Diese Querschnittsstudie identifiziert extrazelluläres Wasser und Rumpfreaktanz, gemessen mittels bioelektrischer Impedanzanalyse, als unabhängig mit der Feuchtigkeitskonstitution assoziiert. Diese quantifizierbaren Parameter deuten auf Unterschiede im Körperflüssigkeitsstatus und in den bioelektrischen Eigenschaften des Rumpfes hin.
Forschungsartikel
Identifizierung der Feuchtigkeits-Konstitution auf der Grundlage der Bioimpedanzanalyse: Unabhängige Zusammenhänge zwischen extrazellulärer Flüssigkeit und Rumpfreaktanz
27 Aufrufe
⸱
11. September 2026
In diesem Artikel
Zusammenfassung
Zusammenfassung
Diese Studie hatte das Ziel, objektive Parameter der bioelektrischen Impedanzanalyse (BIA), die unabhängig mit der Feuchtigkeitskonstitution (Phlegm-Feuchtigkeits- und Feuchtigkeits-Hitze-Konstitutionen) in der Traditionellen Chinesischen Medizin (TCM) assoziiert sind, zu identifizieren und dadurch Kandidatenindikatoren für deren objektive Bestimmung bereitzustellen. In dieser Querschnittsstudie wurden 232 Teilnehmer (129 mit harmonischer Konstitution und 103 mit Feuchtigkeitskonstitution) nacheinander aus einem gemeindebasierten Gesundheitsscreening rekrutiert. Es wurden die Flüssigkeitsverteilung im Ganzkörper und in Körperteilen, bioelektrische Parameter sowie die Handkraft gemessen. Kernmerkmale wurden mittels der Least-Absolute-Shrinkage-and-Selection-Operator-(LASSO-)Regression identifiziert, und ihre unabhängigen Assoziationen mit der Feuchtigkeitskonstitution wurden mittels multivariater logistischer Regression bewertet; außerdem wurden geschlechtsspezifische und Sensitivitätsanalysen (Winsorization sowie zusätzliche Anpassung für Taillen-Hüft-Verhältnis oder Bauchumfang) durchgeführt. Die LASSO-Analyse identifizierte fünf Kernmerkmale: Phasenwinkel des linken unteren Extremitäts (PA_LL), Rumpfreaktanz (Reactance_TR), extrazelluläre Flüssigkeit (ECW), Körperfettanteil (PBF) und mittlere Handkraft. Im multivariablen Modell waren ECW (OR = 1.307, 95 % KI: 1,046–1,649, p = 0,021) und Reactance_TR (OR = 2,163, 95 % KI: 1,124–4,267, p = 0,023) unabhängig und positiv mit der Feuchtigkeitskonstitution assoziiert. In den geschlechtsspezifischen Analysen waren beide Assoziationen bei Männern statistisch signifikant (ECW: OR = 1,407, p = 0,038; Reactance_TR: OR = 2,764, p = 0,030), jedoch nicht bei Frauen. Formelle Interaktionstests unterstützten keinen statistisch signifikanten Geschlechtsunterschied (Geschlecht × ECW: p = 0,573; Geschlecht × Reactance_TR: p = 0,605), was darauf hindeutet, dass der scheinbare Geschlechtsunterschied auf eine geringere statistische Power in der kleineren weiblichen Untergruppe zurückzuführen sein könnte. Die Assoziationen blieben in allen Sensitivitätsanalysen stabil. Zusammenfassend sind ECW und Reactance_TR zwei zentrale BIA-Indizes, die unabhängig mit der Feuchtigkeitskonstitution assoziiert sind, was auf eine Flüssigkeitsretention im Rumpfbereich und veränderte bioelektrische Eigenschaften bei betroffenen Personen hindeutet. Diese Parameter stellen vorläufige Kandidatenindikatoren für die objektive Identifizierung der Feuchtigkeitskonstitution dar und erfordern eine Validierung in unabhängigen Populationen.
Einleitung
Gemäß der Theorie der Konstitutionsmedizin in der Traditionellen Chinesischen Medizin bildet die Konstitution eines Individuums den inneren Kontext für das Auftreten, den Verlauf und das Outcome von Erkrankungen1. Unter diesen stellen feuchte Konstitutionen (Phlegm-Feuchtigkeit und Feuchtigkeits-Hitze-Konstitutionen) häufige Typen von Konstitutionsungleichgewichten dar, die in der klinischen Praxis beobachtet werden2 und signifikant mit einem erhöhten Risiko für ungünstige Gesundheitsfolgen wie Stoffwechselstörungen, Gebrechlichkeit sowie kardiovaskuläre und metabolische Erkrankungen assoziiert sind3,4. Die aktuelle Beurteilung feuchter Konstitutionen stützt sich jedoch hauptsächlich auf Fragebogenerhebungen oder die klinische Einschätzung von TCM-Praktikern5, während die Fähigkeit von BIA-Parametern, die Konstitution eines Individuums genau zu bestimmen, noch überprüft werden muss.
Die BIA kann potenzielle Indikatoren zur effektiven Identifizierung von Körperformtypen liefern. Frühere Studien haben gezeigt, dass aus der BIA abgeleitete Parameter zur Verteilung der Körperflüssigkeiten zusammen mit Parametern zur Zellmembranfunktion über herkömmliche Messgrößen der Muskelmasse hinausgehen und den funktionellen Zustand des Körpers sowie die Langzeitprognose sensibler widerspiegeln können. Beispielsweise wurde nachgewiesen, dass ein aus der BIA abgeleitetes Verhältnis von extrazellulärer zu intrazellulärer Wassermenge (ECW/ICW) unabhängig mit der Gesamtmortalität und ungünstigen klinischen Ergebnissen assoziiert ist6,7. Ein erhöhtes Verhältnis von extrazellulärer zu Gesamtkörperwasser (ECW/TBW) steht ebenfalls in enger Beziehung zum funktionellen Abbau der unteren Extremitäten und zu verminderter Muskelkraft8. Darüber hinaus bieten der Phasenwinkel (PhA) und die Reaktanz (Xc) als Marker für die Integrität der Zellmembran und die Körperzellmasse besondere Vorteile bei der Überwachung eines frühen funktionellen Abbaus, von Mangelernährung und entzündlichen Zuständen8,9,10. Besonders hervorzuheben ist, dass lokale Parameter der Körperflüssigkeitsverteilung die funktionelle Leistungsfähigkeit in bestimmten Körperregionen genauer vorhersagen können als systemische Indikatoren11,12 und dass die direkte Nutzung roher Parameter wie Xc Veränderungen der Muskelaktivität direkter widerspiegeln kann als die über Gleichungen geschätzte Muskelmasse13. Diese Studien liefern eine fundierte theoretische Grundlage für die Entwicklung BIA-basierter Methoden zur Beurteilung der Feuchtigkeitskonstitution.
Hinsichtlich der Konstitutionstypisierung haben bisherige Studien versucht, BIA-Parameter mit den Konstitutionen der Traditionellen Chinesischen Medizin (TCM) zu korrelieren. Die Analyse des Serumproteoms hat eine differenzielle Expression von immun- und entzündungsbezogenen Proteinen bei Personen mit feuchter Konstitution gezeigt2. Darüber hinaus wurde gezeigt, dass das mittels BIA ermittelte Verhältnis von extrazellulärer zu gesamter Körperflüssigkeit (ECW/TBW) eng mit funktionellem Leistungsabfall und Volumenüberschuss assoziiert ist14, und eine Zunahme der BIA-basierten extrazellulären Flüssigkeit kann mit erhöhten Entzündungswerten einhergehen15. Störungen des Flüssigkeitsstoffwechsels und entzündliche Zustände stellen zentrale pathologische Mechanismen hinter den „zähen und trüben“ Merkmalen der feuchten Konstitution dar. Bisher wurden jedoch multidimensionale BIA-Parameter nicht systematisch im Hinblick auf die feuchte Konstitution bewertet, und das Potenzial segmentaler, roher elektrischer Parameter ist weitgehend unerforscht geblieben. Daher wird erwartet, dass die Untersuchung des unabhängigen Zusammenhangs zwischen multidimensionalen BIA-Parametern und der feuchten Konstitution eine neue Perspektive für die objektive Identifizierung dieser Konstitution eröffnet.
Zusammenfassend nutzte diese Studie ein LASSO-Regressionsmodell, um zentrale BIA-Indikatoren zu identifizieren, die unabhängig mit der Feucht-Konstitution assoziiert sind, und bewertete den eigenständigen Beitrag dieser ausgewählten Indikatoren mittels multivariater logistischer Regression. Darüber hinaus wurden Sensitivitätsanalysen durchgeführt, um potenzielle geschlechtsspezifische Unterschiede in den Assoziationen zu untersuchen. Dies liefert eine theoretische Grundlage sowie Kandidaten-Indikatoren für die Entwicklung von BIA-basierten Messverfahren, die die Feucht-Konstitution effektiv identifizieren können.
Protokoll
Diese Studie wurde vom Ethikkomitee des Gesundheitsdienstzentrums der Gemeinschaft Beicai, Bezirk Pudong, Shanghai (Genehmigungsnummer 20250425AR; genehmigt am 25. April 2025) geprüft und genehmigt. Alle Teilnehmer gaben vor der Einschreibung ihre schriftliche, informierte Einwilligung ab.
Forschungsdesign und Studienpopulation
Diese Querschnittsstudie hatte das Ziel, objektive Indikatoren in Verbindung mit den Konstitutionen der Feuchtigkeit (Phlegm-Dampness und Damp-Heat) mithilfe der BIA zu identifizieren. Die Teilnehmer wurden aus einem auf Gemeinschaftsbasis durchgeführten Gesundheitsscreening rekrutiert, das im Beicai Community Health Service Center (Pudong New Area, Shanghai) zwischen dem 1. Juli 2025 und dem 5. Januar 2026 stattfand. Alle Personen, die in diesem Zeitraum sowohl die TCM-Konstitutionsbeurteilung als auch die BIA-Messung abgeschlossen hatten, wurden nacheinander eingeschlossen. Teilnehmer mit fehlenden Daten bezüglich einer zentralen Variablen wurden ausgeschlossen. Insgesamt wurden 232 Teilnehmer eingeschlossen, darunter 129 in der Gruppe mit harmonischer Konstitution und 103 in der Gruppe mit feuchter Konstitution.
Diagnosekriterien für den Feuchtigkeitskonstitutionstyp
Die Konstitutionsbeurteilung erfolgte mithilfe eines patentierten, tragbaren Smart-Spiegels zur Analyse der Konstitution in der Traditionellen Chinesischen Medizin (TCM) (Hi-Face22; Chinesisches Gebrauchsmusterpatent Nr. ZL 2021 2 1286496.5), der das standardisierte Neun-Konstitutions-Klassifikationssystem der TCM anwendet und anhand von Gesichtsmerkmalen sowie Antworten eines integrierten Fragebogens eine quantifizierte Konstitutionsdiagnose erstellt. Teilnehmer, bei denen die Konstitution des Schleim-Feuchte- oder Feuchtigkeits-Wärme-Typus als vorherrschend identifiziert wurde, wurden der Feuchte-Konstitutionsgruppe zugeordnet; jene, die die Kriterien für die harmonische Konstitution erfüllten und keine weiteren Konstitutionsstörungen aufwiesen, wurden der Kontrollgruppe zugeordnet2. Nach unserem Kenntnisstand wurde eine validierte Überprüfung dieses Geräts anhand eines unabhängigen Referenzstandards (z. B. einer Expertenbeurteilung durch TCM-Fachleute oder einem validierten Fragebogen) in begutachteten Publikationen bisher nicht veröffentlicht; dies wird als methodische Einschränkung angesehen.
BIA und Körperzusammensetzungsmessung
BIA-Messungen wurden unter strikter Einhaltung der vom Hersteller vorgegebenen Standardarbeitsanweisungen mit einem mehrfrequenten, acht-Punkt-Tastelektroden-Segmental-Bioelektrischen-Impedanz-Analysator (InBody 770, siehe Tabelle der Materialien) durchgeführt. Das Gerät appliziert Wechselströme mit mehreren Frequenzen (1, 5, 50, 250, 500 und 1.000 kHz) und ist phasensensitiv, wodurch Widerstand (R), Reaktanz (Xc) und Phasenwinkel (PhA) direkt für den gesamten Körper und fünf Segmente (rechter Arm, linker Arm, Rumpf, rechtes Bein, linkes Bein) mittels tetrapolarer Elektrodenkonfiguration gemessen werden. Der Rumpf-Widerstand, die Rumpf-Reaktanz und der Rumpf-Phasenwinkel wurden zwischen den Elektroden an der rechten Hand und am rechten Fuß bei 50 kHz gemessen und aufgezeichnet. Es ist darauf hinzuweisen, dass BIA-Geräte bioelektrische Parameter direkt erfassen, die von Flüssigkeits- und Elektrolytzustand des Körpers beeinflusst werden; die angegebenen Flüssigkeitsvolumina und Körperzusammensetzungsparameter sind Schätzwerte, die aus den Vorhersagegleichungen des Geräts abgeleitet werden. Vor der Messung mussten die Probanden mindestens 2 Stunden nüchtern bleiben, auf anstrengende körperliche Aktivität 12 Stunden lang verzichten und ihre Blase entleeren. Während der Messung standen die Probanden barfuß auf den Fuß-Elektroden und hielten die Hand-Elektroden mit beiden Händen. Folgende Parameter der Körperzusammensetzung wurden erfasst: Gesamtkörperwasser (TBW), intrazelluläres Wasser (ICW), extrazelluläres Wasser (ECW), ECW/TBW-Verhältnis (numerischer Wert und Prozentangabe), TBW/Fettfreie-Masse-Verhältnis (TBW/FFM), Körperfettanteil in Prozent (PBF), Körperfettmasse (BFM), viszeraler Fettbereich (VFA), Fettmassenindex (FMI), Adipositasgrad, Skelettmuskelmasse (SMM), mageres Körpergewicht (SLM), fettfreie Masse (FFM), Körperzellmasse (BCM), Protein, Oberarmumfang (AMC), Grundumsatz (BMR). Folgende segmentale bioelektrische Parameter wurden aufgezeichnet: Phasenwinkel des Gesamtkörpers (PA_Whole), Phasenwinkel des rechten Oberarms (PA_RA), Phasenwinkel des linken Oberarms (PA_LA), Phasenwinkel des Rumpfes (PA_TR), Phasenwinkel des rechten Unterschenkels (PA_RL), Phasenwinkel des linken Unterschenkels (PA_LL), Rumpf-Impedanz (Impedance_TR), Rumpf-Reaktanz (Reactance_TR). Gleichzeitig wurden folgende anthropometrische Parameter gemessen: Körpergröße, Körpergewicht, Body-Mass-Index (BMI), Taille-Hüfte-Verhältnis (WHR), Bauchumfang sowie Umfang des linken und rechten Unterschenkels.
Messung der Griffkraft
Die Griffigkeitskraft wurde mit einem digitalen Handkraftdynamometer gemessen (siehe Tabelle der Materialien). Nach zwei maximalen isometrischen Kontraktionen pro Hand, abwechselnd zwischen linker und rechter Hand mit einer einminütigen Ruhepause zwischen den Kontraktionen, wurde der Mittelwert der beiden Versuche der dominanten Hand berechnet und für die Analyse verwendet (Mean_Grip).
Statistische Analyse
Der gesamte analytische Ansatz – eine auf LASSO basierende Merkmalsauswahl, gefolgt von einer multivariablen logistischen Regression, einschließlich geschlechtsspezifischer und Sensitivitätsanalysen – wurde a priori festgelegt. Die spezifischen Merkmale, die in das endgültige Modell eingingen, wurden jedoch durch datengetriebene LASSO-Auswahl bestimmt, und die geschlechtsspezifischen sowie Sensitivitätsanalysen sollten als explorativ betrachtet werden. Für keine der in die Analyse eingeschlossenen Variablen lagen fehlende Werte vor. Stetige Variablen mit normaler Verteilung wurden als Mittelwert ± Standardabweichung angegeben; solche mit abweichender Verteilung als Median (Interquartilsabstand); kategoriale Variablen als Häufigkeit (Prozentanteil). Gruppenvergleiche wurden mithilfe des t-Tests für unabhängige Stichproben, des Mann-Whitney-U-Tests oder des Chi-Quadrat-Tests durchgeführt, wobei ein P < 0,05 als statistisch signifikant angesehen wurde.
Anschließend wurden BIA-Merkmale mittels LASSO-Regression analysiert; der optimale Strafparameter λ wurde durch 10-fache Kreuzvalidierung bestimmt, und Merkmale mit von null verschiedenen Koeffizienten bei dem λ, das den Kreuzvalidierungsfehler minimierte (λ.min), wurden ausgewählt. Die Diskriminierungskraft des Modells wurde anhand der Fläche unter der Receiver-Operating-Characteristic-Kurve (AUC) bewertet. Das Verfahren der 10-fachen Kreuzvalidierung diente ausschließlich der Auswahl des LASSO-Strafparameters λ und diente nicht zur Validierung des endgültigen Modells; die interne Validierung des finalen Modells erfolgte mittels Bootstrap-Optimismuskorrektur (1.000 Wiederholungen) und 5-facher Kreuzvalidierung, und Multikollinearität wurde mithilfe des Varianzinflationsfaktors (VIF) geprüft, wobei Werte unter fünf als akzeptabel galten. Die Kalibrierung des Modells wurde mittels des Hosmer–Lemeshow-Anpassungstests und der bootstrap-korrigierten Kalibrierungssteigung überprüft. Der klinische Nutzen wurde mittels Entscheidungskurvenanalyse (DCA) evaluiert. Die DCA wurde über den gesamten Schwellenwahrscheinlichkeitsbereich von 0–1,0 durchgeführt, wobei der Nettogewinn relativ zu den Referenzstrategien „alle behandeln“ und „keinen behandeln“ angegeben wurde. Das klinische Entscheidungsszenario betraf die Empfehlung einer weiteren Untersuchung oder Intervention bezüglich der Feuchtigkeitskonstitution bei Teilnehmern einer Gemeinschaftsuntersuchung.
Anschließend wurden die mittels LASSO-Analyse identifizierten Merkmale zusammen mit Alter und Geschlecht in ein multivariables logistisches Regressionsmodell integriert, um die unabhängige Assoziation jedes Indikators mit der Feuchtigkeitskonstitution zu bewerten, wobei Quotenverhältnisse (ORs) und 95 % Konfidenzintervalle (CIs) ermittelt wurden.
Subgruppenanalysen wurden nach Geschlecht durchgeführt, um die Stabilität der Assoziationen zu bewerten. Zu den Sensitivitätsanalysen gehörten: (1) die Anwendung einer 1%- und 99%-Winsorierung auf stetige Variablen; und (2) eine zusätzliche Anpassung für das Taillen-Hüft-Verhältnis oder den Bauchumfang. Alle statistischen Analysen wurden mit R Version 4.5.2 durchgeführt.
Ergebnisse
Grundlegende Merkmale
Diese Studie umfasste 232 Teilnehmer, darunter 129 (55,6 %) in der Gruppe der harmonischen Konstitution und 103 (44,4 %) in der Gruppe der Feuchtigkeitskonstitution (Tabelle 1). Hinsichtlich Alter, Geschlecht und Griffkraft bestanden zwischen den beiden Gruppen keine statistisch signifikanten Unterschiede (P > 0,05). Allerdings zeigten sich signifikante Unterschiede zwischen der Gruppe der Feuchtigkeitskonstitution und der Gruppe der harmonischen Konstitution bei den Indikatoren der Körperzusammensetzung. Die Gruppe der Feuchtigkeitskonstitution wies im Vergleich zur Gruppe der harmonischen Konstitution signifikant höhere Werte für TBW (p = 0,024), ICW (p = 0,033) und ECW (p = 0,015) auf, was darauf hindeutet, dass Personen mit Feuchtigkeitskonstitution einen höheren Flüssigkeitsgehalt besitzen. Gleichzeitig zeigte die Gruppe der Feuchtigkeitskonstitution signifikante Zunahmen bei SMM (p = 0,032), SLM (p = 0,028), FFM (p = 0,026) und BCM (p = 0,033), was auf eine größere Menge an magerer Körpermasse schließen lässt. Außerdem waren Protein (p = 0,032) und der Oberarmmuskulumfang (AMC; p = 0,044) in der Gruppe der Feuchtigkeitskonstitution signifikant höher als in der Gruppe der harmonischen Konstitution. Darüber hinaus war der Grundumsatz (BMR) der Gruppe der Feuchtigkeitskonstitution signifikant erhöht (p = 0,026), was mit ihrem höheren Anteil an magerer Körpermasse übereinstimmt. Bezüglich der Fettverteilung zeigten sich zwar keine signifikanten Unterschiede zwischen den beiden Gruppen hinsichtlich PBF und BMI, jedoch waren VFA (p = 0,048) und Bauchumfang (p = 0,044) in der Gruppe der Feuchtigkeitskonstitution signifikant höher als in der Gruppe der harmonischen Konstitution, was auf eine charakteristische Tendenz zur zentralen Fettverteilung bei der Feuchtigkeitskonstitution hindeutet. Hervorzuheben ist, dass trotz eines signifikanten Unterschieds in ECW zwischen den beiden Gruppen das Verhältnis ECW/TBW keinen statistisch signifikanten Unterschied aufwies (p = 0,228), was darauf schließen lässt, dass die gesamte proportionale Struktur der Körperflüssigkeitsverteilung relativ stabil war. Im unadjustierten deskriptiven Vergleich ergaben sich bezüglich der Gesamt- und segmentalen Bioimpedanz- und Reaktanzwerte (z. B. Reactance_TR: 3,30 [3,00, 3,60] vs. 3,30 [2,90, 3,70], p = 0,711) keine signifikanten Unterschiede zwischen den beiden Gruppen. Bemerkenswert ist, dass solche univariate Vergleiche und die multivariable Regression unterschiedliche Fragestellungen adressieren: Ein Parameter kann nach Adjustierung für Kovariaten signifikant werden.
Merkmalsauswahl und Bewertung von Vorhersagemodellen basierend auf LASSO-Regression
Die Kreuzvalidierungsfehlerkurve und der Koeffizientenpfad-Plot für die LASSO-Regression sind in Abbildung 1A,B dargestellt. Gemäß dem λ.min-Kriterium identifizierte das Modell letztendlich fünf zentrale Merkmale mit von null verschiedenen Regressionskoeffizienten (Tabelle 2). Die LASSO-Regressionskoeffizienten für jedes Merkmal lauten wie folgt: PA_LL (Koeffizient = −0,315), Reactance_TR (Koeffizient = 0,291), ECW (Koeffizient = 0,185), PBF (Koeffizient = 0,018) und Mean_Grip (Koeffizient = 0,002). Das aus diesen Merkmalen konstruierte Vorhersagemodell ergab eine Receiver-Operating-Characteristic-(ROC)-Kurve mit einer Fläche unter der Kurve (AUC) von 0,657 (95 %-Konfidenzintervall: 0,587–0,727), was auf eine moderate Diskriminationsleistung hinweist (Abbildung 2A). Nach Korrektur der Bootstrap-Optimismus-Bias (B = 1.000) betrug die AUC 0,607, und die 5-fache Kreuzvalidierung ergab eine AUC von 0,585, was auf ein geringes Maß an Überanpassungs-Optimismus hindeutet (Ergänzende Tabelle 1). Die Modellkalibrierung war gemäß dem Hosmer-Lemeshow-Test angemessen (χ2 = 8,882, df = 8, p = 0,352), obwohl die bootstrap-korrigierte Kalibrierungssteigung von 0,696 auf einen gewissen Optimismus hindeutet (Ergänzende Tabelle 1). Die VIF-Werte aller Prädiktoren im endgültigen Modell lagen zwischen 1,55 und 3,77, was auf keine problematische Multikollinearität hinweist (Ergänzende Tabelle 2). In der Entscheidungskurvenanalyse (Abbildung 2B) verlief die Nettogewinnkurve des Modells für Schwellenwahrscheinlichkeiten bis etwa 0,55 oberhalb der Referenzlinie „keine Behandlung“, blieb jedoch im gesamten ausgewerteten Bereich der Schwellenwahrscheinlichkeit (0–1,0) unterhalb der Referenzlinie „alle behandeln“; oberhalb von etwa 0,6 sank der Nettogewinn des Modells unter null. Diese Ergebnisse zeigen, dass die klinische Nützlichkeit des Modells in dieser Stichprobe begrenzt ist.
Faktoren, die unabhängig mit der feuchten Konstitution assoziiert sind: ECW und Reactance_TR
Um unabhängige Faktoren im Zusammenhang mit der Feuchtigkeitskonstitution weiter zu identifizieren, wurden in diese Studie die fünf Kernmerkmale, die mittels LASSO-Regression ermittelt wurden (ECW, KFA, PA_LL, Reactance_TR und mittlerer Kraftrang), zusammen mit Alter und Geschlecht in ein multivariates logistisches Regressionsmodell aufgenommen. Die Ergebnisse zeigten, dass ECW und Reactance_TR unabhängig mit der Feuchtigkeitskonstitution assoziiert waren (Tabelle 3). Insbesondere stieg die Chance, als Person mit Feuchtigkeitskonstitution klassifiziert zu werden, pro Liter Zunahme von ECW um 30,7 % (OR = 1,307, 95 % KI: 1,046–1,649, p = 0,021). Bezogen auf eine Standardabweichung von ECW (2,14 L) betrug das Odds-Ratio 1,774 (95 % KI: 1,100–2,916). Auch Reactance_TR zeigte eine signifikante, unabhängige positive Assoziation (OR = 2,163, 95 % KI: 1,124–4,267, p = 0,023). Im Gegensatz dazu erreichten KFA, PA_LL und mittlerer Kraftrang nach Anpassung für Kovariaten keine statistische Signifikanz (P > 0,05).
Analysen nach Geschlecht stratifizierter unabhängig assoziierter Faktoren
Um die Stabilität der oben genannten Assoziationsindikatoren über die Geschlechtssubgruppen hinweg zu untersuchen, wurden in dieser Studie multivariate logistische Regressionsanalysen durchgeführt, die nach Geschlecht stratifiziert waren. In der männlichen Subgruppe blieben die unabhängigen Assoziationen von ECW und Reactance_TR bestehen. Insbesondere stieg die Chance für eine Feuchtigkeitskonstitution bei Männern um 40,7 % pro Einheitenzunahme von ECW (OR = 1,407, 95 % KI: 1,030–1,974, p = 0,038); das OR für Reactance_TR betrug sogar 2,764 (95 % KI: 1,140–7,255, p = 0,030). Im Gegensatz dazu waren PBF, PA_LL und Mean_Grip in der männlichen Subgruppe statistisch nicht signifikant (p > 0,05) (Tabelle 4).
In der weiblichen Untergruppe waren die Assoziationen statistisch nicht signifikant. Insbesondere wurde der Effekt von ECW abgeschwächt und war nicht mehr signifikant (OR = 1.353, 95 % CI: 0,940–1,979, p = 0,108); die OR für Reactance_TR sank auf 1,666 (95 % CI: 0,578–4,960, p = 0,348), wobei keiner der Werte die statistische Schwelle erreichte. PBF, PA_LL und Mean_Grip waren in der weiblichen Untergruppe ebenfalls nicht signifikant (p > 0,05) (Tabelle 5). Allerdings zeigte der formale Interaktionstest keinen statistisch signifikanten Unterschied zwischen den Geschlechtern (Geschlecht × ECW: OR = 1,127, 95 % CI: 0,744–1,716, p = 0,573; Geschlecht × Reactance_TR: OR = 1,353, 95 % CI: 0,428–4,282, p = 0,605), was darauf hindeutet, dass der scheinbare Geschlechtsunterschied eher auf die kleinere Stichprobe von Frauen und die dadurch verringerte statistische Power zurückzuführen ist statt auf einen echten Unterschied in den Assoziationen (Ergänzungstabelle 3).
Um die Robustheit der oben genannten Assoziationen zu bewerten, führte diese Studie eine Sensitivitätsanalyse durch. Nach der Winsorization bestand weiterhin eine unabhängige positive Assoziation von ECW mit der Feuchtigkeitskonstitution (OR = 1.331, 95 % CI: 1.055–1.694, p = 0,018), und der Effekt von Reactance_TR blieb ebenfalls statistisch signifikant (OR = 2,321, 95 % CI: 1,182–4,682, p = 0,016). In der winsorisierten Analyse zeigten PBF und PA_LL grenzwertige p-Werte (0,053 bzw. 0,056) mit Effektschätzungen von OR = 1,054 (95 % CI: 1,000–1,113) bzw. OR = 0,592 (95 % CI: 0,342–1,006) (Tabelle 6); nach zusätzlicher Anpassung an das Taillen-Hüft-Verhältnis erreichten beide eine nominelle Signifikanz (PBF: OR = 1,086, 95 % CI: 1,005–1,178, p = 0,040; PA_LL: OR = 0,574, 95 % CI: 0,335–0,964, p = 0,039; Ergänzungstabelle 4). Diese weniger stabilen Ergebnisse sollten mit Vorsicht interpretiert werden. Darüber hinaus blieben die unabhängigen Assoziationen von ECW und Reactance_TR in separaten Sensitivitätsanalysen nach zusätzlicher Anpassung an das Taillen-Hüft-Verhältnis oder den Bauchumfang statistisch signifikant (Ergänzungstabellen 4 und 5). Insgesamt zeigten die drei Sensitivitätsanalysen, dass die unabhängigen Assoziationen von ECW und Reactance_TR in allen Szenarien statistisch signifikant blieben, ohne Richtungsänderung oder Verlust der Signifikanz nach Winsorization der stetigen Variablen oder Anpassung an zusätzliche potenzielle Störfaktoren.
Datenverfügbarkeit:
Alle während dieser Studie generierten Rohdaten und analysierten Datensätze sind öffentlich im Zenodo-Repository unter https://doi.org/10.5281/zenodo.21187319 verfügbar.
Abbildung 1: Prozess der Merkmalsauswahl für das LASSO-Regressionsmodell. (A) Fehlerkurven für das LASSO-Regressionsmodell basierend auf 10-facher Kreuzvalidierung. Die x-Achse zeigt die log(λ)-Werte, die y-Achse den Kreuzvalidierungsfehler; vertikale Fehlerbalken repräsentieren den Standardfehler des Kreuzvalidierungsfehlers (binomiale Devianz) über die 10 Folds hinweg; die beiden vertikalen gestrichelten Linien zeigen λ.min (der λ-Wert, der dem minimalen Kreuzvalidierungsfehler entspricht) und λ.1se (der λ-Wert, der dem einfachsten Modell innerhalb eines Standardfehlers von λ.min entspricht); die Merkmale wurden mittels λ.min ausgewählt. (B) Koeffizientenpfaddiagramm des LASSO-Regressionsmodells. Die x-Achse zeigt die log(λ)-Werte, die y-Achse die Regressionskoeffizienten jedes Merkmals; mit zunehmendem λ werden die Koeffizienten irrelevanter Variablen schrittweise auf 0 reduziert, wodurch letztendlich fünf Merkmale mit nicht-null Koeffizientenwerten gemäß dem λ.min-Kriterium ausgewählt werden. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.
Abbildung 2: Bewertung der Diskriminierungsfähigkeit und klinischen Nützlichkeit des Vorhersagemodells. (A) ROC-Kurve. Die AUC des Modells betrug 0,657 (95 % KI: 0,587–0,727). (B) DCA über den Schwellenwahrscheinlichkeitsbereich von 0–1,0. Die gestrichelte violette Linie und die gestrichelte schwarze Linie stellen die Referenzstrategien „alle behandeln“ bzw. „keinen behandeln“ dar, während die durchgezogene grüne Linie das Modell repräsentiert. Die Nettovorteilskurve des Modells verlief bis zu einer Schwellenwahrscheinlichkeit von etwa 0,55 oberhalb der Referenzlinie „keinen behandeln“ und fiel oberhalb von etwa 0,6 unter null; im gesamten Bereich blieb sie unterhalb der Referenzlinie „alle behandeln“. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.
Tabelle 1: Baseline-Charakteristika der Studienpopulation, stratifiziert nach Konstitution. Demografische, anthropometrische, Körperzusammensetzungs-, bioelektrische und Handgriffkraft-Charakteristika werden zwischen Teilnehmern mit harmonischer Konstitution und solchen mit feuchter Konstitution verglichen. Die Daten sind je nach Angemessenheit als Mittelwert ± Standardabweichung, Median [Interquartilbereich] oder n (%) angegeben. Abkürzungen: TBW = Gesamtkörperwasser; ICW = intrazelluläres Wasser; ECW = extrazelluläres Wasser; PBF = Körperfettanteil; BFM = Körperfettmasse; VFA = viszeraler Fettbereich; FMI = Fettmassenindex; SMM = Skelettmuskelmasse; SLM = fettfreie Muskelmasse; FFM = fettfreie Masse; BCM = Körperzellenmasse; AMC = Armumfang der Muskulatur; BMR = Grundumsatz; BMI = Body-Mass-Index; WHR = Taillen-Hüft-Verhältnis; AC = Bauchumfang; PA = Phasenwinkel; IQR = Interquartilbereich. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Tabelle 2: Von der LASSO-Regression ausgewählte Schlüsselmerkmale und ihre Regressionskoeffizienten. Fünf Merkmale mit von null verschiedenen Koeffizienten wurden anhand des λ.min-Kriteriums in der LASSO-Regressionsanalyse ausgewählt. Abkürzungen: LASSO = least absolute shrinkage and selection operator; PA_LL = Phasenwinkel des linken unteren Extremitäten; Reactance_TR = Rumpfreaktanz; ECW = extrazelluläre Flüssigkeit; PBF = Körperfettanteil in Prozent; Mean_Grip = mittlere Grifffestigkeit. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Tabelle 3: Multivariable logistische Regressionsanalyse von Faktoren, die mit der Feuchtigkeitskonstitution assoziiert sind. Die Assoziationen der mittels LASSO ausgewählten Merkmale mit der Feuchtigkeitskonstitution wurden nach Anpassung für Alter und Geschlecht bewertet. Abkürzungen: OR = Odds Ratio; CI = Konfidenzintervall; ECW = extrazelluläre Flüssigkeit; PBF = Körperfettanteil; PA_LL = Phasenwinkel des linken unteren Gliedes; Reactance_TR = Rumpfreaktanz; Mean_Grip = mittlere Grifffestigkeit. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Tabelle 4: Multivariable logistische Regressionsanalyse von Faktoren, die mit der Feuchtigkeitskonstitution bei Männern assoziiert sind. Die Assoziationen zwischen den ausgewählten Merkmalen und der Feuchtigkeitskonstitution wurden in der männlichen Untergruppe nach Anpassung für das Alter bewertet.
Abkürzungen: OR = Odds Ratio; CI = Konfidenzintervall; ECW = extrazelluläre Flüssigkeit; PBF = Körperfettanteil; PA_LL = Phasenwinkel des linken unteren Extremitäten; Reactance_TR = Rumpfreaktanz; Mean_Grip = mittlere Grifffestigkeit. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Tabelle 5: Multivariable logistische Regressionsanalyse von Faktoren, die mit der Feuchtigkeitskonstitution bei Frauen assoziiert sind. Die Assoziationen zwischen den ausgewählten Merkmalen und der Feuchtigkeitskonstitution wurden in der weiblichen Untergruppe nach Anpassung für das Alter bewertet.
Abkürzungen: OR = Odds Ratio; CI = Konfidenzintervall; ECW = extrazelluläre Flüssigkeit; PBF = Körperfettanteil; PA_LL = Phasenwinkel des linken unteren Gliedes; Reactance_TR = Rumpfreaktanz; Mean_Grip = mittlere Grifffestigkeit. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Tabelle 6: Multivariable logistische Regressionsanalyse nach Winsorisierung. In der Sensitivitätsanalyse wurden Faktoren bewertet, die mit der Feuchtigkeitskonstitution assoziiert waren, nach Anwendung der 1-%- und 99-%-Winsorisierung auf stetige Variablen. Abkürzungen: OR = Odds Ratio; CI = Konfidenzintervall; ECW = extrazelluläre Flüssigkeit; PBF = Körperfettanteil; PA_LL = Phasenwinkel des linken unteren Gliedes; Reactance_TR = Rumpfreaktanz; Mean_Grip = mittlere Grifffestigkeit. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Ergänzende Tabelle 1: Interne Validierung und Kalibrierung des endgültigen multivariablen logistischen Regressionsmodells. Die Modellleistung wurde anhand der apparenten und optimistischkeitskorrigierten Diskriminierung, einer 5-fachen Kreuzvalidierung, Anpassungsgüte-Tests sowie einer Bootstrap-Kalibrierung bewertet. Die Assoziation von ECW pro Standardabweichung ist ebenfalls angegeben.
Abkürzungen: AUC, Fläche unter der ROC-Kurve; CI = Konfidenzintervall; ECW, extrazelluläre Flüssigkeit; OR, Odds Ratio; df, Freiheitsgrade.Bitte klicken Sie hier, um diese Datei herunterzuladen.
Ergänzende Tabelle 2: Varianzinflationsfaktoren für die Prädiktoren im endgültigen multivariablen logistischen Regressionsmodell. Die Varianzinflationsfaktoren wurden berechnet, um die Multikollinearität zwischen den im endgültigen Modell enthaltenen Prädiktoren zu bewerten.
Abkürzungen: VIF = Varianzinflationsfaktor; ECW = extrazelluläre Flüssigkeit; PBF = Körperfettanteil; PA_LL = Phasenwinkel des linken unteren Extremitäten; Reactance_TR = Rumpfreaktanz; Mean_Grip = mittlere Grifffestigkeit.Bitte klicken Sie hier, um diese Datei herunterzuladen.
Zusatz-Tabelle 3: Wechselwirkung zwischen Geschlecht und extrazellulärem Wasser sowie Rumpfreaktanz für die Feuchtigkeitskonstitution. Wechselwirkungsterme wurden evaluiert, um zu bestimmen, ob die Assoziationen von extrazellulärem Wasser und Rumpfreaktanz mit der Feuchtigkeitskonstitution je nach Geschlecht unterschiedlich waren.
Abkürzungen: ECW = extrazelluläres Wasser; OR = Odds Ratio; CI = Konfidenzintervall; LRT = Likelihood-Quotienten-Test; Reactance_TR = Rumpfreaktanz.Bitte klicken Sie hier, um diese Datei herunterzuladen.
Ergänzende Tabelle 4: Multivariable logistische Regressionsanalyse nach Anpassung für das Taillen-Hüft-Verhältnis. Eine Sensitivitätsanalyse bewertete die Assoziationen der ausgewählten Merkmale mit der Feuchtigkeitskonstitution nach zusätzlicher Anpassung für das Taillen-Hüft-Verhältnis.
Abkürzungen: OR = Odds Ratio; CI = Konfidenzintervall; ECW = extrazelluläre Flüssigkeit; PBF = Körperfettanteil; PA_LL = Phasenwinkel des linken unteren Extremitäten; Reactance_TR = Rumpfreaktanz; Mean_Grip = mittlere Grifffestigkeit; WHR = Taillen-Hüft-Verhältnis.Bitte klicken Sie hier, um diese Datei herunterzuladen.
Ergänzende Tabelle 5: Multivariable logistische Regressionsanalyse nach Anpassung für den Bauchumfang. Eine Sensitivitätsanalyse bewertete die Assoziationen der ausgewählten Merkmale mit der Feuchtigkeitskonstitution nach zusätzlicher Anpassung für den Bauchumfang.
Abkürzungen: OR = Odds Ratio; CI = Konfidenzintervall; ECW = extrazelluläre Flüssigkeit; PBF = Körperfettanteil; PA_LL = Phasenwinkel des linken unteren Gliedes; Reactance_TR = Rumpfreaktanz; Mean_Grip = mittlere Grifffestigkeit.Bitte klicken Sie hier, um diese Datei herunterzuladen.
Diskussion
Diese Studie untersuchte das Potenzial der Identifizierung der Feuchtigkeitskonstitution in der Traditionellen Chinesischen Medizin anhand von BIA-Parametern. Durch systematische Screening- und Korrelationsanalysen wurden ECW und Reactance_TR als zentrale Indikatoren identifiziert, die unabhängig mit der Feuchtigkeitskonstitution assoziiert sind. Diese Assoziationen blieben in allen Sensitivitätsanalysen stabil. In geschlechtsspezifischen Analysen waren sie bei Männern statistisch signifikant, nicht jedoch bei Frauen, und formale Interaktionstests unterstützten keinen statistisch signifikanten geschlechtsspezifischen Unterschied, wodurch wichtige Kandidatenindikatoren und eine theoretische Grundlage für einen BIA-basierten Ansatz zur Konstitutionsbestimmung bereitgestellt werden.
Die zentrale Erkenntnis dieser Studie besteht darin, dass das extrazelluläre Wasser (ECW) unabhängig mit der Feuchtigkeitskonstitution assoziiert war, was mit dem bestehenden pathophysiologischen Verständnis stark übereinstimmt. Erhöhte ECW-Spiegel spiegeln direkt Störungen im Flüssigkeitsstoffwechsel und eine mögliche Flüssigkeitsretention wider, was genau den Eigenschaften der Feuchtigkeit entspricht, schwer, trüb und zähflüssig zu sein8. Unsere Ergebnisse erweitern die Anwendung von BIA-Parametern vom traditionellen Bereich des funktionellen Leistungsabbaus hin zur Identifizierung von TCM-Konstitutionen. Frühere Studien haben bestätigt, dass bei Patienten mit chronisch-entzündlichen Erkrankungen wie rheumatoider Arthritis das aus der BIA abgeleitete ECW-Verhältnis signifikant erhöht ist und dieser Zustand der Volumenbelastung auf kurzfristige entzündungshemmende Therapie unempfindlich reagiert, wodurch die pathologischen Merkmale der Feuchtigkeit – zähflüssig und hartnäckig mit einem langwierigen und schwer behandelbaren Verlauf – widergespiegelt werden15. Diese Studie beobachtete eine ähnliche Assoziation auch in einer vergleichsweise gesunden Bevölkerungsgruppe aus der Gemeinschaft, was darauf hindeutet, dass ECW als empfindlicher, früher biophysikalischer Biomarker zur Erkennung des subklinischen Zustands der Feuchtigkeit dienen könnte. Es sollte beachtet werden, dass die mittels BIA abgeleiteten Schätzungen von Flüssigkeitsvolumen und Körperzusammensetzung, einschließlich derer des InBody 770, bei verschiedenen Populationen eine uneinheitliche Übereinstimmung mit Referenzmethoden (z. B. Verdünnungsmethoden oder DXA) aufweisen können, insbesondere bei Personen mit krankheitsbedingter lokalisierten Flüssigkeitsansammlung; die untersuchte Population bestand aus vergleichsweise gesunden, in der Gemeinschaft lebenden Erwachsenen, und diese Schätzungen sollten dementsprechend interpretiert werden.
Wichtiger noch: Diese Studie zeigte, dass die Assoziation zwischen Reactance_TR und der Feuchtigkeitskonstitution unter zahlreichen BIA-Parametern unabhängig vom ECW ist. Ein offensichtlicher Widerspruch sollte beachtet werden: Die Reaktanz des Rumpfes wies im unadjustierten Vergleich praktisch keinen Unterschied zwischen den Gruppen auf (p = 0,711), war jedoch im multivariablen Modell unabhängig mit der Feuchtigkeitskonstitution assoziiert. Dies stellt keine statistische Inkonsistenz dar – univariate Vergleiche und multivariable Regression beantworten unterschiedliche Fragen, und die adjustierte Assoziation ergab sich nach Kontrolle für Alter, Geschlecht und andere Körperzusammensetzungsvariablen; die VIF-Werte lagen alle unter fünf, was darauf hindeutet, dass Multikollinearität die Schätzung nicht wesentlich beeinflusst hat. Reaktanz spiegelt die kapazitiven Eigenschaften der Zellmembranen wider und hängt von den elektrischen Gewebseigenschaften, der Messfrequenz, der Segmentgeometrie und der Gewebezusammensetzung ab; sie ist keine direkte Messung der Integrität der Zellmembran16,17,18. Das InBody-Gerät gibt Reaktanzwerte gemäß einem Serien-Ersatzschaltkreismodell aus, und die physiologische Interpretation von Serien-Xc-Messungen hängt von der Konfiguration des Ersatzschaltkreises ab19,20. Die positive Assoziation der Rumpfreaktanz mit der Feuchtigkeitskonstitution sollte daher als statistische Assoziation betrachtet werden, die eine plausible – aber nicht belegte – physiologische Hypothese nahelegt, wie beispielsweise veränderte elektrische Eigenschaften des Rumpfgewebes oder eine veränderte Flüssigkeitsverteilung, und nicht als direkter Hinweis auf eine beeinträchtigte Zellmembranfunktion. Genauso wie das ECW/ICW in den Oberschenkeln die Funktion der unteren Extremitäten am genauesten widerspiegelt12, könnte die Assoziation eines segmentalen elektrischen Parameters eine Grundlage für weitere Untersuchungen liefern, ob segmentale bioelektrische Merkmale mit dem traditionellen Konzept der „Feuchtigkeit, die das mittlere Jiao blockiert“ in Verbindung stehen11,13. Diese Ergebnisse stimmen stark mit der Forschungsphilosophie „nicht nur den gesamten Körper, sondern auch spezifische Segmente zu betrachten“ überein11 und schließen eine Lücke in der bestehenden Forschung, in der Parameter des Rumpfsegments häufig vernachlässigt werden21. Darüber hinaus vermeidet Xc (ein Indikator, der unabhängig vom Hydratationszustand ist und die zelluläre Gesundheit direkt widerspiegelt) eine Überschätzung der Muskelmasse bei der Anwendung herkömmlicher BIA-Gleichungen unter Bedingungen eines Flüssigkeitsungleichgewichts22 und gewährleistet somit die Genauigkeit der körperlichen Konstitutionsbeurteilung. Im Gegensatz dazu wurde keine unabhängige Assoziation für den Phasenwinkel beobachtet, was mit seinem zusammengesetzten Charakter übereinstimmt: Obwohl PhA weithin als Marker für die systemische zelluläre Gesundheit und Prognose angesehen wird21,23, nehmen seine unabhängigen Assoziationen nach Adjustierung für Störvariablen oft ab, während segmentale Rohparameter wie Xc und ECW möglicherweise spezifischere Dimensionen der Bioelektrik und Flüssigkeitsverteilung erfassen24,25.
In geschlechtsstratifizierten Analysen waren die Assoziationen von ECW und Reactance_TR mit der Feuchtigkeitskonstitution bei Männern statistisch signifikant, nicht jedoch bei Frauen. Allerdings zeigten formelle Interaktionstests keine statistisch signifikante Geschlechterdifferenz (Geschlecht × ECW: p = 0.573; Geschlecht × Reactance_TR: p = 0.605), und der scheinbare Unterschied könnte auf die kleinere weibliche Teilstichprobe und die geringere statistische Power zurückzuführen sein. Geschlechtsbezogene Unterschiede in der bioelektrischen Grundlage der Feuchtigkeitskonstitution bleiben daher eine offene Frage; die zuvor berichteten Geschlechtsunterschiede bei den Determinanten des Phasenwinkels und der Körperflüssigkeitsparameter legen nahe, dass diese Frage in ausreichend powerreichen Studien untersucht werden sollte26,27.
Darüber hinaus weist diese Studie mehrere Einschränkungen auf. Erstens schließt das Querschnittsdesign kausale oder zeitliche Schlussfolgerungen aus; die berichteten Assoziationen sollten daher als Chancenverhältnisse/Assoziationen und nicht als Risiken interpretiert werden. Zweitens wurde das Ergebnis durch die Klassifizierung eines kommerziellen Geräts (Hi-Face22) definiert, deren Gültigkeit gegenüber einem unabhängigen Referenzstandard bisher nicht belegt ist; die identifizierten Parameter sind somit Korrelate der gerätebasierten Klassifizierung, und Klassifizierungsfehler könnten die Ergebnisse beeinflusst haben; in Zukunft könnte die Konstitution durch die Kombination objektiverer biochemischer oder omics-basierter „Goldstandards“ bestimmt werden. Drittens wurden die Merkmale aus einer relativ großen Anzahl von BIA-Parametern mithilfe einer datengesteuerten LASSO-Regression aus demselben Datensatz ausgewählt, der auch für die Modellschätzung verwendet wurde; obwohl eine interne Validierung durchgeführt wurde (Bootstrap-Optimismuskorrektur und 5-fache Kreuzvalidierung), die eine korrigierte AUC von 0,607 ergab, könnten die berichteten Maße der Assoziation und Diskriminierung dennoch optimistisch verzerrt sein, und es erfolgte keine externe Validierung. Viertens war die Stichprobengröße, insbesondere bei den geschlechtsspezifisch stratifizierten Analysen, begrenzt und basierte nicht auf einer formellen a-priori-Power-Analyse; die nicht signifikanten Befunde bei Frauen könnten daher auf unzureichende statistische Power und nicht auf ein tatsächliches Fehlen einer Assoziation zurückzuführen sein. Schließlich beruhen alle BIA-basierten Schätzungen von Flüssigkeit und Körperzusammensetzung auf Vorhersagegleichungen und werden durch den Flüssigkeits- und Elektrolytstatus beeinflusst; physiologische Interpretationen sollten daher mit Vorsicht vorgenommen werden.
Diese Studie ergab, dass unter den evaluierten BIA-Parametern das gesamte extrazelluläre Wasser (ECW) und die Reaktanz_TR unabhängig mit der Feuchte-Konstitution assoziiert waren und dass diese Assoziationen in den Sensitivitätsanalysen konsistent blieben. Diese Ergebnisse deuten darauf hin, dass der Körperflüssigkeitsstatus und segmentale bioelektrische Eigenschaften möglicherweise quantitative Parameter darstellen, die für die Feuchte-Konstitution relevant sind. Weitere Studien mit größeren, unabhängigen Populationen sowie extern validierten Bewertungen der Konstitution sind erforderlich, um diese Assoziationen zu bestätigen und ihren potenziellen Nutzen für die BIA-basierte Konstitutionsbeurteilung zu ermitteln.
Offenlegungen
Bei der Erstellung des Manuskripts, der Abbildungen oder der Datenanalyse kamen keine Werkzeuge der künstlichen Intelligenz zum Einsatz.
Danksagungen
Wir danken den Teilnehmenden und dem medizinischen Personal des Beicai Community Health Service Center für ihre unschätzbare Unterstützung während der Datenerhebung. Diese Arbeit wurde vom Projekt zur Konstruktion charakteristischer spezialisierter Krankheiten des Gesundheitssystems der Pudong New Area für Adipositas (Förderkennzeichen Nr. PWZzb2025-03), genehmigt durch die Gesundheitskommission der Pudong New Area von Shanghai, sowie vom Standardisierungsprojekt für Traditionelle Chinesische Medizin in Shanghai für einen standardisierten integrierten chinesisch-westlichen Diagnose- und Behandlungsansatz zur Prävention und Therapie des metabolischen Syndroms (Förderkennzeichen Nr. 2025BZ025), gemeinsam genehmigt durch die Gesundheitskommission der Stadt Shanghai und die Verwaltung für Traditionelle Chinesische Medizin der Stadt Shanghai, unterstützt.
Materialien
| Name | Unternehmen | Katalognummer | Kommentare |
|---|---|---|---|
| Digitaler Handkraftmesser | ANTA | EH101 | N/V |
| Hi-Face22 Smart-Spiegel | Beijing Xima Medical Technology Co., Ltd. | ZL202121286496.5 | N/V |
| InBody 770 Körperfettanalysator | InBody Co., Ltd. | 770 | N/V |
| R statistische Software (Version 4.5.2) | R Foundation for Statistical Computing | https://www.r-project.org/ | RRID:SCR_001905 |
Referenzen
- Wu Y, et al. Prevalence of traditional Chinese medicine body constitutions in a large community-based study in Hangzhou, China. Chin Med. 2025;20.
- Tan F, et al. Differences in serum proteins in traditional Chinese medicine constitutional population: analysis and verification. J Leukoc Biol. 2020;108:547-57.
- Ma X, et al. Traditional Chinese medicine constitution is associated with the frailty status of older adults: a cross-sectional study in the community. Evid Based Complement Alternat Med. 2022;2022.
- Chen R, et al. Traditional Chinese medicine constitution and cardiometabolic multimorbidity: a nationwide cross-sectional study in older adults. Front Public Health. 2026;14.
- Fu C, et al. Identification and classification of traditional Chinese medicine syndrome types among senior patients with vascular mild cognitive impairment using latent tree analysis. J Integr Med. 2017;15:186-200.
- Ohashi Y, et al. The associations of malnutrition and aging with fluid volume imbalance between intra- and extracellular water in patients with chronic kidney disease. J Nutr Health Aging. 2015;19:986-93.
- Iwasaka C, et al. Association between the appendicular extracellular-to-intracellular water ratio and all-cause mortality: a 10-year longitudinal study. J Gerontol A Biol Sci Med Sci. 2024;79.
- Noritake K, et al. Associations of muscle quality indices (phase angle, ECW/TBW, and echo intensity) with physical performance in community-dwelling older women. Nutrition. 2026;147.
- Kato M, et al. Bioimpedance phase angle is independently associated with myosteatosis: the Shizuoka study. Clin Nutr. 2023;42:793-9.
- Zouridakis A, et al. Correlation of bioelectrical impedance analysis phase angle with changes in oxidative stress on end-stage renal disease patients, before, during, and after dialysis. Ren Fail. 2016;38:738-43.
- Asano Y, Tsuji T, Okura T. Segmental extracellular-to-intracellular water resistance ratio and physical function in older adults. Exp Gerontol. 2023;181.
- Yamada Y, et al. The extracellular to intracellular water ratio in upper legs is negatively associated with skeletal muscle strength and gait speed in older people. J Gerontol A Biol Sci Med Sci. 2017;72:293-8.
- Kolodziej M, Ignasiak Z. Changes in the bioelectrical impedance parameters estimating appendicular skeletal muscle mass in healthy older persons. Aging Clin Exp Res. 2020;32:1939-45.
- Tanaka S, et al. Higher extracellular water-to-total body water ratio more strongly reflects the locomotive syndrome risk and frailty than sarcopenia. Arch Gerontol Geriatr. 2020;88.
- Straub R, et al. Increased extracellular water measured by bioimpedance and by increased serum levels of atrial natriuretic peptide in RA patients-signs of volume overload. Clin Rheumatol. 2017;36:1041-51.
- Freitas S, et al. The impact of 2 weeks of detraining on phase angle, BIVA patterns, and muscle strength in trained older adults. Exp Gerontol. 2021;144.
- Kolodziej M, Ignasiak Z, Ignasiak T. Annual changes in appendicular skeletal muscle mass and quality in adults over 50 y of age, assessed using bioelectrical impedance analysis. Nutrition. 2021;90.
- Nescolarde L, Talluri A, Yanguas J, Lukaski H. Phase angle in localized bioimpedance measurements to assess and monitor muscle injury. Rev Endocr Metab Disord. 2023;24:415-28.
- Nescolarde L, et al. Relationship between bioimpedance vector displacement and renal function after a marathon in non-elite runners. Front Physiol. 2020;11:352.
- Lukaski HC, Talluri A. Phase angle as an index of physiological status: validating bioelectrical assessments of hydration and cell mass in health and disease. Rev Endocr Metab Disord. 2023;24:371-9.
- Wang Y, et al. Phase angle as a predictor of mortality in elderly patients with multimorbidity: a matched case-control study. PeerJ. 2024;12.
- Hamada R, et al. Evaluation of skeletal muscle indicators following allogeneic hematopoietic stem cell transplantation: verification of skeletal muscle mass adjustment. Support Care Cancer. 2026;34.
- Diniz N, et al. Relevance of standardized phase angle and bioelectrical impedance vectors in hospitalized older patients: a cohort study. Nutr Clin Pract. 2026;41:245-54.
- Lai T, et al. Elevated extracellular water to total body water ratio and low phase angle in relation to muscle function in middle-aged and older adults. J Int Soc Sports Nutr. 2025;22.
- Luo X, Cai B, Jin W. The prevalence rate of adult sarcopenic obesity and correlation of appendicular skeletal muscle mass index with body mass index, percent body fat, waist-hip ratio, basal metabolic rate, and visceral fat area. Metab Syndr Relat Disord. 2023;21:48-56.
- Jirku J, Krízová J. Phase angle in bioelectrical impedance: new perspectives in health and body composition assessment. Physiol Res. 2025;74:1007-19.
- Ferreira G, et al. Phase angle and its determinants among adolescents: influence of body composition and physical fitness level. Sci Rep. 2024;14.