研究結果

除脂肪量（FFM）とDXAの比較

International Journal of Gerontology に掲載された BIA 研究では、 Charderが使用した体組成モデルが検証され、除脂肪量と DXA の間の相関係数が r=.942 であると分析されました。

「要約すると、BIAが推定した複数のセグメントのFFMは、台湾の高齢者に関してDXAが決定したものと非常に相対的でした。」

バックプロパゲーション人工ニューラルネットワークによる生体電気インピーダンス解析の新しい応用高齢者の下肢組織組成の数学的予測モデル、国際老年学ジャーナル 6 (2012) 20-26

神のような光のネットワークモデルのFFM結果とDXAの比較

Nutrition Journal に掲載された BIA 研究では、 Charderが使用する Back-Propagation Artificial Neural Network (BP-ANN) を使用した、DXA と比較した除脂肪量の相関係数が r2=0.987 であることが検証されました。

「結果は、FFMLR と FFMDXA の間よりも FFMANN と FFMDXA の間により良い一致が存在することを示しました。」

高齢者の体組成を評価するための生体電気インピーダンス分析における人工ニューラル ネットワークの新しい応用. Nutrition Journal 2013, 21:2 1

DXAと比較したニューラルネットワークモデルの結果

International Journal of Gerontology に掲載された BIA 研究では、 Charderが使用したニューラル ネットワーク体組成モデルが検証され、下肢セグメントの測定結果と DXA との相関係数は r2=0.962 でした。

「要約すると、予測精度と精度が向上したことで、BP-ANN 数学モデルを用いた BIA の適用が、高齢者の下肢における FM と FFM の臨床測定にさらに実現可能になりました。」

バックプロパゲーション人工ニューラルネットワークによる生体電気インピーダンス解析の新しい応用高齢者の下肢組織組成の数学的予測モデル、国際老年学ジャーナル 6 (2012) 20-26

アスリートにおける全身と四肢のFFMとDXAの比較

Scientific Research and Essays が発表したフットボール選手の BIA 研究では、 Charderが使用した体組成モデルが検証され、除脂肪量と DXA の間の相関係数が r=0.95 であると分析されました。

「要約すると、BIA測定によって開発された予測方程式におけるセグメント体組成の予測性能が向上したことにより、アスリートの体組成、特に四肢と体幹のモニタリングに応用できる可能性が示されました。」

台湾のエリート男子サッカー選手のセグメント体組成を測定するための新しい予測方程式による生体電気インピーダンス分析、Scientific Research and Essays Vol. 6 (24)、pp. 5131-5136、2011 年 10 月 23 日、DOI:10.5897/SRE11.041

骨格筋のパフォーマンスを予測するための生体インピーダンス ベクトル解析 (BIVA) の応用

PLOS ONE に掲載された研究では、BIVA が筋肉のパフォーマンスに明らかに関連しているかどうかを評価し、BIVA プロジェクトを通じて握力を推定してさまざまな筋肉のパフォーマンスを区別できることがわかりました。

「私たちの研究は、立位インピーダンスアナライザーと人体計測変数によって測定されたBIVAパラメータが、健康なアジア人成人においてHGSによって測定された筋機能を良好なパフォーマンスで予測できることを示しました。私たちの結果は、骨格筋機能の評価における立位BIVA技術の臨床応用を促進する可能性があります。」

「要約すると、BIA測定によって開発された予測方程式におけるセグメント体組成の予測性能が向上したことにより、アスリートの体組成、特に四肢と体幹のモニタリングに応用できる可能性が示されました。」

Lee LW、Lu HK、Chen YY、Lai CL、Chu LP、Hsieh MC 他 (2020) 健康な台湾成人における立位インピーダンス アナライザーを使用した生体電気インピーダンス ベクトル解析による骨格筋機能の予測と識別 PLoS ONE 15( 6）：e0231604。