Quanto sono precisi gli analizzatori di composizione corporea?

Un analizzatore di composizione corporea può fornirti risultati relativi a acqua corporea, grasso, massa muscolare e altro ancora! Ma come fai a sapere se i risultati sono accurati?

 

Per le bilance, la procedura è relativamente semplice! Quando i tecnici specializzati eseguono la calibrazione/verifica della precisione di pesatura, utilizzano "pesi noti" certificati da laboratori accreditati e verificano se la bilancia restituisce il peso previsto. Ad esempio, se si posiziona un peso noto di 20 kg sulla bilancia, questa dovrebbe visualizzare 20 kg. Se i risultati sono chiaramente errati, significa che la bilancia necessita di calibrazione.

 

Per quanto riguarda la composizione corporea, la questione è un po' più complessa! Innanzitutto, a differenza del peso, non esiste un "valore di riferimento" facilmente verificabile a cui confrontare i propri risultati per confermarne l'accuratezza. Diversi metodi di valutazione della composizione corporea, come l'assorbimetria a raggi X a doppia energia (DXA), la pesatura idrostatica, la pletismografia a spostamento d'aria, la risonanza magnetica (MRI), la tomografia computerizzata (TC) e l'analisi dell'impedenza bioelettrica (BIA), sono tutti metodi di calcolo/stima.

 

Tra questi metodi, diversi sono stati accettati come "standard di riferimento". Sebbene vengano utilizzati anche metodi come la risonanza magnetica (RM) o la tomografia computerizzata (TC), la DXA è uno dei metodi più comuni utilizzati per il confronto, motivo per cui la stragrande maggioranza degli studi di validazione confronta la BIA con la DXA per determinare quanto siano simili i risultati.

 

Confrontando i risultati di un dispositivo con quelli misurati da uno "standard di riferimento", è possibile determinare quanto sia "preciso" il dispositivo stesso: maggiore è la somiglianza dei risultati, migliore è la precisione. Questo viene fatto tramite analisi statistica, generalmente attraverso (1) il livello di correlazione e (2) il limite di concordanza.

 

Questo valore indica quanto siano simili i risultati ottenuti da due dispositivi e, in questo caso, è auspicabile un livello di correlazione più elevato (noto come valore "r") (poiché si sta cercando di replicare il "gold standard"). Ad esempio, in uno studio di validazione, si potrebbe osservare che il risultato della percentuale di grasso corporeo ottenuto con un dispositivo BIA presenta una correlazione ar=0,96 con i risultati della percentuale di grasso corporeo ottenuti con un dispositivo DXA, il che significa che i due risultati sono altamente correlati.

Questo valore è simile alla deviazione standard e ha lo scopo di determinare quanto un risultato si avvicinerà, in media, allo "standard di riferimento". Un limite di concordanza più ampio significa che è più probabile che i risultati si discostino maggiormente dallo "standard di riferimento", quindi minore è il valore, meglio è.

Questi sono i punti chiave da considerare in uno studio di validazione. Detto questo, sebbene la naturale inclinazione possa essere quella di trovare una risposta semplice, come ad esempio "I dispositivi di Charder hanno una correlazione ar=0,96 con la DXA", questa non è necessariamente la storia completa. Un dispositivo può mostrare buoni risultati in uno studio, con un'elevata correlazione e bassi limiti di concordanza (LoA). Ma se tutti i soggetti dello studio fossero uomini, possiamo essere certi che le donne otterrebbero risultati altrettanto accurati? Se tutti i soggetti avessero valori di BMI normali, è scontato che i risultati sarebbero altrettanto accurati per i soggetti con BMI elevato?

 

A differenza della misurazione del peso, che è più o meno "consolidata" con una "risposta corretta al 100%", la composizione corporea è una scienza in continua evoluzione, in cui i ricercatori continuano a migliorare costantemente gli algoritmi e la precisione. Sebbene sia importante convalidare e confermare l'accuratezza di un dispositivo confrontandolo con uno "standard di riferimento", è forse altrettanto importante per gli scienziati lavorare continuamente per migliorare gli algoritmi di calcolo, fornendo risultati sempre più accurati attraverso la ricerca costante.