In meinem letzter Beitrag Ich erwähnte, dass ich kürzlich mehrere neue quantifizierte Self-Geräte erworben habe, darunter das Skulpt Aim. Diese neuen Geräte und die Daten von ihnen haben mir mehr Möglichkeiten gegeben, tiefer zu denken Messsysteme .
Wenn ich ein neues Selbstverfolgungsgerät verwende, habe ich die gleichen grundlegenden Fragen, die sich Wissenschaftler oder Ingenieure zu einem neuartigen Messinstrument stellen könnten:
Warum interessiert mich dieses Tool?Was misst dieses Gerät?Bestätigen diese neuen Daten, was ich erwarten würde?Stellen Änderungen im Laufe der Zeit wichtige Trends oder zufälliges Rauschen dar?Diese Fragen haben mich in den letzten sechs Wochen beschäftigt, da ich mit Aim, einem Tool zur Überwachung von Körperfett und Muskelqualität, tägliche Daten gesammelt habe.
Warum interessiert mich dieses Tool?
Ich habe in meinem Blog gebloggt Fitness und Essen eine Serie über meine vergangenen Körpergrößenschwankungen und wie ich quantifizierte Selbstübungen wie Lebensmittelprotokollierung, Aktivitätsüberwachung und Gewichtskontrolle mit einer drahtlosen Waage übernahm, um eine gesunde Gewichtserhaltungszone zu erreichen. Das Verfolgen meiner Ernährung, meiner Aktivitäten und meines Gewichts in den letzten sechs Jahren hat mir geholfen zu verstehen, wie sich meine Nahrungsaufnahme und meine Trainingsgewohnheiten auf mein kurz- und langfristiges Gewichtstrend während meines ganzen Lebens ausgewirkt haben. Da Krafttraining jedoch mein bevorzugtes Trainingsprogramm ist, hat sich das Körpergewicht als langfristige Erfolgskennzahl immer als unbefriedigend empfunden.
Was misst dieses Gerät?
Im Gegensatz zu anderen Methoden, die ich zuvor ausprobiert habe, bietet das Aim zwei verschiedene Messgrößen:% Fett (das bewährte Maß für den Körperfettanteil) und ein neues Maß, die als Muskelqualität (MQ) bezeichnet wird. Kurz gesagt, das Gerät schätzt den Fettanteil, indem es einen Strom durch ein bestimmtes Körperteil leitet und dessen Widerstand misst. Sie verwendet die Zeit zwischen der Abgabe des Stroms in den Muskel und der Erfassung der entsprechenden Spannungsmessung zur Berechnung der Muskelqualität. Die Grundidee ist, dass größere, fitterere Muskelfasern länger Strom halten. (Das Skulpt Site enthält weitere Informationen zur Funktionsweise.)
Das Ziel schätzt den Gesamtkörperfettanteil und die durchschnittliche Muskelqualität durch eine Vier-Standort-Messung, ähnlich dem Ansatz, der bei Caliper-Bewertungen verwendet wird. Die eigentliche Neuheit des Aim ist jedoch die Fähigkeit, Maßnahmen zu bewerten und zu melden einzelne Muskelbereiche . Dies schließt eine Lücke in meiner quantifizierten Selbstdatenerfassung, indem ich mir auf häufige und bequeme Weise den Muskelerhalt und die inkrementellen Veränderungen in Körperbereichen aufgrund von Trainingsentscheidungen quantifizieren kann. Ich hatte das Aim bereits vor einigen Monaten online gesehen, hatte aber die Möglichkeit, das Gerät kürzlich selbst zu testen QS15 Konferenz wirklich den Deal besiegelt.
Um das Ziel zu verwenden, sprühe ich Wasser auf die zu messende Fläche und auf die Rückseite des Geräts. Anschließend lege ich das Gerät auf einen bestimmten Muskelbereich und folge den Empfehlungen für die Geräteplatzierung in den eingebetteten Videos der App. Ein paar Sekunden später zeigt das Ziel% Fett und MQ für diesen Bereich an. Wenn ich eine Regressionslinie an Datenpunkte in allen Körperteilen anpasse Graph Builder Wie im ersten Diagramm unten gezeigt, können Sie feststellen, dass zwischen MQ und% Fett eine umgekehrte Beziehung besteht. Intuitiv macht es Sinn, dass Bereiche mit höherer Muskelqualität tendenziell weniger Fett enthalten.
Wenn Sie jedoch im zweiten Diagramm Body Part als Überlagerungsvariable hinzufügen, können Sie feststellen, dass die MQ- und% -Fett-Profile verschiedener Muskelbereiche stark variieren können.
Bestätigen diese neuen Daten, was ich erwarten würde?
Um diese Frage zu beantworten, musste ich anfangen, Daten zu sammeln! Deshalb habe ich in den sechs Wochen jeden Tag drei bis fünf Wiederholungen des Zieltests durchgeführt. Es verwendet Messungen der rechten Bizeps-, Trizeps-, Bauch- und Quadrizepsmuskeln, um mein Körperfett abzuschätzen. Ich messe jede Woche auch andere einzelne Muskelbereiche. Alle diese Tests mache ich gleich morgens vor dem Essen und Trinken, unmittelbar nachdem ich mich gewogen habe. Die folgende Grafik fasst die Anzahl der Messungen zusammen, die ich in diesem Zeitraum für verschiedene Bereiche durchgeführt habe.
Die Muskelqualität ist für mich eine neue Messgröße, daher habe ich keine Vergleichsmessungen in der Vergangenheit. Die Muster in den gesammelten Daten zeigen jedoch, dass die Muskeln, die ich regelmäßig und stark trainiere, die höchsten Muskelqualitätswerte (MQ) aufweisen. Wie erwartet, haben Bereiche, die ich in den letzten Jahren nicht regelmäßig mit Gewichten trainiert habe (z. B. Waden), niedrigere Muskelqualitätswerte. Meine Bauchmuskeln sind eine interessante Ausnahme. Ich trainiere sie selten direkt, aber ihre MQ-Werte sind sehr hoch, wahrscheinlich, weil die meisten Krafttrainingsübungen den Einsatz von Bauchmuskeln erfordern, um die Bewegung zu stabilisieren.
Die besten Körperfettdaten, die ich habe, stammen aus einem Januar 2014 DXA-Scan , die mich mit 17,5% Körperfett bei einem Gewicht von 127,5 kg bewertet. Meine kürzlichen Schnelltestmessungen mit dem Aim wurden bei einem typischen Wartungsgewicht von etwa 135 kg durchgeführt und schätzen meinen Fettanteil auf 18 bis 19%. Obwohl mein Gewicht nicht direkt mit meinem Gewicht am Tag meiner DXA vergleichbar ist, liegen meine Ergebnisse im Bereich dessen, was ich erwartet hätte, nachdem ich ein paar Pfund für zusätzliches Essen und Wasser in meinem System hinzugefügt hatte, ein paar Pfund für zusätzlichen Körper Fett und 1,75 Jahre Trainingszeit.
Ich habe meine Skulpt-Daten mit einer benutzerdefinierten Körperkarte verwendet, die ich Anfang dieses Jahres in erstellt habe JMP Mittelwert MQ und% Fett nach Körperbereich (gemittelt über linke und rechte Seite). Ich habe die Farbskalen umgekehrt, so dass die Trends für jede Messung einfacher verglichen werden können. Wie die oben gezeigten körperteilspezifischen Regressionsgeraden spiegelt dieser Graph auch die inverse Beziehung zwischen MQ und% Fett wider.
Stellen Änderungen im Laufe der Zeit wichtige Trends oder zufälliges Rauschen dar?
Ich hatte einige Fragen, die ich beantworten wollte, bevor ich einschätzte, wie sich mein Training kurz- und langfristig auf meinen Fett- und MQ-Wert auswirkt. Während gelegentliche Aim-Benutzer mit einer einzigen Messung täglich oder wöchentlich zufrieden sein könnten, erwartete ich, dass meine Messungen aufgrund von zufälligen und systematischen Variablen um den wahren Mittelwert für jede Kombination aus Körperteil und Seite variieren.
Ohne den täglichen Zugriff auf einen Goldstandardtest wie DXA konnte ich das nicht verifizieren Richtigkeit von den Messungen des Ziels, aber das war nie meine Absicht. Ich bin viel mehr daran interessiert, eine Messroutine zu erstellen, die generiert präzise Messungen jeden Tag, so dass ich tägliche oder wöchentliche Trends in Bezug auf meine Gewichts-, Ess- und Trainingsvariablen verstehen kann. Der Skulpt-Blog erwähnte eine erwartete Test-Retest-Abweichung zwischen den Tagen von 5%. Anders ausgedrückt: Ein Bereich, der an einem Tag bei 20% Körperfett gemessen wird, würde am nächsten Tag 20% ± 1% betragen. Ich habe aber vorhergesagt, dass sich Variablen wie das Wassergewicht auf meine täglichen Messungen auswirken würden, so dass sich meine wahren Werte von Tag zu Tag unterscheiden können. Daher war ich mehr an der Bewertung von am selben Tag durchgeführten Replikatmessungen interessiert. Die Festlegung der Genauigkeit innerhalb eines Tages wäre der Schlüssel zum Festlegen einer Basis für meine MQ- und% Fett-Werte.
Um die Abweichungen innerhalb eines Tages zu beurteilen, habe ich verwendet Graph Builder Um ein Diagramm der Standardabweichungen meiner MQ- und% Fett-Messungen für die vier Standorte zu erstellen, die ich täglich messe. Ich habe einen hellblau schattierten Bezugsbereich verwendet, um die Standardabweichung von 1% Fett und 1 MQ-Punkt anzuzeigen, die ich erhofft hatte.
Die Variabilitätstrends, die ich in meinen Juli-Messungen sah, veranlassten mich, meine Messtechniken zu hinterfragen und anzupassen:
Zu Beginn war meine Variabilität innerhalb meines Tages für meine MQ- und Körperfettwerte relativ hoch. Ich bemerkte bald, dass ich die Anweisungen von Aim zu dem Brief nicht befolgte. Ich begann schon vorher die Rückseite des Geräts zu besprühen jede Wiederholung, Sicherstellen, dass die Metallkontakte für jede Messung konstant getränkt wurden. Sie können sehen, dass diese Änderung beginnt, um die Variabilität meiner Daten um den 21. Juli herum zu reduzieren. Nachdem ich die oben genannten Verbesserungen vorgenommen hatte, bemerkte ich ein neues Muster. Meine erste Wiederholung für eine Muskelgruppe schien anders zu sein als spätere Wiederholungen. Ich habe diesen Verdacht durch Prüfung meiner Rohdaten bestätigt. Ich habe theoretisiert, dass dies vielleicht der Fall sein könnte Gerät war vor rep 1 nass, aber die Muskelbereich selbst war trocken, bis Wiederholung 1 abgeschlossen war. Ich fing an, jeden Körperbereich zu besprühen, bevor ich mit der Messung begann, und dies verbesserte meine Messkonsistenz weiter.Ende Juli bemerkte ich einen weiteren beunruhigenden Trend. Die Standardabweichung meiner MQ-Messung für meinen rechten Bizeps ging nach oben, nicht nach unten! Dies beeinflusste die Konsistenz meines Vier-Standorte-Durchschnitts. Beim Rätseln stellte ich fest, dass mein Bizeps ein relativ kleiner und schmaler Muskel ist, und geringfügige Positionsänderungen beeinflussten die Messung wahrscheinlich stärker als bei größeren Muskelgruppen.
Ich entschied mich dafür, meine Theorie durch Experimentieren mit der Position des Geräts zu testen. Bei fünf Wiederholungen (Gruppe 1) bemühte ich mich, die Einheit auf meinem Bizepsbereich etwas höher zu halten, und stellte sie dann für fünf Wiederholungen in eine etwas niedrigere Position (Gruppe 2). Die folgende Abbildung zeigt, wie sich dies auf meine Ergebnisse auswirkte. Obwohl ein Vertreter in der Gruppe mit der höheren Position eine MQ-Bewertung von 125 hatte (mit einem roten X gekennzeichnet), waren die restlichen MQ-Bewertungen in der Gruppe mit der höheren Position um einige Punkte niedriger als die der zweiten Gruppe. Es schien klar, dass ich eine dieser Positionen wählen und dabei bleiben musste, um die beständigsten Messungen für diesen problematischen Muskelbereich zu erhalten.
In den darauffolgenden Tagen habe ich die oben gelernten Lektionen angewendet und den Bizepsmessbereich konsistenter gewählt, wodurch der SD (MQ) und der SD (% Fett) für den Bizeps in meinem Datensatz reduziert wurden. An diesem Punkt bin ich glücklich, in der Lage zu sein, MQ +/- 2 und% Fett +/- 1% für fast alle Bereiche konstant zu messen, und die 4-Positionen-Gesamtschätzung, die ich täglich einnehme, fällt in eine vorhersehbare Angebot.
Wie geht es mit diesen Daten weiter?
Aufgrund meiner anfänglichen Abenteuer in Bezug auf die Messkonsistenz oben, wusste ich, dass ich mehr mit diesem Datensatz zu tun hatte. Ich sammelte täglich Daten, wollte diese aber und meine Messtechnik systematischer bewerten. JMP hat eine MSA ( Messsystemanalyse ) Plattform zur Beurteilung von Schwankungsquellen in einem Messsystem. Ich wollte mehr über die Plattform erfahren und meine bisherigen Messungen bewerten. Ich wusste bereits, dass ich Ausreißermessungen in meiner Datentabelle hatte. Was ist der beste Weg, um sie zu identifizieren und zu entfernen? Ich musste meine Daten untersuchen, meine Ausreißer-Filteroptionen auswerten, sie anwenden und bewerten, wie sich ihre Entfernung auf meine Messkonsistenz innerhalb eines Tages auswirkte. Ich werde teilen, was ich in zukünftigen Posts entdeckt habe.
