Hvorfor alder er så vigtig i test af kropssammensætning

Charder dokumenterede algoritmer til analyse og beregning af kropssammensætningsresultater anvender en blanding af målte og inputdata. Målte data omfatter vægt- og elektriske impedansrelaterede målinger, herunder impedans, reaktans, modstand og fasevinkel. Inputdata omfatter højde, køn og alder.

 

Alle disse er vigtige for at hjælpe algoritmer med at bestemme kropssammensætningen, men i dag vil vi fokusere på alder, og hvorfor vi tager den i betragtning under analysen!

 

Som enhver, der har oplevet at grynte ufrivilligt, når de sætter sig ned i en stol, kan bevidne, ændrer vores kroppe sig konstant med alderen: for de fleste mennesker betyder det faldende maksimal puls og blodvolumen. Især fald i muskelmasse og effektivitet er ret almindeligt, når folk bliver ældre, især efter omkring 50 år. Dette kan selvfølgelig bremses eller vendes med målrettet træning og velplanlagt ernæring, men generelt kræver det en meget større indsats at opretholde det samme fitnessniveau sammenlignet med en yngre person.

 

Noget, der er særligt interessant, er, at muskler blandt ældre forsøgspersoner kan miste styrke hurtigere, end de mister masse!denne undersøgelseI det videnskabelige tidsskrift *Journal of Gerontology* undersøgte forskere ændringer i muskelmasse og -styrke over 3 år hos næsten 2000 voksne. De fandt ud af, at selvom muskelmasse er korreleret med fald i styrke (hvilket er forventeligt), var faldet i styrke meget hurtigere end det samtidige tab i muskelmasse, hvilket indikerer, at muskelkvalitet kan være noget adskilt fra masse. (dette er en central årsag til, at Charder udviklede det unikke modul *Muscle Quality*, udover muskelmasseanalyse.)

 

 

Og selvfølgelig er der faldet i knoglemasse og -tæthed blandt ældre, hvilket er grunden til, at det er meget lettere for dem at lide af knoglebrud efter fald.

 

På grund af de fysiologiske forandringer, vores kroppe gennemgår i løbet af aldringsprocessen, burde det være klart, hvorfor vi mener, det er vigtigt at tage alder i betragtning, når vi beregner kropssammensætningen. Det er muligt at formulere algoritmer, der ikke tager alder i betragtning, ligesom det er muligt at skabe en, der ignorerer højden. Vi har dog fundet ud af, at inkorporering af alder øger nøjagtigheden af slutresultaterne betydeligt. Følg linket nedenfor for at lære mere om validiteten af vores algoritmer!