- Nutrição e Performance
- Nutrientes e Vitaminas
- Controle de Peso e Dietas
- Suplementos Nutricionais
SSE 49: Otimizando as Técnicas para Determinar a Composição Corporal
Autores: Scott Going
PONTOS PRINCIPAIS
- Avaliações da composição corporal realizadas com a devida exatidão são vitais para monitorar o crescimento, os resultados dos treinos, a saúde e o estado nutricional dos atletas.
- A avaliação da composição corporal de atletas e de outros indivíduos depende de métodos indiretos não-invasivos que são baseados em modelos teóricos. Quaisquer erros nos modelos teóricos produzirão erros nos métodos indiretos.
- Os modelos de três e quatro compartimentos que combinam medidas de densidade corporal com o conteúdo de água e de minerais do organismo reduz os erros associados com o modelo tradicional de dois compartimentos (gordura e massa livre de gordura) de maneira relevante e devem ser usados sempre que possível.
- Quando usadas, as estimativas do modelo de dois compartimentos deve usar equações específicas de populações quando isso estiver disponível.
- Os métodos de campo, tais como a antropometria e a análise de bioimpedância elétrica, são úteis para a triagem se as equações usadas são adequadamente validadas e tiverem passado pelo processo de validação cruzada.
INTRODUÇÃO
É importante avaliar a composição corporal de rotina para monitorar o estado nutricional e a saúde de atletas e outros indivíduos ativos. A avaliação periódica também pode ser necessária para crianças e adolescente atletas para que se possa monitorar seu desenvolvimento físico. Se a atividade física é, sem dúvida, algo fundamental para o melhor crescimento possível, há certos riscos à saúde associados com as exigências do treinamento. A avaliação regular do peso e da composição corporal podem permitir a detecção de alterações potencialmente nocivas que acontecem como conseqüência de práticas nutricionais adequadas, treinos excessivos ou doenças e para associar a composição corporal ao desempenho.
Métodos diretos usando órgãos ou cadáveres inteiros encontram-se disponíveis para avaliar a composição corporal nos níveis atômico, químico, celular, tecidual/sistema (Wang e col., 1992), mas para pessoas vivas, é claro, apenas métodos indiretos e não-invasivos são adequados. Métodos indiretos são baseados em corpos ou modelos de referência (ex.: bebê de referência, adolescente de referência, homem de referência e mulher de referência) que foram desenvolvidos a partir de resultados de análises químicas de órgãos e cadáveres humanos. Esses modelos têm como premissa certas relações esperadas entre os compartimentos corporais e são tão exatos quantos as premissas que as sustentam. Os métodos de campo costumam ser validados por meio da comparação com métodos laboratoriais indiretos e portanto, são duplamente indiretos, suscetíveis a erros tanto nos métodos de campo quanto nos laboratoriais. E essencial que se desenvolvam métodos usados para atletas e outros indivíduos ativos por meio de um modelo adequado e, idealmente, que tenha passado pela validação cruzada em outros estudos.
REVISÃO DE PESQUISAS
Os Modelos de Composição Corporal de Dois Componentes
Modelos teóricos, fundamentados na análise química de órgãos e cadáveres humanos, formam a base científica para todos os métodos indiretos de avaliação. O clássico modelo de dois componentes (2C) descreve o corpo como a somatória dos compartimentos de gordura e massa livre de gordura. Usando esse modelo, a massa livre de gordura (MLG) pode ser estimada baseada na densidade corporal, água corporal ou qualquer outro componente de MLG se a relação entre aquele componente e a MLG for conhecida. A porcentagem de gordura é então calculada baseada no peso corporal total e na MLG. A MLG costuma ser estimada de acordo com a densidade corporal ou líquido corporal usando fatores de conversão derivados de corpos de referência (Pierson, 2005).
Para estimativas válidas e exatas, deve-se usar um corpo de referência apropriado para a população alvo. Historicamente, modelos 2C desenvolvidos por Siri (1956) e Brozek e col. (1963) foram aplicados quase que universalmente, presumindo pequenas mudanças na composição química da MLG após o período inicial da infância. Entretanto, muitos estudos mostraram que erros de 3-4% ou mais são inseridos quando se usa um corpo de referência inadequado, ou seja, criança de referência versus adolescente de referência. Quando os métodos e equações de campo são desenvolvidos por meio da comparação com o modelo 2 C, os erros são transmitidos para os novos métodos. Assim, um novo método ou equação é tão preciso quanto o método contra o qual é validado.
Modelos de Multicomponentes
A exatidão dos modelos 2C pode ser melhorada por meio de medições adicionais diretas de compartimentos corporais, exigindo assim menos premissas. Recentes avanços tecnológicos para medir água, minerais e outros componentes de MLG permitiram o desenvolvimento de modelos de múltiplos componentes. Modelos de três (3C) e quatro (4C) componentes que combinam medidas de densidade corporal com teor de água e minerais corporais reduzem os erros associados com o modelo 2C de maneira acentuada e devem ser usados sempre que possível (Tabela 1). Infelizmente, os gastos adicionais e a complexidade de métodos de multicomponentes limitam sua aplicação fora dos laboratórios. Entretanto, é essencial que sejam usados como padrão sob os quais se baseiam os métodos mais simples.
TABELA 2. Derivação da equação 2C para estimar a % de gordura corporal (GC) usando a densidade de massa livre de gordura de uma população específica de atletas Métodos de Campo 
TABELA 1. Modelos e Equações de Composição Corporal
Métodos Laboratoriais de Referência
Métodos laboratoriais oferecem medidas de referência ou critérios para a derivação e avaliação de métodos de campo e equações de predição. Apesar de serem mais exatos, todos os métodos laboratoriais são baseados em premissas e estão sujeitos a algum erro. Métodos de referência baseados nos modelos 2C, tais como hidrodensitometria ou pesagem hidrostática (pesagem sob a água), pletismografia por deslocamento de ar (PDA) e hidrometria (medição da água corporal total), costumam apresentar mais erros que os métodos baseados nos modelos de multicomponentes, tais como a densitometria por emissão de raios X de dupla energia (DXA) e por associação de métodos.
Densitometria
A densitometria refere-se à estimativa da composição corporal baseada na densidade corporal, que é por sua vez estimada de acordo com a massa e volume corporal. Historicamente, a pesagem sob a água era o método mais comum para estimar o volume corporal. (O peso reduzido da pessoa sob a água reflete o volume de água – e do corpo – que a pessoa desloca quando submerge). Entretanto, com o desenvolvimento recente do Bod Pod™, é possível estimar o volume e a densidade via pletismografia por deslocamento de ar. As melhores práticas para os dois métodos foram descritas (Going, 2005) e ambas oferecem estimativas aceitáveis de volume e densidade. Entretanto, ambas são limitadas pela validade das premissas usadas nas equações 2 C para converter a densidade em estimativas de composição corporal.
A densidade corporal tem uma relação inversa à gordura corporal, e as abordagens 2C se aproveitam dessa relação para derivar equações que convertem densidade em porcentagem de gordura corporal (Tabela 1). Por exemplo, a equação mais comum de Siri surgiu por presumir que as densidades de gordura corporal (dg) e massa livre de gorduras (dmlg) eram iguais a 0,9 kg/L e 1,1 kg/L, respectivamente. Análises químicas corroboram essas estimativas em jovens adultos saudáveis (Brozek e col., 1963), mas trabalhos com modelos de componentes múltiplos (Evans e col., 2001; Prior e col., 2001) mostram heterogeneidade considerável em frações de proteína, água e minerais de MLG, e portanto na sua densidade, em crianças e adolescentes em crescimento, cujos componentes químicos estão passando por mudanças, e em atletas e outras populações especiais. Variações da composição presumida de MLG introduz o erro a menos que os ajustes adequados sejam feitos.
Hidrometria
A hidrometria é a mensuração da água corporal total (ACT) que pode ser estimada com exatidão por meio da diluição de isótopos (Schoeller, 2005). Como a água é o componente corporal mais abundante e como encontra-se no compartimento MLG, a medição de ACT, assim como a distribuição de água intra e extracelular, é importante para avaliar a composição corporal. Uma vez que se conhece a ACT, ela pode ser usada, associada a densidade corporal em modelos 3C ou 4 C, para estimar a porcentagem de gordura e depois a MLG. Por outro lado, se soubermos qual é a fração de MLG, que é composta por água, essa constante pode ser usada para converter ACT diretamente em MLG, para depois obtermos a estimativa da porcentagem de gordura. Como pode haver variações significativas na ACT, a associação de ACT e densidade no modelo 3C representa um avanço significativo comparado ao modelo tradicional 2C (Tabela 1). Entretanto, as frações de água da MLG são bem definidas para diferentes idades e níveis de amadurecimento e a MLG pode ser estimada com precisão a partir da ACT desde que se usem as constantes de conversão específicas às populações (Lohman, 1992).
Densitometria por Emissão de Raios X de Dupla Energia (DXA)
O DXA está se tornando cada vez mais disponível e facilmente realizado. Baseado em um modelo de três componentes (minerais ósseos corporais totais, tecido mole magro e gordura), as estimativas do DXA de mineral ósseo, tecido mole e gordura não costumam ser afetadas pela variação na composição química da MLG porque o DXA foi desenvolvido para detectar a variação na massa mineral óssea. Por exemplo, análises teóricas em adultos (Pietrobelli e col., 1996) e em crianças desde os primeiros até os 10 anos de vida (Testolin e col., 2000), mostram que a variação típica no teor de água da MLG interfere nas estimativas da DXA de gordura percentual em menos que 1%. Consequentemente, a DXA surgiu como método padrão usado para validar outros métodos. É importante reconhecer que scanners e software de diferentes fabricantes oferecerão resultados diferentes, o que é uma limitação da DXA (Lohman & Chen, 2005)
Equações Específicas para Populações
Equações específicas para populações foram desenvolvidas para estimar a composição corporal de indivíduos de um grupo homogêneo específico. Dadas as diferenças esperadas na composição da MLG devido a raça/etnicidade, crescimento e maturação, envelhecimento e treino, espera-se que uma equação derivada de um corpo de referência adequado ao grupo seja mais exata que a equação desenvolvida para a população em geral. Tanto a seleção natural quanto o treinamento especializado (ex.: treinamento de resistência vs. corrida de longa distância) contribuem, sem dúvida alguma, para a presença de diferenças entre grupos de atletas com relação ao formato do corpo, distribuição do tecido muscular e adiposo e da composição química da MLG que invalidam as premissas que sustentam os modelos e equações padrão 2C.
Infelizmente, os estudos sistemáticos da composição de MLG de grupos de atletas não foram realizados, apesar do recente trabalho com métodos de multicomponentes ter começado a definir a composição química de alguns grupos (Heyward & Wagner, 2004). Quando se conhece a composição da MLG, é possível obter derivadas de equações 2C ajustadas, baseadas na composição e densidade reais da MLG em vez de valores presumidos. Um exemplo da equação 2C ajustada, derivada por meio da estimativa específica de populações da densidade MLG, é apresentada na Tabela 2. Uma equação semelhante para qualquer grupo de atletas pode ser derivada se a densidade MLG é conhecida. É importante observar que apesar das equações de populações específicas reduzirem os erros devido às diferenças entre os grupos, a variação na composição MLG entre os indivíduos na população de interesse ainda é uma fonte de erro, apesar de pequeno.
Apesar de os profissionais terem acesso a laboratórios de universidades ou hospitais, a composição corporal de atletas costuma ser avaliada por métodos de campo como a antropometria e a bioimpedância elétrica. Medidas de pregas cutâneas e circunferências corporais, apesar de dependerem da habilidade do técnico, são relativamente fáceis de serem feitas e podem oferecer informações úteis sobre a gordura subcutânea e a distribuição da gordura. Medidas em série da prega cutânea e das circunferências corporais plotadas em um somatograma (Heyward & Wagner, 2004) resultam em um perfil antropométrico que é útil para monitorar as mudanças em várias etapas de treinamento. Usadas dessa maneira, as medidas antropométricas precisam ser convertidas em estimativas de MLG e porcentagem de gordura, evitando assim premissas potencialmente errôneas que corroboram tais conversões. Entretanto, é comum que se queira usar os dados antropométricos para estimar a porcentagem de gordura e a MLG. Desenvolveram-se equações específicas para esportes e equações generalizadas que costumam ser aplicadas aos atletas. Essas equações passaram pela validação cruzada usando-se a hidrodensitometria e a DXA. Infelizmente, as equações específicas de atletas, derivadas de métodos de referência por multicomponentes, geralmente não são disponíveis.
Índice de Massa Corporal (IMC)
O índice de massa corporal (em unidades de kg/m2), calculado a partir do peso corporal (kg) e da altura (m), tornou-se um índice comum de sobrepeso e obesidade. Em atletas, que tendem a apresentar mais massa muscular por unidade de altura que não-atletas, há uma grande possibilidade de haja um erro na classificação. Alguns estudos sugerem que o peso e a altura isoladamente oferecem uma estimativa razoável da composição corporal em populações de atletas (Heyward & Wagner, 2004), especificamente em grupos magros homogêneos nos quais a MLG é responsável pela maior parte do peso corporal. De modo geral, no entanto, os erros associados com a estimativa da composição corporal baseado no IMC são maiores que o desejável, e não se recomenda a estimativa da composição baseada na altura e peso.
Equações de Prega Cutânea
Alguns estudos sugerem que as equações de prega cutânea gerais ou específicas para populações desenvolvidas para homens e mulheres podem ser usadas para estimar, com exatidão, a densidade corporal de atletas. Muitas equações potencialmente úteis foram revisadas por Heyward e Wagner (2004), e as equações recomendadas são apresentadas no suplemento que acompanha este artigo. As equações de prega cutânea que incluem três ou mais pontos de prega cutânea são mais gerais que aqueles que usam apenas um ou dois locais porque a inclusão de mais pontos ajuda a explicar as diferenças nos padrões de distribuição de gordura pelo corpo todo.
Uma vez que a densidade corporal foi estimada por meio das equações de prega cutânea, a porcentagem de gordura e MLG podem ser calculadas com uma equação 2C. Uma equação baseada no corpo de referência adequado deve ser usado para evitar a inserção de um erro no modelo além do erro associado com a estimativa da densidade corporal. Os corpos de referência definidos especificamente para diferentes grupos de atletas não estão bem desenvolvidos, apesar de se ter tentado definir a densidade da MLG para atletas que treinam resistência (Modlesky e col., 1996) e raças diferentes (Schutte e col., 1984). Quando não há disponibilidade de uma estimativa específica para aquela população, pode ser útil substituir uma estimativa adequada de raça ou uma estimativa de um grupo de atletas com requisitos semelhantes de treino.
Bioimpedância Elétrica (BIA)
A estimativa da composição corporal a partir da BIA é baseada nas propriedades elétricas da MLG, no seu alto teor de água comparado a outros compartimentos e nas premissas básicas sobre a geometria do corpo. O método de BIA tradicional envolve a medição da resistência total do organismo usando uma configuração de eletrodo que cobre a superfície do punho até o tornozelo em uma única freqüência. Recentes avanços tecnológicos e a modelagem teórica promoveram uma série de variações no método tradicional (Chumlea & Sun, 2005; Heyward & Wagner, 2004). Esses instrumentos mais recentes usam modelos sofisticados para avaliar a composição corporal por segmentos e os subcompartimentos de líquidos, melhorando assim a utilidade clínica da BIA. Em indivíduos saudáveis, a abordagem tradicional oferece estimativas válidas de ACT e MLG e isso não melhora muito com o uso de métodos mais sofisticados. Em populações clínicas, com distribuição anormal de líquidos, outros métodos de BIA tais como analisadores de múltipla freqüência podem resultar em estimativas mais exatas sobre os compartimentos de líquidos, massa celular e MLG. Desenvolveram-se analisadores de BIA fáceis de serem manipulados, para uso domiciliar e monitoramento individual. Eles usam medidas de impedância da parte superior e inferior do corpo para estimar a composição corporal. Não se realizaram estudos sistemáticos desses dispositivos em atletas e a maioria desses instrumentos não têm equações que sejam específicas para esses grupos. Geralmente os dados reais de impedância não são oferecidos e deve-se confiar nas fórmulas de composição corporal programadas internamente no instrumento. Erros citados com analisadores da parte superior e inferior do corpo são similares ou maiores que aqueles associados com analisadores do corpo todo (Heyward & Wagner, 2004).
A exatidão do método BIA é altamente dependente do controle de fatores que podem aumentar os erros de medição. A principal fonte de erro é a variabilidade intra-individual com relação à resistência devido a fatores que mudam o grau de hidratação. Fatores como alimentação, ingestão de líquidos, desidratação e prática de exercícios interferem na hidratação e devem ser controlados. O mesmo instrumento deve ser usado para monitorar as mudanças na composição com o passar do tempo. As equações do fabricante são geralmente proprietárias, e é difícil determinar a utilidade delas. Idealmente, as equações de predição da BIA devem ser escolhidas de acordo com a idade, sexo, etnia, atividade física (ou grupo atlético) do indivíduo, assim como nível de gordura corporal. Com a equação adequada, a exatidão do grau preditivo do método BIA é semelhante ao do método da prega cutânea.
O BIA deve ser preferido em algumas circunstâncias porque não demanda um alto grau de habilidade do técnico e é útil em indivíduos mais gordos, nos quais é difícil medir a prega cutânea. Entretanto, diferentemente dessa última técnica, a BIA não nos dá informações sobre o padrão de distribuição da gordura.
Seleção da Equação
As equações de predição são específicas para populações ou gerais. As equações específicas para populações são derivadas para posterior uso em populações específicas (ex.: mulheres adolescentes, lutadores, corredores). Assim, costumam super ou subestimar a composição corporal de maneira sistemática se forem aplicadas a indivíduos de outros populações. Por outro lado, as equações gerai são desenvolvidas a partir de amostras heterogêneas diferentes e são responsáveis por diferentes locais ou características antropométricas e para diferenças referentes aos fatores idade, sexo, raça/etnia e outras características por incluir essas variáveis como fatores preditores na equação. Infelizmente, não houve um desenvolvimento sistemático e testes de equações para atletas. Apesar de haver algumas equações específicas para atletas (Heyward & Wagner, 2004), poucas passaram pela validação cruzada. Algumas equações gerais são adequadas para uso em atletas (v. equações recomendadas no suplemento que acompanha este artigo). Quando uma equação em um grupo atlético específico não está disponível, pode-se aceitar uma equação desenvolvida para o grupo com morfologia corporal e requisitos de treino semelhantes.
Para desenvolver equações de predição, é necessário escolher uma amostra representativa de uma população específica. As variáveis preditoras (ex.: altura e peso, idade, raça, pregas cutâneas ou BIA) e as estimativas padrão da composição corporal (gordura percentual ou MLG) são medidas nos mesmos indivíduos e a equação é desenvolvida com a aplicação de métodos estatísticos adequados. A utilidade da equação depende da força da associação entre as variáveis e da exatidão com que a variável dependente, por exemplo, a gordura percentual ou MLG, é estimada. Equações úteis dão estimativas da gordura percentual ou MLG que apresentação uma alta correlação (R > 0,8) com as medidas padrão. Além disso, as médias e os desvios padrão dos scores estimados e padrão devem ser bastante semelhantes, e o erro padrão da estimativa (SEE) para prever as medidas padrão baseadas nos valores estimados devem ser aproximadamente < 2,5-3,5% para gordura percentual e < 2,5-3,5 kg para MLG.
Para escolher a equação mais adequada, deve-se lembrar das seguintes perguntas (Going & Davis, 2001; Heyward & Wagner, 2004):
1. À quem se aplica a equação? A resposta está na avaliação cuidadosa das características da população usada para derivar a equação. Fatores como idade, raça, sexo, atividade física e quantia de gordura corporal devem ser examinados de maneira detalhada. A menos que se tenha mostrado que a equação pode ser generalizada para outros grupos, não deve ser aplicada a grupos com características diferentes.
2. Usou-se um método de referência adequado para composição corporal para o desenvolver a equação? O erro no método de referência é propagado e contribui para o erro total na equação. Modelos de múltiplos componentes exigem um número menor de premissas e resultam em medidas de referência mais exatas que os métodos baseados no modelo 2C. Equações derivadas de medições de referências baseadas em modelos 3C e 4C devem ser usadas em populações onde as premissas que corroboram o modelo 2C não são válidas. Por outro lado, fórmulas de conversão de populações específicas devem ser usadas para derivar estimativas de referência da MLG e gordura percentual.
3. Estudou-se uma amostra representativa da população? Amostras grandes, selecionadas aleatoriamente (100-400 indivíduos) são necessárias para garantir que a amostra seja representativa. Se não for possível realizar uma amostragem aleatória e se amostras de conveniência forem usadas, o procedimento é aceitável desde que um número suficiente de indivíduos seja estudado. Com um tamanho de amostra adequado, é possível derivar uma equação mais estável, válida e geralmente aplicável.
4. Como foram medidas as variáveis preditoras? Quando qualquer equação é aplicada, é importante que as variáveis preditoras sejam medidas exatamente da maneira que isso foi feito pelos investigadores que a desenvolveram. Apesar de se recomendar o uso de procedimentos e pontos padrão, isso nem sempre é feito, e os erros são maiores se os procedimentos originais não forem seguidos (Roche e col., 1996).
5. A equação passou por uma validação cruzada em outra amostra da população? Devido a diferenças de procedimentos, específicas do investigador e do laboratório, equações que algumas vezes dão resultados de validação exatos podem ser inexatos quando usados em um laboratório diferente ou por um investigador diferente, e a equação deve ser testada em outras amostras da mesma população. Algumas vezes isso é feito dividindo-se a amostra original em grupos de validação e de validação cruzada e testando-se a equação nos dois grupos. Apesar de essa abordagem ser razoável, ela não mostra se a equação é confiável fora do laboratório onde foi desenvolvida. É preferível testar a equação em amostras em um laboratório diferente para determinar sua validade e generalidade. Além disso, estudos de validação cruzada em populações diferentes são necessárias para determinar a exatidão em grupos diferentes.
6. A equação oferece estimativas exatas da composição? Em estudos de validação, o coeficiente de correlação múltipla entre as variáveis dependentes (previstos ou score estimado) e independentes (preditoras) deve ser maior que 0,80 e o SEEs deve variar entre 2,5 – 3,5% quando estimar a gordura percentual e 1,8 – 3,9 kg quando estimar a MLG. Além disso, a equação de predição deve gerar médias e distribuição (variação e desvio padrão) comparáveis dos scores e o erro total não deve ser maior que o SEE (Lohman, 1992).
A tarefa de escolher uma equação foi facilitada por Heyward e col. (1996; 2004), que fizeram uma revisão abrangente da literatura e sugeriram equações baseadas em resultados de validação cruzada e comprovaram sua utilidade. De acordo com esses resultados, desenvolveram “árvores de decisão” para selecionar as equações mais úteis. Apesar de nem todas as equações que recomendaram terem passado formalmente pela validação cruzada de acordo com os critérios acima, são considerados os mais úteis até este momento. Equações de prega cutânea que incluem diversos pontos e um componente quadrático costumam ser adequados para uso em uma ampla gama de populações.
RESUMO
A avaliação rotineira da composição corporal é fundamental para o acompanhamento do crescimento e desenvolvimento de crianças atletas e para o monitoramento da saúde, estado nutricional e grau de treinamento de atletas de todas as faixas etárias. Os métodos laboratoriais fornecem avaliações mais exatas que os métodos de campo, mas geralmente não são práticos. Os tradicionais modelos de dois componentes (2C) costumam ser limitados por premissas inválidas e os erros decorrentes são transmitidos para os métodos de campo que dependem desses modelos. Equações 2C específicas a populações que são baseadas em corpos de referência adequados são mais exatas e podem ser usadas quando os modelos de componentes múltiplos não podem ser implementados. Entretanto, o ideal seria que os métodos de campo fossem validados e submetidos à validação cruzada usando-se modelos de componentes múltiplos (3C e 4C). Não se desenvolveram equações específicas para atletas de maneira sistemática, mas algumas equações gerais mostraram-se úteis para esse grupo e há relatos de algumas equações para populações específicas. As perguntas apresentadas acima, para escolha da equação, podem ser usadas para encontrar equações de predição que provaram ser úteis até hoje. Novas equações e métodos são apresentados regularmente. Para determinar a utilidade delas, é importante entender os métodos e os modelos usados para sua validação e validação cruzada.
Referências bibliográficas
Baumgartner, R.N., S.B. Heymsfield, S. Licht¬man, J. Wang, and J.N. Pierson, Jr. (1991). Body composition in elderly people: Effect of criterion estimates on predictive equations. Am. J. Clin. Nutr. 53:1345-1353.
Brozek, J., F. Grande, and J.T. Anderson (1963). Den¬sitometric analysis of body composition: revision of some quantitative assumptions. Ann.New York Acad.Sci. 110:113-140.
Chumlea, W.C., and S.S. Sun (2005). Bioelectrical impedance analysis. In: S.B. Heymsfield, T.G., Lohman, Z.M. Wang, and S.B. Going (eds.) Human Body Composition, 2nd Ed. Champaign, IL, Human Kinetics.
Ellis, K.J. (2000). Human body composition: in vivo methods. Physiol. Rev. 80(2):649-680.
Evans, E.M., B.M. Prior, S.A. Arngrimsson, C.M. Modlesky, and K.J. Cureton (2001). Relation of bone mineral density and content to mineral content and density of the fat-free mass. J. Appl. Physiol. 91(5):2166-72.
Friedl, K.E., K.A. Westphal, L.J. Marchitelli, J.F. Patton, W.C. Chumlea, and S.S. Guo (2001). Eva-luation of anthropometric equations to assess body-composition changes in young women. Am. J. Clin. Nutr. 73(2):268-75.
Going, S.B. (2005). Hydrodensitometry and air dis¬placement plethysmography. In: S.B. Heymsfield, T.G. Lohman, Z.M. Wang, and S.B. Going (eds.), Human Body Composition, 2nd Ed. Champaign, IL: Human Kinetics, pp. 17-33.
Going, S.B., and R. Davis (2001). Body composition assessment. In: ACSM’s Resource Manual for Gui¬delines for Exercise Testing and Prescription, 4th Ed. Baltimore, MD: Lippincott Williams & Wilkins.
Heymsfield, S.B., Z.M. Wang, and R.T. Withers (1996). Multicomponent molecular level mo¬dels of body composition. In: A.F. Roche, S.B. Heymsfield, and T.G. Lohman (eds.), Human Body Composition. Champaign, IL: Human Kinetics, pp. 129-147.
Heyward, V.H., and L.M. Stolarczyk (1996). Applied body composition assessment. Champaign, IL: Human Kinetics Publishers.
Heyward, V.H., and D.R. Wagner (2004). Applied Body Composition Assessment, 2nd Ed. Champaign, IL: Human Kinetics Publishers.
Lohman, T.G. (1986). Applicability of body composi¬tion techniques and constants for children and youths. Exerc. Sport Sci. Rev. 14:325-357.
Lohman, T.G. (1992). Advances in human body composition. Champaign, IL: Human Kinetics Pu-blishers.
Lohman, T.G., and Z. Chen (2005). Dual-energy x-ray absorptiometry. In: S.B. Heymsfield, T.G. Lohman, Z.M. Wang, and S.B. Going (eds.), Human Body Composition, 2nd Ed. Champaign, IL, Human Kinetics Publishers.
Modlesky, C.M., K.J. Cureton, R.D. Lewis, B.M. Prior, M.A. Sloniger, and D.A. Rowe (1996). Density of the fat-free mass and estimates of body composition in male weight trainers. J. Appl. Physiol. 80(6):2085-2096.
Pierson, J.N., Jr. (2005). Appendix: Reference body composition tables. In: S.B. Heymsfield, T.G. Lohman, Z.M. Wang, and S.B. Going (eds.), Human Body Composition, 2nd Ed. Champaign, IL, Human Kinetics Publishers, pp. 401-410.
Pietrobelli, A., C. Formica, Z. Wang, and S.B. Heymsfi eld (1996). Dual-energy x-ray absorptiometry body composition model: review of physical concepts. Am. J. Physiol. 271:E941-E951.
Prior, B.M., C.M. Modlesky, E.M. Evans, M.A. Slo¬niger, M.J. Saunders, R.D. Lewis, and K.J. Cureton (2001). Muscularity and the density of the fat-free mass in athletes. J. Appl. Physiol. 90(4):1523-31.
Roche, A.F., S.B. Heymsfield, and T.G. Lohman (1996). Human Body Composition. Champaign, IL: Human Kinetics Publishers.
Schoeller, D.A. (2005). Hydrometry. In: S.B. Heymsfi eld, T.G. Lohman, Z.M. Wang, and S.B. Going (eds.), Human Body Composition, 2nd Ed. Champaign, IL, Human Kinetics Publishers, pp. 35-49.
Schutte, J.E., E.J. Townsend, J. Hugg, R.F. Shoup, R.M. Malina, and C.G. Blomqvist (1984). Density of lean body mass is greater in blacks than in whites. J. Appl. Physiol. 56(6):1647-9.
Selinger, A. (1977). The body as a three component system. Unpublished doctoral dissertation. The Uni¬versity of Illinois: Urbana, IL.
Siri, W.E. (1956). The gross composition of the body. In: C. A. Tobias and J. H. Lawrence (eds.) Advances in biological and medical physics. New York: Academic Press, pp. 239-280.
Siri, W.E. (1961). Body composition from fluid spaces and density: Analysis of methods. In: J. Brozek and A. Henschel (eds.) Techniques for measuring body composition. Washington, DC: National Academy of Sciences, pp. 223-244.
Testolin, C.G., R. Gore, T. Rivkin, M. Horlick, J. Arbo, Z. Wang, G. Chiumello, and S.B. Heymsfield (2000). Dual-energy X-ray absorptiometry: analysis of pediatric fat estimate errors due to tissue hydration effects. J. Appl. Physiol. 89(6):2365-72.
Wang, Z.-M., R.N. Pierson, Jr., and S.B. Heymsfi eld (1992). The five-level model: A new approach to organizing body-composition research. Am. J. Clin. Nutr. 56:19-28.