Caractéristiques de base
Cette étude a inclus 232 participants, répartis en 129 (55,6 %) dans le groupe de constitution harmonieuse et 103 (44,4 %) dans le groupe de constitution humide (Tableau 1). Aucune différence statistiquement significative n’a été observée entre les deux groupes concernant l’âge, le sexe ou la force de préhension (P > 0,05). Toutefois, des différences significatives ont été constatées entre le groupe de constitution humide et le groupe de constitution harmonieuse pour les indicateurs de composition corporelle. Le groupe de constitution humide présentait des valeurs significativement plus élevées pour l’eau totale du corps (TBW) (p = 0,024), l’eau intracellulaire (ICW) (p = 0,033) et l’eau extracellulaire (ECW) (p = 0,015) par rapport au groupe de constitution harmonieuse, indiquant que les individus ayant une constitution humide possèdent une teneur en fluides plus élevée. Parallèlement, le groupe de constitution humide montrait des augmentations significatives de la masse musculaire squelettique (SMM) (p = 0,032), de la masse libre de graisse squelettique (SLM) (p = 0,028), de la masse maigre (FFM) (p = 0,026) et du contenu en cellules du corps maigre (BCM) (p = 0,033), suggérant une abondance plus grande de masse corporelle maigre. En outre, les taux de protéines (p = 0,032) et la circonférence musculaire du bras (AMC ; p = 0,044) étaient significativement plus élevés dans le groupe de constitution humide que dans le groupe de constitution harmonieuse. De plus, le métabolisme de base (BMR) du groupe de constitution humide était significativement plus élevé (p = 0,026), ce qui est cohérent avec leurs niveaux plus élevés de masse corporelle maigre. En ce qui concerne la répartition des graisses, bien qu’aucune différence significative n’ait été observée entre les deux groupes pour le pourcentage de masse grasse (PBF) et l’indice de masse corporelle (BMI), la surface grasse viscérale (VFA) (p = 0,048) et la circonférence abdominale (p = 0,044) étaient toutes deux significativement plus élevées dans le groupe de constitution humide que dans le groupe de constitution harmonieuse, suggérant une tendance caractéristique vers une distribution centrale des graisses chez les individus à constitution humide. Il convient de noter que, bien que l’ECW diffère significativement entre les deux groupes, le rapport ECW/TBW ne présentait aucune différence statistiquement significative (p = 0,228), ce qui suggère que la structure proportionnelle globale de la répartition des fluides corporels était relativement stable. Dans la comparaison descriptive non ajustée, aucune différence significative n’a été trouvée entre les deux groupes concernant les valeurs totales et segmentaires d’impédance et de réactance (par exemple, Réactance_TR : 3,30 [3,00, 3,60] contre 3,30 [2,90, 3,70], p = 0,711). Il est important de noter que ces comparaisons univariées et la régression multivariée répondent à des questions différentes : un paramètre peut devenir significatif après ajustement sur des covariables.
Sélection de variables et évaluation des modèles prédictifs fondés sur la régression LASSO
La courbe de l'erreur de validation croisée et le tracé du chemin des coefficients pour la régression LASSO sont présentés dans la Figure 1A,B. Selon le critère λ.min, le modèle a finalement identifié cinq caractéristiques principales dotées de coefficients de régression non nuls (Tableau 2). Les coefficients de régression LASSO pour chaque caractéristique sont les suivants : PA_LL (coefficient = −0,315), Reactance_TR (coefficient = 0,291), ECW (coefficient = 0,185), PBF (coefficient = 0,018) et Mean_Grip (coefficient = 0,002). Le modèle prédictif construit à partir de ces caractéristiques a produit une courbe caractéristique de fonctionnement du récepteur (ROC) avec une aire sous la courbe (AUC) de 0,657 (intervalle de confiance à 95 % : 0,587–0,727), indiquant un pouvoir discriminant modéré (Figure 2A). Après correction de l'optimisme par bootstrap (B = 1 000), l'AUC était de 0,607, et une validation croisée en 5 parties a donné une AUC de 0,585, suggérant un degré modeste d'optimisme dû au surajustement (Tableau supplémentaire 1). La calibration du modèle était adéquate selon le test de Hosmer–Lemeshow (χ2 = 8,882, ddl = 8, p = 0,352), bien que la pente de calibration corrigée par bootstrap de 0,696 ait indiqué un certain optimisme (Tableau supplémentaire 1). Les valeurs de VIF pour tous les prédicteurs du modèle final variaient entre 1,55 et 3,77, indiquant l'absence de multicolinéarité problématique (Tableau supplémentaire 2). Dans l'analyse de courbe décisionnelle (Figure 2B), la courbe de bénéfice net du modèle se situait au-dessus de la ligne de référence « traiter aucun » pour des probabilités seuils allant jusqu'à environ 0,55, mais restait en dessous de la ligne de référence « traiter tous » sur toute la plage de probabilités seuils évaluée (0–1,0) ; au-dessus d'environ 0,6, le bénéfice net du modèle tombait en dessous de zéro. Ces résultats indiquent que l'utilité clinique du modèle est limitée dans cet échantillon.
Facteurs indépendamment associés à la constitution d'humidité : ECW et Réactance_TR
Afin d'identifier davantage les facteurs indépendants associés au tempérament d'humidité, cette étude a intégré les cinq caractéristiques principales identifiées par la régression LASSO (ECW, PBF, PA_LL, Reactance_TR et Mean_Grip), ainsi que l'âge et le sexe, dans un modèle de régression logistique multivariée. Les résultats ont montré que l'ECW et la Reactance_TR étaient indépendamment associées au tempérament d'humidité (Tableau 3). Plus précisément, pour chaque augmentation d'un litre de l'ECW, les chances d'être classé comme ayant un tempérament d'humidité augmentaient de 30,7 % (OR = 1,307, IC à 95 % : 1,046–1,649, p = 0,021). Exprimé par écart-type d'ECW (2,14 L), le rapport de cotes était de 1,774 (IC à 95 % : 1,100–2,916). La Reactance_TR présentait également une association positive indépendante significative (OR = 2,163, IC à 95 % : 1,124–4,267, p = 0,023). En revanche, la PBF, la PA_LL et le Mean_Grip n'ont pas atteint la significativité statistique après ajustement pour les covariables (P > 0,05).
Analyses stratifiées par sexe des facteurs indépendamment associés
Afin d'étudier la stabilité des indicateurs d'association susmentionnés selon les sous-groupes de sexe, cette étude a réalisé des analyses de régression logistique multivariée stratifiées par sexe. Dans le sous-groupe des hommes, les associations indépendantes de l'ECW et de la Reactance_TR ont été conservées. Plus précisément, les cotes de constitution en humidité chez les hommes augmentaient de 40,7 % pour chaque augmentation d'une unité de l'ECW (OR = 1,407, IC 95 % : 1,030–1,974, p = 0,038) ; l'OR pour la Reactance_TR atteignait 2,764 (IC 95 % : 1,140–7,255, p = 0,030). En revanche, la PBF, la PA_LL et la Mean_Grip sont restées non significatives sur le plan statistique dans le sous-groupe masculin (p > 0,05) (Tableau 4).
Dans le sous-groupe des femmes, les associations n'étaient pas statistiquement significatives. Plus précisément, l'effet de l'ECW était atténué et n'était plus significatif (OR = 1.353, IC à 95 % : 0,940–1,979, p = 0,108), tandis que l'OR pour la réactance_TR baissait à 1,666 (IC à 95 % : 0,578–4,960, p = 0,348), aucun des deux n'atteignant le seuil statistique. La PBF, la PA_BI et la force de préhension moyenne étaient également non significatives dans le sous-groupe des femmes (p > 0,05) (Tableau 5). Toutefois, les tests formels d'interaction n'ont pas révélé de différence statistiquement significative entre les sexes (sexe × ECW : OR = 1,127, IC à 95 % : 0,744–1,716, p = 0,573 ; sexe × réactance_TR : OR = 1,353, IC à 95 % : 0,428–4,282, p = 0,605), ce qui indique que la différence apparente selon le sexe pourrait refléter la taille plus réduite du sous-groupe féminin et une puissance statistique moindre, plutôt qu'une différence réelle dans les associations (Tableau supplémentaire 3).
Afin d'évaluer la robustesse des associations mentionnées ci-dessus, cette étude a réalisé une analyse de sensibilité. Après la winsorisée, ECW conservait toujours une association positive indépendante avec le tempérament d'humidité (OU = 1,331, IC à 95 % : 1,055–1,694, p = 0,018), et l'effet de Reactance_TR est resté statistiquement significatif (OU = 2,321, IC à 95 % : 1,182–4,682, p = 0,016). Dans l'analyse winsorisée, PBF et PA_LL présentaient des valeurs de P limites (0,053 et 0,056) avec des estimations d'effet de OR = 1,054 (IC à 95 % : 1,000–1,113) et OR = 0,592 (IC à 95 % : 0,342–1,006), respectivement (Tableau 6) ; après ajustement supplémentaire pour le rapport taille-hanche, les deux atteignaient une signification nominale (PBF : OR = 1,086, IC 95 % : 1,005–1,178, p = 0,040 ; PA_LL : OR = 0,574, IC 95 % : 0,335–0,964, p = 0.039; Tableau supplémentaire 4). Ces résultats moins stables doivent être interprétés avec prudence. Par ailleurs, les associations indépendantes de l'ECW et de la réactance_TR sont restées statistiquement significatives après ajustement supplémentaire du rapport taille-hanche ou de la circonférence abdominale dans des analyses de sensibilité distinctes (Tableaux supplémentaires 4 et 5). Dans leur ensemble, les trois analyses de sensibilité ont montré que les associations indépendantes de l'ECW et de la réactance_TR sont restées statistiquement significatives dans tous les contextes, sans changement de direction ni perte de significativité après winsorisations des variables continues ou ajustement sur d'autres facteurs de confusion potentiels.
Disponibilité des données :
Toutes les données brutes et les jeux de données analysés générés au cours de cette étude sont accessibles publiquement dans le dépôt Zenodo à l'adresse https://doi.org/10.5281/zenodo.21187319.

Figure 1 : Processus de sélection des variables pour le modèle de régression LASSO. (A) Courbes d'erreur pour le modèle de régression LASSO basées sur une validation croisée à 10 folds. L'axe des abscisses représente les valeurs de log(λ), et l'axe des ordonnées représente l'erreur de validation croisée ; les barres d'erreur verticales indiquent l'erreur-type de l'erreur de validation croisée (déviance binomiale) sur les 10 folds ; les deux lignes pointillées verticales indiquent λ.min (la valeur de λ correspondant à l'erreur minimale de validation croisée) et λ.1se (la valeur de λ correspondant au modèle le plus simple se situant à une erreur-type de λ.min) ; les variables ont été sélectionnées à l'aide de λ.min. (B) Diagramme de la trajectoire des coefficients du modèle de régression LASSO. L'axe des abscisses représente les valeurs de log(λ), et l'axe des ordonnées représente les coefficients de régression de chaque variable ; à mesure que λ augmente, les coefficients des variables non pertinentes sont progressivement réduits à 0, sélectionnant finalement cinq variables dont les coefficients sont non nuls selon le critère λ.min. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Figure 2 : Évaluation du pouvoir discriminant et de l'utilité clinique du modèle prédictif. (A) Courbe ROC. La valeur d'AUC du modèle était de 0,657 (IC à 95 % : 0,587–0,727). (B) Analyse de la courbe de décision (DCA) sur la plage de probabilité seuil de 0 à 1,0. La ligne pointillée violette et la ligne pointillée noire représentent respectivement les stratégies de référence « traiter tous » et « ne traiter aucun », tandis que la ligne continue verte représente le modèle. La courbe du bénéfice net du modèle se situe au-dessus de la ligne de référence « ne traiter aucun » pour des probabilités seuil allant jusqu'à environ 0,55, et descend en dessous de zéro au-delà d'environ 0,6 ; elle reste en dessous de la ligne de référence « traiter tous » sur toute la plage considérée. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.
Tableau 1 : Caractéristiques de base de la population étudiée stratifiée selon la constitution. Les caractéristiques démographiques, anthropométriques, de composition corporelle, bioélectriques et de force de préhension sont comparées entre les participants ayant une constitution harmonieuse et ceux ayant une constitution d'humidité. Les données sont exprimées comme moyenne ± écart-type, médiane [intervalle interquartile] ou n (%), selon le cas. Abréviations : TBW = eau corporelle totale ; ICW = eau intracellulaire ; ECW = eau extracellulaire ; PBF = pourcentage de masse grasse ; BFM = masse grasse corporelle ; VFA = surface de graisse viscérale ; FMI = indice de masse grasse ; SMM = masse musculaire squelettique ; SLM = masse maigre non osseuse ; FFM = masse sans graisse ; BCM = masse cellulaire corporelle ; AMC = circonférence musculaire du bras ; BMR = métabolisme de base ; BMI = indice de masse corporelle ; WHR = rapport taille-hanche ; AC = circonférence abdominale ; PA = angle de phase ; IQR = intervalle interquartile. Veuillez cliquer ici pour télécharger ce fichier.
Tableau 2 : Caractéristiques clés sélectionnées par la régression LASSO et leurs coefficients de régression. Cinq caractéristiques présentant des coefficients non nuls ont été sélectionnées à l’aide du critère λ.min dans l’analyse de régression LASSO. Abréviations : LASSO = opérateur de réduction et de sélection par valeur absolue minimale ; PA_LL = angle de phase du membre inférieur gauche ; Reactance_TR = réactance du tronc ; ECW = eau extracellulaire ; PBF = pourcentage de masse grasse ; Mean_Grip = force moyenne de préhension. Veuillez cliquer ici pour télécharger ce fichier.
Tableau 3 : Analyse de régression logistique multivariée des facteurs associés au tempérament d'humidité. Les associations entre les caractéristiques sélectionnées par la méthode LASSO et le tempérament d'humidité ont été évaluées après ajustement sur l'âge et le sexe. Abréviations : OR = rapport de cotes ; CI = intervalle de confiance ; ECW = eau extracellulaire ; PBF = pourcentage de masse grasse ; PA_LL = angle de phase du membre inférieur gauche ; Reactance_TR = réactance du tronc ; Mean_Grip = force moyenne de préhension. Veuillez cliquer ici pour télécharger ce fichier.
Tableau 4 : Analyse de régression logistique multivariée des facteurs associés au tempérament d'humidité chez les hommes. Les associations entre les caractéristiques sélectionnées et le tempérament d'humidité ont été évaluées dans le sous-groupe masculin après ajustement pour l'âge.
Abréviations : OR = rapport de cotes ; CI = intervalle de confiance ; ECW = eau extracellulaire ; PBF = pourcentage de masse grasse ; PA_LL = angle de phase membre inférieur gauche ; Reactance_TR = réactance tronculaire ; Mean_Grip = force moyenne de préhension. Veuillez cliquer ici pour télécharger ce fichier.
Tableau 5 : Analyse de régression logistique multivariée des facteurs associés au tempérament d'humidité chez les femmes. Les associations entre les caractéristiques sélectionnées et le tempérament d'humidité ont été évaluées dans le sous-groupe féminin après ajustement pour l'âge.
Abréviations : OR = rapport de cotes ; CI = intervalle de confiance ; ECW = eau extracellulaire ; PBF = pourcentage de masse grasse ; PA_LL = angle de phase du membre inférieur gauche ; Reactance_TR = réactance du tronc ; Mean_Grip = force moyenne de préhension. Veuillez cliquer ici pour télécharger ce fichier.
Tableau 6 : Analyse de régression logistique multivariée après winsorisations. Une analyse de sensibilité a évalué les facteurs associés au tempérament d'humidité après application d'une winsorisation à 1 % et 99 % aux variables continues. Abréviations : OR = rapport de cotes ; CI = intervalle de confiance ; ECW = eau extracellulaire ; PBF = pourcentage de masse grasse ; PA_LL = angle de phase du membre inférieur gauche ; Reactance_TR = réactance du tronc ; Mean_Grip = force moyenne de préhension. Veuillez cliquer ici pour télécharger ce fichier.
Tableau supplémentaire 1 : Validation interne et étalonnage du modèle final de régression logistique multivariée. La performance du modèle a été évaluée à l'aide de la discrimination apparente et corrigée de l'optimisme, d'une validation croisée en 5 partitions, d'un test d'adéquation et d'un étalonnage par rééchantillonnage avec remise. L'association avec l'eau extracellulaire (ECW) par écart-type est également indiquée.
Abréviations : AUC, aire sous la courbe caractéristique de fonctionnement du récepteur ; CI = intervalle de confiance ; ECW, eau extracellulaire ; OR, rapport de cotes ; df, degrés de liberté.Veuillez cliquer ici pour télécharger ce fichier.
Tableau supplémentaire 2 : Facteurs d'inflation de la variance pour les prédicteurs dans le modèle final de régression logistique multivariée. Les facteurs d'inflation de la variance ont été calculés afin d'évaluer la multicolinéarité entre les prédicteurs inclus dans le modèle final.
Abréviations : VIF = facteur d'inflation de la variance ; ECW = eau extracellulaire ; PBF = pourcentage de masse grasse ; PA_LL = angle de phase du membre inférieur gauche ; Reactance_TR = réactance du tronc ; Mean_Grip = force moyenne de préhension.Veuillez cliquer ici pour télécharger ce fichier.
Tableau supplémentaire 3 : Interaction entre le sexe et l'eau extracellulaire ainsi que la réactance tronculaire pour le tempérament d'humidité. Des termes d'interaction ont été évalués afin de déterminer si les associations entre l'eau extracellulaire, la réactance tronculaire et le tempérament d'humidité variaient selon le sexe.
Abréviations : ECW = eau extracellulaire ; OR = rapport de cotes ; CI = intervalle de confiance ; LRT = test du rapport de vraisemblance ; Reactance_TR = réactance tronculaire.Veuillez cliquer ici pour télécharger ce fichier.
Tableau supplémentaire 4 : Analyse de régression logistique multivariée après ajustement pour le rapport taille-hanche. Une analyse de sensibilité a évalué les associations entre les caractéristiques sélectionnées et le tempérament d'humidité après un ajustement supplémentaire pour le rapport taille-hanche.
Abréviations : OR = rapport de cotes ; CI = intervalle de confiance ; ECW = eau extracellulaire ; PBF = pourcentage de masse grasse ; PA_LL = angle de phase du membre inférieur gauche ; Reactance_TR = réactance du tronc ; Mean_Grip = force moyenne de préhension ; WHR = rapport taille-hanche.Veuillez cliquer ici pour télécharger ce fichier.
Tableau supplémentaire 5 : Analyse de régression logistique multivariée après ajustement pour la circonférence abdominale. Une analyse de sensibilité a évalué les associations entre les caractéristiques sélectionnées et la constitution d'humidité après un ajustement supplémentaire pour la circonférence abdominale.
Abréviations : OR = rapport de cotes ; CI = intervalle de confiance ; ECW = eau extracellulaire ; PBF = pourcentage de masse grasse ; PA_LL = angle de phase du membre inférieur gauche ; Reactance_TR = réactance tronculaire ; Mean_Grip = force moyenne de préhension.Veuillez cliquer ici pour télécharger ce fichier.