Artículo de método

Antropometría Clínica y Composición Corporal a partir de Imágenes Ópticas 3Dimensionales

DOI:

10.3791/66698

⸱

7 de junio de 2024

 ,  ,  ,  ,  ,  , 
1Division of Physical Medicine and Rehabilitation, Department of Surgical Sciences, University of Turin, 2Pennington Biomedical Research Centre, 3Department of Surgical Sciences, Dentistry, Gynaecology and Paediatrics, Paediatric Unit, University of Verona, 4Department of Epidemiology, University of Hawaii Cancer Center

En este artículo

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los procedimientos para la evaluación del tamaño, la forma y la composición corporal a través de soluciones disponibles en el mercado para imágenes ópticas tridimensionales permiten la recopilación rápida de datos precisos y reproducibles. Los médicos podrían implementar la adquisición de biomarcadores innovadores y útiles (mediciones de "cinta electrónica") en las evaluaciones rutinarias de los pacientes para ayudar a caracterizar su estado de salud.

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La evaluación del tamaño y la composición corporal se incluye comúnmente en el tratamiento rutinario de atletas sanos, así como de diferentes tipos de pacientes para personalizar la estrategia de entrenamiento o rehabilitación. Los análisis antropométricos digitales descritos en el siguiente protocolo se pueden realizar con sistemas de reciente introducción. Estas nuevas herramientas y enfoques tienen el potencial de ser ampliamente utilizados en entornos clínicos porque son muy fáciles de operar y permiten la recopilación rápida de datos precisos y reproducibles. Un sistema consiste en una plataforma giratoria con una placa de medición de peso, tres cámaras infrarrojas y una tableta integrada en una torre, mientras que el otro sistema consiste en una tableta montada en un soporte. Después de la captura de la imagen, el software de ambos sistemas genera un avatar humanoide tridimensional no identificado con variables antropométricas y de composición corporal asociadas. Los procedimientos de medición son sencillos: se puede evaluar un sujeto en pocos minutos y se genera automáticamente un informe completo (que incluye el escaneo tridimensional y las mediciones del tamaño, la forma y la composición del cuerpo).

Introducción

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La antropometría es el estudio de las medidas físicas del cuerpo humano. La altura, el peso, la longitud, el grosor de los pliegues cutáneos y las circunferencias son medidas antropométricas comúnmente utilizadas que resultaron útiles para investigar a los pacientes con trastornos endocrinos y metabólicos y para monitorear el crecimiento, el envejecimiento y las adaptaciones del tamaño y la composición corporal provocadas por la dieta y el entrenamiento en atletas 1,2. Por ejemplo, la evaluación de las circunferencias de cintura y cadera demostró ser útil para el manejo de las personas con obesidad: ambas circunferencias evalúan la distribución de la adiposidad que puede considerarse un predictor de mortalidad por todas las causas3.

Las circunferencias de las extremidades se evalúan con frecuencia en medicina de rehabilitación y deportiva debido a su utilidad para detectar y/o monitorizar la disminución de la masa magra apendicular (p. ej., la circunferencia de la pantorrilla se utiliza como un marcador de músculo esquelético simple y práctico para el diagnóstico de la musculatura esquelética baja y la sarcopenia)1,2 y la asimetría entre extremidades que afecta tanto al rendimiento físico como al riesgo de lesiones en los atletas y a la calidad de vida de los pacientes (p. ej., pacientes oncológicos con hinchazón unilateral de las extremidades)1,2. Además, en las últimas décadas se han propuesto un gran número de modelos de predicción de la composición corporal basados en la antropometría para estimar la cantidad de masa grasa o masa libre de grasa a partir de una combinación de diferentes medidas antropométricas, como las circunferencias corporales o el grosor de los pliegues cutáneos 1,2,4,5,6,7.

Debido a que las mediciones antropométricas convencionales (es decir, basadas en cintas y calibres) pueden no ser cultural o socialmente aceptables y también exhibir poca confiabilidad8, surgió la necesidad de desarrollar y validar enfoques no invasivos, reproducibles y válidos. Los sistemas de imágenes ópticas tridimensionales (3D) desarrollados recientemente para proporcionar mediciones no invasivas, precisas y exactas 8,9,10,11, así como las cámaras digitales de consumo y los teléfonos inteligentes, ofrecen herramientas fáciles de usar y ampliamente disponibles, adecuadas para ser utilizadas en entornos clínicos y no clínicos para evaluar tanto a pacientes como a sujetos sanos 8,9,10,11,12,13,14,15,16,17,18,19,20. El objetivo del protocolo descrito en la siguiente sección es describir los procedimientos para evaluar el tamaño, la forma y la composición corporal a través de dos soluciones disponibles comercialmente para la imagen óptica 3D que se han generalizado durante los últimos años tanto en el ámbito sanitario (para evaluar a los pacientes) como en el no clínico (para evaluar a los atletas).

Protocolo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El protocolo sigue las directrices de integridad de la investigación del Politécnico de Turín21. La adquisición de imágenes ópticas se realizó en el marco de estudios de investigación aprobados por los comités de ética locales (los datos se relatan en las leyendas de la Figura 1 y la Figura 2) y los sujetos investigados dieron su consentimiento por escrito (para la participación en el estudio y la publicación de imágenes anonimizadas).

1. Preparación de la asignatura

NOTA: Todas las preparaciones previas al escaneo descritas en esta sección son similares entre los procedimientos de prueba #1 y #2.

  1. Pídale al sujeto que se vista con ropa interior o que use prendas mínimas que se ajusten a la forma (pantalones cortos si es hombre y pantalones cortos y sostén deportivo si es mujer), que se quite los calcetines, los zapatos y los accesorios, y que use un gorro de baño para cubrir el cabello.

2. Registro del sujeto para el procedimiento de prueba #1

  1. Mida la altura del sujeto con un estadiómetro estándar.
  2. Inicie la aplicación instalada en la tableta (aplicación # 1 y tableta # 1 en la Tabla de Materiales) del sistema # 1 que consta de una plataforma giratoria con una placa de medición de peso, tres cámaras infrarrojas y la tableta integrada en una torre (Figura 1A,B).
  3. Complete el formulario de registro del asunto (Figura Suplementaria S1), incluyendo el nombre, apellido, dirección de correo electrónico, contraseña, sexo (seleccione hombre o mujer), unidades de medida (seleccione EE. UU. o métrico), origen étnico (seleccione uno de los siguientes grupos: no especificado, hispano/latino, indio americano o nativo de Alaska, asiático, negro o afroamericano, nativo de Hawái u otras islas del Pacífico, Caucásico), fecha de nacimiento.
  4. Marque las tres casillas de verificación (aceptación del acuerdo de términos de servicio, política de privacidad, exención de responsabilidad) y luego toque el botón Enviar .
  5. Verifica que el sujeto esté usando el gorro de natación correctamente, luego toca el botón Siguiente .
  6. Verifica que el sujeto lleve la vestimenta adecuada y, a continuación, toca el botón Siguiente .
  7. Verifique que el área del escáner esté despejada (es decir, mantenga la ropa fuera del área de escaneo y asegúrese de que no haya luz solar ni material reflectante en la vista del escáner) y, a continuación, toque el botón Siguiente .
  8. Rellena el campo de medición de altura y, a continuación, pulsa el botón Siguiente .
  9. Rellene los campos relacionados con las métricas adicionales opcionales (% de grasa corporal [GC%], frecuencia cardíaca, presión arterial sistólica y diastólica, agua intracelular y extracelular) y, a continuación, pulse el botón Enviar .

3. Procedimiento de prueba #1

  1. Pida al sujeto que se suba a la báscula y se quede lo más quieto posible sobre las huellas (con las extremidades superiores y las manos a los lados, sin tocar las manijas telescópicas) durante 10 s para capturar el peso corporal (y su distribución).
  2. Pida al sujeto que se pare erguido en una postura A estandarizada (con el hombro relajado y los brazos colocados rectos y abducidos del torso) mientras agarra las manijas telescópicas para realizar el escaneo corporal de acuerdo con las siguientes instrucciones (Figura 1A, B).
    NOTA: Un escaneo de cuerpo completo tarda ~ 45 s durante los cuales los sensores de profundidad de codificación de luz capturan la forma 3D a medida que la plataforma gira una vez.
    1. Levante las manijas hasta que los brazos y las piernas estén rectos.
    2. Quédate lo más quieto posible.
    3. Mantenga la cabeza quieta con los ojos hacia adelante.
    4. Mantenga presionados los botones de las manijas hasta que se complete el escaneo.
    5. Bájese de la báscula cuando se complete el escaneo.
  3. Después de que el sujeto baje de la báscula, toque el botón Cerrar sesión .

4. Registro del sujeto para el procedimiento de prueba #2

  1. Mida la altura y el peso del sujeto usando una báscula estándar con un estadiómetro.
  2. Usando cualquier navegador web moderno instalado en una computadora de escritorio o portátil, vaya al tablero del sistema # 2 (tablero de registro en la Tabla de Materiales).
  3. Complete el formulario de registro del asunto (Figura complementaria S2), incluyendo el nombre, apellido, número de teléfono, dirección de correo electrónico, edad, sexo (seleccione hombre o mujer), peso y altura.
  4. Marque la casilla de verificación (aceptación de los términos de uso y la política de privacidad) y, a continuación, pulse o haga clic en el botón Registrarse para completar la configuración de la cuenta.
  5. Visualice la página de vista de la cuenta que muestra el código de respuesta rápida (QR), el número de teléfono y la dirección de correo electrónico únicos del sujeto.
  6. Tome una foto (por ejemplo, con un teléfono móvil) del código QR.

5. Procedimiento de prueba #2

  1. Inicie la aplicación (aplicación # 2 en la Tabla de Materiales) instalada en la tableta del sistema # 2 que consta de una tableta montada en un soporte (tableta # 2 y soporte de piso en la Tabla de Materiales).
  2. Toque la pantalla de la tableta y muestre el código QR.
  3. Pulsa el botón Inicio .
  4. Pida al sujeto que escuche las instrucciones de audio y vea la guía proporcionada en la pantalla.
  5. Pida al sujeto que se pare sobre una alfombra a una distancia estandarizada de la tableta, con los pies en la guía de pies (símbolo ovalado negro sobre la alfombra) alineados con el marcador de pies verdes que se muestra en la pantalla (Figura 2A).
  6. Pida al sujeto que asuma una "pose A frontal" (y que mantenga la postura sin movimientos que puedan causar un avatar malformado)10,22 con las piernas separadas, los brazos abducidos del torso en un ángulo aproximado de 45° y las manos cerradas en puños para capturar la imagen frontal (Figura 2B).
  7. Después de la captura de la imagen frontal, pida al sujeto que asuma una "pose lateral" con los pies juntos, los brazos/manos colocados rectos a los lados (es decir, brazos/manos alineados con y contra el tronco/muslos) y la cara hacia adelante para capturar la imagen lateral (Figura 2C).
  8. Después de la captura de imagen lateral, informe al sujeto que el escaneo está completo (la aplicación muestra una pantalla de agradecimiento ).

Resultados

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Después de la captura de la imagen, el software del sistema #1 genera un avatar humanoide 3D no identificado (Figura 1C: las nubes de puntos se convierten en una malla conectada por triángulos con aproximadamente 25.000 vértices y 50.000 caras) y antropometría automatizada, que incluye longitudes, circunferencias, volúmenes, áreas de superficie y estimaciones de composición corporal. El tablero del sistema # 1 permite que cada sujeto visualice (y descargue un informe que incluye) el escaneo 3D (Figura 1C), las mediciones del peso, el tamaño y la forma del cuerpo (es decir, la calificación de la forma del cuerpo, la circunferencia de la cintura, la relación cintura-cadera, la relación de volumen del tronco a la pierna), las estimaciones de la tasa metabólica basal y la composición corporal (es decir, BF%, masa grasa, masa magra) y las mediciones estándar de la circunferencia (cuello, busto, cintura, caderas, bíceps izquierdo y derecho, antebrazo izquierdo y derecho, muslo izquierdo y derecho, pantorrilla izquierda y derecha).

Además, los resultados de las evaluaciones de postura y equilibrio también se pueden visualizar y se incluyen en el informe. Los resultados de la evaluación de la postura incluyen las vistas frontal, lateral y trasera del escaneo 3D con las mediciones asociadas de desplazamiento (definida como una parte del cuerpo que se mueve a una posición inclinada y la velocidad a la que se inclina en cualquier dirección) e inclinación (definida como el movimiento de "deslizamiento" hacia adelante, atrás, izquierda o derecha, un ligero cambio o variación en la posición desde el punto central): i) vistas frontal y trasera: desplazar las medidas hacia la derecha o hacia la izquierda con respecto al plano sagital (representado como una línea vertical entre los hemisomas derecho e izquierdo) y los porcentajes de inclinación con respecto al plano transversal (horizontal) para la cabeza, el hombro, la parte inferior del busto, la cadera y la rodilla; ii) Vista lateral: desplazar las mediciones hacia adelante o hacia atrás con respecto al plano frontal (coronal) (representado como una línea vertical desde la articulación del tobillo) para la cabeza, el hombro, la cadera y la rodilla.

El resultado de la evaluación del equilibrio incluye la distribución del peso durante la postura de pie para las regiones anterior y posterior de los pies derecho e izquierdo. El tablero del sistema #1 también permite que cada tema descargue . OBJ y .GIF archivos de imagen y un archivo . Archivo CSV con las medidas antropométricas y las estimaciones de composición corporal enumeradas en la Tabla 1.

Todas las estimaciones de la composición corporal se obtienen mediante el uso de algoritmos propios, con las excepciones de la estimación de la tasa metabólica basal y del cálculo del índice de forma corporal que se obtienen, respectivamente, según el Mifflin-St. La ecuación23 de Jeor y la ecuación24 de Krakauer se presentan en la Tabla 2.

Después de la captura de la imagen, el software del sistema #2 genera un avatar humanoide 3D no identificado (Figura 2D: las nubes de puntos se convierten en una malla conectada por triángulos con aproximadamente 50.000 vértices y 100.000 caras) y antropometría automatizada, que incluye longitudes, circunferencias, volúmenes, áreas de superficie y estimaciones de composición corporal. El tablero del sistema #2 (tablero de descarga de datos en la Tabla de Materiales) permite para cada tema descargar . OBJ y .PNG archivos de imagen y los tres archivos . Archivos CSV:

El archivo "App Measures.csv" informa de las siguientes mediciones antropométricas y de composición corporal: peso, superficie corporal, GC, tejido adiposo visceral, índice de condición física, masa magra de los brazos, masa magra de las piernas, masa corporal magra, contenido mineral óseo total, anchura de los hombros, anchura de los hombros (a través de la parte posterior del cuello), circunferencias del cuello, sobrebrazo, bíceps (derecha/izquierda), antebrazo (derecha/izquierda), muñeca (derecha/izquierda), pecho, debajo del busto, busto (con caída), estómago, cintura, cintura pintada, caderas (tomadas 8 pulgadas hacia abajo desde la parte baja de la espalda), asiento, muslo (derecha / izquierda), pantorrilla (derecha / izquierda), longitud del cuello a la cintura, longitud de la manga (derecha / izquierda), longitud de la entrepierna, entrepierna, costura exterior (derecha / izquierda).

El archivo "Body Composition.csv" informa de las siguientes mediciones antropométricas y de composición corporal: grasa corporal, índice de masa corporal, superficie corporal, contenido mineral óseo, índice de masa grasa, índice de condición física, altura, índice de cuerpo magro, masa corporal magra, masa corporal magra, masa magra de brazos, masa magra de piernas, tasa metabólica en reposo, circunferencia del estómago, tejido adiposo visceral, relación cintura-altura, relación cintura-cadera, peso.

El archivo "Core Measures.csv" reporta las mediciones antropométricas listadas en la Tabla 1.

Todas las estimaciones de la composición corporal se obtienen mediante algoritmos propios, con las excepciones de la estimación de la tasa metabólica basal y la estimación del % de GC que se obtienen, respectivamente, según la ecuación de Katch-McArdle25 y a las dos ecuaciones previamente desarrolladas y validadas por Harty et al.26. Estas dos ecuaciones (Ecuación 1 y Ecuación 2 en la Tabla 2) se adoptan, respectivamente, para individuos con circunferencia abdominal inferior <103,5 cm (<40,75 pulgadas) y ≥103,5 cm (≥40,75 pulgadas). Aunque estudios previos demostraron la precisión de la Ecuación 1 para la estimación del porcentaje de BF en adultos sanos15,26, recientemente encontramos que sobreestimó (con respecto a la absorciometría de rayos X de doble energía) el % de BF en atletas jóvenes18. Por lo tanto, propusimos la reparametrización (Ecuación 3) reportada en la Tabla 2 para proporcionar una estimación precisa del % de LM en futbolistas jóvenes de ambos sexos18.

Además de las variables de composición corporal mencionadas anteriormente, la masa magra apendicular (ALM) también se puede estimar para las exploraciones realizadas con el sistema #2 a través de la ecuación específica del dispositivo propuesta recientemente por McCarthy et al.27 para sujetos sedentarios (Ecuación 1 de ALM para hombres y Ecuación 2 de ALM para mujeres en la Tabla 2) que adaptamos para la estimación de ALM en atletas jóvenes (Ecuación 3 de ALM para hombres y Ecuación 4 de ALM para mujeres en la Tabla 2)18.

En la Figura 3 se muestran avatares representativos obtenidos en un deportista masculino (índice de masa corporal: 26,0 kg/m2: Figura 3A,B) y una persona con obesidad (índice de masa corporal: 44,0 kg/m2: Figura 3C,D) con el sistema #1 (Figura 3A,C) y con el sistema #2 (Figura 3B,D). Las mediciones antropométricas y las estimaciones de composición corporal obtenidas por el sistema #1 y el sistema #2 para dos exploraciones de ambos sujetos se reportan en la Tabla 3.

Las mediciones de circunferencia obtenidas en el atleta difirieron entre las exploraciones obtenidas con los dos sistemas (especialmente para el cuello, los brazos, las caderas y las piernas: los datos se presentan en la Tabla 3). Los valores de BF% (promedios de los dos escaneos) fueron de 19,1% y 16,1% para los escaneos realizados con los sistemas #1 y #2, respectivamente, y los valores de masa magra (promedios de los dos escaneos) fueron de 69,7 kg y 72,2 kg. El valor promedio de ALM para los escaneos realizados con el sistema #2 fue de 38.4 kg.

Las medidas de circunferencia obtenidas en la persona con obesidad difirieron entre las exploraciones obtenidas con los dos sistemas (especialmente para cintura y piernas: los datos se reportan en la Tabla 3). Los valores de BF% (promedios de las dos exploraciones) fueron de 44,1% y 46,3% para las exploraciones realizadas con los sistemas #1 y #2, respectivamente, y los valores de masa magra (promedios de las dos exploraciones) fueron de 67,9 kg y 64,9 kg. El valor promedio de ALM para las exploraciones realizadas con el sistema #2 fue de 25.1 kg.

figure-results-1
Figura 1: Imágenes tomadas con el sistema #1. (A,B) Pose A estandarizada asumida y mantenida por un sujeto masculino representativo durante la rotación de la plataforma y (C) el avatar 3D relativo. La adquisición de imágenes ópticas se realizó en el marco de un estudio de investigación aprobado por el comité de ética de la Universidad de Turín (protocolo n. 0115311). Haga clic aquí para ver una versión más grande de esta figura.

figure-results-2
Figura 2: Imágenes tomadas con el sistema #2. (A) Imagen de un sujeto masculino representativo de pie sobre una alfombra con el símbolo de guía de los pies (símbolo del óvalo negro sobre la alfombra) alineado con el marcador de pies verdes que se muestra en la pantalla de la tableta del sistema #2. Adquisición de las (B) imágenes frontales y (C) laterales en el sujeto representativo y (D) el avatar 3D relativo. La adquisición de imágenes ópticas se realizó en el marco de un estudio de investigación aprobado por el comité de ética de la Universidad de Turín (protocolo n. 0115311). Haga clic aquí para ver una versión más grande de esta figura.

figure-results-3
Figura 3: Avatares representativos obtenidos con los sistemas #1 y #2. (A,B) Atleta masculino y (C,D) una persona con obesidad investigada con el sistema (A,C) #1 y el sistema (B,D) #2. Cada sujeto se sometió a dos escaneos, con reposicionamiento: el avatar obtenido del primer escaneo se mostró para ambos sujetos, mientras que las estimaciones antropométricas y de composición corporal obtenidas por el sistema #1 y el sistema #2 para dos escaneos de ambos sujetos se reportan en la Tabla 3. La adquisición de imágenes ópticas se realizó en el marco de estudios de investigación aprobados por el comité de ética de la Universidad de Turín (protocolo n. 0115311) y por el Comité Territorial de Ética (CET - protocolo n. 0065654). Haga clic aquí para ver una versión más grande de esta figura.

Tabla 1: Conjuntos de medición ampliados descargables desde el panel de control de los sistemas #1 y #2. Haga clic aquí para descargar esta tabla.

Tabla 2: Ecuaciones para la estimación de la tasa metabólica basal, el porcentaje de grasa corporal y la masa magra apendicular. Estimación de la tasa metabólica basal: las unidades de medida son kg para peso y masa magra, cm para talla y años para edad. Una estimación del índice de forma corporal: las unidades de medida son m para la circunferencia de la cintura y se mide la altura, kg/m2 para el índice de masa corporal. Estimación del porcentaje de grasa corporal: el sexo se codifica como masculino = 1 y femenino = 0, la superficie corporal se mide encm2 y todas las demás variables indicadas como circ. se miden en cm. El índice músculo-estómago se obtiene como (circ. bíceps derecho + bíceps izquierdo circ. + circ. muslo derecho + circ. muslo izquierdo + circ. pantorrilla derecha + circ pantorrilla izquierda) / circ. máximo circ. estomacal. Estimación de la masa magra apendicular : las unidades de medida son cm para todas las circunferencias y longitudes; cm 2 para superficies; cm3 para volúmenes; kg para el peso; años para la edad. Tres ecuaciones de esta tabla son de Minetto et al.18. Abreviaturas: TMB = tasa metabólica basal; ABSI = un índice de forma corporal; GC% = porcentaje de grasa corporal; circ. = circunferencias; ALM = masa magra apendicular; NHOPI = Nativos de Hawái y otros isleños del Pacífico. Haga clic aquí para descargar esta tabla.

Tabla 3. Medidas de circunferencia y estimaciones de composición corporal obtenidas por los dos sistemas en cada uno de los dos sujetos representativos (un deportista y una persona con obesidad). Haga clic aquí para descargar esta tabla.

Figura complementaria S1: Formulario de inscripción del sujeto para el procedimiento de prueba #1. Haga clic aquí para descargar este archivo.

Figura complementaria S2: Formulario de inscripción del sujeto para el procedimiento de prueba #2. Haga clic aquí para descargar este archivo.

Discusión

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los procedimientos presentados en este artículo se pueden utilizar para evaluar el tamaño, la forma y la composición del cuerpo a través de dos soluciones disponibles comercialmente para imágenes ópticas 3D que han sido previamente desarrolladas y validadas 9,10,11,12,13,14,15,16,17,18,19,20 . Estas soluciones son fáciles de operar y los datos válidos se pueden recopilar rápidamente y organizar automáticamente en un informe. Además, los sistemas presentados permiten la recolección de datos reproducibles (como sugiere la comparación de los resultados de las dos exploraciones realizadas con ambos sistemas en nuestros dos casos representativos y documentados por estudios previos)9,10,11,12,13,14,15,16,17,18,19,20 y, por lo tanto, se puede utilizar para controlar los cambios inducidos por el entrenamiento o la dieta.

Como el sistema #2 tiene un peso limitado (~4 kg en total para la tableta y el soporte), es fácilmente transportable. Sin embargo, una limitación del sistema #2 es que la generación de un avatar 3D a partir de imágenes 2D puede producir reconstrucciones 3D que son menos precisas que las obtenidas con el sistema #1, especialmente en personas con obesidad (como se muestra en el ejemplo representativo de la Figura 3 C,D) o en pacientes que presentan anormalidades localizadas de la forma del cuerpo (p. ej., pacientes después de cirugía bariátrica que presentan exceso de piel molesto o pacientes oncológicos con linfedema unilateral de miembro superior o inferior).

La disponibilidad de espacio adecuado es crítica para la adquisición del escaneo con ambos sistemas: se requiere un área libre de 157 x 198 cm para el sistema #1 y de 86 x 166 cm para el sistema #2. Además, el sistema #2 requiere que el sujeto se coloque cerca de una pared en blanco sin espejos, carteles brillantes o ventanas. Ambos sistemas requieren que no haya luz solar natural ni superficies reflectantes a la vista de las cámaras. Ambos sistemas también requieren una conexión a Internet wi-fi constante y consistente para procesar los escaneos de manera efectiva.

La principal limitación de los procedimientos descritos anteriormente es que requieren que el sujeto investigado pueda asumir la posición de pie. Por lo tanto, estos enfoques no se pueden utilizar en pacientes gravemente enfermos (como pacientes neurológicos gravemente deteriorados o pacientes críticamente enfermos) que no pueden levantarse de la cama. Además, los sujetos investigados deben ser capaces de mantener la posición de pie (es decir, la postura A y la postura lateral) sin movimientos que puedan cambiar la forma del avatar10,22 y sesgar la estimación de las circunferencias corporales.

Una limitación de los parámetros descritos anteriormente es que se obtienen utilizando algoritmos patentados específicos del dispositivo: esto implica que las mediciones del tamaño, la forma y la composición del cuerpo son únicas para el sistema de escaneo en particular. Por lo tanto, la comparación o agrupación de datos adquiridos con diferentes sistemas queda excluida por la variabilidad analítica (es decir, entre escáneres). Consistentemente, las mediciones de circunferencia obtenidas en nuestros dos sujetos representativos que se muestran en la Figura 3 difirieron entre los dos sistemas. Sin embargo, ya se han desarrollado soluciones independientes del dispositivo para superar esta limitación: estas soluciones reformatean y editan la malla 3D, luego detectan automáticamente diferentes puntos de referencia (como axilas, entrepierna y pies) y luego calculan las medidas del tamaño corporal 28,29,30,31,32,33,34,35. Otra limitación de los parámetros de composición corporal anteriormente descritos es que se obtienen a través de modelos convencionales de predicción basados en la antropometría. Sin embargo, estudios recientes mostraron que los modelos basados en la forma corporal podrían ser necesarios para capturar información sobre la composición corporal más allá de las mediciones antropométricas convencionales36,37.

A pesar de algunas limitaciones, el enfoque antropométrico digital debe considerarse listo para ser utilizado en el entorno clínico. Los sistemas de imágenes 3D proporcionan mediciones no invasivas que pueden ser más aceptables en comparación con las mediciones manuales (basadas en cintas y/o calibres) que se basan en la identificación de puntos de referencia anatómicos a través de la observación y la palpación. Además, el escaneo óptico 3D también es más rápido en comparación con otras investigaciones (por ejemplo, imágenes de resonancia magnética y absorciometría de rayos X de energía dual) comúnmente adoptadas en entornos clínicos y de investigación para la evaluación del tamaño y la composición corporal. Además, al ser relativamente barato y estar libre de radiación, es seguro para ser utilizado para exploraciones posteriores (por ejemplo, la adquisición de imágenes puede repetirse fácil y rápidamente si el experimentador nota movimientos corporales o una colocación incorrecta de las extremidades que puede producir cambios en la forma del avatar) y para investigaciones repetidas38, así como seguro para su uso en poblaciones especiales (como niños, adolescentes y mujeres embarazadas)35,39.

Por lo tanto, los médicos podrían implementar la adquisición de biomarcadores innovadores y útiles (mediciones de "cinta electrónica" y estimaciones derivadas de la composición corporal) en evaluaciones rutinarias de sujetos sanos (por ejemplo, atletas) para ayudar a predecir y caracterizar su rendimiento físico y riesgo de lesiones 40,41,42,43 así como para monitorear la recuperación de lesiones. Por ejemplo, la fuerza de las piernas y la simetría de la masa magra influyen en el rendimiento físico y en el riesgo de (re)lesiones44. Por lo tanto, la recuperación de una simetría normal de las circunferencias del muslo/pantorrilla puede incluirse entre los objetivos generales a tener en cuenta para volver a jugar45. La evaluación rutinaria de los pacientes también podría mejorarse mediante la integración de la antropometría digital en la atención sanitaria. La evaluación de las circunferencias y la forma del cuerpo (que está impulsada por la distribución interna de los tejidos blandos y grasos) puede ser útil para detectar el músculo de baja masa (por ejemplo, en pacientes con sospecha de sarcopénica), para predecir el riesgo de enfermedad metabólica46, para evaluar el resultado de un procedimiento quirúrgico, así como para monitorear el progreso del paciente después de una intervención38. Los pacientes con enfermedades que tienen componentes nutricionales como contribuyentes clave a su fisiopatología pueden beneficiarse específicamente de la monitorización longitudinal del tamaño y la composición corporal para reducir los síntomas y las afecciones coexistentes47. Por ejemplo, en el caso del tratamiento de la obesidad basado en dietas y/o fármacos, puede que no sea apropiado controlar sólo el peso porque la conocida "regla general del 25/75" (es decir, la suposición general de que la pérdida de peso suele ser un 25% de pérdida de masa libre de grasa y un 75% de pérdida de grasa) puede no describir con precisión la eficacia de la intervención38 que podría desentrañarse mediante la evaluación basada en la antropometría de la cantidad relativa de pérdida de músculo y grasa. Además, la antropometría digital, integrada en la atención sanitaria, tiene el potencial de ampliar los servicios sanitarios a lugares remotos, mejorando así la asistencia y la adherencia del paciente y reduciendo los costes sanitarios.

Divulgaciones

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

A.P. y S.B.H. forman parte del consejo asesor médico de Tanita Corporation. El resto de los autores no tienen conflictos de intereses que declarar.

Agradecimientos

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los autores agradecen al Dr. Federico Della Vecchia y al Dr. Alessandro Cairo (Universidad de Turín) por su valioso apoyo en la preparación del manuscrito. Este trabajo contó con el apoyo de subvenciones de la Fondazione CRT (Turín, Italia), la Universidad de Turín (Fondo per la Ricerca Locale - ex-60%) y los Institutos Nacionales de Salud (subvención R01DK109008, Shape UP! Adultos).

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
System #1
ProscannerFit3D Inc., San Mateo, CA, EE. UU.Versión 5"System #1" en el manuscrito
Aplicación Fit3D ProscannerFit3D Inc., San Mateo, CA, EE. UU.Versión 5"App #1" en el manuscrito
CHUWI Tablet PCChuwi Technology Co., Ltd., Shenzhen, CHINAHi10X"Tablet #1" en el manuscrito
Fit3D dashboardFit3D Inc., San Mateo, CA, EE. UU. https://dashboard.fit3d.com
System #2
Mobile Scanner 1 (MS-1) appSize Stream LLC, Cary, NC, EE. UUVersión 2"System #2" en el manuscrito
iPadApple Inc., Cupertino, CA, EE. UU.9ª generación"Tableta #2" en el manuscrito
iPad Floor StandDisplays2go LLC, Fall River, MA, EE. UUSKU: TABFLATBBK
Size Stream panel de registro Size Stream LLC, Cary, Carolina del Norte, EE. UUhttps://measure.mobilefit.sizestream.com
Panel de descarga de datos de Size Stream Size Stream LLC, Cary, Carolina del Norte, Estados Unidoshttps://data.mobilefit.sizestream.com
. . www.displays2go.com/P-29987/Universal-Tablet-Floor-Stand-Anti-Theft-Locking-Kit .

Referencias

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Heymsfield, S. B., Lohman, T., Wang, Z. M., Going, S. Human body composition-2nd edition. Human Kinetics. , Champaign, IL, USA. (2005).
  2. Lohman, T. G., Milliken, L. A. ACSM's Body composition assessment. Human Kinetics. , Champaign, IL, USA. (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. Meshcapade Me. , Available from: http://meshcapade.me (2024).
  30. 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).
  31. Sobhiyeh, S., et al. Digital anthropometric volumes: Toward the development and validation of a universal software. Med Phys. 48 (7), 3654-3664 (2021).
  32. 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).
  33. 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).
  34. 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).
  35. 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).
  36. 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).
  37. 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).
  38. 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).
  39. 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).
  40. Morse, S., et al. Machine learning prediction of combat basic training injury from 3D body shape images. PLoS One. 15 (6), e0235017(2020).
  41. 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).
  42. 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).
  43. 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).
  44. 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).
  45. 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).
  46. 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).
  47. Heymsfield, S. B., Shapses, S. A. Guidance on energy and macronutrients across the life span. N Engl J Med. 390 (14), 1299-1310 (2024).

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Imagen ptica 3DEvaluaci n del tama o corporalAn lisis de la forma corporalEscaneo pticoAn lisis antropom tricoMedici n no invasivaEscaneo corporal digitalEvaluaci n de la composici n corporal

Artículos relacionados