Tout le monde cherche à connaitre son fameux pourcentage de gras. Plusieurs méthodes de mesure de la composition corporelle sont désormais accessibles. Cependant, les valeurs qu'elles donnent sont-elles valides ? Que faire avec les résultats ? Peut-on aller plus loin que le simple pourcentage de gras ? Cette conférence vous permettra de bien maîtriser les concepts essentiels de l'analyse de la composition corporelle. Vous comprendrez les principes derrières les méthodes de mesure les plus populaires et vous pourrez mieux exploiter les résultats pour vous et vos clients.
1. Analyse de la composition corporelle
Comment s’y retrouver?
Par Maxime St-Onge, Phd
2. Introduction
Beaucoup de gens
souhaitent déterminer
leur composition
corporelle.
Malheureusement, bien peu
s’y prennent
adéquatement.
3
3. Modèles d’analyse de la composition corporelle
3 Compartiments (3C)
Compartiments
• On divise le corps humain
en compartiments
• Le nombre de
compartiments est fonction
des capacités de mesure Masse Osseuse Masse Maigre Masse Grasse
2 Compartiments (2C) 4 Compartiments (4C)
Masse osseuse Masse musculaire
4
Masse Maigre Masse Grasse Masse viscérale Masse grasse
4. La masse grasse
• Est composée de
– Triglycérides
– Cholestérol
– Phospholipides
• On suppose une densité
constante de 0.9007 g/cm³
5
5. La masse maigre
• Est composée:
– Du squelette
– Des organes
– Des muscles
• N’est pas de composition
uniforme
• On suppose une densité
moyenne 1.1 g/cm³
6
6. Variation de la masse maigre
Compartiments de la masse maigre
Masse Volume à 36oC Densité à % masse Variation
Compartiment1
(g) (ml) 36oC (g/ml) maigre (±écart-type)
Eau 624.3 628.2 0.99371 73.72 3.8
Protéine 164.4 122.7 1.34 19.41 3.2
Minéraux (osseux) 47.7 16.0 2.982 5.63 0.8
Minéraux (non-
10.5 3.2 3.317 1.24 1.5
osseux)
Total 846.9 770.1 1.1 100.0 9.3%
1Pour ~1 kg de masse maigre
7
7. Avant de juger…
Il n’existe pas de mauvaise
méthode, seulement de
bonnes méthodes mal
utilisées…
8
8. Hydrodensitométrie (2C)
Principe
• Mesure du volume du corps humain par
le déplacement de l’eau
• Permet de déterminer la densité
Densité = Masse / Volume
• Volume = (Poidsair- Poidseau) / Densitéeau
• On obtient la composition corporelle par
conversion (Siri, Brozeck, etc.)
Limites
• Dépend de la mesure du poids et du volume
résiduel (1-2L) . Erreur combinée 2%
• Considère la masse maigre comme constante
9
9. Plethysmographie par déplacement d’air (2C)
Principe
• Mesure du volume du corps humain par le
déplacement de l’air
• Permet de déterminer le volume corporel
Volume = Volume brute – correction surface
corporelle + 40% (Volume poumons)
• On obtient la composition corporelle par
conversion
Limites
• Dépend de la mesure du poids et du volume
résiduel (1-2L). Erreur combinée 1-3%
• Considère la masse maigre comme constante
10
10. Absorption bi-photonique-DXA (3C)
Principe
• Mesure de la densité par pixellisation du
corps humain
• Détermine la fraction de masse maigre
non osseuse, masse grasse, masse
osseuse
• Détermine le volume et le poids
Limites
• Dépend des valeurs de références
pour les compartiments. Erreur 1-3%
• L’épaisseur du participant influence
la mesure (≥25 cm)
11
11. Bioimpédance (2C)
Principe
• Est basée sur la relation entre le composition
corporelle et la teneur en eau du corps
• Les propriétés de passage d’un courant
électrique (1 fréquence ou plusieurs)
déterminent l’impédance
(résistance, réactance)
• Il faut convertir les valeurs à l’aide
d’équations pour obtenir la composition
corporelle
Limites
• Dépend de l’appareil, des équations et du
niveau d’hydratation. Erreur 3-6%
• Très difficile de détecter le changement
12
12. Utrason (2C)
Principe
• Croisement entre la bioimpédance et
l’anthropométrie
• Utilise l’impédance sonore pour
déterminer l’épaisseur adipeuse d’un
site
• Les valeurs doivent être converties à
l’aide d’équations
Limites
• Grande variation intra-observateur
• Variation importante selon l’équipement
utilisé
13
13. Anthropométrie (2C)
Principe
• Mesure de valeurs anthropométriques
(plis, circonférences, largeurs, etc.)
• Est utilisée pour prédire la composition
corporelle
• Les valeurs doivent être converties à
l’aide d’équations
Limites
• Grande variation intra-observateur
• Importance de la technique et du
contrôle de mesure
14
14. Procédures et précautions
Procédures
• Avoir une feuille de collecte de
données appropriée
• S’assurer de conditions de
mesure standards
• S’assurer du bon fonctionnement
des équipements
15
15. Le poids
Précautions
• Mesure apparemment
simple, mais souvent source
d’erreur
• Doit être complétée dans des
conditions standardisées
• Sources d’erreur:
– Poids des aliments et de l’eau
dans le système digestif
(1L d’eau = 1kg)
– Pèse-personne non calibré
16
16. La stature
Plan de Frankfurt Type
• Assise ou couché
Personnes invalides, nouveau-nés
• Debout au repos
Tête alignée selon le plan de Frankfurt
Mesure prise à la fin d’une inspiration
forcée
• Debout étiré
Le participant doit s’étirer le plus
possible en conservant les bras
allongés
Mesure dans le plan de Frankfurt
Mesure critique pour la bioimpédance! 17
(plan oriculo-orbital)
17. Les circonférences
• Sont utilisées en valeurs
absolues (circonférence de la
taille) et en valeurs converties
(composition corporelle)
• Le ruban doit être parallèle au
segment/tronc mesuré
• Lecture en croisé sur le ruban
(préférablement à 10cm)
18
18. Les largeurs
• Sont utilisées en valeurs
absolues (ossature) et en
valeurs converties (composition
corporelle, surface musculaire)
• Les mandibules du vernier
doivent être en contact avec
l’os
19
19. Les plis cutanés
• Sont utilisés en valeurs absolues
(somme des plis), mais surtout en
valeurs converties (composition
corporelle)
• Mesure de la double couche
adipeuse sous-cutanée
• Adipomètre doit exercer une
pression de 10g/cm² et indiquer
avec justesse l’épaisseur en mm 20
20. Plis cutanés: Technique de prise
• Le dos de la main de prise
doit faire face à
l’évaluateur
• Le pli est effectué à l’aide
du pouce et de l’index
• Doit uniquement inclure
la double couche de
tissus adipeux
21
21. Plis cutanés: Technique et localisation
• IMPÉRATIF d’avoir recours
à des repères anatomiques
• La tête des mandibules est
appliquée latéralement à
1cm du repère
anatomique et à une
profondeur de 0.5cm
• L’appareil demeure
perpendiculaire au pli
22
22. Plis cutanés: Technique et mesure
• La gâchette est
progressivement
complètement relâchée
• La lecture est effectuée
environ 2s après le
relâchement complet
• 3 mesures non consécutives
de chaque pli sont
complétées
23
26. Le % de gras
Inutile ou presque…
• Probablement la pire valeur
pour analyser et comparer
la composition corporelle
• Pourtant, la valeur la plus
populaire et la plus
demandée
27
29. Analyse transversale
• Permet de situer un
individu en fonction de
normes ou de critères
• Donne un bilan ICI et
MAINTENANT
30
30. Niveau de risque associé à l’IMC et à la circonférence de la taille
Circonférence de la taille
Catégorie IMC Homme <102 cm Homme > 102 cm
Femme < 88 cm Femme > 88 cm
Poids insuffisant < 18.5 - -
Poids
18.5 – 24.9 - -
normal
Surpoids
léger 25.0 – 27.0 Risque accru Risque élevé
Surcharge pondérale 27.1 – 30.0 Risque accru Risque élevé
Obésité de type 1
30.1 – 35.0 Risque élevé Risque très élevé
Obésité de type 2
35.1 – 40 Risque très élevé Risque très élevé
Obésité morbide
40 Risque critique Risque critique
Tiré du National Institute of Health (NIH) et du National Heart, Lung and Blood Institute,
1998 31
31. Surface musculaire brachiale
Utilité
• Est un indicateur de la masse
musculaire
• Tient compte du squelette et
de la masse grasse
((CIR biceps relax/3.1416-PCtriceps/100)²)-0.3 x LR coude
32
32. Surface musculaire fémorale
Utilité
• Est un indicateur de la masse
musculaire
• Tient compte du squelette et
de la masse grasse
0.649 x ((CIR mi cuisse/3.1416-PC mi-cuisse/100)²)-0.3 x LR genou
33
33. Percentiles pour la composition corporelle
Femmes (19 à 61 ans, n =80)
Variables 10 20 30 40 50 60 70 80 90
% de masse grasse 18.4 23.3 25.2 26.5 28.3 31.7 34.8 36.7 42.7
Indice de Masse grasse (kg/m²)
3.60 4.82 5.29 5.73 6.38 7.57 9.12 10.02 12.81
Indice de Masse maigre (kg/m²)
14.66 15.07 15.75 16.05 16.62 17.16 17.61 18.18 19.69
Hommes (18 à 66 ans, n =75)
% de masse grasse 14.2 17.0 18.8 20.3 21.8 22.7 23.7 26.3 29.7
Indice de Masse grasse (kg/m²) 3.46 3.97 4.67 5.15 5.46 5.83 6.41 7.32 8.89
Indice de Masse maigre (kg/m²)
18.17 19.03 19.30 19.91 20.27 20.59 21.47 21.99 22.88
Filles (12 à 18 ans, n =26)
% de masse grasse 19.5 20.2 22.4 25.5 26.3 27.9 30.0 31.3 33.1
Indice de Masse grasse (kg/m²) 3.63 4.13 4.79 5.24 5.59 6.51 7.08 7.70 8.58
Indice de Masse maigre (kg/m²)
14.52 15.09 15.30 15.70 16.01 16.51 16.87 17.26 18.27
Garçons (12 à 18 ans, n =21)
% de masse grasse 10.0 11.2 12.1 12.8 14.8 17.5 24.8 29.2 30.0
Indice de Masse grasse (kg/m²) 1.89 2.26 2.35 2.77 2.84 3.70 5.61 7.59 9.52
Indice de Masse maigre (kg/m²)
14.89 15.51 16.14 17.70 18.67 19.06 19.70 20.83 34
22.32
Synemorphose inc., données non publiées issues d’analyses de composition corporelle par bio-impédance tétrapolaire
34. Analyse longitudinale
• Déterminer l’évolution de la composition corporelle
• Dépend de la précision et de la reproductibilité de la
mesure
65 8.9 10
7.5
60 8
7 6.3 5.7
5.3 6
55
56.1 57.4 4
54 54.5 55.7
50 53
2
45 0
Semaine 1 Semaine 8 Semaine 16 Semaine 24 Semaine 32 Semaine 40
Masse maigre (kg) Poids (kg) Masse grasse (kg)
35
35. Sources de variation et d’erreur
Anthropométrie Bioimpédance
• L’évaluateur est la plus • La variation biologique est
importante source d’erreur la plus importante source
• L’équipement d’erreur
• La méthodologie • La méthodologie
(équations, cueillette de (équations)
données) • L’évaluateur et l’aspect
• Variation biologique technique
36
36. Les erreurs de nature biologique
Âge
• Variation de la distribution
Eau Protéine Densité
de la masse grasse Âge
(%) (%) (g/cm³)
• Variation de la teneur en Hommes
eau, os et minéraux et 1 79.0 15.0 1.063
glycogène 9-11 76.2 18.4 1.084
• Changement possible de la 17-20 74.0 19.4 1.099
répartition entre les Femmes
liquides intra et extra- 1 78.8 16.9 1.069
cellulaire 9-11 77.0 17.8 1.082
17-20 74.8 19.2 1.095
37
37. Les erreurs de nature biologique
Sexe Masse maigre
70
• Différence de composition
corporelle 60
50
• Différence de répartition de
la masse grasse 40
30
20
10
0
0 5 10 15 20
Homme Femme
38
38. Les erreurs de nature biologique
Origine ethnique Masse maigre
70
• Différence de composition
60
corporelle
50
• Différence de la répartition 40
de la masse maigre 30
• Différence de la répartition 20
10
de la masse grasse
0
0 5 10 15 20
Homme blanc
Homme noir
Homme hispanique
39
39. L’impact de l’hydratation
Anthropométrie Bioimpédance
• Les variations « normales » • Niveau hyperhydraté
d’hydratation influencent (+ 1L/1kg d’eau):
peu les plis – Poids total: 64 kg
– Masse grasse 15kg
• La déshydratation sévère – Masse Musculaire 24.7 kg
modifie la mesure des plis
• Niveau déshydraté
– Poids total 63 kg
• La source d’influence
– Masse grasse 12.1 kg
principale se situe au niveau
– Masse Musculaire 26.6 kg
du poids et de la conversion
de la densité 40
40. Les erreurs de nature technique
• Erreur associée à
l’équipement
• Erreur associée à
l’évaluateur
41
45. L’impact de l’équipement
Adipomètres
• Il existe une grande étendue dans la gamme de prix pour ces
appareils
• Observe-t-on une toute aussi grande différence dans les
mesures ?
Adipomètre Moyenne (mm) Écart-type IC95%
Harpenden (549.23$) 6.11 2.6 4.2 – 8.0
Slimguide (14.29$) 5.51 2.4 3.6 – 7.4
Accufit (5.24$) 4.01 2.6 2.3 – 5.7
1Différence significative (P<0.05)
46
46. Pratiquement?
Comparaison avec le Harpenden
Somme de Impact sur la Impact sur la
Adipomètre % gras
4 plis masse grasse masse maigre
Harpenden 22 16.8 10.1 49.9
Slimguide 20.4 – 25.2 15.8-18.7 9.5 – 11.2 48.8 – 50.5
Accufit 15.2 - 32 11.8 – 22.0 7.1 – 13.2 46.8 – 52.9
Technique 20.9 – 23.1 16.1 – 17.5 9.6 – 10.5 49.5 – 50.4
47
47. Mesurer le changement
Connaître ses limites
Afin d’être en mesure de
déterminer le changement il
faut:
1) S’assurer de la validité et
surtout de la fidélité de ses
instruments
2) S’assurer de la capacité de
l’évaluateur à reproduire ses
mesures
3) Connaître la marge d’erreur
48
48. Découvrir son erreur standard
Connaître ses limites
• Prendre 2 séries de mesures
sur plusieurs participants
• Calculer la différence entre les
mesures
• Déterminer la somme du carré
des différences (d²)
(Mesure 1-Mesure 2)²
• Appliquer l’équation suivante
où n représente le nombre de
participants
√(∑d²/2n) 49
50. Exemple: Déterminer sa marge d’erreur
√(∑d²/2n)
• √(144/20)= 2.7 mm
• La capacité à détecter le changement de
notre évaluateur est de 2.7mm
51
51. Exemple: Mesures répétées
Pour déterminer le changement:
• Différence des mesure (Erreur x
Lorsque l’intervalle de
√n)
confiance n’inclut pas
0, il est possible de
Exemple
conclure qu’il y a une • Mesure 1: 119mm
différence significative • Mesure 2: 106mm
entre les deux mesures
(119-106)-(2.7 x √2) et
(119-106)+(2.7 x √2)
Intervalle de confiance
9.2mm à 16.8mm 52
53. Merci!
• Si vous êtes intéressés
par une formation en
analyse de la
composition corporelle...
… N’hésitez pas à visiter
mon blogue pour obtenir
plus d’information!
drkin.com 54
64. 1. Resende, CM, JS Camelo Junior, MN Vieira, et al. Body composition measures of obese adolescents by the deuterium oxide
dilution method and by bioelectrical impedance. Braz J Med Biol Res 2011; 44(11). 1164-70.
2. Ramel, A, OG Geirsdottir, A Arnarson, and I Thorsdottir. Regional and total body bioelectrical impedance analysis compared
with DXA in Icelandic elderly. Eur J Clin Nutr 2011; 65(8). 978-83.
3. Jimenez, A, W Omana, L Flores, et al. Prediction of Whole-Body and Segmental Body Composition by Bioelectrical
Impedance in Morbidly Obese Subjects. Obes Surg 2011.
4. Chen, BB, TT Shih, CY Hsu, et al. Thigh muscle volume predicted by anthropometric measurements and correlated with
physical function in the older adults. J Nutr Health Aging 2011; 15(6). 433-8.
5. Kilani, H and A Abu-Eisheh. Optimum anthropometric criteria for ideal body composition related fitness. Sultan Qaboos Univ
Med J 2010; 10(1). 74-9.
6. Kanellakis, S, G Kourlaba, G Moschonis, A Vandorou, and Y Manios. Development and validation of two equations estimating
body composition for overweight and obese postmenopausal women. Maturitas 2010; 65(1). 64-8.
7. Hetzler, RK, BL Schroeder, JJ Wages, CD Stickley, and IF Kimura. Anthropometry increases 1 repetition maximum predictive
ability of NFL-225 test for Division IA college football players. J Strength Cond Res 2010; 24(6). 1429-39.
8. Garlie, TN, JP Obusek, BD Corner, and EJ Zambraski. Comparison of body fat estimates using 3D digital laser scans, direct
manual anthropometry, and DXA in men. Am J Hum Biol 2010; 22(5). 695-701.
9. Demura, S, S Sato, S Yamaji, T Murooka, and M Nakai. Accuracy of simple predictive equations for visceral fat area after 8
weeks of training. J Sports Sci 2010; 28(8). 881-9.
10. Aleman-Mateo, H, E Rush, J Esparza-Romero, et al. Prediction of fat-free mass by bioelectrical impedance analysis in older
adults from developing countries: a cross-validation study using the deuterium dilution method. J Nutr Health Aging 2010; 14(6).
418-26.
65
65. 11. Moon, JR, SE Tobkin, AE Smith, et al. Anthropometric estimations of percent body fat in NCAA Division I female athletes: a
4-compartment model validation. J Strength Cond Res 2009; 23(4). 1068-76.
12. Kuriyan, R, T Thomas, and AV Kurpad. Total body muscle mass estimation from bioelectrical impedance analysis & simple
anthropometric measurements in Indian men. Indian J Med Res 2008; 127(5). 441-6.
13. Williams, AG and M Wilkinson. Simple anthropometric and physical performance tests to predict maximal box-lifting ability. J
Strength Cond Res 2007; 21(2). 638-42.
14. Macias, N, H Aleman-Mateo, J Esparza-Romero, and ME Valencia. Body fat measurement by bioelectrical impedance and
air displacement plethysmography: a cross-validation study to design bioelectrical impedance equations in Mexican adults. Nutr
J 2007; 6. 18.
15. Hill, AM, J LaForgia, AM Coates, JD Buckley, and PR Howe. Estimating abdominal adipose tissue with DXA and
anthropometry. Obesity (Silver Spring) 2007; 15(2). 504-10.
16. de Freitas, SN, WT Caiaffa, CC Cesar, et al. A comparative study of methods for diagnosis of obesity in an urban mixed-race
population in Minas Gerais, Brazil. Public Health Nutr 2007; 10(9). 883-90.
17. Aleman-Mateo, H, RH Huerta, J Esparza-Romero, RO Mendez, R Urquidez, and ME Valencia. Body composition by the four-
compartment model: validity of the BOD POD for assessing body fat in Mexican elderly. Eur J Clin Nutr 2007; 61(7). 830-6.
18. Watts, K, LH Naylor, EA Davis, et al. Do skinfolds accurately assess changes in body fat in obese children and adolescents?
Med Sci Sports Exerc 2006; 38(3). 439-44.
19. Kagawa, M, D Kerr, and CW Binns. New percentage body fat prediction equations for Japanese males. J Physiol Anthropol
2006; 25(4). 275-9.
20. Garaulet, M, JJ Hernandez-Morante, FJ Tebar, S Zamora, and M Canteras. Two-dimensional predictive equation to classify
visceral obesity in clinical practice. Obesity (Silver Spring) 2006; 14(7). 1181-91.
66
66. 21. Fry, AC, D Ciroslan, MD Fry, CD LeRoux, BK Schilling, and LZ Chiu. Anthropometric and performance variables
discriminating elite American junior men weightlifters. J Strength Cond Res 2006; 20(4). 861-6.
22. Civar, S, A Aktop, E Tercan, Y Ozdol, and K Ozer. Validity of leg-to-leg bioelectrical impedance measurement in highly active
women. J Strength Cond Res 2006; 20(2). 359-65.
23. Wickramasinghe, VP, GJ Cleghorn, KA Edmiston, and PS Davies. Impact of ethnicity upon body composition assessment in
Sri Lankan Australian children. J Paediatr Child Health 2005; 41(3). 101-6.
24. Poortmans, JR, N Boisseau, JJ Moraine, R Moreno-Reyes, and S Goldman. Estimation of total-body skeletal muscle mass in
children and adolescents. Med Sci Sports Exerc 2005; 37(2). 316-22.
25. Eston, RG, AV Rowlands, S Charlesworth, A Davies, and T Hoppitt. Prediction of DXA-determined whole body fat from
skinfolds: importance of including skinfolds from the thigh and calf in young, healthy men and women. Eur J Clin Nutr 2005;
59(5). 695-702.
26. Lintsi, M, H Kaarma, and I Kull. Comparison of hand-to-hand bioimpedance and anthropometry equations versus dual-
energy X-ray absorptiometry for the assessment of body fat percentage in 17-18-year-old conscripts. Clin Physiol Funct Imaging
2004; 24(2). 85-90.
27. Ball, SD, TS Altena, and PD Swan. Comparison of anthropometry to DXA: a new prediction equation for men. Eur J Clin Nutr
2004; 58(11). 1525-31.
28. Ball, S, PD Swan, and R DeSimone. Comparison of anthropometry to dual energy X-ray absorptiometry: a new prediction
equation for women. Res Q Exerc Sport 2004; 75(3). 248-58.
29. van der Ploeg, GE, SM Gunn, RT Withers, and AC Modra. Use of anthropometric variables to predict relative body fat
determined by a four-compartment body composition model. Eur J Clin Nutr 2003; 57(8). 1009-16.
30. Huygens, W, AL Claessens, M Thomis, et al. Body composition estimations by BIA versus anthropometric equations in body
builders and other power athletes. J Sports Med Phys Fitness 2002; 42(1). 45-55.
67
67. 31. Goodpaster, BH. Measuring body fat distribution and content in humans. Curr Opin Clin Nutr Metab Care 2002; 5(5). 481-7.
32. Prior, BM, CM Modlesky, EM Evans, et al. Muscularity and the density of the fat-free mass in athletes. J Appl Physiol 2001;
90(4). 1523-31.
33. Morrison, JA, SS Guo, B Specker, WC Chumlea, SZ Yanovski, and JA Yanovski. Assessing the body composition of 6-17-
year-old Black and White girls in field studies. Am J Hum Biol 2001; 13(2). 249-54.
34. Maffeis, C, A Grezzani, A Pietrobelli, S Provera, and L Tato. Does waist circumference predict fat gain in children? Int J Obes
Relat Metab Disord 2001; 25(7). 978-83.
35. Kwok, T, J Woo, and E Lau. Prediction of body fat by anthropometry in older Chinese people. Obes Res 2001; 9(2). 97-101.
36. Friedl, KE, KA Westphal, LJ Marchitelli, JF Patton, WC Chumlea, and SS Guo. Evaluation of anthropometric equations to
assess body-composition changes in young women. Am J Clin Nutr 2001; 73(2). 268-75.
37. Wang, J, JC Thornton, S Kolesnik, and RN Pierson, Jr. Anthropometry in body composition. An overview. Ann N Y Acad Sci
2000; 904. 317-26.
38. Dupler, TL and H Tolson. Body composition prediction equations for elderly men. J Gerontol A Biol Sci Med Sci 2000; 55(3).
M180-4.
39. Cooper, BA, A Aslani, M Ryan, et al. Comparing different methods of assessing body composition in end-stage renal failure.
Kidney Int 2000; 58(1). 408-16.
40. Bertin, E, C Marcus, JC Ruiz, JP Eschard, and M Leutenegger. Measurement of visceral adipose tissue by DXA combined
with anthropometry in obese humans. Int J Obes Relat Metab Disord 2000; 24(3). 263-70.
41. Dezenberg, CV, TR Nagy, BA Gower, R Johnson, and MI Goran. Predicting body composition from anthropometry in pre-
adolescent children. Int J Obes Relat Metab Disord 1999; 23(3). 253-9.
42. Paxton, A, SA Lederman, SB Heymsfield, J Wang, JC Thornton, and RN Pierson, Jr. Anthropometric equations for studying
body fat in pregnant women. Am J Clin Nutr 1998; 67(1). 104-10.
68
68. 43. Nindl, BC, WJ Kraemer, WH Emmert, et al. Comparison of body composition assessment among lean black and white male
collegiate athletes. Med Sci Sports Exerc 1998; 30(5). 769-76.
44. Goran, MI, MJ Toth, and ET Poehlman. Cross-validation of anthropometric and bioelectrical resistance prediction equations
for body composition in older people using the 4-compartment model as a criterion method. J Am Geriatr Soc 1997; 45(7).
45. Lean, ME, TS Han, and P Deurenberg. Predicting body composition by densitometry from simple anthropometric
measurements. Am J Clin Nutr 1996; 63(1). 4-14.
46. Heymsfield, SB, Z Wang, M Visser, D Gallagher, and RN Pierson, Jr. Techniques used in the measurement of body
composition: an overview with emphasis on bioelectrical impedance analysis. Am J Clin Nutr 1996; 64(3 Suppl). 478S-484S.
47. Mandolfo, S, M Farina, and E Imbasciati. Bioelectrical impedance and hemodialysis. Int J Artif Organs 1995; 18(11). 700-4.
48. Eston, RG, F Fu, and L Fung. Validity of conventional anthropometric techniques for predicting body composition in healthy
Chinese adults. Br J Sports Med 1995; 29(1). 52-6.
49. Valero, MA, M Leon-Sanz, I Gomez, G Martinez, and F Hawkins. [A comparison between double-photon absorptiometry
(DEXA), impedance and anthropometry in the study of the body composition of obese subjects]. Nutr Hosp 1994; 9(1). 12-7.
50. Kekes-Szabo, T, GR Hunter, I Nyikos, C Nicholson, S Snyder, and L Berland. Development and validation of computed
tomography derived anthropometric regression equations for estimating abdominal adipose tissue distribution. Obes Res 1994;
2(5). 450-7.
51. Hergenroeder, AC, B Brown, and WJ Klish. Anthropometric measurements and estimating body composition in ballet
dancers. Med Sci Sports Exerc 1993; 25(1). 145-50.
52. Arciero, PJ, MI Goran, AW Gardner, PA Ades, RS Tyzbir, and ET Poehlman. A practical equation to predict resting metabolic
rate in older men. Metabolism 1993; 42(8). 950-7.
53. Vogel, JA and KE Friedl. Body fat assessment in women. Special considerations. Sports Med 1992; 13(4). 245-69.
54. Houtkooper, LB, SB Going, TG Lohman, AF Roche, and M Van Loan. Bioelectrical impedance estimation of fat-free body
mass in children and youth: a cross-validation study. J Appl Physiol 1992; 72(1). 366-73 69
69. 55. Ellison, JD, VK Christian, RL Johnson, BJ Warren, and MA Collins. Effect of musculoskeletal development on the prediction
of body density in females. J Sports Med Phys Fitness 1992; 32(2). 175-9.
56. Teran, JC, KE Sparks, LM Quinn, BS Fernandez, SH Krey, and WP Steffee. Percent body fat in obese white females
predicted by anthropometric measurements. Am J Clin Nutr 1991; 53(1). 7-13.
57. McNeill, G, PA Fowler, RJ Maughan, et al. Body fat in lean and overweight women estimated by six methods. Br J Nutr 1991;
65(2). 95-103.
58. Chumlea, WC, RN Baumgartner, and BP Vellas. Anthropometry and body composition in the perspective of nutritional status
in the elderly. Nutrition 1991; 7(1). 57-60.
59. Housh, TJ, GO Johnson, DJ Housh, et al. The effects of age and body weight on anthropometric estimations of minimal
wrestling weight in high school wrestlers. Res Q Exerc Sport 1990; 61(4). 375-82.
60. Deurenberg, P, CS Kusters, and HE Smit. Assessment of body composition by bioelectrical impedance in children and young
adults is strongly age-dependent. Eur J Clin Nutr 1990; 44(4). 261-8.
61. Tellado, JM, JL Garcia-Sabrido, JA Hanley, HM Shizgal, and NV Christou. Predicting mortality based on body composition
analysis. Ann Surg 1989; 209(1). 81-7.
62. Oishi, K. Prediction of body density using A-mode ultrasonoscope in Japanese physical education major college students.
Ann Physiol Anthropol 1989; 8(2). 65-70.
63. Housh, TJ, GO Johnson, WG Thorland, et al. Validity and intertester error of anthropometric estimations of body density. J
Sports Med Phys Fitness 1989; 29(2). 149-56.
64. Diaz, EO, J Villar, M Immink, and T Gonzales. Bioimpedance or anthropometry? Eur J Clin Nutr 1989; 43(2). 129-37.
65. Deurenberg, P, HE Smit, and CS Kusters. Is the bioelectrical impedance method suitable for epidemiological field studies?
Eur J Clin Nutr 1989; 43(9). 647-54.
66. Cisar, CJ, TJ Housh, GO Johnson, WG Thorland, and RA Hughes. Validity of anthropometric equations for determination of
changes in body composition in adult males during training. J Sports Med Phys Fitness 1989; 29(2). 141-8. 70
70. 67. Wong, WW, WJ Cochran, WJ Klish, et al. Body fat in normal adults estimated by oxygen-18- and deuterium-dilution and by
anthropometry: a comparison. Eur J Clin Nutr 1988; 42(3). 233-42.
68. Jackson, AS, ML Pollock, JE Graves, and MT Mahar. Reliability and validity of bioelectrical impedance in determining body
composition. J Appl Physiol 1988; 64(2). 529-34.
69. Buckley, DC, KA Kudsk, BS Rose, P Fatzinger, CA Koetting, and M Schlatter. Anthropometric and computerized tomographic
measurements of lower extremity lean body mass. J Am Diet Assoc 1987; 87(2). 196-9.
70. Lukaski, HC, WW Bolonchuk, CB Hall, and WA Siders. Validation of tetrapolar bioelectrical impedance method to assess
human body composition. J Appl Physiol 1986; 60(4). 1327-32.
71. Ward, GM, JE Johnson, and J Stager. Body composition. Methods of estimation and effect upon performance. Clin Sports
Med 1984; 3(3). 705-22.
72. Thorland, WG, GO Johnson, GD Tharp, TG Fagot, and RW Hammer. Validity of anthropometric equations for the estimation
of body density in adolescent athletes. Med Sci Sports Exerc 1984; 16(1). 77-81.
73. Smith, JF and ER Mansfield. Body composition prediction in university football players. Med Sci Sports Exerc 1984; 16(4).
398-405.
74. Pollock, ML and AS Jackson. Research progress in validation of clinical methods of assessing body composition. Med Sci
Sports Exerc 1984; 16(6). 606-15.
75. Bulbulian, R. The influence of somatotype on anthropometric prediction of body composition in young women. Med Sci
Sports Exerc 1984; 16(4). 389-97.
76. Wilmore, JH. Body composition in sport and exercise: directions for future research. Med Sci Sports Exerc 1983; 15(1).
77. Jackson, AS and ML Pollock. Steps toward the development of generalized equations for predicting body composition of
adults. Can J Appl Sport Sci 1982; 7(3). 189-96.
78. Sinning, WE. Anthropometric estimation of body density, fat, and lean body weight in women gymnasts. Med Sci Sports
1978; 10(4). 243-9. 71
71. 79. Fuchs, RJ, CF Theis, and MC Lancaster. A nomogram to predict lean body mass in men. Am J Clin Nutr 1978; 31(4). 673-8.
80. Smith, DPBRW. Prediction of body density and lean body weight in females 25 to 37 years old. Am J Clin Nutr 1977; 30(4).
560-4.
81. Clark, DA, TD Kay, RF Tatsch, and CF Theis. Estimations of body composition by various methods. Aviat Space Environ
Med 1977; 48(8). 701-4.
82. Lewis, S, WL Haskell, H Klein, J Halpern, and PD Wood. Prediction of body composition in habitually active middle-aged
men. J Appl Physiol 1975; 39(2). 221-5.
83. Garrow, JS. Isotope techniques in the measurement of human body composition. Proc Nutr Soc 1974; 33(1). 25-9
72