Quantifying the Error in Body Composition Assessment: The Influence of Criterion Method Selection
本研究表明，在将皮褶厚度推算的体脂百分比与实验室方法进行比较时所观察到的显著误差，实际上很大程度上归因于不同标准技术本身之间的变异性，而非皮褶厚度方法固有的局限性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图测量一大碗正在旋转翻滚的浓汤中确切的含糖量。你不能直接把它舀出来称重，因为那样会破坏这碗汤，所以科学家们发明了一些聪明的技巧来猜测糖分水平。有些人使用一种特殊的勺子来测量汤有多重（密度），另一些人则向其中发送微小的、安全的电流，观察它的导电能力如何（阻抗），还有一些人使用一台超级精确的X光机来观察内部的成分。这些就是科学家通常信任的“实验室方法”。但对于普通人来说，随身携带一个巨大的汤碗和一台X光机是不切实际的。因此，我们使用更简单的技巧，比如捏一下手臂上的皮肤，看看“脂肪层”有多厚（皮褶）。核心问题在于：“我们的简单一捏，与那台高级实验室机器相比，究竟有多接近？”几十年来，我们一直假设实验室机器是完美的真理讲述者，而捏肉产生的任何差异都是因为“捏肉”做得不好。但如果那个真理讲述者其实并没有讲述唯一的真相呢？
这项由阿拉巴马大学及其他机构的研究人员领导的研究，决定对这个假设进行测试。他们收集了87名健康成年人的数据，并使用简单的皮褶捏肉法测量了他们的体脂率。然后，他们不仅将其与一种高级机器进行比较，而是同时与四种不同的高科技实验室方法进行了比较：水中称重法、生物阻抗谱法（电击）、DXA扫描（X光）以及一个结合了所有这些方法的超级复杂的“四分量”模型。研究人员想要看看，我们看到的“误差”究竟是皮褶捏肉法的错，还是仅仅因为那些高级机器都在对同一个人讲述略有不同的故事。
这就是论文揭示的转折点：并不是只有皮褶捏肉法在算错账。那些高级机器之间也在互相争论！当研究人员查看数据时，他们发现皮褶法测得的平均体脂率约为18.0%。但高级机器给出的答案却各不相同：水中称重法说是22.3%，电击法说是23.0%，X光法说是26.2%，而那个超级复杂的模型说是21.6%。机器之间的差距竟然如此之大！
研究人员进行了严密的数学计算，以找出谁该为这种分歧负责。他们发现，高级机器自身之间的差异解释了我们通常归咎于皮褶捏肉法的总误差中的极大一部分——高达40%到60%。换句话说，如果你认为皮褶法比“标准值”低了5%，那么这其中的2到3个百分点可能仅仅是因为你用来对比的那个“完美”机器本身也由于其独特的局限性而存在偏差。这就像是通过将一个廉价的厨房秤与一个高端秤进行比较来判断其准确性，结果却发现那个高端秤的校准方式也与第三个更高级的秤不同。
这项研究表明，我们需要停止将任何单一的实验室方法视为永不犯错的绝对“金标准”。每种方法，即使是昂贵的方法，都有其自身的盲点和假设。作者发现，皮褶法与所有这些高级方法都具有很强的相关性（这意味着它能很好地追踪趋势），但具体的数值会根据你使用哪台机器作为标尺而发生偏移。
那么，这对你意味着什么呢？如果你正在追踪自己的健身或健康状况，这篇论文建议，追求一个单一的、完美的数字是一件徒劳的事。与其纠结于你的体脂率究竟是精确的18.0%还是22.3%，不如选择一种方法并长期坚持使用。如果你每月都进行皮褶捏肉测量，你可以看到数字是在上升还是下降，而这种趋势往往比寻找那个“真实”的数字更有意义且更有帮助。研究结论指出，我们在身体成分中看到的“误差”不仅仅是简单工具的缺陷；它往往只是由这样一个事实产生的噪音：即便是我们最先进的工具，彼此之间也无法达成完美的统一。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。