• Like
  • Save
Analyse de la composition corporelle
Upcoming SlideShare
Loading in...5
×
 

Analyse de la composition corporelle

on

  • 12,517 views

Tout le monde cherche à connaitre son fameux pourcentage de gras. Plusieurs méthodes de mesure de la composition corporelle sont désormais accessibles. Cependant, les valeurs qu'elles donnent ...

Tout le monde cherche à connaitre son fameux pourcentage de gras. Plusieurs méthodes de mesure de la composition corporelle sont désormais accessibles. Cependant, les valeurs qu'elles donnent sont-elles valides ? Que faire avec les résultats ? Peut-on aller plus loin que le simple pourcentage de gras ? Cette conférence vous permettra de bien maîtriser les concepts essentiels de l'analyse de la composition corporelle. Vous comprendrez les principes derrières les méthodes de mesure les plus populaires et vous pourrez mieux exploiter les résultats pour vous et vos clients.

Statistics

Views

Total Views
12,517
Views on SlideShare
9,771
Embed Views
2,746

Actions

Likes
1
Downloads
0
Comments
0

3 Embeds 2,746

http://www.drkin.com 2744
http://courrielweb-4.videotron.ca 1
http://www.linkedin.com 1

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Analyse de la composition corporelle Analyse de la composition corporelle Presentation Transcript

    • Analyse de la composition corporelle Comment s’y retrouver? Par Maxime St-Onge, Phd
    • Introduction Beaucoup de gens souhaitent déterminer leur composition corporelle. Malheureusement, bien peu s’y prennent adéquatement. 3
    • Modèles d’analyse de la composition corporelle 3 Compartiments (3C) Compartiments • On divise le corps humain en compartiments • Le nombre de compartiments est fonction des capacités de mesure Masse Osseuse Masse Maigre Masse Grasse 2 Compartiments (2C) 4 Compartiments (4C) Masse osseuse Masse musculaire 4 Masse Maigre Masse Grasse Masse viscérale Masse grasse
    • La masse grasse• Est composée de – Triglycérides – Cholestérol – Phospholipides• On suppose une densité constante de 0.9007 g/cm³ 5
    • La masse maigre• Est composée: – Du squelette – Des organes – Des muscles• N’est pas de composition uniforme• On suppose une densité moyenne 1.1 g/cm³ 6
    • Variation de la masse maigreCompartiments de la masse maigre Masse Volume à 36oC Densité à % masse Variation Compartiment1 (g) (ml) 36oC (g/ml) maigre (±écart-type)Eau 624.3 628.2 0.99371 73.72 3.8Protéine 164.4 122.7 1.34 19.41 3.2Minéraux (osseux) 47.7 16.0 2.982 5.63 0.8Minéraux (non- 10.5 3.2 3.317 1.24 1.5osseux)Total 846.9 770.1 1.1 100.0 9.3%1Pour ~1 kg de masse maigre 7
    • Avant de juger… Il n’existe pas de mauvaise méthode, seulement de bonnes méthodes mal utilisées… 8
    • Hydrodensitométrie (2C)Principe• Mesure du volume du corps humain par le déplacement de l’eau• Permet de déterminer la densité Densité = Masse / Volume• Volume = (Poidsair- Poidseau) / Densitéeau• On obtient la composition corporelle par conversion (Siri, Brozeck, etc.)Limites• Dépend de la mesure du poids et du volume résiduel (1-2L) . Erreur combinée 2%• Considère la masse maigre comme constante 9
    • Plethysmographie par déplacement d’air (2C) Principe • Mesure du volume du corps humain par le déplacement de l’air • Permet de déterminer le volume corporel Volume = Volume brute – correction surface corporelle + 40% (Volume poumons) • On obtient la composition corporelle par conversion Limites • Dépend de la mesure du poids et du volume résiduel (1-2L). Erreur combinée 1-3% • Considère la masse maigre comme constante 10
    • Absorption bi-photonique-DXA (3C) Principe • Mesure de la densité par pixellisation du corps humain • Détermine la fraction de masse maigre non osseuse, masse grasse, masse osseuse • Détermine le volume et le poids Limites • Dépend des valeurs de références pour les compartiments. Erreur 1-3% • L’épaisseur du participant influence la mesure (≥25 cm) 11
    • Bioimpédance (2C)Principe• Est basée sur la relation entre le composition corporelle et la teneur en eau du corps• Les propriétés de passage d’un courant électrique (1 fréquence ou plusieurs) déterminent l’impédance (résistance, réactance)• Il faut convertir les valeurs à l’aide d’équations pour obtenir la composition corporelleLimites• Dépend de l’appareil, des équations et du niveau d’hydratation. Erreur 3-6%• Très difficile de détecter le changement 12
    • Utrason (2C)Principe• Croisement entre la bioimpédance et l’anthropométrie• Utilise l’impédance sonore pour déterminer l’épaisseur adipeuse d’un site• Les valeurs doivent être converties à l’aide d’équationsLimites• Grande variation intra-observateur• Variation importante selon l’équipement utilisé 13
    • Anthropométrie (2C)Principe• Mesure de valeurs anthropométriques (plis, circonférences, largeurs, etc.)• Est utilisée pour prédire la composition corporelle• Les valeurs doivent être converties à l’aide d’équationsLimites• Grande variation intra-observateur• Importance de la technique et du contrôle de mesure 14
    • Procédures et précautions Procédures • Avoir une feuille de collecte de données appropriée • S’assurer de conditions de mesure standards • S’assurer du bon fonctionnement des équipements 15
    • Le poidsPrécautions • Mesure apparemment simple, mais souvent source d’erreur • Doit être complétée dans des conditions standardisées • Sources d’erreur: – Poids des aliments et de l’eau dans le système digestif (1L d’eau = 1kg) – Pèse-personne non calibré 16
    • La stature Plan de Frankfurt Type • Assise ou couché Personnes invalides, nouveau-nés • Debout au repos Tête alignée selon le plan de Frankfurt Mesure prise à la fin d’une inspiration forcée • Debout étiré Le participant doit s’étirer le plus possible en conservant les bras allongés Mesure dans le plan de FrankfurtMesure critique pour la bioimpédance! 17 (plan oriculo-orbital)
    • Les circonférences• Sont utilisées en valeurs absolues (circonférence de la taille) et en valeurs converties (composition corporelle)• Le ruban doit être parallèle au segment/tronc mesuré• Lecture en croisé sur le ruban (préférablement à 10cm) 18
    • Les largeurs• Sont utilisées en valeurs absolues (ossature) et en valeurs converties (composition corporelle, surface musculaire)• Les mandibules du vernier doivent être en contact avec l’os 19
    • Les plis cutanés• Sont utilisés en valeurs absolues (somme des plis), mais surtout en valeurs converties (composition corporelle)• Mesure de la double couche adipeuse sous-cutanée• Adipomètre doit exercer une pression de 10g/cm² et indiquer avec justesse l’épaisseur en mm 20
    • Plis cutanés: Technique de prise • Le dos de la main de prise doit faire face à l’évaluateur • Le pli est effectué à l’aide du pouce et de l’index • Doit uniquement inclure la double couche de tissus adipeux 21
    • Plis cutanés: Technique et localisation • IMPÉRATIF d’avoir recours à des repères anatomiques • La tête des mandibules est appliquée latéralement à 1cm du repère anatomique et à une profondeur de 0.5cm • L’appareil demeure perpendiculaire au pli 22
    • Plis cutanés: Technique et mesure • La gâchette est progressivement complètement relâchée • La lecture est effectuée environ 2s après le relâchement complet • 3 mesures non consécutives de chaque pli sont complétées 23
    • Déterminer la composition corporelle Composition Mesures corporelle brutes Conversion Densité Source Source d’erreur d’erreur Source d’erreur Composition corporelle 24
    • Utiliser la composition corporelle Premier niveau• % de gras x Poids total (kg) = Masse grasse (kg)• Poids total (kg) – Masse grasse (kg) = Masse maigre (kg) Deuxième niveau• Masse grasse (kg) / Grandeur (m)² = Indice de masse grasse (kg/m²)• Masse maigre (kg) / Grandeur (m)² = Indice de masse maigre (kg/m²) 25
    • IMM, IMG et seuils Masse Maigre Masse Grasse IMM Référence IMG RéférenceFemmes 1.68m 1.68m (kg/m²) 70kg (kg/m²) 70kg <13.1 37.0 >6.11 17.2 IMM Référence IMG RéférenceHommes 1.72m 1.72m (kg/m²) 80kg (kg/m²) 80kg <16.3 48.2 >5.0 14.8 26
    • Le % de grasInutile ou presque… • Probablement la pire valeur pour analyser et comparer la composition corporelle • Pourtant, la valeur la plus populaire et la plus demandée 27
    • % de gras ( 1.72m, 80kg)Masse Maigre Masse Grasse % IMM IMG (kg) (kg) de gras (kg/m²) (kg/m²) 70 10 13% 23.7 3.4 68 12 15% 23.0 4.1 66 14 18% 22.3 4.7 64 16 20% 21.6 5.4 62 18 23% 21.0 6.1 60 20 25% 20.3 6.8 58 22 28% 19.6 7.4 56 24 30% 18.9 8.1 48 32 40% 16.2 10.8 46 34 43% 15.5 11.5 44 36 45% 14.9 12.2 28
    • % de gras, source d’erreur! % de Poids Masse Masse gras (kg) Grasse Maigre (kg) (kg) 27.8 90 25 65 8.9 23.0 IMG & IMM kg/m² kg/m² 28.7 46 13 33 4.6 11.7 IMG & IMM kg/m² kg/m² 29
    • Analyse transversale• Permet de situer un individu en fonction de normes ou de critères• Donne un bilan ICI et MAINTENANT 30
    • Niveau de risque associé à l’IMC et à la circonférence de la taille Circonférence de la taille Catégorie IMC Homme <102 cm Homme > 102 cm Femme < 88 cm Femme > 88 cmPoids insuffisant < 18.5 - -Poids 18.5 – 24.9 - -normalSurpoidsléger 25.0 – 27.0 Risque accru Risque élevéSurcharge pondérale 27.1 – 30.0 Risque accru Risque élevéObésité de type 1 30.1 – 35.0 Risque élevé Risque très élevéObésité de type 2 35.1 – 40 Risque très élevé Risque très élevéObésité morbide  40 Risque critique Risque critiqueTiré du National Institute of Health (NIH) et du National Heart, Lung and Blood Institute,1998 31
    • Surface musculaire brachiale Utilité • Est un indicateur de la masse musculaire • Tient compte du squelette et de la masse grasse((CIR biceps relax/3.1416-PCtriceps/100)²)-0.3 x LR coude 32
    • Surface musculaire fémorale Utilité • Est un indicateur de la masse musculaire • Tient compte du squelette et de la masse grasse 0.649 x ((CIR mi cuisse/3.1416-PC mi-cuisse/100)²)-0.3 x LR genou 33
    • Percentiles pour la composition corporelle Femmes (19 à 61 ans, n =80) Variables 10 20 30 40 50 60 70 80 90% de masse grasse 18.4 23.3 25.2 26.5 28.3 31.7 34.8 36.7 42.7Indice de Masse grasse (kg/m²) 3.60 4.82 5.29 5.73 6.38 7.57 9.12 10.02 12.81Indice de Masse maigre (kg/m²) 14.66 15.07 15.75 16.05 16.62 17.16 17.61 18.18 19.69 Hommes (18 à 66 ans, n =75)% de masse grasse 14.2 17.0 18.8 20.3 21.8 22.7 23.7 26.3 29.7Indice de Masse grasse (kg/m²) 3.46 3.97 4.67 5.15 5.46 5.83 6.41 7.32 8.89Indice de Masse maigre (kg/m²) 18.17 19.03 19.30 19.91 20.27 20.59 21.47 21.99 22.88 Filles (12 à 18 ans, n =26)% de masse grasse 19.5 20.2 22.4 25.5 26.3 27.9 30.0 31.3 33.1Indice de Masse grasse (kg/m²) 3.63 4.13 4.79 5.24 5.59 6.51 7.08 7.70 8.58Indice de Masse maigre (kg/m²) 14.52 15.09 15.30 15.70 16.01 16.51 16.87 17.26 18.27 Garçons (12 à 18 ans, n =21)% de masse grasse 10.0 11.2 12.1 12.8 14.8 17.5 24.8 29.2 30.0Indice de Masse grasse (kg/m²) 1.89 2.26 2.35 2.77 2.84 3.70 5.61 7.59 9.52Indice de Masse maigre (kg/m²) 14.89 15.51 16.14 17.70 18.67 19.06 19.70 20.83 34 22.32Synemorphose inc., données non publiées issues d’analyses de composition corporelle par bio-impédance tétrapolaire
    • Analyse longitudinale• Déterminer l’évolution de la composition corporelle• Dépend de la précision et de la reproductibilité de la mesure65 8.9 10 7.560 8 7 6.3 5.7 5.3 655 56.1 57.4 4 54 54.5 55.750 53 245 0 Semaine 1 Semaine 8 Semaine 16 Semaine 24 Semaine 32 Semaine 40 Masse maigre (kg) Poids (kg) Masse grasse (kg) 35
    • Sources de variation et d’erreurAnthropométrie Bioimpédance• L’évaluateur est la plus • La variation biologique est importante source d’erreur la plus importante source• L’équipement d’erreur• La méthodologie • La méthodologie (équations, cueillette de (équations) données) • L’évaluateur et l’aspect• Variation biologique technique 36
    • Les erreurs de nature biologiqueÂge• Variation de la distribution Eau Protéine Densité de la masse grasse Âge (%) (%) (g/cm³)• Variation de la teneur en Hommes eau, os et minéraux et 1 79.0 15.0 1.063 glycogène 9-11 76.2 18.4 1.084• Changement possible de la 17-20 74.0 19.4 1.099 répartition entre les Femmes liquides intra et extra- 1 78.8 16.9 1.069 cellulaire 9-11 77.0 17.8 1.082 17-20 74.8 19.2 1.095 37
    • Les erreurs de nature biologiqueSexe Masse maigre 70• Différence de composition corporelle 60 50• Différence de répartition de la masse grasse 40 30 20 10 0 0 5 10 15 20 Homme Femme 38
    • Les erreurs de nature biologiqueOrigine ethnique Masse maigre 70• Différence de composition 60 corporelle 50• Différence de la répartition 40 de la masse maigre 30• Différence de la répartition 20 10 de la masse grasse 0 0 5 10 15 20 Homme blanc Homme noir Homme hispanique 39
    • L’impact de l’hydratationAnthropométrie Bioimpédance• Les variations « normales » • Niveau hyperhydraté d’hydratation influencent (+ 1L/1kg d’eau): peu les plis – Poids total: 64 kg – Masse grasse 15kg• La déshydratation sévère – Masse Musculaire 24.7 kg modifie la mesure des plis • Niveau déshydraté – Poids total 63 kg• La source d’influence – Masse grasse 12.1 kg principale se situe au niveau – Masse Musculaire 26.6 kg du poids et de la conversion de la densité 40
    • Les erreurs de nature technique• Erreur associée à l’équipement• Erreur associée à l’évaluateur 41
    • L’impact du poids 42
    • L’impact des plis 43
    • L’impact des équations (anthropométrie) 44
    • L’impact des équations (bioimpédance) 45
    • L’impact de l’équipementAdipomètres• Il existe une grande étendue dans la gamme de prix pour ces appareils• Observe-t-on une toute aussi grande différence dans les mesures ? Adipomètre Moyenne (mm) Écart-type IC95% Harpenden (549.23$) 6.11 2.6 4.2 – 8.0 Slimguide (14.29$) 5.51 2.4 3.6 – 7.4 Accufit (5.24$) 4.01 2.6 2.3 – 5.7 1Différence significative (P<0.05) 46
    • Pratiquement? Comparaison avec le Harpenden Somme de Impact sur la Impact sur la Adipomètre % gras 4 plis masse grasse masse maigreHarpenden 22 16.8 10.1 49.9Slimguide 20.4 – 25.2 15.8-18.7 9.5 – 11.2 48.8 – 50.5Accufit 15.2 - 32 11.8 – 22.0 7.1 – 13.2 46.8 – 52.9Technique 20.9 – 23.1 16.1 – 17.5 9.6 – 10.5 49.5 – 50.4 47
    • Mesurer le changement Connaître ses limites Afin d’être en mesure de déterminer le changement il faut: 1) S’assurer de la validité et surtout de la fidélité de ses instruments 2) S’assurer de la capacité de l’évaluateur à reproduire ses mesures 3) Connaître la marge d’erreur 48
    • Découvrir son erreur standard Connaître ses limites • Prendre 2 séries de mesures sur plusieurs participants • Calculer la différence entre les mesures • Déterminer la somme du carré des différences (d²)  (Mesure 1-Mesure 2)² • Appliquer l’équation suivante où n représente le nombre de participants √(∑d²/2n) 49
    • Exemple: 10 mesures répétées 2 foisMesures répétées de la sommes de 10 plis cutanées (mm) Participants 1 2 3 4 5 6 7 8 9 10 120 150 155 134 80 75 210 200 111 99 115 149 160 140 76 69 199 200 111 97Différence entre les mesures Participants 1 2 3 4 5 6 7 8 9 10 5 1 -5 -6 4 6 1 0 0 2 50
    • Exemple: Déterminer sa marge d’erreur √(∑d²/2n) • √(144/20)= 2.7 mm • La capacité à détecter le changement de notre évaluateur est de 2.7mm 51
    • Exemple: Mesures répétées Pour déterminer le changement: • Différence des mesure (Erreur xLorsque l’intervalle de √n)confiance n’inclut pas0, il est possible de Exempleconclure qu’il y a une • Mesure 1: 119mmdifférence significative • Mesure 2: 106mmentre les deux mesures (119-106)-(2.7 x √2) et (119-106)+(2.7 x √2) Intervalle de confiance 9.2mm à 16.8mm 52
    • Variation acceptable • Poids: 0.1kg • Stature: 0.3-0.5cm • Circonférences: 0.3cm • Plis cutanés: 5% (Erreur standard / moyenne des mesures) x 100 Notre exemple: 2.7 / 117.5 = 2.3% 53
    • Merci! • Si vous êtes intéressés par une formation en analyse de la composition corporelle... … N’hésitez pas à visiter mon blogue pour obtenir plus d’information! drkin.com 54
    • ANNEXE 1: FEUILLE DE COLLECTE DEDONNÉES 55
    • 56
    • ANNEXE 2: ÉQUATIONSANTHROPOMÉTRIQUES 57
    • Équation(s) FEMMES BLANCHES Pli(s) cutané(s) Circonférence(s) Largeur(s) Autre(s) X1= Somme des plis : Densité = Tricipital (mm) 1.1567 – 0.0717(Log10X1)Durnin & Womersley (1974) Bicipital (mm) Aucune Aucune Aucun SIri : Sous-scapulaire (mm) (4.95/Densité – 4.5)*100 Supra-iliaque (mm) Densité = X1= Somme des plis : Tricipital 1.24374 – 0.03162(Log10X1) – 0.00066 * (mm)Jackson, Pollock & X4= Circonférence des X4 Abdominal (mm) Aucune AucunWard(1980) hanches (cm) SIri : Mi-cuisse (mm) (4.95/Densité – 4.5)*100 Supra-iliaque (mm) Densité = X2= Somme des plis : 1.21389 – 0.04057(Log10X2) – 0.00016 *Jackson, Pollock & Tricipital (mm) X3 Aucune Aucune X3= Age (années)Ward(1980) Mi-cuisse (mm) SIri : Supra-iliaque (mm) (4.95/Densité – 4.5)*100 Densité = 1.12569 – 0.001835* X1 – 0.002779* X2 + X = Largeur bi- X1= Sous-scapulaire (mm) X4 = Circonférence mi-cuisse 3Katch & McArdle (1973) 0.005419* X3 – 0.0007167* X4 épicondilaire Humérus Aucun X2= Supra-iliaque (mm) (cm) Brozeck : (mm) (4.57/ Densité – 4.142) * 100 Densité = 0.97845 – 0.0002* X1 + 0.00088*X2 –Lewis, Haskell, Perry, X1= Tricipital (mm) X4 = Circonférence biceps X2 = Stature ou 0.00122* X3 – 0.00234* X4 AucuneKovacevic & Wood (1978) X3 = Sous-scapulaire (mm) relâché (cm) grandeur (cm) SIri : (4.95/Densité – 4.5)*100 X1= Somme des plis : Tricipital Densité =Withers, Whittingham, (mm) 1.17484 – 0.07229(Log10X1)Norton, Laforgia, Ellis & Sous-scapulaire (mm) Aucune Aucune Aucun SIri :Crockett (1987c) Supra-spinal (mm) (4.95/Densité – 4.5)*100 Mollet (mm) Densité = X1= Supra-iliaque (mm)Sloan, Burt & Blyth (1962) Aucune Aucune Aucun 1.0764 – 0.00081* X1 – 0.00088* X2 X2 = Tricipital (mm) 58
    • Équation(s) HOMMES BLANCS Pli(s) cutané(s) Circonférence(s) Largeur(s) Autre(s) X1= Somme des plis : Densité = Tricipital (mm) BicipitalDurnin & Womersley 1.1765 – 0.0744(Log10X1) (mm) Aucune Aucune Aucun(1974) SIri : Sous-scapulaire (mm) (4.95/Densité – 4.5)*100 Supra-iliaque (mm) Densité = X1= Sous-scapulaire (mm) 1.10647 – 0.00162*X1-0.00144*X2- X2= Abdominal (mm)Forsyth & Sinning (1973) 0.00077*X3+0.00071*X4 Aucune Aucune Aucun X3= Tricipital (mm) Brozeck : X4= Mi-axillaire (mm) (4.57/ Densité – 4.142) * 100 Densité = 1.09665 – 0.00103* X1 – X1= Tricipital (mm)Katch & McArdle (1973) 0.00056*X2 – 0.00054*X3 X2= Sous-scapulaire (mm) Aucune Aucune Aucun Brozeck : X3 = Abdominal (mm) (4.57/ Densité – 4.142) * 100 Densité = 1.1043 – 0.001327* X1 – 0.00131*Sloan, Burt & Blyth X1= Mi-cuisse (mm) X2 Aucune Aucune Aucun(1962) X2 =Sous-scapulaire (mm) SIri : (4.95/Densité – 4.5)*100 Densité = 1.08543 – 0.000886* X1 - 0.00040*Wilmore & Behnke X1= Abdominal (mm) X2 Aucune Aucune Aucun(1969) X2 = Mi-cuisse (mm) SIri : (4.95/Densité – 4.5)*100 Densité = X1= Somme des plis : 1.109380 – 0.0008267* X1 + Pectoral (mm) Abdominal X2= AgeJackson et al. (1980) 0.0000016*(X1)2 – 0.0002574* X2 Aucune Aucune (mm) (années) SIri : Mi cuisse (mm) (4.95/Densité – 4.5)*100 X1= Somme des plis : Densité = Tricipital (mm) BicipitalDurnin & Womersley 1.1765 – 0.0744(Log10X1) (mm) Aucune Aucune Aucun(1974) SIri : Sous-scapulaire (mm) (4.95/Densité – 4.5)*100 Supra-iliaque (mm) 59
    • Équation(s) FEMMES AFRO AMÉRICAINES Pli(s) cutané(s) Circonférence(s) Largeur(s) Autre(s) X1= Somme des plis : Densité = Tricipital (mm) 1.0970 – 0.00046971* X1 Sous-scapulaire (mm) + 0.00000056*X1 –Jackson et Mi-axillaire (mm) X2= Age 0.00012828* X2 Aucune Aucuneal. (1980) Pectoral (mm), Supra- (années) % de gras = iliaque (mm) (4.85/Densité – Abdominale (mm) 4.39)*100 Mi-cuisse (mm)Équation(s) HOMMES AFRO AMÉRICAINES Pli(s) cutané(s) Circonférence(s) Largeur(s) Autre(s) X1= Somme des plis : Densité = Tricipital (mm) 1.112 – 0.00043499* X1 Sous-scapulaire (mm) + 0.00000055*X1 –Jackson et Mi-axillaire (mm) X2= Age 0.00028826* X2 Aucune Aucuneal. (1980) Pectoral (mm) (années) % de gras = Supra-iliaque (mm) (4.37/Densité – Abdominale (mm) 3.93)*100 Mi-cuisse (mm) 60
    • Équation(s) FEMMES ASIATIQUES Pli(s) cutané(s) Circonférence(s) Largeur(s) Autre(s) Densité = 1.0897 – 0.00133* X1 % de gras (18-48 ans) =Nagamine & X1= Somme des plis : (4.97/Densité –Suzuki Tricipital (mm) Aucune Aucune Aucun 4.52)*100(1964) Sous-scapulaire (mm) % de gras (61-78 ans) = (4.87/Densité – 4.41)*100Équation(s) HOMMES ASIATIQUES Pli(s) cutané(s) Circonférence(s) Largeur(s) Autre(s)Nagamine & X1= Somme des plis : Densité =Suzuki Tricipital (mm) Aucune Aucune Aucun 1.0913 – 0.00116* X1(1964) Sous-scapulaire (mm) 61
    • RÉFÉRENCES: LIVRES 62
    • 63
    • RÉFÉRENCES: ARTICLES 64
    • 1. Resende, CM, JS Camelo Junior, MN Vieira, et al. Body composition measures of obese adolescents by the deuterium oxidedilution method and by bioelectrical impedance. Braz J Med Biol Res 2011; 44(11). 1164-70.2. Ramel, A, OG Geirsdottir, A Arnarson, and I Thorsdottir. Regional and total body bioelectrical impedance analysis comparedwith DXA in Icelandic elderly. Eur J Clin Nutr 2011; 65(8). 978-83.3. Jimenez, A, W Omana, L Flores, et al. Prediction of Whole-Body and Segmental Body Composition by BioelectricalImpedance in Morbidly Obese Subjects. Obes Surg 2011.4. Chen, BB, TT Shih, CY Hsu, et al. Thigh muscle volume predicted by anthropometric measurements and correlated withphysical function in the older adults. J Nutr Health Aging 2011; 15(6). 433-8.5. Kilani, H and A Abu-Eisheh. Optimum anthropometric criteria for ideal body composition related fitness. Sultan Qaboos UnivMed J 2010; 10(1). 74-9.6. Kanellakis, S, G Kourlaba, G Moschonis, A Vandorou, and Y Manios. Development and validation of two equations estimatingbody composition for overweight and obese postmenopausal women. Maturitas 2010; 65(1). 64-8.7. Hetzler, RK, BL Schroeder, JJ Wages, CD Stickley, and IF Kimura. Anthropometry increases 1 repetition maximum predictiveability of NFL-225 test for Division IA college football players. J Strength Cond Res 2010; 24(6). 1429-39.8. Garlie, TN, JP Obusek, BD Corner, and EJ Zambraski. Comparison of body fat estimates using 3D digital laser scans, directmanual anthropometry, and DXA in men. Am J Hum Biol 2010; 22(5). 695-701.9. Demura, S, S Sato, S Yamaji, T Murooka, and M Nakai. Accuracy of simple predictive equations for visceral fat area after 8weeks of training. J Sports Sci 2010; 28(8). 881-9.10. Aleman-Mateo, H, E Rush, J Esparza-Romero, et al. Prediction of fat-free mass by bioelectrical impedance analysis in olderadults from developing countries: a cross-validation study using the deuterium dilution method. J Nutr Health Aging 2010; 14(6).418-26. 65
    • 11. Moon, JR, SE Tobkin, AE Smith, et al. Anthropometric estimations of percent body fat in NCAA Division I female athletes: a4-compartment model validation. J Strength Cond Res 2009; 23(4). 1068-76.12. Kuriyan, R, T Thomas, and AV Kurpad. Total body muscle mass estimation from bioelectrical impedance analysis & simpleanthropometric measurements in Indian men. Indian J Med Res 2008; 127(5). 441-6.13. Williams, AG and M Wilkinson. Simple anthropometric and physical performance tests to predict maximal box-lifting ability. JStrength Cond Res 2007; 21(2). 638-42.14. Macias, N, H Aleman-Mateo, J Esparza-Romero, and ME Valencia. Body fat measurement by bioelectrical impedance andair displacement plethysmography: a cross-validation study to design bioelectrical impedance equations in Mexican adults. NutrJ 2007; 6. 18.15. Hill, AM, J LaForgia, AM Coates, JD Buckley, and PR Howe. Estimating abdominal adipose tissue with DXA andanthropometry. Obesity (Silver Spring) 2007; 15(2). 504-10.16. de Freitas, SN, WT Caiaffa, CC Cesar, et al. A comparative study of methods for diagnosis of obesity in an urban mixed-racepopulation in Minas Gerais, Brazil. Public Health Nutr 2007; 10(9). 883-90.17. Aleman-Mateo, H, RH Huerta, J Esparza-Romero, RO Mendez, R Urquidez, and ME Valencia. Body composition by the four-compartment model: validity of the BOD POD for assessing body fat in Mexican elderly. Eur J Clin Nutr 2007; 61(7). 830-6.18. Watts, K, LH Naylor, EA Davis, et al. Do skinfolds accurately assess changes in body fat in obese children and adolescents?Med Sci Sports Exerc 2006; 38(3). 439-44.19. Kagawa, M, D Kerr, and CW Binns. New percentage body fat prediction equations for Japanese males. J Physiol Anthropol2006; 25(4). 275-9.20. Garaulet, M, JJ Hernandez-Morante, FJ Tebar, S Zamora, and M Canteras. Two-dimensional predictive equation to classifyvisceral obesity in clinical practice. Obesity (Silver Spring) 2006; 14(7). 1181-91. 66
    • 21. Fry, AC, D Ciroslan, MD Fry, CD LeRoux, BK Schilling, and LZ Chiu. Anthropometric and performance variablesdiscriminating elite American junior men weightlifters. J Strength Cond Res 2006; 20(4). 861-6.22. Civar, S, A Aktop, E Tercan, Y Ozdol, and K Ozer. Validity of leg-to-leg bioelectrical impedance measurement in highly activewomen. J Strength Cond Res 2006; 20(2). 359-65.23. Wickramasinghe, VP, GJ Cleghorn, KA Edmiston, and PS Davies. Impact of ethnicity upon body composition assessment inSri Lankan Australian children. J Paediatr Child Health 2005; 41(3). 101-6.24. Poortmans, JR, N Boisseau, JJ Moraine, R Moreno-Reyes, and S Goldman. Estimation of total-body skeletal muscle mass inchildren and adolescents. Med Sci Sports Exerc 2005; 37(2). 316-22.25. Eston, RG, AV Rowlands, S Charlesworth, A Davies, and T Hoppitt. Prediction of DXA-determined whole body fat fromskinfolds: importance of including skinfolds from the thigh and calf in young, healthy men and women. Eur J Clin Nutr 2005;59(5). 695-702.26. Lintsi, M, H Kaarma, and I Kull. Comparison of hand-to-hand bioimpedance and anthropometry equations versus dual-energy X-ray absorptiometry for the assessment of body fat percentage in 17-18-year-old conscripts. Clin Physiol Funct Imaging2004; 24(2). 85-90.27. Ball, SD, TS Altena, and PD Swan. Comparison of anthropometry to DXA: a new prediction equation for men. Eur J Clin Nutr2004; 58(11). 1525-31.28. Ball, S, PD Swan, and R DeSimone. Comparison of anthropometry to dual energy X-ray absorptiometry: a new predictionequation for women. Res Q Exerc Sport 2004; 75(3). 248-58.29. van der Ploeg, GE, SM Gunn, RT Withers, and AC Modra. Use of anthropometric variables to predict relative body fatdetermined by a four-compartment body composition model. Eur J Clin Nutr 2003; 57(8). 1009-16.30. Huygens, W, AL Claessens, M Thomis, et al. Body composition estimations by BIA versus anthropometric equations in bodybuilders and other power athletes. J Sports Med Phys Fitness 2002; 42(1). 45-55. 67
    • 31. Goodpaster, BH. Measuring body fat distribution and content in humans. Curr Opin Clin Nutr Metab Care 2002; 5(5). 481-7.32. Prior, BM, CM Modlesky, EM Evans, et al. Muscularity and the density of the fat-free mass in athletes. J Appl Physiol 2001;90(4). 1523-31.33. Morrison, JA, SS Guo, B Specker, WC Chumlea, SZ Yanovski, and JA Yanovski. Assessing the body composition of 6-17-year-old Black and White girls in field studies. Am J Hum Biol 2001; 13(2). 249-54.34. Maffeis, C, A Grezzani, A Pietrobelli, S Provera, and L Tato. Does waist circumference predict fat gain in children? Int J ObesRelat Metab Disord 2001; 25(7). 978-83.35. Kwok, T, J Woo, and E Lau. Prediction of body fat by anthropometry in older Chinese people. Obes Res 2001; 9(2). 97-101.36. Friedl, KE, KA Westphal, LJ Marchitelli, JF Patton, WC Chumlea, and SS Guo. Evaluation of anthropometric equations toassess body-composition changes in young women. Am J Clin Nutr 2001; 73(2). 268-75.37. Wang, J, JC Thornton, S Kolesnik, and RN Pierson, Jr. Anthropometry in body composition. An overview. Ann N Y Acad Sci2000; 904. 317-26.38. Dupler, TL and H Tolson. Body composition prediction equations for elderly men. J Gerontol A Biol Sci Med Sci 2000; 55(3).M180-4.39. Cooper, BA, A Aslani, M Ryan, et al. Comparing different methods of assessing body composition in end-stage renal failure.Kidney Int 2000; 58(1). 408-16.40. Bertin, E, C Marcus, JC Ruiz, JP Eschard, and M Leutenegger. Measurement of visceral adipose tissue by DXA combinedwith anthropometry in obese humans. Int J Obes Relat Metab Disord 2000; 24(3). 263-70.41. Dezenberg, CV, TR Nagy, BA Gower, R Johnson, and MI Goran. Predicting body composition from anthropometry in pre-adolescent children. Int J Obes Relat Metab Disord 1999; 23(3). 253-9.42. Paxton, A, SA Lederman, SB Heymsfield, J Wang, JC Thornton, and RN Pierson, Jr. Anthropometric equations for studyingbody fat in pregnant women. Am J Clin Nutr 1998; 67(1). 104-10. 68
    • 43. Nindl, BC, WJ Kraemer, WH Emmert, et al. Comparison of body composition assessment among lean black and white malecollegiate athletes. Med Sci Sports Exerc 1998; 30(5). 769-76.44. Goran, MI, MJ Toth, and ET Poehlman. Cross-validation of anthropometric and bioelectrical resistance prediction equationsfor body composition in older people using the 4-compartment model as a criterion method. J Am Geriatr Soc 1997; 45(7).45. Lean, ME, TS Han, and P Deurenberg. Predicting body composition by densitometry from simple anthropometricmeasurements. Am J Clin Nutr 1996; 63(1). 4-14.46. Heymsfield, SB, Z Wang, M Visser, D Gallagher, and RN Pierson, Jr. Techniques used in the measurement of bodycomposition: an overview with emphasis on bioelectrical impedance analysis. Am J Clin Nutr 1996; 64(3 Suppl). 478S-484S.47. Mandolfo, S, M Farina, and E Imbasciati. Bioelectrical impedance and hemodialysis. Int J Artif Organs 1995; 18(11). 700-4.48. Eston, RG, F Fu, and L Fung. Validity of conventional anthropometric techniques for predicting body composition in healthyChinese adults. Br J Sports Med 1995; 29(1). 52-6.49. Valero, MA, M Leon-Sanz, I Gomez, G Martinez, and F Hawkins. [A comparison between double-photon absorptiometry(DEXA), impedance and anthropometry in the study of the body composition of obese subjects]. Nutr Hosp 1994; 9(1). 12-7.50. Kekes-Szabo, T, GR Hunter, I Nyikos, C Nicholson, S Snyder, and L Berland. Development and validation of computedtomography derived anthropometric regression equations for estimating abdominal adipose tissue distribution. Obes Res 1994;2(5). 450-7.51. Hergenroeder, AC, B Brown, and WJ Klish. Anthropometric measurements and estimating body composition in balletdancers. Med Sci Sports Exerc 1993; 25(1). 145-50.52. Arciero, PJ, MI Goran, AW Gardner, PA Ades, RS Tyzbir, and ET Poehlman. A practical equation to predict resting metabolicrate in older men. Metabolism 1993; 42(8). 950-7.53. Vogel, JA and KE Friedl. Body fat assessment in women. Special considerations. Sports Med 1992; 13(4). 245-69.54. Houtkooper, LB, SB Going, TG Lohman, AF Roche, and M Van Loan. Bioelectrical impedance estimation of fat-free bodymass in children and youth: a cross-validation study. J Appl Physiol 1992; 72(1). 366-73 69
    • 55. Ellison, JD, VK Christian, RL Johnson, BJ Warren, and MA Collins. Effect of musculoskeletal development on the predictionof body density in females. J Sports Med Phys Fitness 1992; 32(2). 175-9.56. Teran, JC, KE Sparks, LM Quinn, BS Fernandez, SH Krey, and WP Steffee. Percent body fat in obese white femalespredicted by anthropometric measurements. Am J Clin Nutr 1991; 53(1). 7-13.57. McNeill, G, PA Fowler, RJ Maughan, et al. Body fat in lean and overweight women estimated by six methods. Br J Nutr 1991;65(2). 95-103.58. Chumlea, WC, RN Baumgartner, and BP Vellas. Anthropometry and body composition in the perspective of nutritional statusin the elderly. Nutrition 1991; 7(1). 57-60.59. Housh, TJ, GO Johnson, DJ Housh, et al. The effects of age and body weight on anthropometric estimations of minimalwrestling weight in high school wrestlers. Res Q Exerc Sport 1990; 61(4). 375-82.60. Deurenberg, P, CS Kusters, and HE Smit. Assessment of body composition by bioelectrical impedance in children and youngadults is strongly age-dependent. Eur J Clin Nutr 1990; 44(4). 261-8.61. Tellado, JM, JL Garcia-Sabrido, JA Hanley, HM Shizgal, and NV Christou. Predicting mortality based on body compositionanalysis. Ann Surg 1989; 209(1). 81-7.62. Oishi, K. Prediction of body density using A-mode ultrasonoscope in Japanese physical education major college students.Ann Physiol Anthropol 1989; 8(2). 65-70.63. Housh, TJ, GO Johnson, WG Thorland, et al. Validity and intertester error of anthropometric estimations of body density. JSports Med Phys Fitness 1989; 29(2). 149-56.64. Diaz, EO, J Villar, M Immink, and T Gonzales. Bioimpedance or anthropometry? Eur J Clin Nutr 1989; 43(2). 129-37.65. Deurenberg, P, HE Smit, and CS Kusters. Is the bioelectrical impedance method suitable for epidemiological field studies?Eur J Clin Nutr 1989; 43(9). 647-54.66. Cisar, CJ, TJ Housh, GO Johnson, WG Thorland, and RA Hughes. Validity of anthropometric equations for determination ofchanges in body composition in adult males during training. J Sports Med Phys Fitness 1989; 29(2). 141-8. 70
    • 67. Wong, WW, WJ Cochran, WJ Klish, et al. Body fat in normal adults estimated by oxygen-18- and deuterium-dilution and byanthropometry: a comparison. Eur J Clin Nutr 1988; 42(3). 233-42.68. Jackson, AS, ML Pollock, JE Graves, and MT Mahar. Reliability and validity of bioelectrical impedance in determining bodycomposition. J Appl Physiol 1988; 64(2). 529-34.69. Buckley, DC, KA Kudsk, BS Rose, P Fatzinger, CA Koetting, and M Schlatter. Anthropometric and computerized tomographicmeasurements of lower extremity lean body mass. J Am Diet Assoc 1987; 87(2). 196-9.70. Lukaski, HC, WW Bolonchuk, CB Hall, and WA Siders. Validation of tetrapolar bioelectrical impedance method to assesshuman body composition. J Appl Physiol 1986; 60(4). 1327-32.71. Ward, GM, JE Johnson, and J Stager. Body composition. Methods of estimation and effect upon performance. Clin SportsMed 1984; 3(3). 705-22.72. Thorland, WG, GO Johnson, GD Tharp, TG Fagot, and RW Hammer. Validity of anthropometric equations for the estimationof body density in adolescent athletes. Med Sci Sports Exerc 1984; 16(1). 77-81.73. Smith, JF and ER Mansfield. Body composition prediction in university football players. Med Sci Sports Exerc 1984; 16(4).398-405.74. Pollock, ML and AS Jackson. Research progress in validation of clinical methods of assessing body composition. Med SciSports Exerc 1984; 16(6). 606-15.75. Bulbulian, R. The influence of somatotype on anthropometric prediction of body composition in young women. Med SciSports Exerc 1984; 16(4). 389-97.76. Wilmore, JH. Body composition in sport and exercise: directions for future research. Med Sci Sports Exerc 1983; 15(1).77. Jackson, AS and ML Pollock. Steps toward the development of generalized equations for predicting body composition ofadults. Can J Appl Sport Sci 1982; 7(3). 189-96.78. Sinning, WE. Anthropometric estimation of body density, fat, and lean body weight in women gymnasts. Med Sci Sports1978; 10(4). 243-9. 71
    • 79. Fuchs, RJ, CF Theis, and MC Lancaster. A nomogram to predict lean body mass in men. Am J Clin Nutr 1978; 31(4). 673-8.80. Smith, DPBRW. Prediction of body density and lean body weight in females 25 to 37 years old. Am J Clin Nutr 1977; 30(4).560-4.81. Clark, DA, TD Kay, RF Tatsch, and CF Theis. Estimations of body composition by various methods. Aviat Space EnvironMed 1977; 48(8). 701-4.82. Lewis, S, WL Haskell, H Klein, J Halpern, and PD Wood. Prediction of body composition in habitually active middle-agedmen. J Appl Physiol 1975; 39(2). 221-5.83. Garrow, JS. Isotope techniques in the measurement of human body composition. Proc Nutr Soc 1974; 33(1). 25-9 72