Насколько точны умные весы для анализа состава тела?

Традиционные весы фиксируют лишь общий вес, не различая составляющие: жировую ткань, мышечную массу, плотность костей, уровень гидратации и даже количество переваренной пищи. Это может вводить в заблуждение, ведь два идентичных близнеца при одинаковой массе тела могут кардинально отличаться по физической форме.
Насколько точны умные весы для анализа состава тела?
Изображение носит иллюстративный характер

Умные весы, часто именуемые весами для измерения процента жира, обеспечивают более подробный анализ. Они рассчитывают индекс массы тела (ИМТ) и дают разбивку состава тела, включая процент жира, массу мышц и костей, позволяя отслеживать динамику показателей со временем.

Внешне умные весы схожи с обычными аналоговыми моделями, но оснащены возможностью подключения к смартфонам для передачи данных в фитнес-приложения. Некоторые модели дополнительно предоставляют разъяснения о состоянии здоровья, базовые рекомендации по питанию и даже измеряют пульс.

Преимущества такого подхода очевидны для разных групп: спортсмены могут контролировать мышечную массу для оптимизации тренировочного процесса, пожилые люди следить за изменениями в костной плотности и мышечной силе, а лица с хроническими заболеваниями учитывать состав тела для корректировки методов лечения. Доктор Майкл Чикак, практикующий врач и клинический рецензент клиники MEDvidi (Сан-Хосе, Калифорния), подчеркнул по электронной почте, что умные весы следует рассматривать как инструмент для отслеживания тенденций, а не как диагностическое устройство.

Принцип работы умных весов основан на биоимпедансном анализе (BIA): через стопы или руки подается слабый электрический импульс, который проходит через различные ткани организма. Ткани с высоким содержанием жидкости (мышцы, кровь) проводят ток легче, в то время как жировая ткань и кости создают большее сопротивление. Полученные показатели обрабатываются с применением алгоритмов, учитывающих возраст, пол и рост пользователя.

Точность измерений вызывает вопросы: исследование 2021 года, опубликованное в JMIR Mhealth Uhealth, выявило, что некоторые модели умных весов могут недооценивать массу жировой ткани и мышц до 8 кг и 8,03 кг соответственно. Аналогичные ограничения технологии BIA были отмечены в обзоре 2014 года в International Journal of Clinical Nutrition, а обзор 2022 года в European Journal of Applied Physiology указал на более низкую точность весов, измеряющих состав тела только через ступни, по сравнению с устройствами, включающими данные с верхней части тела.

Множество факторов может повлиять на результаты: уровень гидратации, температура кожи, правильное расположение ног и время проведения измерения. Исследование 1988 года показало, что при измерениях в теплых условиях BIA может переоценивать содержание воды и занижать процент жировой ткани. Современные модели используют несколько частот и сегментное измерение (руки, ноги, торс), что подтверждено исследованием 2024 года, опубликованным в Frontiers in Nutrition.

Умные весы позволяют отследить динамику изменений состава тела, однако данные следует воспринимать как ориентировочные показатели. Индивидуальные особенности, а также отсутствие прозрачности в используемых алгоритмах требуют внимательного отношения к получаемым результатам и не позволяют считать их заменой клиническим методам диагностики, таким как двухэнергетическая рентгеновская абсорбциометрия (DEXA).


Новое на сайте

20327Кости прерий: как истребление бизонов породило целую индустрию — и сама себя же уничтожила 20326Кто и зачем взламывает серверы Ollama и ComfyUI ради ключей от AWS? 20325Как злоумышленники спрятали командный сервер внутри блокчейна и почему его невозможно... 20324Брюссель заставляет Android делиться секретами с чужими ИИ-помощниками 20323WordPress: как два бага слились в одну критическую дыру, которую назвали wp2shell 20322Как китайские хакеры обманули DigiCert и украли сертификаты для подписи кода? 20321Что скрывается за уязвимостью, которую агентство США внесло в список активно используемых... 20320Автономные системы наступают быстрее, чем инфраструктура для управления ими: кто выиграет... 20319Почему в OpenSSL нашли дыру, съедающую память серверов, но не дали ей даже номер CVE? 20317SonicWall SMA 1000: как два бага превратили VPN-шлюз в бэкдор для атакующих 20316Может ли уязвимость в клиенте Zoom для Windows открыть доступ к чужому аккаунту без... 20315TELEPUZ: новый вредонос на C, который научился прятаться в Telegram, Steam и блокчейне... 20314Дома из дёрна: как исландцы триста лет прятались от холода под слоем земли и травы 20313Как один токен от чужого сервиса мог впустить злоумышленника в чужой аккаунт n8n?
Ссылка