Autori
Contattaci

Accedi

In questo articolo

  • Riepilogo
  • Abstract
  • Introduzione
  • Protocollo
  • Risultati Rappresentativi
  • Discussione
  • Divulgazioni
  • Riconoscimenti
  • Materiali
  • Riferimenti
  • Ristampe e Autorizzazioni

Riepilogo

Le procedure per la valutazione delle dimensioni, della forma e della composizione corporea attraverso soluzioni disponibili in commercio per l'imaging ottico tridimensionale consentono la raccolta rapida di dati accurati e riproducibili. I medici potrebbero implementare l'acquisizione di biomarcatori innovativi e utili (misurazioni "e-tape") nelle valutazioni di routine dei pazienti per aiutare a caratterizzare il loro stato di salute.

Abstract

La valutazione delle dimensioni e della composizione corporea è comunemente inclusa nella gestione di routine di atleti sani e di diversi tipi di pazienti per personalizzare la strategia di allenamento o riabilitazione. Le analisi antropometriche digitali descritte nel seguente protocollo possono essere eseguite con sistemi di recente introduzione. Questi nuovi strumenti e approcci hanno il potenziale per essere ampiamente utilizzati in ambito clinico perché sono molto semplici da utilizzare e consentono la raccolta rapida di dati accurati e riproducibili. Un sistema è costituito da una piattaforma rotante con una piastra di misurazione del peso, tre telecamere a infrarossi e un tablet integrato in una torre, mentre l'altro sistema è costituito da un tablet montato su un supporto. Dopo l'acquisizione dell'immagine, il software di entrambi i sistemi genera un avatar umanoide tridimensionale anonimo con variabili antropometriche e di composizione corporea associate. Le procedure di misurazione sono semplici: un soggetto può essere testato in pochi minuti e viene generato automaticamente un rapporto completo (che include la scansione tridimensionale e le misure di dimensioni, forma e composizione del corpo).

Introduzione

L'antropometria è lo studio delle misure fisiche del corpo umano. Altezza, peso, lunghezze, spessori delle pliche cutanee e circonferenze sono misure antropometriche comunemente utilizzate che si sono rivelate utili per indagare i pazienti con disturbi endocrini e metabolici e per monitorare la crescita, l'invecchiamento e gli adattamenti delle dimensioni e della composizione corporea indotti dalla dieta e dall'allenamento negli atleti 1,2. Ad esempio, la valutazione delle circonferenze vita e fianchi si è rivelata utile per la gestione delle persone con obesità: entrambe le circonferenze valutano la distribuzione dell'adiposità che può essere considerata un predittore di mortalità per tutte le cause3.

Le circonferenze degli arti sono frequentemente valutate in medicina riabilitativa e dello sport a causa della loro utilità per rilevare e/o monitorare la diminuzione della massa magra appendicolare (ad esempio, la circonferenza del polpaccio viene utilizzata come un semplice e pratico marcatore del muscolo scheletrico per la diagnosi di muscolo scheletrico basso e sarcopenia)1,2 e l'asimmetria tra gli arti che influisce sia sulle prestazioni fisiche che sul rischio di lesioni negli atleti e sulla qualità della vita nei pazienti (ad esempio, pazienti oncologici con gonfiore unilaterale delle estremi)1,2. Inoltre, negli ultimi decenni è stato proposto un gran numero di modelli di previsione della composizione corporea basati sull'antropometria per stimare la quantità di massa grassa o massa magra da una combinazione di diverse misure antropometriche come le circonferenze corporee o lo spessore delle pliche cutanee 1,2,4,5,6,7.

Poiché le misurazioni antropometriche convenzionali (cioè basate su nastro e calibro) potrebbero non essere culturalmente o socialmente accettabili e mostrare anche una scarsa affidabilità8, c'era la necessità di sviluppare e convalidare approcci non invasivi, riproducibili e validi. I sistemi di imaging ottico tridimensionale (3D) di recente sviluppo in grado di fornire misurazioni non invasive, precise e accurate 8,9,10,11, nonché le fotocamere digitali e gli smartphone di consumo offrono strumenti facili da usare e ampiamente disponibili, adatti ad essere utilizzati in contesti clinici e non clinici per valutare sia i pazienti che i soggetti sani 8,9,10,11,12,13,14,15,16,17,18,19,20. L'obiettivo del protocollo riportato nella sezione seguente è quello di descrivere le procedure per la valutazione delle dimensioni, della forma e della composizione corporea attraverso due soluzioni disponibili in commercio per l'imaging ottico 3D che si sono diffuse negli ultimi anni sia in ambito sanitario (per valutare i pazienti) che in ambito non clinico (per valutare gli atleti).

Protocollo

Il protocollo segue le linee guida sull'integrità della ricerca del Politecnico di Torino21. L'acquisizione delle immagini ottiche è stata effettuata nell'ambito di studi di ricerca approvati dai comitati etici locali (i dati sono riportati nelle legende di Figura 1 e Figura 2) e i soggetti indagati hanno dato il loro consenso scritto (per la partecipazione allo studio e la pubblicazione di immagini anonimizzate).

1. Preparazione della materia

NOTA: Tutte le preparazioni di pre-scansione descritte in questa sezione sono simili tra le procedure di test #1 e #2.

  1. Chiedi al soggetto di essere vestito con indumenti intimi o di indossare indumenti aderenti minimi (pantaloncini se maschili e pantaloncini e reggiseno sportivo se femminile), di togliersi calze, scarpe e accessori e di indossare una cuffia da bagno per coprire i capelli.

2. Iscrizione del soggetto alla procedura di test #1

  1. Misurare l'altezza del soggetto utilizzando uno stadiometro standard.
  2. Avvia l'app installata sul tablet (app #1 e tablet #1 nella Tabella dei Materiali) del sistema #1 che consiste in una piattaforma rotante con una piastra di misurazione del peso, tre telecamere a infrarossi e il tablet integrato in una torre (Figura 1A, B).
  3. Compila il modulo di registrazione dell'oggetto (Figura supplementare S1), includendo nome, cognome, indirizzo e-mail, password, sesso (seleziona maschio o femmina), unità di misura (seleziona Stati Uniti o metrico), etnia (seleziona uno dei seguenti gruppi: non specificato, ispanico/latino, indiano americano o nativo dell'Alaska, asiatico, nero o afroamericano, nativo hawaiano o altro isolano del Pacifico, caucasico), data di nascita.
  4. Seleziona le tre caselle di controllo (accettazione dei termini di servizio, informativa sulla privacy, esonero di responsabilità), quindi tocca il pulsante Invia .
  5. Verifica che il soggetto indossi correttamente la cuffia, quindi tocca il pulsante Avanti .
  6. Verifica che il soggetto indossi un abbigliamento adeguato, quindi tocca il pulsante Avanti .
  7. Verificare che l'area dello scanner sia libera (ad esempio, tenere gli indumenti al di fuori dell'area di scansione e assicurarsi che non vi siano luce solare o materiale riflettente nella vista dello scanner), quindi toccare il pulsante Avanti .
  8. Compila il campo di misurazione dell'altezza , quindi tocca il pulsante Avanti .
  9. Compila i campi relativi alle metriche aggiuntive facoltative (% di grasso corporeo [BF%], frequenza cardiaca, pressione arteriosa sistolica e diastolica, acqua intracellulare ed extracellulare), quindi tocca il pulsante Invia .

3. Procedura di test #1

  1. Chiedere al soggetto di salire sulla bilancia e di stare il più fermo possibile sulle impronte (con gli arti superiori e le mani sui due lati, senza toccare le maniglie telescopiche) per 10 s per catturare il peso corporeo (e la sua distribuzione).
  2. Chiedere al soggetto di stare in piedi in una posa A standardizzata (con la spalla rilassata e le braccia posizionate dritte e abdotte dal busto) mentre si afferrano le maniglie telescopiche per eseguire la scansione del corpo secondo le seguenti istruzioni (Figura 1A, B).
    NOTA: Una scansione completa del corpo richiede ~45 s durante la quale i sensori di profondità con codifica della luce catturano la forma 3D mentre la piattaforma ruota una volta.
    1. Sollevare le maniglie finché le braccia e le gambe non sono dritte.
    2. Rimani il più fermo possibile.
    3. Tieni la testa ferma con gli occhi in avanti.
    4. Tenere premuti i pulsanti delle maniglie fino al completamento della scansione.
    5. Scendere dalla bilancia al termine della scansione.
  3. Dopo che il soggetto è sceso dalla bilancia, tocca il pulsante Esci .

4. Iscrizione del soggetto alla procedura di test #2

  1. Misurare l'altezza e il peso del soggetto utilizzando una bilancia standard con uno stadiometro.
  2. Utilizzando qualsiasi browser web moderno installato su un computer desktop o portatile, vai alla dashboard del sistema #2 (dashboard di registrazione nella Tabella dei Materiali).
  3. Compila il modulo di registrazione dell'oggetto (Figura supplementare S2), includendo nome, cognome, numero di telefono, indirizzo e-mail, età, sesso (seleziona maschio o femmina), peso e altezza.
  4. Seleziona la casella di controllo (accettazione dei termini di utilizzo e dell'informativa sulla privacy), quindi tocca o fai clic sul pulsante Iscriviti per completare la configurazione dell'account.
  5. Visualizza la pagina di visualizzazione dell'account che mostra il codice di risposta rapida (QR), il numero di telefono e l'indirizzo e-mail univoci del soggetto.
  6. Scatta una foto (ad esempio, con un telefono cellulare) del codice QR.

5. Procedura di test #2

  1. Avvia l'app (app #2 nella Tabella dei Materiali) installata sul tablet del sistema #2 che consiste in un tablet montato su un supporto (tablet #2 e supporto da pavimento nella Tabella dei Materiali).
  2. Tocca lo schermo del tablet e mostra il codice QR.
  3. Tocca il pulsante Start .
  4. Chiedi al soggetto di ascoltare le istruzioni audio e di guardare la guida fornita sullo schermo.
  5. Chiedere al soggetto di stare in piedi su un tappeto a una distanza standardizzata dal tablet, con i piedi nella guida dei piedi (simbolo ovale nero sopra il tappeto) allineati con l'indicatore dei piedi verdi mostrato sullo schermo (Figura 2A).
  6. Chiedi al soggetto di assumere una "posa frontale ad A" (e di mantenere la posa senza movimenti che possano causare un avatar malformato)10,22 con le gambe separate, le braccia abdotte dal busto con un angolo di circa 45° e le mani chiuse a pugno per catturare l'immagine frontale (Figura 2B).
  7. Dopo l'acquisizione dell'immagine frontale, chiedi al soggetto di assumere una "posa laterale" con i piedi uniti, le braccia/le mani posizionate dritte sui lati (cioè braccia/mani allineate con e contro il tronco/le cosce) e il viso dritto in avanti per catturare l'immagine laterale (Figura 2C).
  8. Dopo l'acquisizione dell'immagine laterale, informare il soggetto che la scansione è completa (l'app visualizza una schermata di ringraziamento ).

Risultati Rappresentativi

Dopo l'acquisizione dell'immagine, il software del sistema #1 genera un avatar umanoide 3D non identificato (Figura 1C: le nuvole di punti vengono convertite in una mesh collegata da triangoli con circa 25.000 vertici e 50.000 facce) e un'antropometria automatizzata, che include lunghezze, circonferenze, volumi, superfici e stime della composizione corporea. Il cruscotto del sistema #1 consente a ciascun soggetto di visualizzare (e scaricare un rapporto che include) la scansione 3D (Figura 1C), le misurazioni del peso corporeo, delle dimensioni e della forma (ad esempio, valutazione della forma del corpo, circonferenza della vita, rapporto vita-fianchi, rapporto del volume del tronco-gamba), le stime del metabolismo basale e della composizione corporea (ad esempio, BF%, massa grassa, massa magra) e le misurazioni standard della circonferenza (collo, busto, vita, fianchi, bicipite sinistro e destro, avambraccio sinistro e destro, coscia sinistra e destra, polpaccio sinistro e destro).

Inoltre, i risultati delle valutazioni della postura e dell'equilibrio possono anche essere visualizzati e sono inclusi nel rapporto. I risultati della valutazione della postura includono le viste anteriore, laterale e posteriore della scansione 3D con le misurazioni associate di spostamento (definito come una parte del corpo che si sposta in una posizione inclinata e la velocità con cui si inclina in qualsiasi direzione) e inclinazione (definita come il movimento di "scivolamento" in avanti, indietro, a sinistra o a destra, un leggero cambiamento o variazione di posizione rispetto al punto centrale): i) viste frontale e posteriore: misure di spostamento verso destra o sinistra rispetto al piano sagittale (rappresentato come linea verticale tra emisomi destro e sinistro) e percentuali di inclinazione rispetto al trasversale (piano orizzontale) per testa, spalla, sottoseno, anca, ginocchio; ii) vista laterale: spostamento delle misure in avanti o indietro rispetto al piano frontale (coronale) (rappresentato come una linea verticale verso l'alto dall'articolazione della caviglia) per testa, spalla, anca, ginocchio.

Il risultato della valutazione dell'equilibrio include la distribuzione del peso durante la postura eretta per le regioni anteriore e posteriore dei piedi destro e sinistro. La dashboard del sistema #1 consente inoltre per ogni soggetto di scaricare . OBJ e .GIF file immagine e un file . CSV con le misure antropometriche e le stime della composizione corporea elencate nella Tabella 1.

Tutte le stime della composizione corporea sono ottenute utilizzando algoritmi proprietari, con l'eccezione della stima del metabolismo basale e del calcolo dell'indice di forma corporea che si ottengono, rispettivamente, secondo il Mifflin-St. L'equazione di Jeor23 e l'equazione di Krakauer24 riportate nella Tabella 2.

Dopo l'acquisizione dell'immagine, il software del sistema #2 genera un avatar umanoide 3D non identificato (Figura 2D: le nuvole di punti vengono convertite in una mesh collegata da triangoli con circa 50.000 vertici e 100.000 facce) e un'antropometria automatizzata, che include lunghezze, circonferenze, volumi, superfici e stime della composizione corporea. La dashboard del sistema #2 (dashboard di download dei dati nella Tabella dei Materiali) consente per ogni soggetto di scaricare . OBJ e .PNG file immagine e i seguenti tre file . File CSV:

Il file "App Measures.csv" riporta le seguenti misure antropometriche e di composizione corporea: peso, superficie corporea, BF%, tessuto adiposo viscerale, indice di fitness, massa magra delle braccia, massa magra delle gambe, massa corporea magra, contenuto minerale osseo totale, larghezza delle spalle, larghezza delle spalle posteriori (attraverso il collo), circonferenze del collo, avambraccio, bicipite (destra/sinistra), avambraccio (destra/sinistra), polso (destra/sinistra), petto, sottoseno, busto (con goccia), stomaco, vita, vernice in vita, fianchi (preso 8 pollici verso il basso da piccolo della schiena), sedile, coscia (destra / sinistra), polpaccio (destra / sinistra), lunghezza dal collo posteriore alla vita, lunghezza della manica (destra / sinistra), lunghezza del cavallo, cucitura interna, cucitura esterna (destra / sinistra).

Il file "Body Composition.csv" riporta le seguenti misure antropometriche e di composizione corporea: grasso corporeo, indice di massa corporea, superficie corporea, contenuto minerale osseo, indice di massa grassa, indice di fitness, altezza, indice di corpo magro, massa magra, massa magra braccia, massa magra gambe, tasso metabolico a riposo, circonferenza addominale, tessuto adiposo viscerale, rapporto vita-altezza, rapporto vita-fianchi, peso.

Il file "Core Measures.csv" riporta le misure antropometriche elencate in Tabella 1.

Tutte le stime della composizione corporea sono ottenute utilizzando algoritmi proprietari, con l'eccezione della stima del metabolismo basale e della stima della percentuale di BF che si ottengono, rispettivamente, secondo l'equazione di Katch-McArdle25 e le due equazioni precedentemente sviluppate e validate da Harty et al.26. Queste due equazioni (Equazione 1 e Equazione 2 nella Tabella 2) sono adottate, rispettivamente, per gli individui con circonferenza addominale inferiore <103,5 cm (<40,75 pollici) e ≥103,5 cm (≥40,75 pollici). Sebbene studi precedenti abbiano dimostrato l'accuratezza dell'equazione 1 per la stima del BF% negli adulti sani15,26, abbiamo recentemente scoperto che sovrastimava (rispetto all'assorbimetria a raggi X a doppia energia) il BF% nei giovani atleti18. Pertanto, abbiamo proposto la riparametrizzazione (Equazione 3) riportata nella Tabella 2 per fornire una stima accurata della percentuale di BF% nei giovani calciatori di entrambi i sessi18.

Oltre alle variabili di composizione corporea sopra elencate, la massa magra appendicolare (ALM) può essere stimata anche per le scansioni eseguite con il sistema #2 attraverso l'equazione device-specific recentemente proposta da McCarthy et al.27 per i soggetti sedentari (Equazione ALM 1 per i maschi ed Equazione ALM 2 per le femmine nella Tabella 2) che abbiamo adattato per la stima dell'ALM nei giovani atleti (Equazione ALM 3 per i maschi ed Equazione ALM 4 per le femmine nella Tabella 2)18.

La Figura 3 mostra gli avatar rappresentativi ottenuti in un atleta di sesso maschile (indice di massa corporea: 26,0 kg/m2: Figura 3A, B) e in una persona con obesità (indice di massa corporea: 44,0 kg/m2: Figura 3C, D) con il sistema #1 (Figura 3A, C) e con il sistema # 2 (Figura 3B, D). Le misurazioni antropometriche e le stime della composizione corporea ottenute dal sistema #1 e dal sistema #2 per due scansioni di entrambi i soggetti sono riportate nella Tabella 3.

Le misure di circonferenza ottenute nell'atleta differivano tra le scansioni ottenute con i due sistemi (soprattutto per collo, braccia, fianchi e gambe: i dati sono riportati nella Tabella 3). I valori di BF% (medie delle due scansioni) sono stati del 19,1% e del 16,1% per le scansioni eseguite con i sistemi #1 e #2, rispettivamente, e i valori di massa magra (medie delle due scansioni) sono stati di 69,7 kg e 72,2 kg. Il valore medio ALM per le scansioni eseguite con il sistema #2 è stato di 38,4 kg.

Le misure di circonferenza ottenute nella persona con obesità differivano tra le scansioni ottenute con i due sistemi (soprattutto per vita e gambe: i dati sono riportati nella Tabella 3). I valori di BF% (medie delle due scansioni) sono stati del 44,1% e del 46,3% rispettivamente per le scansioni eseguite con i sistemi #1 e #2, mentre i valori di massa magra (medie delle due scansioni) sono stati di 67,9 kg e 64,9 kg. Il valore medio ALM per le scansioni eseguite con il sistema #2 è stato di 25,1 kg.

figure-representative results-9133
Figura 1: Immagini scattate con il sistema #1. (A,B) Posa A standardizzata assunta e mantenuta da un soggetto maschile rappresentativo durante la rotazione della piattaforma e (C) il relativo avatar 3D. L'acquisizione delle immagini ottiche è stata effettuata nell'ambito di uno studio di ricerca approvato dal comitato etico dell'Università di Torino (protocollo n. 0115311). Clicca qui per visualizzare una versione più grande di questa figura.

figure-representative results-9911
Figura 2: Immagini scattate con il sistema #2. (A) Immagine di un soggetto maschile rappresentativo in piedi su un tappeto con il simbolo della guida dei piedi (simbolo ovale nero sopra il tappeto) allineato con l'indicatore dei piedi verdi mostrato sullo schermo del tablet del sistema #2. Acquisizione delle immagini (B) frontali e (C) laterali nel soggetto rappresentativo e (D) del relativo avatar 3D. L'acquisizione delle immagini ottiche è stata effettuata nell'ambito di uno studio di ricerca approvato dal comitato etico dell'Università di Torino (protocollo n. 0115311). Clicca qui per visualizzare una versione più grande di questa figura.

figure-representative results-10926
Figura 3: Avatar rappresentativi ottenuti con i sistemi #1 e #2. (A,B) Atleta di sesso maschile e (C,D) una persona con obesità indagati con il sistema (A,C) #1 e (B,D) sistema #2. Ogni soggetto è stato sottoposto a due scansioni, con riposizionamento: l'avatar ottenuto dalla prima scansione è stato mostrato per entrambi i soggetti, mentre le stime antropometriche e di composizione corporea ottenute dal sistema #1 e dal sistema #2 per due scansioni di entrambi i soggetti sono riportate nella Tabella 3. L'acquisizione delle immagini ottiche è stata effettuata nell'ambito di studi di ricerca approvati dal Comitato Etico dell'Università degli Studi di Torino (protocollo n. 0115311) e dal Comitato Etico Territoriale (CET - protocollo n. 0065654). Clicca qui per visualizzare una versione più grande di questa figura.

Tabella 1: Set di misure estesi scaricabili dalla dashboard dei sistemi #1 e #2. Clicca qui per scaricare questa tabella.

Tabella 2: Equazioni per la stima del metabolismo basale, della percentuale di grasso corporeo e della massa magra appendicolare. Stime del metabolismo basale: le unità di misura sono i kg per il peso e la massa magra, i cm per l'altezza e gli anni per l'età. Una stima dell'indice di forma corporea: le unità di misura sono m per la circonferenza della vita e l'altezza, kg/m2 per l'indice di massa corporea. Stima della percentuale di grasso corporeo: il sesso è codificato come maschio = 1 e femmina = 0, la superficie corporea è misurata in cm2 e tutte le restanti variabili indicate come circ. sono misurate in cm. L'indice muscolo-stomaco si ottiene come (circ. bicipite destro + circ. bicipite sinistro + circ. coscia destra + circ. coscia sinistra + circ. polpaccio destro + circ. polpaccio sinistro) / circ. stomaco massimo. Stima della massa magra appendicolare: le unità di misura sono i cm per tutte le circonferenze e lunghezze; cm2 per le superfici; cm3 per i volumi; kg per il peso; anni per età. Tre equazioni di questa tabella sono di Minetto et al.18. Abbreviazioni: BMR = metabolismo basale; ABSI = indice di forma del corpo; BF% = percentuale di grasso corporeo; circ. = circonferenze; ALM = massa magra appendicolare; NHOPI = Nativo hawaiano e altri abitanti delle isole del Pacifico. Clicca qui per scaricare questa tabella.

Tabella 3. Misure di circonferenza e stime della composizione corporea ottenute dai due sistemi in ciascuno dei due soggetti rappresentativi (un atleta e una persona con obesità). Clicca qui per scaricare questa tabella.

Figura supplementare S1: Modulo di registrazione del soggetto per la procedura di test #1. Clicca qui per scaricare questo file.

Figura supplementare S2: Modulo di registrazione del soggetto per la procedura di test #2. Clicca qui per scaricare questo file.

Discussione

Le procedure presentate in questo articolo possono essere utilizzate per valutare le dimensioni, la forma e la composizione del corpo attraverso due soluzioni disponibili in commercio per l'imaging ottico 3D che sono state precedentemente sviluppate e convalidate 9,10,11,12,13,14,15,16,17,18,19,20 . Queste soluzioni sono semplici da utilizzare e i dati validi possono essere raccolti rapidamente e organizzati automaticamente in un report. Inoltre, i sistemi presentati consentono la raccolta di dati riproducibili (come suggerito dal confronto dei risultati delle due scansioni eseguite con entrambi i sistemi nei nostri due casi rappresentativi e documentato da studi precedenti)9,10,11,12,13,14,15,16,17,18,19,20 e può quindi essere utilizzato per monitorare i cambiamenti indotti dall'allenamento o dalla dieta.

Poiché il sistema #2 ha un peso limitato (~4 kg in totale per tablet e supporto), è facilmente trasportabile. Tuttavia, una limitazione del sistema #2 è che la generazione di un avatar 3D da immagini 2D può produrre ricostruzioni 3D meno accurate di quelle ottenute con il sistema #1, specialmente nelle persone con obesità (come mostrato nell'esempio rappresentativo della Figura 3 C,D) o nei pazienti che presentano anomalie localizzate della forma del corpo (ad esempio, pazienti dopo chirurgia bariatrica che presentano un fastidioso eccesso di pelle o pazienti oncologici con linfedema unilaterale degli arti superiori o inferiori).

La disponibilità di spazio adeguato è fondamentale per l'acquisizione della scansione con entrambi i sistemi: è necessaria un'area libera di 157 x 198 cm per il sistema #1 e di 86 x 166 cm per il sistema #2. Inoltre, il sistema #2 richiede che il soggetto sia posizionato vicino a una parete vuota senza specchi, poster lucidi o finestre. Entrambi i sistemi richiedono che le telecamere non siano esposte alla luce solare naturale e non siano presenti superfici riflettenti. Entrambi i sistemi richiedono inoltre una connessione Internet Wi-Fi costante e coerente per elaborare le scansioni in modo efficace.

Il principale limite delle procedure sopra descritte è che richiedono che il soggetto indagato sia in grado di assumere la posizione eretta. Pertanto, questi approcci non possono essere utilizzati in pazienti gravemente malati (come pazienti neurologici gravemente compromessi o pazienti critici) che non sono in grado di alzarsi dal letto. Inoltre, i soggetti indagati devono essere in grado di mantenere la posizione eretta (cioè la posa A e la posa laterale) senza movimenti che possano modificare la forma dell'avatar 10,22 e influenzare la stima delle circonferenze del corpo.

Una limitazione dei parametri sopra descritti è che sono ottenuti utilizzando algoritmi proprietari specifici del dispositivo: ciò implica che le misure delle dimensioni, della forma e della composizione del corpo sono uniche per il particolare sistema di scansione. Pertanto, il confronto o il raggruppamento dei dati acquisiti con sistemi diversi è precluso dalla variabilità analitica (cioè tra scanner). Coerentemente, le misurazioni della circonferenza ottenute nei nostri due soggetti rappresentativi mostrati nella Figura 3 differivano tra i due sistemi. Tuttavia, sono già state sviluppate soluzioni indipendenti dal dispositivo per superare questa limitazione: queste soluzioni riformattano e modificano la mesh 3D, quindi rilevano automaticamente diversi punti di riferimento (come ascelle, cavallo e piedi) e quindi calcolano le misure delle dimensioni del corpo 28,29,30,31,32,33,34,35. Un'altra limitazione dei parametri di composizione corporea sopra descritti è che sono ottenuti attraverso modelli di previsione convenzionali basati sull'antropometria. Tuttavia, studi recenti hanno dimostrato che potrebbero essere necessari modelli basati sulla forma del corpo per acquisire informazioni sulla composizione corporea oltre alle misure antropometriche convenzionali36,37.

Nonostante alcune limitazioni, l'approccio antropometrico digitale deve considerarsi pronto per essere utilizzato in ambito clinico. I sistemi di imaging 3D forniscono misurazioni non invasive che possono essere più accettabili rispetto alle misurazioni manuali (basate su nastro e/o calibro) che si basano sull'identificazione di punti di riferimento anatomici attraverso l'osservazione e la palpazione. Inoltre, la scansione ottica 3D è anche più veloce rispetto ad altre indagini (ad esempio, risonanza magnetica e assorbimetria a raggi X a doppia energia) comunemente adottate nella ricerca e in contesti clinici per la valutazione delle dimensioni e della composizione corporea. Inoltre, poiché è relativamente economico e privo di radiazioni, è sicuro da utilizzare per scansioni successive (ad esempio, l'acquisizione dell'immagine può essere facilmente e rapidamente ripetuta se lo sperimentatore nota movimenti del corpo o un posizionamento improprio degli arti che può produrre cambiamenti nella forma dell'avatar) e per indagini ripetute38 oltre ad essere sicuro per essere utilizzato in popolazioni speciali (come i bambini, adolescenti e donne incinte)35,39.

I medici potrebbero quindi implementare l'acquisizione di biomarcatori innovativi e utili (misurazioni "e-tape" e stime derivate della composizione corporea) nelle valutazioni di routine di soggetti sani (ad esempio, atleti) per aiutare a prevedere e caratterizzare le loro prestazioni fisiche e il rischio di infortuni 40,41,42,43 nonché per monitorare il recupero dagli infortuni. Ad esempio, la forza delle gambe e la simmetria della massa magra influenzano le prestazioni fisiche e il rischio di (ri)infortuni44. Pertanto, il recupero di una normale simmetria delle circonferenze coscia/polpaccio può essere annoverato tra gli obiettivi generali da considerare per tornare a giocare45. La valutazione di routine dei pazienti potrebbe anche essere migliorata dall'integrazione dell'antropometria digitale nell'assistenza sanitaria. La valutazione delle circonferenze e della forma corporea (che è guidata dalla distribuzione interna dei tessuti molli e adiposi) può essere utile per rilevare la massa muscolare bassa (ad esempio, nei pazienti sospettati di essere sarcopenici), per prevedere il rischio di malattia metabolica46, per valutare l'esito di una procedura chirurgica, nonché per monitorare i progressi del paziente dopo un intervento38. I pazienti con malattie che hanno componenti nutrizionali come fattori chiave per la loro fisiopatologia possono beneficiare in modo specifico del monitoraggio longitudinale delle dimensioni e della composizione corporea per ridurre i sintomi e le condizioni coesistenti47. Ad esempio, nel caso della gestione dell'obesità basata sulla dieta e/o sui farmaci, potrebbe non essere appropriato monitorare solo il peso perché la ben nota "regola empirica del 25/75" (cioè l'assunzione generale che la perdita di peso è tipicamente del 25% di perdita di massa magra e del 75% di perdita di grasso) potrebbe non descrivere accuratamente l'efficacia dell'intervento38 che potrebbe essere svelata dalla valutazione basata sull'antropometria della quantità relativa di perdita di muscoli e grasso. Inoltre, l'antropometria digitale, integrata nell'assistenza sanitaria, ha il potenziale per espandere i servizi sanitari a località remote, migliorando così l'assistenza e l'aderenza dei pazienti e riducendo i costi sanitari.

Divulgazioni

A.P. e S.B.H. fanno parte del comitato consultivo medico di Tanita Corporation. Gli altri autori non hanno conflitti di interesse da dichiarare.

Riconoscimenti

Gli Autori ringraziano il Dott. Federico Della Vecchia e il Dott. Alessandro Cairo (Università degli Studi di Torino) per il prezioso supporto nella preparazione del manoscritto. Questo lavoro è stato sostenuto da sovvenzioni della Fondazione CRT (Torino, Italia), dell'Università di Torino (Fondo per la Ricerca Locale - ex-60%) e del National Institutes of Health (sovvenzione R01DK109008, Shape UP! Adulti).

Materiali

NameCompanyCatalog NumberComments
System #1
ProscannerFit3D Inc., San Mateo, CA, USAVersion 5"System #1" in the manuscript
Fit3D Proscanner appFit3D Inc., San Mateo, CA, USAVersion 5"App #1" in the manuscript
CHUWI tablet PCChuwi Technology Co., Ltd., Shenzhen, CHINAHi10X"Tablet #1" in the manuscript
Fit3D dashboardFit3D Inc., San Mateo, CA, USAhttps://dashboard.fit3d.com
System #2
Mobile Scanner 1 (MS-1) appSize Stream LLC, Cary, NC, USAVersion 2"System #2" in the manuscript
iPadApple Inc., Cupertino, CA, USA9th generation"Tablet #2" in the manuscript
iPad Floor StandDisplays2go LLC, Fall River, MA, USASKU: TABFLATBBKwww.displays2go.com/P-29987/Universal-Tablet-Floor-Stand-Anti-Theft-Locking-Kit
Size Stream registration dashboard Size Stream LLC, Cary, NC, USAhttps://measure.mobilefit.sizestream.com
Size Stream data download dashboard Size Stream LLC, Cary, NC, USAhttps://data.mobilefit.sizestream.com

Riferimenti

  1. Heymsfield, S. B., Lohman, T., Wang, Z. M., Going, S. Human body composition-2nd edition. Human Kinetics. , (2005).
  2. Lohman, T. G., Milliken, L. A. ACSM's Body composition assessment. Human Kinetics. , (2020).
  3. Ross, R., et al. Waist circumference as a vital sign in clinical practice: a Consensus Statement from the IAS and ICCR Working Group on Visceral Obesity. Nat Rev Endocrinol. 16 (3), 177-189 (2020).
  4. Heymsfield, S. B., Gonzalez, M. C., Lu, J., Jia, G., Zheng, J. Skeletal muscle mass and quality: evolution of modern measurement concepts in the context of sarcopenia. Proc Nutr Soc. 74 (4), 355-366 (2015).
  5. Marin-Jimenez, N., et al. Criterion-related validity of field-based methods and equations for body composition estimation in adults: a systematic review. Curr Obes Rep. 11 (4), 336-349 (2022).
  6. Duarte, C. K., et al. Prediction equations to estimate muscle mass using anthropometric data: a systematic review. Nutr Rev. 81 (11), 1414-1440 (2023).
  7. Jagim, A. R., et al. Validation of skinfold equations and alternative methods for the determination of fat-free mass in young athletes. Front Sports Act Living. 5, 1240252 (2023).
  8. Minetto, M. A., et al. Digital anthropometry for body circumference measurements: European phenotypic variations throughout the decades. J Pers Med. 12 (6), 906 (2022).
  9. Ng, B. K., Hinton, B. J., Fan, B., Kanaya, A. M., Shepherd, J. A. Clinical anthropometrics and body composition from 3D whole-body surface scans. Eur J Clin Nutr. 70 (11), 1265-1270 (2016).
  10. Bourgeois, B., et al. Clinically applicable optical imaging technology for body size and shape analysis: comparison of systems differing in design. Eur J Clin Nutr. 71 (11), 1329-1335 (2017).
  11. Heymsfield, S. B., et al. Digital anthropometry: a critical review. Eur J Clin Nutr. 72 (5), 680-687 (2018).
  12. Tinsley, G. M., Moore, M. L., Benavides, M. L., Dellinger, J. R., Adamson, B. T. 3-Dimensional optical scanning for body composition assessment: A 4-component model comparison of four commercially available scanners. Clin Nutr. 39 (10), 3160-3167 (2020).
  13. Tinsley, G. M., Moore, M. L., Dellinger, J. R., Adamson, B. T., Benavides, M. L. Digital anthropometry via three-dimensional optical scanning: evaluation of four commercially available systems. Eur J Clin Nutr. 74 (7), 1054-1064 (2020).
  14. Smith, B., et al. Anthropometric evaluation of a 3D scanning mobile application. Obesity (Silver Spring). 30 (6), 1181-1188 (2022).
  15. Graybeal, A. J., Brandner, C. F., Tinsley, G. M. Validity and reliability of a mobile digital imaging analysis trained by a four-compartment model. J Hum Nutr Diet. 36 (3), 905-911 (2023).
  16. Graybeal, A. J., Brandner, C. F., Tinsley, G. M. Evaluation of automated anthropometrics produced by smartphone-based machine learning: a comparison with traditional anthropometric assessments. Br J Nutr. 130 (6), 1077-1087 (2023).
  17. Wong, M. C., et al. Accuracy and precision of 3-dimensional optical imaging for body composition by age, BMI, and ethnicity. Am J Clin Nutr. 118 (3), 657-671 (2023).
  18. Minetto, M. A., et al. Equations for smartphone prediction of adiposity and appendicular lean mass in youth soccer players. Sci Rep. 13 (1), 20734 (2023).
  19. Cataldi, D., et al. Accuracy and precision of multiple body composition methods and associations with muscle strength in athletes of varying hydration: The Da Kine Study. Clin Nutr. 43 (1), 284-294 (2024).
  20. Graybeal, A. J., et al. Smartphone derived anthropometrics: Agreement between a commercially available smartphone application and its parent application intended for use at point-of-care. Clinical Nutrition ESPEN. 59, 107-112 (2024).
  21. . Politecnico di Torino Available from: https://www.polito.it/sites/default/files/2023-05/Research%20Integrity%20POLITO_EN.pdf (2024)
  22. Sobhiyeh, S., et al. Hole filling in 3D scans for digital anthropometric applications. Annu Int Conf IEEE Eng Med Biol Soc. 2019, 2752-2757 (2019).
  23. Mifflin, M. D., et al. A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr. 51 (2), 241-247 (1990).
  24. Krakauer, N. Y., Krakauer, J. C. A new body shape index predicts mortality hazard independently of body mass index. PLoS One. 7 (7), e39504 (2012).
  25. Katch, F. I., McArdle, W. D. Validity of body composition prediction equations for college men and women. Am J Clin Nutr. 28 (2), 105-109 (1975).
  26. Harty, P. S., et al. Novel body fat estimation using machine learning and 3-dimensional optical imaging. Eur J Clin Nutr. 74 (5), 842-845 (2020).
  27. MCCarthy, C., et al. Smartphone prediction of skeletal muscle mass: model development and validation in adults. Am J Clin Nutr. 117 (4), 794-801 (2023).
  28. Loper, M., Mahmood, N., Romero, J., Pons-Moll, G., Black, M. J. SMPL: A skinned multi-person linear model. ACM Trans Graph. 34, 248 (2015).
  29. Sobhiyeh, S., et al. Digital anthropometry for body circumference measurements: Toward the development of universal three-dimensional optical system analysis software. Obes Sci Pract. 7 (1), 35-44 (2020).
  30. Sobhiyeh, S., et al. Digital anthropometric volumes: Toward the development and validation of a universal software. Med Phys. 48 (7), 3654-3664 (2021).
  31. Dechenaud, M. E., Kennedy, S., Sobhiyeh, S., Shepherd, J., Heymsfield, S. B. Total body and regional surface area: Quantification with low-cost three-dimensional optical imaging systems. Am J Phys Anthropol. 175 (4), 865-875 (2021).
  32. Wong, M. C., et al. A pose-independent method for accurate and precise body composition from 3D optical scans. Obesity (Silver Spring). 29 (11), 1835-1847 (2021).
  33. Tian, I. Y., et al. A device-agnostic shape model for automated body composition estimates from 3D optical scans. Med Phys. 49 (10), 6395-6409 (2022).
  34. Tian, I. Y., et al. Automated body composition estimation from device-agnostic 3D optical scans in pediatric populations. Clin Nutr. 42 (9), 1619-1630 (2023).
  35. Wells, J. C. K. Three-dimensional optical scanning for clinical body shape assessment comes of age. Am J Clin Nutr. 110 (6), 1272-1274 (2019).
  36. Ng, B. K., et al. Detailed 3-dimensional body shape features predict body composition, blood metabolites, and functional strength: the Shape Up! studies. Am J Clin Nutr. 110 (6), 1316-1326 (2019).
  37. Wong, M. C., et al. Monitoring body composition change for intervention studies with advancing 3D optical imaging technology in comparison to dual-energy X-ray absorptiometry. Am J Clin Nutr. 117 (4), 802-813 (2023).
  38. Wong, M. C., et al. Children and adolescents' anthropometrics body composition from 3-D optical surface scans. Obesity (Silver Spring). 27 (11), 1738-1749 (2019).
  39. Morse, S., et al. Machine learning prediction of combat basic training injury from 3D body shape images. PLoS One. 15 (6), e0235017 (2020).
  40. Harty, P. S., et al. Military body composition standards and physical performance: historical perspectives and future directions. J Strength Cond Res. 36 (12), 3551-3561 (2022).
  41. Keith, D. S., et al. Anthropometric predictors of conventional deadlift kinematics and kinetics: a preliminary study. Int J Exerc Sci. 16 (1), 429-447 (2023).
  42. Smith, M., et al. Body shape and performance on the US Army Combat Fitness Test: Insights from a 3D body image scanner. PLoS One. 18 (5), e0283566 (2023).
  43. Hart, N. H., Nimphius, S., Spiteri, T., Newton, R. U. Leg strength and lean mass symmetry influences kicking performance in Australian football. J Sports Sci Med. 13 (1), 157-165 (2014).
  44. Ardern, C. L., et al. Consensus statement on return to sport from the First World Congress in Sports Physical Therapy, Bern. Br J Sports Med. 50 (14), 853-864 (2016).
  45. Bennett, J. P., et al. Three-dimensional optical body shape and features improve prediction of metabolic disease risk in a diverse sample of adults. Obesity (Silver Spring). 30 (8), 1589-1598 (2022).
  46. Heymsfield, S. B., Shapses, S. A. Guidance on energy and macronutrients across the life span. N Engl J Med. 390 (14), 1299-1310 (2024).

Ristampe e Autorizzazioni

Richiedi autorizzazione per utilizzare il testo o le figure di questo articolo JoVE

Richiedi Autorizzazione

Esplora altri articoli

Keywords Imaging ottico 3Dantropometriacomposizione corporeavalutazione clinicaantropometria digitaleavatar umanoideallenamento personalizzatostrategia riabilitativamisurazione del peso

This article has been published

Video Coming Soon

JoVE Logo

Riservatezza

Condizioni di utilizzo

Politiche

Contattaci

SUGGERISCI JOVE ALLA BIBLIOTECA

Newsletter di JoVE

Ricerca

Didattica

Autori

Personale delle biblioteche

CHI SIAMO

Copyright © 2025 MyJoVE Corporation. Tutti i diritti riservati