beoordeling: Het combineren van fitheid en lichaamssamenstelling via hiërarchische PCA maakt de identificatie van geordende HRF-profielen (Laag, Matig, Hoog) mogelijk die informatiever zijn dan geïsoleerde metrieken of eenvoudige BMI-categorisering.
2. Complementaire Perspectieven: Continue veranderingen in de Geïntegreerde HRF-score (gedetecteerd door lineaire mixed models) en categorische fenotype-transities (gedetecteerd door clustering) bieden complementaire inzichten in de adaptatie aan lichaamsbeweging. De studie laat zien dat significante fysiologische verbeteringen kunnen optreden, zelfs wanneer een individu niet de drempel overschrijdt naar een nieuw fenotype.
3. Precisie-oefening: Dit framework vormt een basis voor "precisie-beoordeling van lichaamsbeweging", wat potentieel kan helpen bij het onderscheiden van studenten met ongunstige multidimensionale profielen die gerichte interventies kunnen vereisen, zelfs als hun BMI of een enkele fitheidstest normaal lijkt.

De auteurs hanteren een bescheiden standpunt door op te merken dat het framework een instrument voor vroege fase-beoordeling is dat externe validatie vereist in diverse populaties (bijv. klinische, atletische, oudere volwassenen) en dat de duur van 16 weken mogelijk onvoldoende was voor veel deelnemers om de omvang van verandering te bereiken die nodig is voor transities op fenotype-niveau. Zij benadrukken dat deze studie een profileringsmethode beschrijft in plaats van een voorspellend model voor fenotypeverandering.