私の中で最後の投稿 、私は私が最近Skulpt Aimを含むいくつかの新しい定量化自己デバイスを購入したと述べました。これらの新しいデバイスとそれらからのデータは私にもっと深く考える機会を与えてくれました測定システム 。
私が新しい自己追跡装置を使い始めるとき、私は科学者やエンジニアが新しい測定ツールについて尋ねるのと同じ種類の基本的な質問をします：
このツールはなぜ私の興味を引くのですか？この装置は何を測定しますか？この新しいデータは、私が期待することを裏付けていますか？経時変化は重要な傾向またはランダムノイズを表していますか？体脂肪や筋肉の品質を監視するツールAimを使って日々のデータを収集してきたので、これらの質問は過去6週間にわたって私の頭に浮かんできました。
このツールはなぜ私の興味を引くのですか？
私は私のブログを書きましたフィットネスと食べ物私の過去の体の大きさの変動と健康的な体重維持ゾーンに到達するために私はどのように私はそのような食物伐採、活動の監視とワイヤレススケールと体重の追跡などの定量化自己実践を採用した。過去6年間の食事、活動、体重を追跡することで、私の食物摂取量や運動習慣が私の生涯を通じて私の短期および長期の体重傾向にどのように影響したかをよりよく理解することができました。しかし、筋力トレーニングは私の選択のワークアウトであるため、体重は長期的な成功基準として常に満足できないと感じています。
この装置は何を測定しますか？
私が以前に試した他の方法とは異なり、Aimは2つの異なる測定基準を提供します：％fat（体脂肪率の実証済み測定値）と筋肉品質（MQ）と呼ばれる新しい測定値。手短に言えば、この装置は、特定の身体部分に電流を流し、その抵抗を測定することによって脂肪％を推定する。それは、筋肉の質を計算するために、筋肉への電流の放出と対応する電圧測定値の検出との間の時間を使用する。基本的な考え方は、より大きく、よりフィットする筋肉繊維がより長く電流を保持するということです。（ スカルプトサイトそれがどのように機能するかについてのより多くの情報を持っています。）
Aimは、キャリパー評価で使用されるマルチサイトアプローチと同様に、4サイト測定を通じて全体的な体脂肪率と平均筋肉品質を推定します。しかし目的の本当の目新しさは、対策を評価し報告する能力です。個々の筋肉領域 。これは私の定量化自己データ収集におけるギャップを埋めるためのもので、トレーニングの選択による筋肉の維持と身体領域の増分変化を定量化するための頻繁で便利な方法を私に提供します。数ヶ月前にAimをオンラインで見たことがありますが、最近は自分でデバイスを試す機会があります QS15カンファレンス本当に契約を結んだ。
目的を使用するために、私は測定しようとしているエリアと装置の背面に水をスプレーします。次に、アプリの埋め込みビデオに表示されているデバイスの配置に関する推奨事項に従って、デバイスを特定の筋肉領域に設定します。数秒後、Aimはその領域の％fatとMQを表示します。回帰直線を体のすべての部分にわたるデータ点に合わせるとグラフビルダー下の最初のグラフに示すように、MQと％fatの間には逆の関係があることがわかります。直感的には、筋肉質が高い領域ほど脂肪分率が低い傾向があることは理にかなっています。
ただし、2番目のグラフでオーバーレイ変数としてBody partを追加すると、異なる筋肉領域のMQプロファイルと％fatプロファイルが大きく異なる可能性があることがわかります。
この新しいデータは、私が期待することを裏付けていますか？
この質問に答えるために、私はデータを収集し始めなければなりませんでした！6週間の間、私は毎日3回から5回のAim's Quick Testの複製を行ってきました。それは私の全体的な体脂肪を推定するために私の右側の二頭筋、三頭筋、腹筋、および四頭筋の測定値を使用します。毎週かそこら、私はまた他の個々の筋肉領域を測定します。私は自分の体重を測定した直後に、飲食前の朝にまずこれらすべてのテストを実行します。下のグラフは、この期間にさまざまな分野で行った測定の数をまとめたものです。
筋肉の質は私にとって新しい測定基準なので、比較のための過去の測定値はありません。しかし、私が収集したデータのパターンは、私が定期的かつ重度にトレーニングしている筋肉が最高の筋肉品質（MQ）スコアを持つ傾向があることを示しています。予想どおり、私が近年体重を使って定期的に訓練していない領域（子牛など）では、筋肉質スコアが低くなります。私の腹筋は面白い例外です。直接トレーニングすることはめったにありませんが、彼らのMQスコアが非常に高いのは、おそらくほとんどのウェイトトレーニングでは、運動を安定させるために腹筋を使用する必要があるためです。
私が持っている最高の体脂肪データは2014年1月から来ています DXAスキャンこれは私の体脂肪を17.5％と評価したもので、体重は127.5ポンドに減少しました。私のAimを使った最近の素早いテスト測定は、135ポンドのより一般的なメンテナンス重量で行われ、私の体脂肪率は18〜19％と推定されています。私の体重は私のDXAの日の体重に直接匹敵するものではありませんが、私の結果は、私のシステムで追加の食物と水に数ポンド、追加の体に数ポンドを追加した後に期待することの球場にあります脂肪、および1.75年の訓練期間。
Skulptデータを、今年初めに作成したカスタムボディマップと一緒に使用しました。 JMP 体面積による平均ＭＱおよび脂肪％を示す（左右両側の平均）。各尺度の傾向をより簡単に比較できるように、カラースケールを逆にしました。上に示された体部位特有の回帰直線のように、このグラフはMQと％fatの間の逆の関係も反映しています。
経時変化は重要な傾向またはランダムノイズを表していますか？
私のワークアウトが私の体脂肪率およびMQ測定値に短期および長期的にどのように影響するかを評価する前に、私はいくつかの質問に答えたかったのです。日常的または毎週単一の測定を行うことで、一般的なAimユーザーは満足するかもしれませんが、ランダムで系統的な変数のため、測定値は各身体部分/側面の組み合わせの真の平均値を中心に変動します。
DXAのようなゴールドスタンダードのテストに毎日アクセスしなければ、私は検証することができませんでした正確さこれは私の意図ではありませんでした。生成する測定ルーチンを確立することにもっと興味があります。精密な毎日測定しているので、体重、摂食量、トレーニングの変数の観点から、毎日または毎週の傾向を把握することができます。Skulptブログは、5日間の予想される1日のテスト - 再テストの変動を述べました。別の言い方をすれば、ある日の体脂肪の20％と測定された面積は、翌日の20％±1％と測定されると予想されるでしょう。しかし、水の重さのような変数が日々の測定値に影響を与えると予測するので、真の値は日によって異なる可能性があるため、同じ日に行われた複製測定値の評価に関心がありました。日内の精度を確立することは、私のMQおよび％fat値のベースラインを確立するための鍵となります。
日内変動を評価するために、私はグラフビルダー毎日測定している4つのサイトについて、MQと％fatの測定値の標準偏差のグラフを作成します。私は達成したいと思っていた1％脂肪と1 MQポイント標準偏差を示すために水色の陰影を付けた参照範囲を使用しました。
7月の測定で見た変動の傾向から、測定手法に疑問を投げかけたり調整したりしました。
早いうちから、私のMQと体脂肪のスコアの日内変動は比較的高かった。私はすぐに私がその手紙に対する目的の指示に従わなかったことに気づいた。私は以前にユニットの裏側に吹きかけ始めました一人ひとりの担当者、測定ごとに金属接点が常に浸されていることを確認します。この変更により、7月21日頃に私のデータの変動性が減少し始めることがわかります。 私が上記の改善をすると、私は新しいパターンに気付き始めました。筋肉グループの私の最初の担当者は後の担当者とは違うようでした。私は生データを調べてこの疑いを確認しました。私はおそらくこれが起こるかもしれないことを理論化したデバイス担当者1の前は濡れていましたが、筋肉領域担当者1が完了するまで、それ自体は乾燥していました。私は測定を始める前にそれぞれの体の部分にスプレーをかけ始めました、そしてこれは私の測定の一貫性をさらに改善しました。7月の終わりに、私は別の不安な傾向に気づきました。私の右上腕二頭筋に対する私のMQ測定値の標準偏差は、低下ではなく上昇傾向にありました。これは私の4サイト平均の一貫性に影響しました。それを困惑させて、私は私の二頭筋が比較的小さくて狭い筋肉であるので、わずかな位置の変化がおそらくより大きな筋肉群のためよりその測定に影響すると結論を下しました。
私は、装置の位置を試して自分の理論を試すことにしました。5人の担当者（グループ1）のために、私は上腕二頭筋領域でユニットをわずかに高く保持するように努力し、それからそれを5人の担当者（グループ2）のためにわずかに低い位置に動かしました。下の図は、これが私の結果にどのように影響したかを示しています。高位グループの1人の担当者のMQスコアは125（赤い×印）であるが、高位グループの残りのMQスコアは2番目のグループのMQスコアよりも数ポイント低かった。私はこの問題のある筋肉領域のための最も一貫した測定値を得るためにこれらの位置の1つを選んでそれに固執する必要があることは明らかに見えました。
その後の数日間に、私は上で学んだ教訓を適用して、私のデータセットの上腕二頭筋のSD（MQ）とSD（％fat）を減らして、上腕二頭筋測定領域をより一貫して選びました。現時点では、ほとんどすべての分野でMQ +/- 2と％fat +/- 1％を一貫して測定できることに満足しています。毎日4桁の全体的な推定値は予測可能な値に落ち込んでいます。範囲。
このデータの次は何ですか？
上記の測定の一貫性における最初の冒険を考えれば、私はこのデータセットをもっと扱うべきことがわかっていました。私は日々のデータを収集し続けていましたが、それと私の測定技術をもっと体系的に評価したかったのです。JMPはMSAを持っています（ 測定システム分析 ）測定システムの変動の原因を評価するのを助けるように設計されたプラットフォーム。私はプラットフォームについてもっと学び、これまでのところ私の測定値を評価するためにそれを使用したいと思いました。データテーブルに異常値があることはすでにわかっていました。それらを識別して削除するための最良の方法は何ですか？私は自分のデータを調査し、外れ値のフィルタリングオプションを評価し、それらを適用し、そしてそれらの除去が私の日々の測定の一貫性にどのように影響したかを評価する必要がありました。今後の投稿で発見したことを共有します。
シャノンコナーズ書きました：
残念ながら、現在唯一の輸出ルートは、毎日の体脂肪率をApple Healthアプリに送信することです。生データが必要な場合は、手動でデータを入力するのが現在の方法です。痛みを伴う、知っている！私はアプリからcsvエクスポートを要求しました。Skulptサポートサイトにもリクエストを送ってください。
ピーター書きました：
驚くばかり！Skulpt Aimデータをどのようにエクスポートしましたか？私も自分のデータを分析したいと思っています。
