Почему калькуляторы калиперометрии могут вводить в заблуждение и как считать погрешность

В мире нутрициологии и диетологии калиперометрия остается одним из самых доступных методов оценки состава тела. Это дёшево, быстро и не требует сложного оборудования. Однако в погоне за цифрой мы часто забываем о том, что любой калькулятор в интернете — это всего лишь код, написанный программистами, а не врачами. И код этот опирается на формулы, которые далеко не всегда применимы к вашему конкретному клиенту.

Давайте разберемся, почему цифра, которую выдает очередной онлайн-калькулятор, может вводить в заблуждение, и почему для серьезной работы нам нужны другие инструменты.

Ловушка популяции: ограничения популярных формул (Durnin-Womersley, Jackson-Pollock, US Navy)

Самая распространенная формула для расчета процента жира — Durnin-Womersley (1974). Ее построили на выборке шотландских рабочих. Это были мужчины и женщины от 16 до 72 лет, преимущественно с нормальным телосложением и европеоидной внешности. На момент публикации авторы были абсолютно честны: «вот наша выборка, вот формула, она работает для таких людей» [1].

Но за прошедшие полвека эта формула расползлась по всему интернету и стала восприниматься как универсальная. А она не универсальна.

У азиатов она даёт систематическое смещение. У афроамериканцев — тоже. У людей с очень высоким или очень низким процентом жира — мажет сильнее, чем у людей среднего телосложения.

Вторая по популярности формула — Jackson-Pollock 7 точек (1978/1980). Она точнее, так как выборка была шире, и валидировалась она чаще [2, 3]. Но ограничения те же: в основном европеоидная популяция, взрослые люди и средний диапазон процента жира.

Третья формула — US Navy (Hodgdon-Beckett, 1984). Она построена на американских военных и использует обхваты шеи, талии и бёдер [4]. Ее точность примерно такая же (±3–5%), но есть важное преимущество — воспроизводимость. Складки сильно зависят от того, как именно вы взяли кожу, как сжали калипер и как быстро отпустили. Окружности же такой вариативности не дают. Если вы измерите человека дважды, разброс при использовании обхватов будет меньше, чем при использовании складок.

Важно понимать: все эти методы дают точность ±3–5% относительно DXA (рентгеновской денситометрии). Это не «оценка жира в организме», это «оценка оценки жира в организме».

Зона невалидности: почему стандартные методы не работают для детей и пожилых

Здесь начинается самое неприятное. Онлайн-калькуляторы часто слепо применяют формулы к тем группам людей, для которых эти формулы вообще не валидировались.

Дети. Для них часто используют формулу Slaughter (1988). Проблема в том, что у детей с ожирением она систематически переоценивает процент жира на 6–12 процентных пункта [5, 6]. Плюс она игнорирует стадии полового созревания по Таннеру (а это критично), потому что у 10-летнего и 15-летнего при одинаковой складке под лопаткой процент жира будет разным из-за гормонального фона.

Формула Brook (1971) — тоже для детей. Ее выборка — 23 человека. Двадцать три. Это не выборка для валидации, это разминка [7]. Удивительно, что на нее до сих пор кто-то ссылается.

Пожилые. После 65 лет меняется распределение жира: подкожного становится меньше, висцерального — больше. Это не предположение, а устойчивая возрастная закономерность, описанная в обзорах [8]. Формулы, рассчитанные на людей среднего возраста, этого не знают. Они видят тонкую складку на животе и показывают «15% жира», хотя реальный процент может быть 25%, так как жир ушел внутрь. Формула Visser (1994) для пожилых имеет остаточное смещение, которое не уменьшает ошибку, а добавляет ее [9]. Валидированных формул для этого возраста мало, и каждая требует осторожного применения.

Метод «среднего арифметического»: иллюзия точности при смешивании методик

Некоторые сайты идут на хитрость: считают процент жира по методу Durnin-Womersley, затем по методу US Navy, а потом берут среднее арифметическое и подписывают «среднее по двум методам». Звучит логично, но на практике абсолютно неработающая идея.

Эти методы измеряют разные вещи. Складки — это подкожный жир в конкретных точках. Окружности — это геометрия тела. Когда вы берете среднее между «подкожный жир 12%» и «геометрия тела 18%», вы получаете не «уточненное значение 15%», а некое третье число, не имеющее физического смысла. Это как усреднить температуру тела и артериальное давление, чтобы получить «общий показатель здоровья».

Если человек худой по складкам, но имеет широкую талию (например, некоторые азиатские популяции с преимущественно висцеральным жиром), усреднение скроет обе правды: и то, что подкожного жира мало, и то, что висцерального много.

Слепое пятно ИМТ: миф об ожирении у спортсменов

Индекс массы тела (вес, деленный на рост в квадрате) придуман бельгийским математиком Адольфом Кетле в XIX веке для оценки популяционных данных. Для общей популяции он работает. Для спортсменов — не очень.

Бодибилдер весом 98 кг при росте 178 см имеет ИМТ 30,93. По классификации ВОЗ это «ожирение I степени». При этом процент жира у него может быть 7–8%. Мышцы (а точнее саркоплазма в них) тяжелее жира, поэтому у людей с развитой мускулатурой ИМТ почти всегда завышен. Это подтверждается исследованиями: ИМТ некорректно классифицирует спортсменов, как «страдающих ожирением» из-за высокой мышечной массы [10, 11].

В спортивной медицине ИМТ не используется вообще, а в клинической — используется с оговоркой «для оценки популяционного риска, не индивидуального».

Отсутствие данных для возрастных крайностей

Валидированных формул для возраста младше 16 и старше 65 практически нет. Для детей и пожилых стандартные двухкомпонентные модели (2C) могут систематически переоценивать процент жира [12]. А онлайн-калькуляторы всё равно считают. Восьмидесятилетнему пациенту показывают «процент жира 22%», не думая о том, что эта цифра получена по формуле, построенной на тридцатилетних.

Главная находка: как показатель TEM (Technical Error of Measurement) помогает проверить точность ваших рук

Если мы признаем, что калиперометрия — это метод с высокой вариативностью, возникает закономерный вопрос: как оценить качество самого замера? Здесь на сцену выходит TEM — техническая ошибка измерения.

Стандартная формула TEM в антропометрии (ISAK) рассчитывается для группы объектов, каждый из которых измеряется несколько раз. Но в реальной практике у нас нет группы. У нас есть один клиент и один специалист. И нам нужна метрика, которая покажет, насколько стабильно мы измеряем именно этого человека в рамках одной сессии [13, 14].

По сути, это коэффициент вариации: стандартное отклонение делить на среднее, умножить на 100%.

Сколько раз делать повторные замеры?

Классическая идея — сделать 7–8 замеров и отбросить крайние значения. Но если вы делаете восьмой замер одной и той же складки, вы уже механически запоминаете предыдущие цифры. Вы невольно начинаете подгонять результат. Это ломает основное допущение метода о независимости измерений.

Кроме того, диетолог не может себе позволить тратить на пациента большое количество времени. Поэтому оптимальный компромисс — от 2 до 5 замеров. При пяти замерах отбрасывать крайние значения — это терять 40% данных, что слишком дорого. При шести и более замерах — программа должна просто отказаться считать.

Какие пороги использовать?

Классические пороги ISAK Level 1: для складок — 7,5%, для обхватов — 1,5%. Это ориентиры для профессионального антропометриста [14].
Плюс мы добавили собственный порог «высокой точности» для складок — 3,0%.

Логика оценки проста: при нормальном разбросе система ставит «галочку», при идеальной точности — «звездочку», а при высокой погрешности выдаёт предупреждение и рекомендует перемерить. Это простой, но эффективный фильтр, который показывает мастерство антропометриста и защищает статистику от некачественных данных.

Заключение

Медицинский инструмент не имеет права быть «примерно правильным». Если специалист не может обосновать выбор формулы или объяснить происхождение цифры, то эти данные не должны попадать в итоговое заключение. Необоснованное предупреждение наносит клиенту не меньший вред, чем ошибочный расчет — оно лишь звучит мягко.

Мы должны честно говорить клиенту: «Этот метод оценивает только подкожный жир, он не видит висцеральный. У этого метода погрешность плюс-минус 4%. И да, ваш замер был сделан не очень стабильно, судя по показателю TEM».

Только такой подход отличает серьезный клинический инструмент от любительского скрипта для галочки.

Список литературы:

1. Durnin J.V.G.A., Womersley J. Body fat assessed from total body density and its estimation from skinfold thickness: measurements on 481 men and women aged from 16 to 72 years. British Journal of Nutrition. 1974;32(1):77–97. DOI: 10.1079/bjn19740060.
2. Jackson A.S., Pollock M.L. Generalized equations for predicting body density of men. British Journal of Nutrition. 1978;40(3):497–504. DOI: 10.1079/bjn19780152.
3. Jackson A.S., Pollock M.L., Ward A. Generalized equations for predicting body density of women. Medicine & Science in Sports & Exercise. 1980;12(3):175–181.
4. Hodgdon J.A., Beckett M.B. Prediction of percent body fat for U.S. Navy men from body circumferences and height. Report No. 84-11. San Diego, CA: Naval Health Research Center; 1984. (Technical Report).
5. Slaughter M.H., Lohman T.G., Boileau R.A., et al. Skinfold equations for estimation of body fatness in children and youth. Human Biology. 1988;60(5):709–723. PMID: 3224965.
6. Freedman D.S., Horlick M., Berenson G.S. A comparison of the Slaughter skinfold-thickness equations and BMI in predicting body fatness and cardiovascular disease risk factor levels in children. American Journal of Clinical Nutrition. 2013;98(6):1417–1424. DOI: 10.3945/ajcn.113.065961.
7. Brook C.G.D. Determination of body composition of children from skinfold measurements. Archives of Disease in Childhood. 1971;46(246):182–184. DOI: 10.1136/adc.46.246.182. PMID: 5576028.
8. Kuk J.L., Saunders T.J., Davidson L.E., Ross R. Age-related changes in total and regional fat distribution. Ageing Research Reviews. 2009;8(4):339–348. DOI: 10.1016/j.arr.2009.06.001.
9.  Visser M., van den Heuvel E., Deurenberg P. Prediction equations for the estimation of body composition in the elderly using anthropometric data. British Journal of Nutrition. 1994;71(6):823–833. DOI: 10.1079/bjn19940189.
10.  Ode J.J., Pivarnik J.M., Reeves M.J., Knous J.L. Body mass index as a predictor of percent fat in college athletes and nonathletes. Medicine & Science in Sports & Exercise. 2007;39(3):403–409. DOI: 10.1249/01.mss.0000247008.19127.3e.
11.  Etchison W.C., Bloodgood E.A., Minton C.P., et al. Body mass index and percentage of body fat as indicators for obesity in an adolescent athletic population. Sports Health. 2011;3(3):249–252. DOI: 10.1177/1941738111404655.
12. Heyward V.H., Wagner D.R. Applied Body Composition Assessment. 2nd ed. Champaign, IL: Human Kinetics; 2004.
13. Perini T.A., Oliveira G.L., Ornellas J.S., Oliveira F.P. Technical error of measurement in anthropometry. Revista Brasileira de Medicina do Esporte. 2005;11(1):81–90. DOI: 10.1590/S1517-86922005000100009.
14. ISAK. International Standards for Anthropometric Assessment. International Society for the Advancement of Kinanthropometry; 2001.