내 안에 마지막 게시물 , 나는 최근 Skulpt Aim을 포함하여 몇 가지 새로운 정량화 된 자체 장치를 구입했다고 언급했습니다. 이 새로운 기기와 그 데이터는 나에게 더 깊이 생각할 수있는 기회를 더 많이주었습니다. 측정 시스템 .
새로운자가 추적 장치를 사용하기 시작하면 모든 과학자 또는 엔지니어가 새로운 측정 도구에 대해 물어볼 수있는 기본 질문과 동일한 질문을 갖게됩니다.
이 도구가 나에게 관심을 갖는 이유는 무엇입니까?이 장치는 무엇을 측정합니까?이 새로운 데이터가 내가 기대하는 바를 확인합니까?시간 경과에 따른 변화는 중요한 트렌드 또는 랜덤 노이즈를 나타 냅니까?체지방 및 근육질 모니터링 도구 인 Aim으로 매일 데이터를 수집 한이 질문은 지난 6 주 동안 내 마음에 떠 올랐습니다.
이 도구가 나에게 관심을 갖는 이유는 무엇입니까?
나는 내 블로그에 올랐다. 피트니스 및 식품 시리즈에서의 과거의 신체 크기 변동과 건강식 체중 유지 영역에 도달하기 위해 무선 저울로 음식 추적, 활동 모니터링 및 체중 추적과 같은 정량화 된 자체 관행을 채택한 방법에 대해 설명합니다. 지난 6 년 동안 나의식이, 활동 및 체중을 추적하면식이 섭취량과 운동 습관이 평생 동안 내 체중의 단기 및 장기 경향에 어떻게 영향을 주는지 더 잘 이해할 수있었습니다. 그러나 근력 트레이닝은 내가 선택한 운동이기 때문에 체중은 항상 장기적인 성공 척도로 불만스럽게 느껴집니다.
이 장치는 무엇을 측정합니까?
전에 시도한 다른 방법과는 달리 목표는 두 가지 측정 기준을 제공합니다. % 지방 (체지방 비율의 검증 된 실제 측정 값)과 근육 품질 (MQ)이라는 새로운 측정 값입니다. 요컨대,이 장치는 특정 신체 부위를 통해 전류를 통과시키고 저항을 측정하여 % 지방을 추정합니다. 그것은 근육으로 전류가 방전되는 것과 근육의 품질을 계산하기 위해 상응하는 전압 측정을 검출하는 사이의 시간을 사용합니다. 기본 아이디어는 더 큰, 수리 용 근육 섬유가 더 오래 전류를 유지한다는 것입니다. (그만큼 Skulpt 사이트 어떻게 작동하는지에 대한 자세한 정보가 있습니다.)
목표는 캘리퍼스 평가에 사용되는 다중 사이트 접근법과 마찬가지로 4 개 현장 측정을 통해 전반적인 체지방 비율과 평균 근력을 추정합니다. 그러나 목표의 진정한 참신성은 그 목표를 평가하고보고 할 수있는 능력이다. 개별 근육 영역 . 이것은 훈련 옵션으로 인한 근육 유지 및 신체 부위의 점진적인 변화를 정량화하기위한 빈번하고 편리한 방법을 제공함으로써 정량화 된 자체 자료 수집의 틈새를 채 웁니다. 몇 달 전에 온라인으로 목표를 보았지만 최근에 기기를 직접 사용해 볼 기회가있었습니다. QS15 회의 정말 거래를 봉인했습니다.
목표를 사용하기 위해 나는 측정 할 구역과 장치 뒤쪽에 물을 뿌립니다. 그런 다음 앱의 퍼간 동영상에 표시된 기기 배치에 대한 권장 사항에 따라 기기를 특정 근육 영역에 설정합니다. 몇 초 후 목표는 해당 영역의 % fat 및 MQ를 표시합니다. 모든 신체 부위의 데이터 포인트에 회귀선을 맞출 때 그래프 빌더 아래 첫 번째 그래프에서 볼 수 있듯이 MQ와 % fat 사이에는 역의 관계가 있음을 알 수 있습니다. 직관적으로, 근육의 질이 높은 부위는 지방 비율이 낮은 경향이 있습니다.
그러나 두 번째 그래프에서 Body 부분을 오버레이 변수로 추가하면 다른 근육 영역의 MQ 및 % 지방 프로파일이 크게 달라질 수 있습니다.
이 새로운 데이터가 내가 기대하는 바를 확인합니까?
이 질문에 대답하려면 데이터 수집을 시작해야했습니다! 그래서 6 주 동안 매일 Aim의 Quick Test를 3-5 회 반복 수행했습니다. 그것은 나의 전반적인 체지방을 추정하기 위해 나의 오른쪽 옆턱, 삼두근근, 대퇴사 두 갈래 및 대퇴사 두근의 측정을 사용합니다. 매주 또는 그 정도, 나는 또한 다른 개별 근육 부위를 측정합니다. 나는이 모든 테스트를 아침에 먹고 마시기 전에 수행한다. 바로 나 자신의 무게를 단다. 아래 그래프는이 기간 동안 여러 지역에서 측정 한 측정 횟수를 요약 한 것입니다.
근육질은 나에게 새로운 척도이므로 비교를 위해 과거의 측정치가 없습니다. 그러나 수집 한 데이터의 패턴에 따라 정기적으로 훈련을 많이받는 근육이 가장 높은 근육질 (MQ) 점수를 갖는 경향이 있음을 알 수 있습니다. 예상대로, 최근 몇 년 동안 정기적으로 체중을 훈련하지 않은 부위 (예 : 송아지)는 근력 점수가 낮습니다. 내 복근은 흥미로운 예외입니다. 나는 직접 훈련하는 경우는 거의 없지만 MQ 점수는 매우 높습니다. 대부분의 웨이트 트레이닝 연습은 운동을 안정시키기 위해 복부 근육을 사용해야하기 때문입니다.
내가 가진 최고의 체지방 데이터는 2014 년 1 월부터 나옵니다. DXA 스캔 , 나는 127.5 파운드의 다이어트 다운 체중에서 체지방 17.5 %로 나를 평가했다. Aim을 이용한 나의 최근의 빠른 테스트 측정은 약 135 lbs의보다 일반적인 유지 보수 중량으로 이루어졌고 내 지방 %는 18-19 %로 추정됩니다. 내 체중이 내 DXA 당일에 체중과 직접적으로 비교되지는 않지만 내 결과는 체내에 여분의 음식과 물을 몇 파운드 만에 추가 한 후 예상 할 수있는 것의 야심에, 여분의 신체에 대해서는 수 파운드 지방 및 1.75 년의 훈련 시간.
저는 Skulpt 데이터를 올해 초에 만들었던 커스텀 바디 맵으로 사용했습니다. JMP 평균 MQ와 체지방률 (체지방)을 보여줍니다 (왼쪽과 오른쪽에서 평균). 각 측정 값의 경향을 더 쉽게 비교할 수 있도록 색상 비율을 바꿨습니다. 위에 표시된 신체 일부 특정 회귀선과 마찬가지로이 그래프는 MQ와 % 지방의 역 관계를 반영합니다.
시간 경과에 따른 변화는 중요한 트렌드 또는 랜덤 노이즈를 나타 냅니까?
나는 나의 운동이 내 지방과 MQ 측정에 단기적으로나 장기적으로 어떻게 영향을 미칠지 평가하기 전에 대답하고 싶은 몇 가지 질문을 가지고있었습니다. 캐주얼 목표 사용자는 매일 또는 매주 한 번의 측정을 통해 만족할 수 있지만 임의 및 체계적인 변수로 인해 각 신체 부위 / 측 조합에 대한 실제 측정 값이 달라질 것으로 예상했습니다.
DXA와 같은 골드 표준 테스트에 매일 액세스하지 않으면 정확성 Aim의 측정치에 대한 것이지만, 그건 내 의도가 아니 었습니다. 나는 측정 루틴을 만드는 데 더 많은 관심이있다. 정확한 매일 측정하여 체중, 식사 및 운동 변수의 맥락에서 매일 또는 주간 트렌드를 이해할 수 있습니다. Skulpt 블로그는 예상되는 5 %의 테스트 - 테스트 재현을 언급했습니다. 다른 방법으로, 하루 20 % 체지방에서 측정 한 면적은 다음날 20 % +/- 1 %를 측정 할 것으로 예상됩니다. 그러나 물의 무게와 같은 변수가 일상적인 측정에 영향을 미쳐 실제 값이 며칠 사이에 차이가 날 수 있다고 예측 했으므로 당일에 찍은 복제 측정을 평가하는 것이 더 중요했습니다. 일일 정밀도를 설정하는 것은 MQ 및 % fat 값의 기준을 설정하는 데 중요합니다.
하루 동안의 변동을 평가하기 위해 그래프 빌더 매일 측정하는 4 개 사이트에 대한 내 MQ 및 % 지방 측정의 표준 편차 그래프를 만듭니다. 나는 밝은 파란색 음영 기준 범위를 사용하여 달성하기를 희망하는 1 % 지방 및 1 개 MQ 점 표준 편차를 나타냅니다.
내 7 월 측정에서 보았던 변동 추세로 인해 측정 기술에 대한 질문과 조정이있었습니다.
초기에 MQ와 체지방 점수에 대한 하루 내 변동성은 상대적으로 높았습니다. 나는 곧 편지에 목표 지침을 따르지 않는다는 것을 깨달았다. 나는 그 유닛의 뒤쪽에 살포하기 시작했다. 각각의 모든 담당자, 금속 접촉부가 각 측정에 대해 지속적으로 담궈 졌는지 확인하십시오. 이 변경이 7 월 21 일경 내 데이터의 변동성을 줄이기 시작한 것을 볼 수 있습니다. 위의 개선을 한 후에는 새로운 패턴에 주목하기 시작했습니다. 근육 그룹에 대한 첫 번째 담당자는 이후 담당자와는 다른 것으로 보였습니다. 나는이 원시 데이터를 조사하여이 의혹을 확인했다. 나는 아마도 이것이 일어날 수 있다고 이론화했다. 장치 rep 1 전에 젖었지만 근육 영역 rep 1이 완료 될 때까지 그 자체는 건조했다. 측정을 시작하기 전에 필자는 각 신체 부위에 스프레이를하기 시작했으며, 이는 측정 일관성을 더욱 향상 시켰습니다.7 월 말에 나는 또 다른 불안한 추세를 발견했다. 내 오른쪽 bicep에 대한 내 MQ 측정의 표준 편차가 추세가 아니라 위로였습니다! 이것은 내 4 사이트 평균의 일관성에 영향을 미쳤습니다. 그것을 뒤죽박죽으로 생각할 때, 상완이 비교적 작고 좁은 근육이기 때문에, 약간의 위치 변화가 큰 근육 그룹보다 측정에 더 많은 영향을 미쳤을 것이라고 결론을 내 렸습니다.
나는 장치의 위치를 실험함으로써 이론을 시험하기로 결정했다. 5 명의 담당자 (그룹 1)에게는 Bicep 영역에서 조금 더 높은 위치에 올리려고 노력한 다음 5 인 (그룹 2)의 경우 약간 낮은 위치로 옮겼습니다. 아래 그림은 내 결과에 어떤 영향을 주 었는지 보여줍니다. 상위 직책 그룹의 한 담당자는 MQ 점수가 125 점이었고 (빨간색 x 표시), 나머지 순위 그룹의 MQ 점수는 두 번째 그룹보다 몇 포인트 낮았습니다. 문제가되는 근육 부위에 대해 가장 일관된 측정을 얻으려면이 위치 중 하나를 선택하고 그 위치를 고수해야한다는 것이 분명해 보입니다.
후일에 나는 위에서 배운 교훈을 적용하고 내 데이터 세트에서 이두근의 SD (MQ) 및 SD (% 뚱뚱함)를 줄이면서보다 일관되게 bicep 측정 영역을 선택했습니다. 이 시점에서 거의 모든 지역에서 대부분의 경우 MQ +/- 2 및 % 뚱뚱한 +/- 1 %를 지속적으로 측정 할 수 있다는 것에 만족하며 매일 취하는 4 순위 종합 견적은 예측 가능으로 떨어졌습니다 범위.
이 데이터는 다음에 무엇입니까?
위의 측정 일관성에 대한 초기 모험을 감안할 때이 데이터 세트로 할 일이 많다는 것을 알고있었습니다. 나는 매일 데이터를 수집하고 있었지만 측정 및 측정 기술을보다 체계적으로 평가하기를 원했습니다. JMP는 MSA ( 측정 시스템 분석 ) 플랫폼은 측정 시스템의 변동성 원천을 평가하는 데 도움을줍니다. 플랫폼에 대해 더 많이 배우고 지금까지 측정을 평가하는 데 사용하고 싶었습니다. 데이터 표에서 이상 값을 측정했다는 것을 이미 알고있었습니다. 그들을 식별하고 제거하는 가장 좋은 방법은 무엇입니까? 데이터를 탐색하고, 아웃 라이어 필터링 옵션을 평가하고, 적용하고, 제거가 하루 내 측정 일관성에 어떤 영향을 미치는지 평가해야했습니다. 나는 앞으로의 게시물에서 내가 발견 한 것을 나눌 것이다.
섀넌 코너스 쓴 :
불행히도 현재 유일한 수출 경로는 일일 체지방률을 Apple Health 앱에 보내는 것입니다. 원시 데이터를 원할 경우 수동 데이터 입력이 현재 데이터를 가져 오는 현재의 방법입니다. 아프다, 나는 알고있다! 앱에서 CSV 내보내기를 요청했습니다. 제발, 함께 Skulpt 지원 사이트에 귀하의 요청을 보내주십시오!
베드로 쓴 :
굉장해! Skulpt Aim 데이터를 어떻게 내 보냈습니까? 나는 내 데이터도 분석하고 싶었다.
