在我的最后发表 ，我提到我最近购买了几种新的量化自我设备，包括Skulpt Aim。这些新设备及其中的数据为我带来了更多的机会，让他们更深入地思考测量系统 。
当我开始使用新的自我跟踪设备时，我遇到的基本问题与任何科学家或工程师都可能会问到的新型测量工具一样：
为什么这个工具让我感兴趣？此设备会测量什么？这些新数据是否证实了我的期望？随时间变化代表重要趋势还是随机噪声？在过去的六周中，我一直在思考这些问题，因为我已经使用身体脂肪和肌肉质量监测工具Aim收集了每日数据。
为什么这个工具让我感兴趣？
我在我的博客里健身与饮食关于我过去的体型波动的系列文章，以及如何采用量化自我的做法，例如用无线体重秤进行食物记录，活动监测和体重跟踪，以达到健康的体重维持范围。跟踪过去六年中的饮食，活动和体重有助于我更好地了解饮食和运动习惯如何影响我一生的短期和长期体重趋势。但是，由于力量训练是我的首选锻炼方式，因此体重作为长期成功指标一直令人感到不满意。
此设备会测量什么？
与我之前尝试过的其他方法不同，“目标”提供了两个不同的指标：％脂肪（对体内脂肪百分比的可靠尝试）和一种称为肌肉质量（MQ）的新颖指标。简而言之，该设备通过使电流流经特定身体部位并测量其电阻来估算脂肪百分比。它使用将电流释放到肌肉中和检测到相应电压测量值之间的时间来计算肌肉质量。基本思想是，更大，更合适的肌肉纤维可以保持更长的电流。（ 骷髅网站有关其工作原理的更多信息。）
该目标通过四点测量来估计整体脂肪百分比和平均肌肉质量，这与卡尺评估所使用的多点测量方法相似。但是，目标的真正新颖之处在于它能够评估和报告措施个别肌肉区域 。通过为我提供量化训练维护选择导致的肌肉维持和身体区域增量变化的常用方法，这填补了我的量化自我数据收集中的空白。几个月前，我在网上看到了Aim，但最近一次有机会亲自试用该设备 QS15会议真的达成了交易。
要使用Aim，我将在要测量的区域和设备背面喷水；然后，按照该应用的嵌入式视频中显示的设备放置建议，将设备设置在特定的肌肉区域。几秒钟后，目标显示该区域的脂肪百分比和MQ。当我将回归线拟合到身体所有部位的数据点时图形生成器如下面的第一张图所示，您可以看到MQ与％脂肪之间存在反比关系。从直觉上讲，具有较高肌肉质量的区域将倾向于具有较低的脂肪百分比。
但是，在第二张图中，将“身体部位”作为覆盖变量添加后，发现不同肌肉区域的MQ和脂肪百分比分布可能存在很大差异。
这些新数据是否证实了我的期望？
为了回答这个问题，我不得不开始收集数据！因此，在过去的六个星期中，我每天都要进行三到五个重复的Aim快速测试。它使用对我的二头肌，三头肌，腹部和四头肌肌肉的测量来估计我的整体脂肪。每隔一周左右，我还会测量其他单个肌肉区域。在称重自己之后，我每天早上在进食和饮食前都要进行所有这些测试。下图总结了我在这段时间内针对不同区域进行的测量次数。
肌肉质量对我而言是一项新指标，因此我没有任何过去的测量数据可用于比较。但是，我收集的数据中的模式表明，我经常进行大量训练的肌肉往往具有最高的肌肉质量（MQ）分数。不出所料，最近几年我没有定期进行负重训练的区域（例如小腿）的肌肉质量得分较低。我的腹肌是一个有趣的例外。我很少直接训练它们，但是它们的MQ分数很高，可能是因为大多数举重锻炼都需要使用腹肌来稳定运动。
我获得的最佳体内脂肪数据来自2014年1月 DXA扫描 ，在节食的体重为127.5磅的情况下，我的体内脂肪为17.5％。我最近使用Aim进行的快速测试测量是在更典型的维持体重135磅的情况下进行的，估计我的脂肪百分比为18-19％。尽管我的体重无法直接与DXA当天的体重相比，但我的结果达到了我期望的水平，在系统中添加了几磅额外的食物和水后，身体又增加了几磅胖，并且训练时间为1.75年。
我将Skulpt数据与我今年早些时候创建的自定义人体贴图一起使用 JMP 以显示按身体部位（左侧和右侧的平均值）表示的平均MQ和％脂肪。我反转了色标，以便可以更轻松地比较每种度量的趋势。就像上面显示的身体部位特定回归线一样，此图也反映了MQ和脂肪百分比之间的反比关系。
随时间变化代表重要趋势还是随机噪声？
在评估锻炼对短期和长期内脂肪和MQ指标的影响如何之前，我想回答一些问题。尽管Aim临时用户每天或每周都可以进行一次测量，但我希望由于随机和系统的变量，我的测量值在每个身体部位/侧面组合的真实平均值附近会有所不同。
如果没有每天进行DXA等黄金标准测试的机会，我将无法验证准确性的目的，但这从来不是我的意图。我对建立一个可以生成精确每天进行测量，这样我就可以根据自己的体重，饮食和锻炼变量了解每日或每周的趋势。Skulpt博客提到预期的日间重测差异为5％。换句话说，预计一天中人体脂肪含量为20％的区域第二天的面积为20％+/- 1％。但是我预测，我会看到像水重这样的变量会影响我的日常测量结果，因此我的真实值在几天之间可能会有所不同，因此我更关心评估同一天进行的重复测量。建立日内精度将是建立我的MQ和脂肪百分比基准的关键。
为了评估当日变化，我使用了图形生成器为我每天测量的四个位置的MQ和脂肪测量值的标准偏差创建图表。我使用浅蓝色阴影参考范围表示我希望达到的1％脂肪和1 MQ点标准偏差。
我在7月份的测量中看到的变化趋势使我质疑并调整了测量技术：
早期，我的MQ和体内脂肪得分的日内变异性相对较高。我很快意识到我并没有遵循这封信的目标指示。我开始喷涂装置的背面每个代表确保每次测量都始终浸没金属触点。您可以看到此更改开始减少我的数据在7月21日前后的变化。 完成上述改进后，我开始注意到一种新的模式。我的第一组肌肉代表似乎与后来的代表不同。我通过检查原始数据证实了这种怀疑。我认为可能是因为设备在销售代表1之前是湿的，但是肌肉面积本身是干燥的，直到代表1完成。在开始测量之前，我开始对每个身体部位进行喷涂，这进一步提高了我的测量一致性。7月底，我注意到了另一种令人不安的趋势。我的右二头肌的MQ测量的标准偏差呈上升趋势，而不是下降趋势！这影响了我的四点平均值的一致性。令人费解的是，我得出的结论是，由于我的二头肌是相对较小且狭窄的肌肉，所以轻微的位置变化对测量的影响可能会大于较大的肌肉群。
我决定通过试验设备的位置来检验我的理论。对于五次代表（第1组），我努力将单元保持在我的二头肌区域稍高的位置，然后将其移动到稍低的位置进行五次代表（第2组）。下图说明了这如何影响我的结果。尽管较高排名组中的一位代表的MQ得分为125（标有红色x），但较高排名组中的其余MQ得分比第二组中的MQ得分低了几分。似乎很明显，我需要选择这些位置之一并坚持使用以获得该有问题的肌肉区域的最一致的测量值。
在接下来的几天里，我运用了以上经验教训，并更加一致地选择了二头肌测量区域，从而减少了我的数据集中二头肌的SD（MQ）和SD（％脂肪）。在这一点上，我很高兴能够在几乎所有区域的大部分时间内连续测量MQ +/- 2和％脂肪+/- 1％，而且我每天所进行的4个位置的总体估算已经可以预测范围。
这些数据的下一步是什么？
鉴于我在上述测量一致性方面的最初经历，我知道我需要做更多与该数据集相关的工作。我一直在继续收集每日数据，但想更系统地评估它和我的测量技术。JMP具有MSA（ 测量系统分析 ）平台，旨在帮助评估测量系统中的可变性来源。我想进一步了解该平台，并用它来评估我的测量。我已经知道我的数据表中有异常值。识别并删除它们的最佳方法是什么？我需要浏览数据，评估异常过滤选项，应用它们，并评估它们的删除如何影响我一天之内的测量一致性。我将分享我在以后的帖子中发现的内容。
香农·康纳斯（Shannon Conners） 写道：
不幸的是，目前唯一的出口途径似乎是每天向Apple Health应用发送体内脂肪百分比。如果需要原始数据，则手动输入数据是当前的获取数据的方法。痛苦的，我知道！我已要求从应用程序导出csv。请把您的请求也发送到Skulpt支持站点！
彼得写道：
太棒了！您是如何导出Skulpt Aim数据的？我也一直想分析我的数据。
