Welke formules zijn het meest valide bij het schatten van energieverbruik in rust bij ouderen (55+) met obesitas in vergelijking met het resultaat van de indirecte calorimeter?
Auteur: Studentnummer: Projectnummer: Afstudeer periode: Publicatiedatum:
Maureen van Hurck 500639753 2015103 september 2014 - januari 2015 januari 2015
Bachelor Nutrition and Dietetics, Hogeschool van Amsterdam University of Applied Sciences.
0
1
Auteurs en gegevens: Maureen van Hurck Broekerhavenweg 270, Bovenkarspel
[email protected] Studentnr.: 500639753 Projectnummer: 2015103 Afstudeerproject Bachelor Nutrition and Dietetics, Amsterdam University of Applied Sciences Afstudeerdatum Januari 2015 Opdrachtgever Dr. ir. P.J.M. Weijs, lector Gewichtsmanagement Dr. Meurerlaan 8 1067 SM Amsterdam Docentbegeleider Ir. A.M. Verreijen
[email protected] Praktijkbegeleiders Suzanne van der Plas
[email protected] Robert Memelink
[email protected]
Copyright © 2015, M.M. van Hurck © Niets uit deze scriptie mag worden verveelvoudigd of openbaar gemaakt, in enige vorm of op enige wijze, het zij elektronisch, mechanisch of door fotokopieën, zonder voorafgaande toestemming van de auteur. 2
Voorwoord Deze scriptie is geschreven in het kader van de afstudeeropdracht van de opleiding Voeding en Diëtetiek aan de Hogeschool van Amsterdam. In deze scriptie worden de bestaande formules die het energieverbruik in rust schatten bij ouderen met obesitas geëvalueerd. Ook was ik tijdens de periode van september 2014 tot en met januari 2015 onderzoeker van de Probe I studie. Deze studie is uitgevoerd in het voedingslab van de Hogeschool van Amsterdam in opdracht van het HvA lectoraat Gewichtsmanagement. De gegevens die voor deze scriptie zijn gebruikt komen voort uit verschillende studies met een gewichtsverlies programma uitgevoerd op de Hogeschool van Amsterdam, in het Amsterdam Nutrition Assessment Centre, ANAC. Het onderzoek vond plaats in de periode september 2014 tot en met januari 2015. Ik wil graag mijn docentbegeleidster Amely Verreijen bedanken voor haar waardevolle adviezen en prettige samenwerking. Ook wil ik de praktijkbegeleiders Suzanne van der Plas en Robert Memelink bedanken voor de begeleiding tijdens het PROBE I onderzoek. Daarnaast wil ik Dr. Ir. P.J.M. Weijs lector Gewichtsmanagement bedanken voor het mogelijk maken van deze opdracht. Tevens wil ik alle studenten bedanken voor de fijne samenwerking, gezelligheid en het bijdragen aan de PROBE I studie. Amsterdam, 2 januari 2015 Maureen van Hurck
3
4
Samenvatting Achtergrond: Energieformules worden vaak gebruikt om het energieverbruik in rust te schatten (REE). Deze formules kunnen gebaseerd zijn op een andere populatie waardoor zij mogelijk geen goede schatting geven op de doelgroep van ouderen 55+ met obesitas, waar deze scriptie zich op richt. Deze studie richt zich op deze doelgroep omdat de prevalentie van obese ouderen hoog is, en in de toekomst nog hoger wordt. Doel: Het doel van deze studie is om de huidige energieformules uit de literatuur te evalueren op validiteit. Daarnaast is gekeken of er een verschil is in de uitkomst van de energieformules wanneer deze worden ingevuld met verschillende meetapparatuur voor de lichaamssamenstelling. Tot slot werd er een nieuwe energieformule ontwikkeld en geëvalueerd met de variabele spiermassa. Methoden: In deze studie is de baseline meting uitgevoerd onder 90 deelnemers van 55 jaar of ouder met een BMI ≥27 kg/m2. Geslacht en leeftijd zijn gerapporteerd. REE, gewicht, lengte, vetvrijeen vetmassa en appendicular lean mass zijn gemeten. REE was gemeten door een indirecte calorimeter (Vmax Encore N29), vetvrije- en vetmassa zijn gemeten door luchtverplaatsingsplethysmografie (BODPOD Life measurement Inc) en een Dual-energy X-ray absorptiometry scanner (DXA; GE Lunar Prodigy / DPX-NT). De appendicular lean mass werd ook gemeten met de DXA. De gemeten REE werd gebruikt als referentiewaarde en vergeleken met 35 energieformules gebaseerd op gewicht en lengte en 11 energieformules gebaseerd op vetvrij- en vetmassa. Door het gebruik van een lineaire regressie analyse zijn er nieuwe energieformules ontwikkeld. De validiteit van de energieformules werden geëvalueerd aan de hand van het percentage goede schattingen (binnen 10% van de waarde van de indirecte calorimeter), de gemiddelde absolute afwijking (GAA) en concordantie correlatiecoëfficiënt (CCC). Resultaten: Onder de energieformules gebaseerd op gewicht en lengte, had de formule van Henry 30-60y gewicht en lengte, de formule van Schofield 30-60y gewicht en de formule van Schofield 3060y gewicht en lengte het hoogste percentage goede schattingen (68,9%). Van de energieformules gebaseerd op vetvrije- en vetmassa had de Müller et al. het hoogste percentage goede schattingen (67,4%). Er was een gering verschil tussen de uitkomst van energieformules wanneer deze werden ingevuld met de BodPod of de DXA-scanner. De nieuwe ontwikkelde energieformule gebaseerd op de variabele spiermassa had een percentage goede schatting van 60,0%. Conclusie: De energieformules gebaseerd op gewicht en lengte hadden het hoogste percentage goede schattingen. Trefwoorden: energieformules, obesitas, indirecte calorimeter, vetvrije massa en vetmassa.
5
6
Inhoudsopgave Voorwoord .............................................................................................................................................. 3 Samenvatting........................................................................................................................................... 5 Inleiding ................................................................................................................................................... 9 Methoden .............................................................................................................................................. 13 Studiepopulatie ................................................................................................................................. 13 Metingen ........................................................................................................................................... 13 Selectie van energieformules uit de literatuur ................................................................................. 14 Statistiek ............................................................................................................................................ 15 Resultaten ............................................................................................................................................. 17 Evaluatie van de bestaande formules ............................................................................................... 17 Verschil tussen de energieformules ingevuld met DXA en BodPod .................................................. 19 Nieuwe ontwikkelde formules .......................................................................................................... 21 Discussie ................................................................................................................................................ 29 Conclusie ............................................................................................................................................... 33 Aanbeveling ........................................................................................................................................... 35 Literatuurlijst ......................................................................................................................................... 37 Bijlage I: In- en exclusiecriteria .............................................................................................................. 41 Bijlage II: De referentie populatie waarop de energieformules zijn gebaseerd ................................... 43 Bijlage III: Syntax.................................................................................................................................... 49
7
8
Inleiding Overgewicht en obesitas spelen steeds een grotere rol in de huidige bevolking (1). Niet alleen in Nederland maar over de hele wereld neemt de prevalentie van overgewicht en obesitas toe (1-2). Deze stijging valt voornamelijk te verwachten bij het aantal ouderen. Dit komt omdat Europa vergrijst en de prevalentie van obesitas onder deze groep hoog is. Een voorspelling voor 2015 van de prevalentie van obesitas in Europa ligt namelijk tussen de 20 en 30% (3-4). Tijdens het ouder worden krijgt men niet alleen vaak te maken met gewichtstoename, maar ook met het afnemen van spiermassa. Dit proces wordt ook wel met sarcopenie aangeduid (5). Sarcopenie is niet alleen het verlies van spiermassa maar ook de gevolgen hiervan. Een vermindering van spiermassa relateert zich aan vermindering van spierkracht en verlies van spierfunctie. Dit leidt weer tot een verslechtering van het dagelijks handelen. Het verlies van spiermassa kan gepaard gaan met een verhoging van het vetmassa en/of gelijkblijvende vetmassa daardoor kan het minder zichtbaar zijn aan de buitenkant van het lichaam. Wanneer ouderen afvallen kan dit mogelijk tot een versnelde afname van de botdichtheid en spiermassa leiden (6). Om obesitas en sarcopenie zoveel mogelijk te beperken bij ouderen is het nodig om een goede diëtistische behandeling te kunnen bieden. De richtlijn voor de behandeling van obese ouderen die in Nederland kan worden gehanteerd is van het CBO: de richtlijn Diagnostiek en behandeling van obesitas bij volwassenen en kinderen, voor jongeren en volwassenen vanaf 18 (7). In deze richtlijn staat beschreven dat je gewichtsverlies kunt realiseren door een energie-inname van minder dan 600 kcal dan de dagelijkse energiebehoefte om gewichtsverlies van 300-500 gram per week te bereiken (7). De dagelijkse energiebehoefte kan worden berekend. Deze berekening komt tot stand wanneer je een goede schatting van het energieverbruik in rust kunt vaststellen. Vervolgens wordt het energieverbruik in rust vermenigvuldigt met een factor van de schatting van de mate van fysieke activiteit, de PAL-waarde. Een goede schatting van het energieverbruik in rust is nodig om een hypocalorische dieet op te stellen. Het energieverbruik in rust kan niet alleen worden geschat maar ook worden gemeten. Het meten van het energieverbruik is rust kan worden uitgevoerd door de gouden standaard, de indirecte calorimeter (8). Diëtisten in de eerste lijn hebben weinig tot geen beschikking over een indirecte calorimeter omdat het veel geld kost en het doen van een meting veel tijd kost. Uit een onderzoek onder een steekproef van Nederlandse diëtisten is gebleken dat meer dan de helft van de diëtisten de energiebehoefte niet schat. De meest gebruikte formule in Nederland om het energieverbruik in rust te schatten is de Harris en Benedict formule uit 1984 (9). De Harris en Benedict formule heeft als variabelen in zijn formule: lengte, gewicht, geslacht en leeftijd. De variabelen vetmassa en vetvrije massa worden niet meegenomen. Vetvrije massa bestaat onder andere uit spiermassa en orgaanweefsel. Spiermassa is metabool actiever dan vetmassa, het energiegebruik per kilogram spiermassa is in rust ongeveer 14,5 kcal en voor vetmassa 4,5 kcal (10). Omdat de Harris en Benedict formule geen rekening houdt met de vetmassa en vetvrije massa kan het zijn dat de formule een overschatting geeft van het energieverbruik in rust bij ouderen met obesitas, de spiermassa neemt tijdens het ouder worden immers af (11). Mogelijk kan een energieformule die de variabelen vetvrije massa (FFM) en vetmassa (FM) meeneemt een betere schatting geven van het energieverbruik in rust (REE) bij ouderen met obesitas. Uit het artikel van Noreik et al. (12) komt naar voren dat de Harris en Benedict formule uit 1984 een slechtere schatting geeft voor het energieverbruik in rust bij ouderen met obesitas, (− 54 ± 118, het gemiddelde verschil tussen de formule en de gemeten waarde met de standaarddeviatie). Gemiddeld onderschat de formule met 50 kcal. De Harris en Benedict formule uit 1984 geeft een betere schatting voor het energieverbruik in rust bij jongeren en volwassenen (− 14 ± 91) (12). Uit dit artikel (12) bleek dat de formule van Lührmann et al. (2002) als beste naar voren kwam als de beste voorspeller voor ouderen met obesitas, (19 ± 115). Daarentegen kwam uit de systematische review 9
van Frankenfield et al. (13) naar voren dat de Mifflin-St Jeor formule de beste voorspeller is voor obesitas bij ouderen. De Lührmann formule en de Mifflin-St Jeor zijn beide formules die geen gebruik maken van FFM of FM als variabelen in de formule. Er is weinig onderzoek gedaan naar formules die wel FFM en FM meenemen en of deze mogelijk beter het energieverbruik in rust schatten. Als je de energieformules zou willen gebruiken die als variabelen FFM en FM, dan is het goed om beschikking te hebben over een nauwkeurige en betrouwbare meting van de lichaamssamenstelling. Er zijn verschillende methoden om de lichaamssamenstelling te meten. Twee methoden die de lichaamssamenstelling in kaart brengen zijn de luchtverplaatsingplethysmografie (BodPod) en de Dual-energy X-ray absorptiometry scanner (DXA-scanner) (14). Het vergelijken van verschillende gepubliceerde formules die voor het schatten van het energieverbruik in rust de variabelen FFM en FM meenemen kunnen niet alleen verschillen door de samenstelling van de formule. Verschillen kunnen ook te wijten zijn aan de variëteit tussen de gemeten lichaamssamenstelling door verschillende apparaten zoals de BodPod en DXA-scanner. Er is tot op heden weinig wetenschappelijke literatuur bekend over de gevolgen van het gebruiken van verschillende apparaten op de uitkomst van de schatting van het energieverbruik in rust. Alleen Korth et al. (15) heeft een onderzoek uitgevoerd waarin onderzocht is wat het effect is van het invullen van FFM en FM gemeten met verschillende apparatuur voor de lichaamssamenstelling op de uitkomst van de energieformule. Uit zijn onderzoek bleek dat de uitkomst van het energieverbruik in rust weinig wordt beïnvloed door de meetmethode voor de lichaamssamenstelling (15). De formules gaven bij het invullen van de gemeten FFM door de BodPod, DXA-scanner, huidplooimeting, bioelectrical impedance analysis en de deuterium oxide dilution methoden/apparaten weinig verschil in kcal/dag. Gemiddeld scheelde het 2 kcal tussen de verschillende methoden. Tussen de BodPod en de DXAscanner was er een verschil minder dan <1 kcal/dag. Toch is het belangrijk om deze factor wel mee te nemen omdat het mogelijk de REE schatting kan beïnvloeden. Naast verschillende methodes om de lichaamssamenstelling te meten voor de variabelen FFM en FM zodat deze kunnen worden ingevuld in de formules, kun je FFM opdelen in meerdere componenten. Zoals al eerder beschreven bestaat FFM o.a. uit spiermassa en orgaanweefsel. Spiermassa alleen kan worden gemeten door de DXA-scanner en kan mogelijk een goede voorspeller zijn in een energieformule. Dit is tot op heden nog niet onderzocht in de literatuur. Tijdens dit afstudeeronderzoek zal gekeken worden naar de validiteit van bestaande formules die het energieverbruik in rust schatten bij ouderen met obesitas. Binnen dit onderzoek worden formules die de variabelen FFM en FM wel meenemen vergeleken met de formules die dat niet doen. De vraag hierbij is of de formules die de variabelen FFM en FM meenemen meer valide het energieverbruik in rust schatten dan formules die alleen gewicht en lengte als variabelen gebruiken. Daarbij wordt er gekeken of het nog uitmaakt welk apparaat wordt gebruikt voor het schatten van de FFM en de FM. Is er een verschil in validiteit van energieformules die de variabelen FFM en FM gebruiken wanneer deze ingevuld worden met de DXA-scanner of de BodPod? Ook wordt in dit onderzoek onderzocht wat de validiteit is van een nieuw te ontwikkelen formule die gebruik maakt van o.a. de variabele spiermassa. Is er een verschil in de validiteit van een nieuw te ontwikkelen formule die gebruikt maakt van o.a. de variabele spiermassa in vergelijking tot een energieformule die alleen gebruik maakt van de variabelen gewicht en lengte? In het algemeen is het raadzaam om een energieformule toe te passen per specifieke populatie, zeker bij ouderen met obesitas (16-17). Het doel is dus om de huidige energieformules te evalueren en wordt er onderzocht of het uitmaakt of je gegevens van de BodPod of DXA-scanner in de formules invult. Verder wordt onderzocht of een nieuwe formule die de variabele spiermassa meeneemt misschien nog beter het energieverbruik in rust schat. De onderstaande drie deelvragen staan centraal in deze scriptie. 1. Schatten formules die de variabelen vetmassa en vetvrije massa meenemen meer valide dan formules die alleen gewicht en lengte als variabelen gebruiken? 10
2. Is er een verschil in validiteit van energieformules die de variabelen vetmassa en vetvrije massa gebruiken wanneer deze ingevuld worden met de DXA-scanner of de BodPod? 3. Wat is de validiteit van een nieuw te ontwikkelen formule die gebruikt maakt van o.a. de variabele spiermassa?
11
12
Methoden Sinds 2006 worden er onderzoeken uitgevoerd op de Hogeschool van Amsterdam, in het Amsterdam Nutrition Assessment Centre, ANAC. Voor dit afstudeeronderzoek is gebruik gemaakt van verzamelde data van 2 studies uitgevoerd in het ANAC, de PROBE-studie en MPS-data studie. Beide studies zijn gewichtsverliesstudies bij oudere obesen. Voor dit huidige afstudeeronderzoek zijn de baselinedata hiervan gebruikt om de onderzoeksvragen te kunnen beantwoorden. Op baseline van deze studies zijn er verscheidene metingen uitgevoerd zoals het meten van het energieverbruik in rust (REE), gewicht en lengte, vetvrije massa (FFM) en vetmassa (FM). De REE werd gemeten met een indirecte calorimeter en werd gebruikt als referentie. Op basis van de genoemde variabelen werden reeds gepubliceerde formules voor het schatten van de REE geëvalueerd op validiteit. Ook werd er gekeken naar het verschil in validiteit van energieformules die de variabelen FFM en FM gebruiken wanneer deze werden ingevuld met gegevens van de DXA-scanner of de BodPod. Tot slot is op basis van deze data een nieuwe formule ontwikkeld en geëvalueerd.
Studiepopulatie Beide onderzoeksgroepen zijn geworven in de omgeving van Amsterdam Nieuw-West door middel van posters en flyers. Tevens zijn er meerdere advertenties in verschillende wijkkranten zoals de Westerpost, DiemenNieuws en de Echo geplaatst. Ook was er bij de PROBE-studie de mogelijkheid om je aan te melden via de website van de PROBE studie en zijn oud-deelnemers van vorige studies op de Hogeschool van Amsterdam benaderd. Wanneer de deelnemers voldeden aan de inclusiecriteria werden zij in het onderzoek geïncludeerd. Belangrijke inclusiecriteria voor deze studies waren: leeftijd tussen de 55 en 85 jaar oud en een geschikte BMI >30 kg/m2 of een BMI boven de >27 kg/m2 met een middelomtrek groter dan 88 cm voor vrouwen en groter dan 102 cm voor mannen. Voor meer in- exclusiecriteria, zie bijlage I.
Metingen Hieronder worden de verschillende metingen die op de baseline verricht zijn in beide studies toegelicht. De volgende variabelen worden meegenomen in de analyse: geslacht en geboortedatum zijn gerapporteerd; lengte in cm gemeten met een meetlat (Seca 222, Seca, Hamburg, Duitsland); lichaamsgewicht, vetvrije massa en vetmassa zijn gemeten door de BodPod (BOD POD Life Measurement Inc, Concord, Californië); vetvrije massa, vetmassa en appendicular lean mass (vetvrije en botvrije weefsel van de armen en benen) gemeten door een Dual energy x-ray absorptiometry (DXA-scanner; GE Lunar Prodigy / DPX-NT) en REE in kcal/d gemeten door een indirecte calorimeter (Vmax Encore N29; Viasys Gezondheidszorg, Houten, Nederland). Indirecte calorimetrie De REE van de deelnemers is gemeten door een indirecte calorimeter (Vmax Encore N29), de referentie. De indirecte calorimeter werd elke dag voor de eerste meting gekalibreerd met twee ijkgassen met verschillende concentraties aan koolstofdioxide en zuurstof. De meting werd uitgevoerd met een geventileerde kap, waarin de ijkgassen met verschillende concentraties koolstofdioxide en zuurstof om de vijf minuten opnieuw werd gekalibreerd. Door middel van de geventileerde kap van de indirecte calorimeter werd de hoeveelheid geproduceerde koolstofdioxide en geconsumeerde hoeveelheid zuurstof gemeten . Met de formule van Weir werd vervolgens het energieverbruik in rust berekend voor een periode van 24 uur (18). Tijdens de meting waren de deelnemers wakker en in een liggende positie. Ook werd er aan de deelnemers gevraagd 12 uur van te voren niet eten. Elke meting duurde ongeveer 25 minuten en eindigt als er een steady state termijn was bereikt. Een steady state termijn werd bereikt als het zuurstofverbruik en de productie van koolstofdioxide veranderde met <10% in een periode van minimaal 5 minuten. Als er geen steady state werd bereikt duurde de meting ongeveer 30 minuten en werd de langste termijn gebruikt waarin de deelnemer een zo klein mogelijke verandering had tussen het zuurstofverbruik en productie van koolstofdioxide. 13
BodPod Door middel van de BodPod (BOD POD Life Measurement) werd het gewicht, FM en FFM van de deelnemers gemeten. De BodPod werd twee keer per dag gekalibreerd, in de ochtend en in de middag. Voor de meting werd de BodPod nog een keer gekalibreerd. De BodPod meet volume en het gewicht. Het volume van het lichaam werd gemeten aan de hand van de luchtverplaatsing die plaatsvindt in de cabine. Met volume en gewicht werd de dichtheid van het lichaam bepaald. Deze dichtheid werd vervolgens ingevuld in de Siri formule. De Siri formule berekent het vetpercentage met behulp van de dichtheid(19). Aan de hand van het vetpercentage en het gewicht werd de hoeveelheid vet (FM) berekend. De FFM werd berekend door de FM van het gewicht af te trekken. Deelnemers werden geïnstrueerd om nauwsluitend ondergoed of badkleding te dragen, ook kregen de deelnemers een badmuts op. Sieraden en andere accessoires waren niet toegestaan. De BodPod meet standaard twee keer, wanneer deze twee metingen teveel van elkaar verschilden was er een derde meting nodig. Dit gebeurde waarneer de dichtheid meer dan 150 ml verschilde. DXA-scanner De DXA-scanner (DXA; GE Lunar Prodigy / DPX-NT) is gebruikt bij beide studies om de vetmassa, vetvrije en botvrije massa van de armen en benen (spiermassa) en botdichtheid te meten. Tijdens de PROBE-studie is deze meting uitgevoerd in het voedingslab, bij de MPS-data studie is de meting uitgevoerd in het Diagnostic Center Amsterdam, Nederland. Een DXA-scanner meet door middel van constante röntgenstraling de botdichtheid, vetmassa en vetvrije massa (20). Een meting duurde ongeveer 20 minuten en gebeurde in ondergoed. Een DXA-scan mocht alleen uitgevoerd worden door een gecertificeerd persoon die voor de DXA-scanner een cursus had gevolgd.
Selectie van energieformules uit de literatuur Als leidraad voor deze scriptie werd het artikel van Weijs et al. (16) gebruikt waarin al veel formules zijn geëvalueerd op validiteit, alleen bij een andere doelgroep. De formules die in het artikel van Weijs et al. (16) werden gebruikt worden ook in deze scriptie meegenomen. Daarnaast is er in de literatuur gezocht naar nieuwe energieformules. In de digitale wetenschappelijke databases: Pubmed, ScienceDirect en Google Scholar is gezocht door middel van de volgende MeSH-terms: ''REE'','' RMR'' en ''Indirecte Calorimetry'' in elke mogelijk combinatie met de woorden: predict, estimate en validity. De volgende filters zijn toegepast: selectiecriteria: nederlands species: humans en leeftijd ≥18. Artikelen uit tijdschriften met een Impact Factor (IF)> 1,5 werden opgenomen. Belangrijke exclusiecriteria waren: specifieke ethische groepen, een te kleine onderzoeksgroep (n<50) of formules die speciaal waren getest op een populatie met een ziektebeeld. Na literatuuronderzoek werden er nog 6 vergelijkingen extra opgenomen: Fredrix et al. 1990 (21), Weijs&Vansant 2010 (22), Siervo 2013 (23), Luhrmann et al. 2002 (24), Lazzer et al. 2010 (25), Lazzer et al. 2010 FFM (25), Ireton-Jones 2002 (26). Fredrix et al. had een onderzoekspopulatie van n=40 maar is door middel van cross validatie meegenomen (23). In totaal zijn er 69 formules meegenomen in dit onderzoek. In bijlage II is de referentie populatie weergeven waarop de energieformules zijn gebaseerd, Tabel 1A en tabel 1B. Tabel 1A laat de formules zien gebaseerd op de variabelen leeftijd, gewicht, lengte, BMI en geslacht. Tabel 1B laat formules zien gebaseerd op variabelen FFM en FM, BMI en geslacht.
14
Statistiek De volgende statistische analyses werden gebruikt om de validiteit van de verschillende voorspellende energieformules in rust in vergelijking met de REE uitkomst van indirecte calorimeter: de bias (gemiddelde verschil), gemiddelde absolute afwijking (GAA), concordantie correlatiecoëfficiënt (CCC) en het percentage goede schattingen. De gegevens werden geanalyseerd met behulp van analystische software, SPSS (versie 20.0.0, IBM SPSS). Een p-waarde van <0,05 werd beschouwd als statistisch significant. De GAA en het percentage nauwkeurige voorspellingen werden berekend met behulp van MS Excel 2007. Om de CCC te bereken werd gebruikt gemaakt van MedCalc software (versie 12.1.1 Mariakerke, België). Bias en GAA De bias is het gemiddelde verschil tussen de gemeten REE door een indirecte calorimeter en de REE voorspeld door een formule. De bias geeft informatie over de validiteit voor groepen maar bij een lage bias kunnen er individueel nog grote afwijkingen zijn (27). De bias kan grote afwijkingen uitmiddelen, hierdoor zegt de bias minder over de gemiddelde individuele afwijkingen. Daarom is ook de gemiddelde absolute afwijking (GAA) berekend. De GAA kan worden berekend door bij alle formules de bias absoluut te maken en hiervan het gemiddelde te nemen. Hoe lager de GAA, hoe kleiner de gemiddelde afwijking. Concordantie correlatiecoëfficiënt De CCC werd gebruikt voor het meten van precisie en nauwkeurigheid. De concordantie correlatiecoëfficiënt meet de samenhang tussen twee variabelen. De correlatiecoëfficiënt is een waarde die de sterkte van het verband tussen de variabelen weergeeft, ook wel de Pearson correlatie coëfficiënt. De Pearson correlatie coëfficiënt meet de correlatie tussen de voorspelde en de gemeten REE. De concordance correlatiecoëfficiënt neemt daarnaast ook de afwijking ten opzichte van de x = y lijn mee. De Pearson correlatiecoëfficiënt en de afwijking ten opzichte van de x=y lijn vormen samen de CCC. Wanneer CCC=1, betekent dit dat de energieformule de gemeten REE perfect schat. Wanneer CCC=0, betekent dit dat de energieformule geen goede schatting geeft (2829). Percentage goede schattingen De validiteit van bestaande formules werd ook bepaald aan de hand van een afwijkingspercentage ten opzichte van de uitkomst van de indirecte calorimeter. Een afwijking binnen 10% van de waarde van de indirecte calorimeter werd gezien als een goede schatting. Een onderschatting werd gedefinieerd als de waarde van de formule kleiner dan -10% lag dan de gemeten waarde. Een overschatting werd gedefinieerd als de waarde van de formule meer dan 10% hoger lag dan de gemeten waarde. Soortgelijke studies die naar de validiteit van energieformules keken hanteren dezelfde grenzen (13, 16-17). Lineaire regressie analyse Een lineaire regressie analyse werd toegepast om een voorspellingsmodel voor de gemeten REE te genereren. Door middel van het toevoegen van variabelen berekende SPSS een goede schatting van de gemeten REE. Op de Y-as werden de resultaten van de indirecte calorimeter ingevuld. Op de X-as werden de variabelen ingevuld om een zo goed mogelijke schatting te kunnen maken van Y. Door gebruik te maken van het predictiemodel, werden de volgende variabelen gebruikt: leeftijd, gewicht, lengte, appendicular muscle mass en/of geslacht. Om te kijken of de variabelen een goede voorspeller voor Y konden zijn werd er gekeken naar de p-waarde van de variabelen.
15
16
Resultaten In totaal zijn er 90 deelnemers meegenomen in deze studie, waarvan 36 mannen en 54 vrouwen. Tabel 2 laat de kenmerken van de onderzoekspopulatie zien. Mannen verschillen significant van vrouwen op de leeftijd, gewicht, lengte, FFM, FM en REE IC. De gemiddelde leeftijd was 63 jaar oud en de gemiddelde BMI 33,4 kg/m2. Voor het bouwen van de formules met de variabelen vetmassa en vetvrije massa zijn in totaal 86 deelnemers meegenomen. Bij 4 deelnemers ontbraken resultaten van de BodPod. Hierdoor kon er geen vergelijking worden gemaakt en zijn deze deelnemers niet meegenomen.
Tabel 2: Karakteristieken van de onderzoekspopulatie: lichaamssamenstelling, antropometrische data en het energieverbruik in rust
Totaal (n=90)
Leeftijd (jaren) Gewicht (kg) Lengte (cm) BMI (kg/m2) FM BodPod (kg) FM DXA (kg) FFM BodPod (kg) FFM DXA (kg) REE IC (kcal)
Totaal (n= 90)
Gemiddelde ± SD 63,0 ± 5,4 95,7 ± 13,8 169 ± 9 33,4 ± 4,62 41,5 ± 11,3 39,2 ± 10,0 53,9 ± 10,9 55,8 ± 11,3 1743 ± 285
Range 55 -77 70 -129 153 -189 27 -52 19 -78 19 -70 31 - 79 34 -79 1145 - 2462
Man (n=36)
Vrouw (n=56)
Gemiddelde ± SD 65,0 ± 5,5 101,2 ± 12,1 176 ± 7 32,5 ± 3,1 35,9 ± 8,4 34,1 ± 7,1 64,3 ± 7,1 66,7 ± 6,9 1977 ± 238
Gemiddelde ± SD 61,6 ± 5,1 92,9 ± 13,7 165 ± 7 34,0 ± 5,4 45,1 ± 11,5 42,6 ± 10,2 47,1 ± 6,9 48,5 ± 6,90 1587 ± 193
PwaardeA
0.006* 0.001* <0.001* 0.092 <0.001* <0.001* <0.001* <0.001* <0.001*
AP-waarde
voor significantie tussen mannen en vrouwen door independent sample t-test. FM, vetmassa, FFM, vetvrije massa, REE, resting energy expenditure (gemeten door indirecte calorimeter). *Signicificant verschil tussen mannen en vrouwen (P<0.05).
Evaluatie van de bestaande formules In deze scriptie worden de huidige formules voor het energieverbruik in rust uit de literatuur geëvalueerd, zie Bijlage II, tabel 1A en 1B. Tabel 3A en 3B laat de evaluatie van de bestaande formules zien. Tabel 3A: evaluatie van de energieformules (REE) gebaseerd op gewicht en lengte met gemiddelde absolute afwijking (GAA), CCC, bias en percentage van goede schattingen.
Formules
CCCC
Bias ± SD D
-
-
Kcal/d % -
148
296
0,269
2000
269
277
0,533
1976
278
257
0,581
1799
244
150
0,767
Gem. REEA Kcal/d
SD
REE IC
1743
285
Bernstein et al. (30) FAO/WHO/UNU 1985 (31) 18-30y gewicht
1455
18-30y gewicht en lengte 30-60y gewicht
GAAB Kcal/d
17
Goede schattingE %
Onder schattingF %
Over schattingG %
-
-
-
-288 ± 230 -19,8
35,6
64,4
0,0
257 ± 190 12,9 233 ± 185 11,8 56 ± 175
32,2
0,0
67,8
37,8
0.0
62,2
63,3
11,1
25,6
30-60y gewicht en lengte >60y gewicht
1781
230
144
0,766
1678
208
154
0,707
>60y gewicht en lengte Fredrix et al. (21)
1679
184
169
0,624
2018
158
347
0,058
HB 1919 (32)
1698
231
147
0,758
HB 1984 (33)
1694
243
145
0,772
Henry (34) 30-60y gewicht
1763
261
145
0,787
30-60 gewicht en lengte >60 y gewicht
1727
241
141
0,776
1651
236
153
0,728
>60y gewicht en lengte Huang et al. (35)
1620
238
166
0,697
1684
239
145
0,762
Ireton-Jones (26)
1869
312
283
0,362
Korth et al. (15)
1771
269
149
0,785
Lazzer et al. 2007 (36, 37) Livingston and Kohlstadt (38) Lorenzo et al. (39) Lührmann et al. (24) Mifflin et al. (40)
1805
211
169
0,671
1586
193
180
0,619
1739
222
148
0,748
1742
207
149
0,727
1610
217
175
0,660
Müller et al. (41) Alle BMIH
1720
220
143
0,758
BMI 25-30
1708
214
145
0,750
BMI >30
1709
236
142
0,768
Owen et al. (42)
1638
249
159
0,725
Schofield (43) 18-30y gewicht
1996
265
274
0,531
1967
274
249
0,589
18-30y gewicht en lengte
18
3,1 38 ± 174 2,1 -64 ± 183 -3,9 -63 ± 202 -3,8 275 ± 309 13,6 -45 ± 176 -2,6 -49 ± 174 -2,9
65,6
11,1
23,3
63,3
24,4
12,2
60,0
26,7
13,3
28,9
7,8
63,3
63,3
24,4
12,2
67,8
20,0
12,2
20 ± 177 1,1 -16 ± 176 -0,9 -92 ± 176 -5,6 -123 ± 176 -7,6 -59 ± 174 -3,5 127 ± 329 6,8 28 ± 180 1,6 63 ± 197 3,5 -156 ± 173 -9,9 -4 ± 182 -0,2 -1 ± 184 0,0 -133 ± 179 -8,2
65,6
14,4
20,0
68,9
15,6
15,6
63,3
26,7
10,0
58,9
37,8
3,3
66,7
21,1
12,2
42,2
18,9
38,9
65,6
12,2
22,2
54,4
8,9
36,7
56,7
42,3
0,0
60,0
15,6
24,4
62,2
14,4
23,3
57,8
41,1
1,1
-22 ± 176 -1,3 -35 ± 176 -2,0 -33 ± 176 -2,0 -105 ± 177 -6,4
64,4
17,8
17,8
63,3
20,0
16,7
64,4
20,0
15,6
60,0
32,2
7,8
253 ± 191 12,7 224 ± 186 11,4
33,3
0,0
66,7
40,0
0,0
60,0
30-60y gewicht
1769
249
144
0,781
30-60y gewicht en lengte >60y gewicht
1770
249
144
0,781
1605
190
175
0,616
>60y gewicht en lengte Weijs & Vasant (22)
1618
201
172
0,637
1877
250
193
0,657
27 ± 175 1,5 27 ± 175 1,5 -137 ± 183 -8,6 -125 ± 185 -7,7 134 ± 193 7,1
68,9
11,1
20,0
68,9
11,1
20,0
57,8
36,7
5,6
56,7
36,7
6,7
51,1
5,6
43,3
A
REE gemeten door een indirecte calorimeter (IC) Gemiddelde absolute afwijking C Concordance correlatie coëfficiënt D Het gemiddelde verschil, standaard deviatie en het percentage tussen de gemeten REE en voorspelde REE met een formule E Percentage van de deelnemers met een schatting binnen 10% F Percentage van de deelnemers met een schatting <10 G Percentage van de deelnemers met een schatting >10 H niet specifiek voor een BMI-range B
Verschil tussen de energieformules ingevuld met DXA en BodPod Tabel 3B laat het verschil zien in formules ingevuld door resultaten van een DXA-scanner of een BodPod. Tabel 3B: evaluatie van de energieformules in rust (REE) gebaseerd op fat-free mass (FFM) en fat mass (FM) gemeten door een BodPod en DXA-scanner met gemiddelde absolute afwijking (GAA), CCC, bias en percentage van goede schattingen.
Formules
CCCC
Bias ± SDD
-
-
Kcal/d % -
199
421
0,296
1344
206
395
0,329
1663
232
148
0,745
1666
236
146
0,747
1677
226
153
0,739
1698
234
144
0,758
1687
282
163
0,762
1734
288
147
0,796
1317
421
527
-0,221
1321
416
518
-0,219
Gem. REEA Kcal/d
SD
REE IC
1743
285
Bernstein et al. (30)BodPod Bernstein et al. (30)DXA Huang et al. (35) BodPod Huang et al. (35) DXA Johnstone et al. (44) BodPod Johnstone et al. (44) DXA Korth et al. (15) BodPod Korth et al. (15) DXA Lazzer et al. 2007 (36,37)BodPod Lazzer et al. 2007 (36,37) DXA
1318
GAAB Kcal/d
19
-421 ± 171 -31,9 -395 ± 168 -29,4 -76 ± 170 -4,6 -73 ± 172 -4,4 -62 ± 175 -3,7 -42 ± 175 -2,5 -53 ± 188 -3,1 -6 ± 180 -0,3 -423 ± 592 -32,1 -418 ± 586 -31,7
Goede schattingE %
Onder schattingF %
Over schattingG %
-
-
-
1,2
98,8
0,0
7,0
93,0
0,0
62,8
27,9
9,3
61,6
27,9
1,5
65,1
26,7
8,1
66,3
23,3
10,5
58,1
25,6
16,3
65,1
17,4
17,4
36,0
47,7
16,3
43,3
45,3
11,6
Mifflin et al. (40) BodPod Mifflin et al. (40) DXA Müller et al. (41)
1475
215
270
0,477
1511
219
236
0,545
alle BMIH BodPod alle BMIH DXA BMI 25-30 BodPod BMI 25-30 DXA BMI >30 BodPod BMI >30 DXA Owen et al. (42) BodPod Owen et al. (42) DXA
1688
209
146
0,737
1687
212
144
0,737
1632
179
161
0,650
1631
181
161
0,650
1670
215
150
0,733
1671
218
148
0,734
1444
289
302
0,491
1483
276
268
0,555
A
-265 ± 175 -18,0 -229 ± 168 -15,1
31,4
68,6
0,0
38,4
61,6
0,0
-51 ± 173 -3,0 -52 ± 174 -3,1 -108 ± 175 -6,6 -109 ± 175 -6,7 -70 ± 171 -4,2 -68 ± 172 -4,1 -295 ± 181 -20,4 -257 ± 177 -17,3
64,0
20,0
15,1
67,4
19,8
12,8
62,8
31,4
5,8
62,8
31,4
5,8
64,0
24,4
11,6
66,3
25,6
8,1
25,6
74,4
0,0
27,9
72,1
0,0
REE gemeten door een indirecte calorimeter (IC) Gemiddelde absolute afwijking C Concordance correlatie coëfficiënt D Het gemiddelde verschil, standaard deviatie en het percentage tussen de gemeten REE en voorspelde REE met een formule E Percentage van de deelnemers met een schatting binnen 10% F Percentage van de deelnemers met een schatting <10 G Percentage van de deelnemers met een schatting >10 H niet specifiek voor een BMI-range B
20
Nieuwe ontwikkelde formules In kader 1 staan de nieuwe ontwikkelde formules weergegeven. Naast formules gebaseerd op spiermassa zijn er ook twee formules ontwikkeld gebaseerd op gewicht en lengte. Deze formules zijn ontwikkeld om de formules gebaseerd op spiermassa te kunnen vergelijken. Tabel 3C laat de evaluatie van de ontwikkelde formules zien. Hurck formule: R=0.802 2 R = 0.644
970.464 + (LEEFTIJD x -7.318) + (GESLACHT x 312.825) + (LENGTE x 1.452) +(GEWICHT x 9.002)
Hurck spiermassa formule: R=0.770 2 R = 0.593
1121.191 + (LEEFTIJD x -3.093) + (GESLACHT x 120.910) + (SPIERMASSA x 0.033)
Hurck geslacht formule: Man: R=0.672 2 R = 0.452
2617.254 + (LEEFTIJD x -13.379) + (LENGTE x -6.849) + (GEWICHT x 14.160)
Vrouw: R=0.590 2 R = 0.348
181.571 + (LEEFTIJD x -1.602) + (LENGTE x 4.968) + (GEWICHT x 7.456)
Hurck geslacht spiermassa: formule
1524.727 + (LEEFTIJD x -7.984) + (SPIERMASSA x 0.035)
Man: R=0.531 2 R = 0.282 Vrouw: R=0.504 R2= 0.254
913.305 + (LEEFTIJD x 0.731) + (SPIERMASSA x 0.032)
Kader 1: Zelf ontwikkelde formules Gewicht in kg; Lengte in cm; leeftijd in jaren; geslacht (man=1, vrouw=0); spiermassa in appendicular muscle massa 2 (spiermassa in armen en benen) REE, energieverbruik in rust in kcal/d; R en R . Tabel 3C: evaluatie van de energieformules (REE) gebaseerd op appendicular muscle mass* gemeten door een DXA-scanner in vergelijking met energieformules gebaseerd op lengte en gewicht met gemiddelde absolute afwijking (GAA), CCC, bias en percentage van goede schattingen.
CCCC
Bias ± SDD
-
-
Kcal/d % -
229
140
0,783
1743
234
132
0,804
Hurck spiermassa
1732
217
145
0,741
Hurck spiermassa geslacht
1746
225
143
0,753
Formules
Gem. REEA Kcal/d
SD
REE IC
1743
285
Hurck
1743
Hurck geslacht
*=
GAAB Kcal/d
Vetvrij en botvrij weefsel van armen en benen
21
0 ± 170 0,0 0 ± 163 0,0 -11 ± 182 -0,6 3 ± 181 0,2
Goede schattingE %
Onder schattingF %
Over schattingG %
-
-
-
64,4
15,6
20,0
64,4
16,7
18,9
60,0
16,7
23,3
63,3
12,2
24,4
A
REE gemeten door een indirecte calorimeter (IC) Gemiddelde absolute afwijking C Concordance correlatie coëfficiënt D Het gemiddelde verschil, standaard deviatie en het percentage tussen de gemeten REE en voorspelde REE met een formule E Percentage van de deelnemers met een schatting binnen 10% F Percentage van de deelnemers met een schatting <10 G Percentage van de deelnemers met een schatting >10 B
De percentages van goede schattingen staan getoond in figuur 1A en 1B, gerangschikt van goede schatting naar minder goede schatting. De formules gebaseerd op gewicht en lengte met het grootste percentage goede schatting waren: Henry 30-60y (34) met gewicht en lengte (68,9%), Schofield 30-60y met alleen gewicht (68,9%) en de Schofield (43) 30-60y met gewicht en lengte (68,9%). Fredrix et al. (21) gaf het laagste percentage goede schattingen (28,9%). Het hoogste percentage goede schattingen voor de formules gebaseerd op vetvrije massa (FFM) en vetmassa (FM) waren: Müller et al. (41) (niet specifiek voor een BMI-range) gemeten door een DXA-scanner (67,4%), Johnstone et al. (44) gemeten door een DXA-scanner (66,3%) en Müller (41) BMI >30kg/m2 gemeten door een DXA-scanner (66,3%). Tabel 3C laat zien dat energieformules gebaseerd op spiermassa (appendicular muscle mass) een percentage van 60,0% goede schattingen geeft. Opgesplitst in een aparte formule voor geslacht was het percentage goede schattingen 63,3%. In figuur 2A en 2B is de gemiddelde absolute afwijking (GAA) in kcal/d getoond tussen de geschatte en gemeten energieverbruik in rust. De formules zijn gesorteerd van de laagste naar de hoogste afwijking. Resultaten dichter bij 0 zijn gunstiger. De GAA is de gemiddelde absolute afwijking in vergelijking met de gemeten REE door een indirecte calorimeter. De Henry 30-60y (34) gebaseerd op gewicht en lengte had de laagste GAA; 141 kcal, gevolgd door de Müller et al. (41) BMI >30kg/m2; 142 kcal en de Müller et al. (41) (niet specifiek voor een BMI-range); 143 kcal. De Hurck en de Hurck geslacht formules hadden officieel de laagste GAA, 140 kcal en 132 kcal maar omdat deze formules zijn gemaakt op de populatie in dit onderzoek zijn ze niet meegenomen. Voor de formules gebaseerd op FFM en FM hadden de volgende formules de laagste GAA: Müller et al. (41) (niet specifiek voor een BMI-range) gemeten door een DXA-scanner en de Johnstone et al. (44) gemeten door een DXAscanner: 144 kcal en 144 kcal. In figuur 3A en 3B kan de CCC van de energieformules worden afgelezen. Hoe dichter de CCC tot de 1 ligt, hoe sterker de correlatie is tussen de schattende en gemeten REE. Henry 30-60y met alleen gewicht had de hoogste CCC: 0,787 daarna kwam Korth et al. (15) met een CCC van 0,785. Zowel Schofield (43) 30-60y met alleen gewicht als Schofield (43) 30-60y met gewicht en lengte hadden een CCC van 0,781. Net als bij de GAA had officieel de Hurck geslacht formule de hoogste CCC (0.804) maar omdat deze formule is gemaakt op de populatie uit dit onderzoek is deze formule niet meegenomen. Voor formules gebaseerd op FFM en FM hadden Korth et al. (15) gemeten door DXA-scanner en BodPod en Johnstone et al. (44) gemeten door een DXA-scanner de hoogste CCC. In tabel 3A kan de laagste bias in kcal/d worden afgelezen. De Lührmann et al. (24) had de laagste bias met -1 kcal/d, gevolgd door Lorenzo et al. (39) met een bias van -4 kcal/d. Ook de Henry 30-60y gebaseerd op gewicht en lengte had een lage bias, namelijk -16 kcal/d. In tabel 3B is de laagste bias in kcal/d voor formules gebaseerd op FFM En FM getoond. Korth et al. (15) had de laagste bias, -6 kcal/d gevold door de Johnstone et al. (44), -42 kcal/d. Beide formules zijn gebaseerd op resultaten van de DXA-scanner. De formule met hoogste percentage onderschatting was Bernstein et al. (30),64.4%. De hoogste overschatting was de FAO/WHO/UNU 18-30 jaar (67.8%) en de Schofield (31) 18-30 jaar gebaseerd op gewicht (66.7%).
22
%Goede schattingen
30 20 10 0
REE formules
Henry 30-60y (G en L) Schofield 30-60y (G) Schofield 30-60y (G… HB 1984 Huang Henry 30-60y (G) Korth FAO 30-60y (G en L) Müller alle BMI Müller BMI >30 FAO 30-60y (G) FAO 60y (G) HB 1919 Henry 60y (G) Müller BMI 25-30 Lührmann FAO 60y (G en L) Lorenzo Owen Henry 60y (G en L) Mifflin Schofield 60y (G) Livingston Schofield 60y (G en L) Lazzer 2007 Weijs & Vasant Ireton-Jones Schofield 18-30y (G… FAO 18-30y (G en L) Bernstein Schofield 18-30y (G) FAO 18-30y (G) Fredrix
80
70
60
50
40
Figuur 1A: Percentage goede schattingen voor het energieverbruik in rust met een schatting binnen 10% voor de verschillende formules gebaseerd op gewicht (G) en lengte (L). A Muller alle BMI houdt in, niet specifiek voor een BMI-range.
23
24
Bernstein BodPod
Bernstein DXA
Owen BodPod
Owen DXA
Mifflin BodPod
Lazzer 2007 BodPod
Mifflin DXA
Lazzzer 2007 DXA
Korth BodPod
Huang DXA
Müller BMI 25-30 DXA
Müller BMI 25-30 BodPod
Huang BodPod
Müller BMI >30 BodPod
Müller alle BMI BodPod
Korth DXA
Johnstone BodPod
Müller BMI >30 DXA
Johnstone DXA
Müller alle BMI DXA
%Goede schattingen 80 70 60 50 40 30 20 10 0 BodPod
DXA
REE formules FFM
Figuur 1B: Percentage goede schattingen voor het energieverbruik in rust met een schatting binnen 10% voor de verschillende formules gebaseerd op vetvrije massa (FFM) en vetmassa (FM). A Muller alle BMI houdt in, niet specifiek voor een BMI-range.
GAA in kcal/d
Henry 30-60y (G en L) Müller BMI >30 Müller alle BMI Schofield 30-60y (G… Schofield 30-60y (G) HB 1984 FAO 30-60y (G en L) Müller BMI 25-30 Henry 30-60y (G) Huang HB 1919 Lorenzo Lührmann Korth FAO 30-60y (G) Henry 60y (G) FAO 60y (G) Owen Henry 60y (G en L) FAO 60y (G en L) Lazzer 2007 Schofield 60y (G en L) Mifflin Schofield 60y (G) Livingston Weijs & Vasant Schofield 18-30y (G… FAO 18-30y (G en L) Schofield 18-30y (G) FAO 18-30y (G) Ireton-Jones Bernstein Fredrix
600 500 400 300 200 100 0
REE formules
Figuur 2A: Gemiddelde absolute afwijking (GAA) tussen de geschatte en gemeten energieverbruik in rust in kcal/d. Gewicht (G) en lengte (L). A Muller alle BMI houdt in, niet specifiek voor een BMI-range. A
25
26
Lazzer 2007 BodPod
Lazzzer 2007 DXA
Bernstein BodPod
Bernstein DXA
Owen BodPod
Mifflin BodPod
Owen DXA
Mifflin DXA
Korth BodPod
Müller BMI 25-30 DXA
Müller BMI 25-30 BodPod
Johnstone BodPod
Müller BMI >30 BodPod
Huang BodPod
Müller BMI >30 DXA
Korth DXA
Huang DXA
Müller alle BMI BodPod
Johnstone DXA
Müller alle BMI DXA
GAA in kcal/d 600
500
400
300
200
100
0
REE formules FFM
Figuur 2B: Gemiddelde absoluut afwijking (GAA) tussen geschatte en gemeten energieverbruik in rust in kcal/d. A Muller alle BMI houdt in, niet specifiek voor een BMI-range.
CCC
REE Formules
Henry 30-60y (G) Korth Schofield 30-60y (G en L) Schofield 30-60y (G) Henry 30-60y (G en L) HB 1984 Müller BMI >30 FAO 30-60y (G) FAO 30-60y (G en L) Huang HB 1919 Müller alle BMI Müller BMI 25-30 Lorenzo Henry 60y (G) Lührmann Owen FAO 60y (G) Henry 60y (G en L) Lazzer 2007 Mifflin Weijs & Vasant Schofield 60y (G en L) FAO 60y (G en L) Livingston Schofield 60y (G) Schofield 18-30y (G en L) FAO 18-30y (G en L) FAO 18-30y (G) Schofield 18-30y (G) Ireton-Jones Bernstein Fredrix
0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 -0,1 -0,2 -0,3
Figuur 3A: Concordantie correlatie coëfficiënt (CCC) van de energieformules (REE). A Muller alle BMI houdt in, niet specifiek voor een BMI-range.
27
CCC
28
Lazzer 2007 BodPod
Lazzzer 2007 DXA
Bernstein BodPod
Bernstein DXA
Mifflin BodPod
Owen BodPod
Mifflin DXA
Owen DXA
Müller BMI 25-30 DXA
Müller BMI 25-30…
Müller BMI >30 BodPod
Müller BMI >30 DXA
Müller alle BMI DXA
Müller alle BMI BodPod
Johnstone BodPod
Huang BodPod
Huang DXA
Johnstone DXA
Korth BodPod
Korth DXA
0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 -0,1 -0,2 -0,3
REE formules FFM
Figuur 3B: Concordance correlatie coëfficiënt (CCC) van de energieformules (REE) gebaseerd op vetvrije massa (FFM) en vetmassa (FM). A Muller alle BMI houdt in, niet specifiek voor een BMI-range.
Discussie In deze scriptie zijn de bestaande energieformules uit de literatuur en de nieuw ontwikkelde formules voor het energieverbruik in rust bij ouderen met obesitas geëvalueerd. Uit de resultaten kan worden geconcludeerd, dat geen enkele formule voor meer dan 70% van de deelnemers een goede schatting gaf. De formules met de hoogste percentages goede schattingen gebaseerd op gewicht en lengte waren de Henry (34) 30-60y met gewicht en lengte, Schofield (43) 30-60y zonder lengte en de Schofield (43) 30-60y met lengte en gewicht. Gebaseerd op vetvrije massa (FFM) en vetmassa (FM) waren de Müller et al. (41) alle BMI, Johnstone et al. (44) en de Müller et al. (41) BMI >30 de formules met de hoogste percentages goede schattingen. Al deze formules waren in gevuld met de FM en FFM gemeten met de DXA-scanner. De beste formule waarin alle analyses worden samengevat, de GAA, CCC, bias en het percentage goede schatting is de formule met de variabelen lengte en gewicht de Henry 30-60y (34) met gewicht en lengte. De beste formules waarin alle analyses worden samengevat, de GAA, de CCC, bias en het percentage goede schatting voor de formules met de variabelen vetmassa en vetvrije massa zijn de Korth er al. (15) met de gemeten resultaten van de DXA-scanner en Müller et al. (41) (niet specifiek voor een BMI-range) met de gemeten resultaten van de DXA-scanner. Hoewel de bovenstaande energieformules als beste naar voren komen in deze scriptie, zijn de verschillen niet heel groot met de andere energieformules. De verwachting dat formules die de variabelen FFM en FM meenemen meer valide zijn dan de formules die alleen gewicht en lengte als variabelen meenemen in de formule kan niet worden bevestigd door dit onderzoek. Andere onderzoeken vonden ditzelfde resultaat (16, 22, 45-47). Het hoogste percentage goede schattingen voor het energieverbruik in rust bij ouderen is gebaseerd op een formule die alleen de variabelen gewicht en lengte gebruikt. Dit staat in tegenstelling tot de verwachting dat formules zoals de meeste gebruikte formule onder de Nederlandse diëtisten, de Harris en Benedict (33) formule uit 1984, die alleen gebruik maakt van de variabelen gewicht en lengte een overschatting geeft van het energieverbruik in rust bij ouderen (9). Waardoor het percentage goede schattingen lager zou moeten uitvallen dan bij een formule gebaseerd op de variabelen FFM en FM. De verwachte overschatting was gebaseerd op het argument dat de lichaamssamenstelling verandert tijdens het ouder worden: de spiermassa neemt af en kan gepaard gaan met een verhoging van de vetmassa en/of gelijkblijvende vetmassa, hierdoor blijft het gewicht in aantal kilogrammen gelijk (5-6). Een afgenomen FFM is verantwoordelijk voor een lager energieverbruik in rust bij een toegenomen leeftijd want spiermassa verbruikt per kilogram in rust ongeveer 14,5 kcal en vetmassa 4,5 kcal (10). Maar ook formules gebaseerd op de variabelen FFM en FM gaven een overschatting van het energieverbruik in rust bij ouderen. Toch was het percentage onderschatting bij formules gebaseerd op de variabelen FFM en FM hoger dan het percentage overschatting. Formules die speciaal zijn gemaakt voor bepaalde leeftijdsgroepen zoals de FAO/WHO/UNU (31) formules voldeden wel aan de verwachting dat het percentage overschatting hoger was dan het percentage onderschatting bij ouderen wanneer er een formule werd gebruikt speciaal voor jong- en jongvolwassenen. De FAO/WHO/UNU (31) 18-30y met alleen gewicht en FAO/WHO/UNU (31) 18-30y met gewicht en lengte laten de volgende percentages overschatting zien: 67,8% en 62,2%. De FAO/WHO/UNU (31) 30-60y met alleen gewicht en met gewicht en lengte laten de volgende percentages overschatting zien: 25,6% en 23,3%. De FAO/WHO/UNU (31) formule voor >60y, de doelgroep in dit onderzoek, ouderen 55+, laat de kleinste overschatting zien: 12,2% en 13,3%. Het percentage goede schattingen bij de FAO/WHO/UNU formule >60y is daarentegen maar 63,3% voor alleen gewicht en voor lengte en gewicht 60,0%. Een theorie hiervoor zou kunnen zijn dat ouderen krimpen. Ouderen krimpen in lengte (48). Wanneer er een kleinere lengte wordt ingevuld in de formule zal de uitkomst, schatting voor energieverbruik in rust, ook minder worden. Er is geen literatuur bekend over de gevolgen van krimpen in lengte op de uitkomst van energieformules.
29
Ook kan er een verschil in validiteit optreden als je formules die FFM en FM gebruiken invult met gegevens van verschillende methoden van lichaamssamenstelling (15). In deze scriptie is gekeken naar het verschil in validiteit van energieformules die de variabelen FFM en FM meenemen en wanneer deze worden ingevuld met de DXA-scanner of de BodPod. De formules met de hoogste goede schatting gebaseerd op de variabelen FFM en FM waren allebei ingevuld met de gemeten resultaten van de DXA-scanner. Echter scheelde het percentage goede schattingen maar maximaal 3,4% wanneer je dezelfde formule vergelijkt met de DXA-scanner en BodPod. Het bovenstaande percentage geldt wel alleen voor de energieformules met het hoogste percentages goede schattingen. Naarmate het percentage goede schattingen afnam, werd het verschil tussen de meetmethode bij dezelfde formule met de DXA-scannner en BodPod groter. Zowel de DXA-scanner als de BodPod laten geen hoge percentages goede schattingen zien, zoals hierboven al is beschreven, Korth et al. vond ditzelfde resultaat (15). Toch zijn de BodPod en DXAscanner beide nauwkeurige apparaten om de lichaamssamenstelling mee te meten (14). Diëtisten in de eerste lijn hebben geen beschikking over deze apparaten. Een mogelijkheid voor diëtisten in de eerste lijn om de FFM en FM te meten is door middel van bio-impendantiemeter zoals de Tanita. Maar de nauwkeurigheid van BodPod en de DXA-scanner is hoger in vergelijking tot de Tanita. Door gebruik te maken van de resultaten van een Tanita zal er mogelijk een minder goede schatting van de FM en FFM ontstaan. Hierdoor kan er meer ruis worden geïntroduceerd in de formule, wat waarschijnlijk zal leiden tot een minder goede schatting van het energieverbruik in rust. Vetvrije massa bestaat uit meerdere componenten, o.a. uit spiermassa en orgaanweefsel. Spiermassa alleen kan worden gemeten door de DXA-scanner en kan mogelijk een voorspeller zijn voor energieverbruik in rust. In dit onderzoek is dan ook gekeken of een nieuw te ontwikkelen formule die gebruikt maakt van o.a. de variabele spiermassa meer valide is dan een formule die dit niet gebruikt. Uit de resultaten is gebleken dat een formule gebaseerd op spiermassa geen hoog percentage goede schatting geeft, 60,0%. Opgesplitst in een aparte formule voor geslacht was het percentage goede schatting iets hoger, namelijk 63,3%. In dit onderzoek wordt voor de spiermassa de zogenoemde appendicular muscle mass gebruikt, de vetvrije en botvrije massa van de armen en benen. Spiermassa, in dit geval de totale skeletspiermassa, bestaat uit 40-50% van het totale lichaamsgewicht en verbruikt maar 18-25% van het energieverbruik in rust (49). Orgaanweefsel daarentegen bestaat uit 6% van het totale lichaamsgewicht en verbruikt gemiddeld 60% van het totale energieverbruik in rust. Wanneer orgaanweefsel per individu zou verschillen kan dit grote verschillen hebben op het energieverbruik in rust in vergelijking met spiermassa. Qing et al. (50) had bij 75 gezonde vrouwen (41 Afro-Amerikanen en 34 blanken, leeftijd 19-88 jaar) en 36 mannen (8 Afro-Amerikanen en 28 blanken, leeftijd 19-84 jaar) de orgaanmassa gemeten. Het doel van het onderzoek was te kijken of de massa van organen met een hoge stofwisseling tijdens het ouder worden afnam. Dit werd bekeken door middel van een MRI-scan. Het onderzoek toonde door middel van een regressieanalyse aan dat er negatieve relatie was tussen orgaanmassa en leeftijd, in de hersenen, nieren, lever en milt. Per jaar namen de hersenen 0,002 kg af, de nieren 0,001 kg, de lever 0,003 kg en de milt 0,001 kg. Het hart nam tijdens het ouder worden niet af in massa. Toch laten meerdere onderzoeken zien dat de afname van het energieverbruik in rust niet volledig is te wijten aan verandering in lichaamssamenstelling, inclusief orgaanmassa (51-53). Hoewel orgaanmassa maarliefst voor 60% van het energieverbruik in rust zorgt en mogelijk een voorspeller kan bieden voor het energieverbruik in rust, is het nog maar de vraag hoe orgaanmassa kan worden gemeten. Een optie om orgaanmassa te kunnen schatten, is door het totale gewicht van de appendicular muscle mass af te trekken van de totale FFM. Deze optie is verder niet meegenomen in deze scriptie. Dit is echter geen optie voor diëtisten in de eerste lijn omdat zij geen beschikking hebben over een DXA-scanner. Een bio-impendantiemeter zoals de Tanita, waarover diëtisten wel kunnen beschikken, kan de appendicular muscle mass niet meten.
30
Incorrecte formule De formule Lazzer et al. (25) 2010 met zowel de variabelen: FFM, FM, lengte en gewicht geeft een enorm hoog percentage onderschatting: 100%. Net als de Lazzer et al. (36-37) 2007 gebaseerd op FFM en FM. Waarschijnlijk komt dit omdat we een fout vermoedden, daarom zijn de resultaten van deze formule niet meegenomen in de resultatensectie. Beperkingen en sterke punten Een beperking van dit onderzoek is de DXA-scan die is uitgevoerd tijdens de MPS-data studie in het Diagnostic Center Amsterdam, Nederland. De DXA-scanner was daar smaller dan de DXA-scanner die is gebruikt tijdens de PROBE-studie. Niet alle deelnemers pasten volledig op de scan, hierdoor is er een deel vetmassa niet gemeten. Dit waren echter maar drie of vier deelnemers. Een andere beperking van dit onderzoek is dat de definitie van ouderen met obesitas ruimer is. Obesitas wordt in de literatuur vastgesteld als een BMI > 30kg/m2. Dit onderzoek bestaat uit twee studies waarvan de inclusiecriteria verschillen. De MPS-data studie heeft als inclusie criteria BMI >30kg/m2 of een BMI >28 kg/m2 met een middelomtrek van >88 cm bij vrouwen en >102cm bij mannen. Bij de PROBE-studie is de inclusie criteria voor BMI >30kg/m2 of een BMI >27kg/m2 met een middelomtrek van >88cm bij vrouwen en >102 cm bij mannen. Ook kan het zijn voorgekomen dat de deelnemers misschien niet helemaal nuchter waren tijdens de baseline. Het is belangrijk dat de deelnemer nuchter is bij het meten van zijn rustmetabolisme door de indirecte calorimeter. Dit is belangrijk omdat het energieverbruik in rust met 10% kan stijgen door vertering die bezig is, je lichaam is dan eigenlijk niet meer in rust. Wanneer er een IQ hoger dan >1 was geconstateerd mocht de deelnemer niet meedoen. Echter is een IQ van 0,95 ook al hoog en kan het zijn dat de deelnemer toen al niet nuchter is geweest. Daarnaast is de MPS-data studie dubbel ingevoerd en volledig gecontroleerd op data fouten. De data van de PROBE-studie zijn maar één keer ingevoerd en kan dus data fouten bevatten. Een sterk punt van dit onderzoek is dat alle apparaten regelmatig volgens protocol worden gekalibreerd.
31
32
Conclusie Er kan worden geconcludeerd dat formules gebaseerd op de variabelen gewicht en lengte de beste optie zijn voor diëtisten in de eerste lijn. Gewicht en lengte kunnen namelijk makkelijk worden gemeten in een diëtistenpraktijk. In dit onderzoek geven de Henry 30-60y (34) met gewicht en lengte, de Schofield (43)30-60y met alleen gewicht en de Schofield (43) 30-60y met gewicht en lengte de hoogste percentages goede schattingen: 68,9%. Dit betekent dat bij ongeveer 30% van deelnemers een onder- of overschatting plaatsvond. Als een diëtist een hypocalorisch dieet zou willen opstellen, bijvoorbeeld met 600 kcal onder het dagelijkse energieverbruik berekent met de Henry (34) 30-60y met gewicht en lengte formule zal er een gemiddelde absolute afwijking van 141 kcal/d plaatsvinden. Dit betekent dat je, wanneer je een formule gebruikt voor het schatten van de energiebehoefte, je er gemiddeld 141 kcal/d naast zit. Dit houdt bijvoorbeeld in dat een cliënt een advies krijgt van 1600 kcal per dag, de cliënt of 141 kcal per dag teveel of te weinig binnenkrijgt. Hierdoor kan de cliënt nog steeds afvallen. Daarnaast moet een diëtist dan ook nog de PAL-waarde schatten, dit is ook heel lastig, dus het wordt sowieso een ruwe schatting.
33
34
Aanbeveling Dit onderzoek toont aan dat diëtisten in de eerste lijn het beste energieformules kunnen gebruiken gebaseerd op lengte en gewicht bij ouderen 55+. Formules gebaseerd op gewicht en lengte kosten weinig geld en tijd in vergelijking tot formules gebaseerd op de variabelen vetvrije- en vetmassa. Formules gebaseerd op de variabelen vetvrije- en vetmassa deden het zelfs slechter dan formules gebaseerd op lengte en gewicht. Diëtisten kunnen gebruik maken van de vrijwel onbekende formules; Henry (34 )30-60y met gewicht en lengte, de Schofield (43) 30-60y met zowel alleen gewicht als met lengte en gewicht. Maar de Harris en Benedict (33) formule uit 1984, die het bekendste is onder de Nederlandse diëtisten (9) kan ook prima worden gebruikt bij de populatie ouderen met obesitas. Het is wel mogelijk dat al deze bovenstaande formules een over- of onderschatting kunnen geven van gemiddeld 30%. Het is daarom ook raadzaam om het gewichtsverloop van de cliënten nauwkeurig in de gaten te houden en het advies van bijvoorbeeld 1700 kcal per dag bij stellen als het gewicht niet genoeg daalt of gelijk blijft. Naast het schatten van het energieverbruik in rust aan de hand van een energieformule, maken diëtisten in de praktijk ook nog een schatting van de mate van fysieke activiteit, de PAL-waarde. In deze scriptie is geen rekening gehouden met de PAL-waarde. De PAL-waarde kan mogelijk nog een grotere verstorende factor geven dan enkel het energieverbruik in rust omdat deze ook moet worden geschat. Mogelijk kan een vervolgonderzoek de invloed van de PAL-waarde op de dagelijkse energiebehoefte uitzoeken.
35
36
Literatuurlijst 1.
Gezondheidsraad. Overgewicht en obesitas. Den Haag: Gezondheidsraad. April 2003. http://www.gezondheidsraad.nl/nl/adviezen/gezonde-voeding/overgewicht-en-obesitas
2.
World Health Organization. Media centre. Factsheets. Obesity and overweight. May 2012. http://www.who.int/mediacentre/factsheets/fs311/en/index.html
3.
Mathus-Vliegen EM; Obesity Management Task Force of the European Association for the Study of Obesity. Prevalence, pathophysiology, health consequences and treatment options of obesity in the elderly: a guideline. Obes Facts. 2012;5(3):460-83.
4.
Giesbers H, Verweij A , Beer J de. Vergrijzing: Wat zijn de belangrijkste verwachtingen voor de toekomst? Volksgezondheid Toekomst Verkenning, Nationaal Kompas Volksgezondheid. Bilthoven. 2013.
5.
Cruz-Jentoft AJ, Baeyens JP, Bauer JM, et al. European Working Group on Sarcopenia in Older People. Sarcopenia: European consensus on definition and diagnosis: Report of the European Working Group on Sarcopenia in Older People. Age Ageing. 2010 Jul;39(4):412-23
6.
Weinheimer EM, Sands LP, Campbell WW. A systematic review of the separate and combined effects of energy restriction and exercise on fat-free mass in middle aged and older adults: implications for sarcopenic obesity. Nutr Rev. 2010 Jul;68(7):375-88
7.
Gezondheidszorg CBO. Richtlijn Diagnostiek en behandeling van obesitas bij volwassenen en kinderen. Utrecht: Kwaliteitsinstituut voor de Gezondheidszorg CBO, 2008.
8.
Schoeller DA. Making indirect calorimetry a gold standard for predicting energy requirements for institutionalized patients. J Am Diet Assoc. 2007Mar;107(3):390-2.
9.
Verreijen AM, Blank S, Tuinstra J, et al. Behandeling van ouderen met obesitas door de diëtist: een inventarisatie. Ned Tijdschr Voed Diët. 2012 Oct;67(5):s1-10.
10.
Javed F, He Q, et al. Brain and high metabolic rate organ mass: contributions to resting energy expenditure beyond fat-free mass. Am J Clin Nutr. 2010 Apr;91(4):907-12
11.
Alpert SS. The cross-sectional and longitudinal dependence of the resting metabolic rate on the fat- free mass. Metabolism. 2007 May; 56 (3): 363–37.
12.
Noreik M, Maurmann M, Meier V, Becker I, Röhrig G, Polidori MC, Schulz RJ. Resting energy expenditure (REE) in an old-old population: implications for metabolic stress. Exp Gerontol. 2014 Nov;59:47-50.
13.
Frankenfield D, Roth-Yousey L, Compher C. Comparison of predictive equations for resting metabolic rate in healthy nonobese and obese adults: a systematic review. J Am Diet Assoc. 2005 May;105(5):775-89.
14.
Maddalozzo GF, Cardinal BJ, Snow CA. Concurrent validity of the BOD POD and dual energy x-ray absorptiometry techniques for assessing body composition in young women. J Am Diet Assoc. 2002 Nov;102(11):1677-9.
37
15.
Korth O, Bosy-Westphal A, Zschoche P, Glüer CC, Heller M, Müller MJ. Influence of methods used in body composition analysis on the prediction of resting energy expenditure. Eur J Clin Nutr. 2007 May;61(5):582-9
16.
Weijs PJ. Validity of predictive equations for resting energy expenditure in US and Dutch overweight and obese class I and II adults aged 18-65 y. Am J Clin Nutr. 2008 Oct;88(4):959-70
17.
Frankenfield DC. Bias and accuracy of resting metabolic rate equations in non-obese and obese adults. Clin Nutr. 2013 Dec;32(6):976-82
18.
Weir JB. New methods for calculating metabolic rate with special reference to protein metabolism. 1949. Nutrition. 1990 May-Jun;6(3):213-21.
19.
Siri WE. Body composition from fluid spaces and density, analysis of methods. 1961. Nutr. 1993 Sep-Oct;9(5):480-91.
20.
Mazess RB, Barden HS, Bisek JP, Hanson J. Dual-energy x-ray absorptiometry for total-body and regional bone-mineral and soft-tissue composition. Am J Clin Nutr. 1990 Jun;51(6):1106- 12.
21.
Fredrix EW, Soeters PB, Deerenberg IM, Kester AD, von Meyenfeldt MF, Saris WH. Resting and sleeping energy expenditure in the elderly. Eur J Clin Nutr. 1990 Oct;44(10):741-7.
22.
Weijs PJ, Vansant GA. Validity of predictive equations for resting energy expenditure in Belgian normal weight to morbid obese women. Clin Nutr. 2010 Jun;29(3):347-51.
23.
Siervo M, Boschi V, Falconi C. Which REE prediction equation should we use in normalweight, overweight and obese women? Clin Nutr. 2003 Apr;22(2):193-204.
24.
Lührmann PM, Herbert BM, Krems C, et al. A new equation especially developed for predicting resting metabolic rate in the elderly for easy use in practice. Eur J Nutr. 2002 June;41(3):108-13.
25.
Lazzer S, Bedogni G, Lafortuna CL, et al. Relationship between basal metabolic rate, gender, age, and body composition in 8,780 white obese subjects. Obesity (Silver Spring). 2010 Jan;18(1):71-8.
26.
Ireton-Jones C, Jones JD. Improved equations for predicting energy expenditure in patients: the Ireton-Jones Equations. Nutr Clin Pract. 2002 Feb;17(1):29-31.
27.
Brinkman J. Cijfers spreken. Vierde druk. Groningen: Wolters-Noordhoff; 2006: 130,156.
28.
Lin LI. A concordance correlation coefficient to evaluate reproducibility. Biometrics. 1989 Mar;45(1):255-68.
29.
Lin L, Torbeck LD. Coefficient of accuracy and concordance correlation coefficient: new statistics for methods comparison. PDA J Pharm Sci Technol. 1998 Mar-Apr;52(2):55-9.
30.
Bernstein RS, Thornton JC, Yang MU, et al. Prediction of the resting metabolic rate in obese patients. Am J Clin Nutr. 1983 Apr;37(4):595-602. 38
31.
FAO/WHO/UNU. Energy and protein requirements. Geneva, Switzerland: World Health Organ Tech Rep Ser, 1985.
32.
Harris JA, Benedict FG. A Biometric Study of Human Basal Metabolism. Proceedings of the National Academy of Sciences of the United States of America. 1918 Dec;4(12):370-3.
33.
Roza AM, Shizgal HM. The Harris Benedict equation reevaluated: resting energy requirements and the body cell mass. Am J Clin Nutr. 1984 Jul;40(1):168-82.
34.
Henry CJ. Basal metabolic rate studies in humans: measurement and development of new equations. Public Health Nutr. 2005 Oct;8(7A):1133-52.
35.
Huang KC, Kormas N, Steinbeck K, et al. Resting metabolic rate in severely obese diabetic and nondiabetic subjects. Obes Res. 2004 May;12(5):840-5.
36.
Lazzer S, Agosti F, Resnik M, et al. Prediction of resting energy expenditure in severely obese Italian males. J Endocrinol Invest. 2007 Oct;30(9):754-61.
37.
Lazzer S, Agosti F, Silvestri P, et al. Prediction of resting energy expenditure in severely obese Italian women. J Endocrinol Invest. 2007 Jan;30(1):20-7.
38.
Livingston EH, Kohlstadt I. Simplified resting metabolic rate-predicting formulas for normalsized and obese individuals. Obes Res. 2005 Jul;13(7):1255-62.
39.
De Lorenzo A, Tagliabue A, Andreoli A, et al. Measured and predicted resting metabolic rate in Italian males and females, aged 18-59 y. Eur J Clin Nutr. 2001 Mar;55(3):208-14.
40.
Mifflin MD, St Jeor ST, Hill LA, et al. A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr. 1990 Feb;51(2):241-7.
41.
Müller MJ, Bosy-Westphal A, Klaus S, et al. World Health Organization equations have shortcomings for predicting resting energy expenditure in persons from a modern, affluent population: generation of a new reference standard from a retrospective analysis of a German database of resting energy expenditure. Am J Clin Nutr. 2004 Nov;80(5):1379-90.
42.
Owen OE, Holup JL, D'Alessio DA, et al. A reappraisal of the caloric requirements of men. Am J Clin Nutr. 1987 Dec;46(6):875-85.
43.
Schofield WN. Predicting basal metabolic rate, new standards and review of previous work. Human Nutrition. Clin Nutr 1985;39C:5-41.
44.
Johnstone AM, Rance KA, Murison SD, et al. Additional anthropometric measures may improve the predictability of basal metabolic rate in adult subjects. Eur J Clin Nutr. 2006 Dec;60(12):1437-44.
45.
Hofsteenge GH, Chinapaw MJ, Delemarre-Waal van de HA, et al. Validation of predictive equations for resting energy expenditure in obese adolescents. Am J Clin Nutr. 2010;91:1244-54
46.
Ruiz JR, Ortega FB, Rodríguez G, et al. Validity of resting energy expenditure predictive equations before and after an energy-restricted diet intervention in obese women. PloS ONE. 2011;6:1-11
47.
Wilms B, Schmid SM, Ernst B, et al. Poor prediction of resting energy expenditure in obese women by established equations. Metabolism Clinical and Experimental 2010;59:1187 39
48.
Ahlqvist ML, Flint DM. Assessment of loss of height in elderly women. Eur J Clin Nutr. 1988 Aug;42(8):679-82
49.
St-Onge MP, Gallagher D. Body composition changes with aging: the cause or the result of alterations in metabolic rate and macronutrient oxidation? Nutrition. 2010 Feb;26(2):152-5
50.
He Q, Heshka S, Albu J, Boxt L, Krasnow N, Elia M, Gallagher D. Smaller organ mass with greater age, except for heart. J Appl Physiol (1985). 2009 Jun;106(6):1780-4.
51.
Gallagher D, Allen A, Wang Z, Heymsfield SB, Krasnow N. Smaller organ tissue mass in the elderly fails to explain lower resting metabolic rate. Ann N Y Acad Sci. 2000 May;904:449-55
52.
Krems C, Luhrmann PM, Strassburg A, Hartmann B, Neuhauser-Berthold M. Lower resting metabolic rate in the elderly may not be entirely due to changes in body composition. Eur J Clin Nutr. 2005;59:255–62.
53.
Frisard MI, Broussard A, Davies SS, Roberts LJ, II, Rood J, de Jonge L, et al. Aging, resting metabolic rate, and oxidative damage: results from the Louisiana Healthy Aging Study. J Gerontol A Biol Sci Med Sci. 2007;62:752–9.
40
Bijlage I: In- en exclusiecriteria PROBE-studie De belangrijkste inclusie criteria: -Leeftijd tussen de 55-85 jaar oud -Ambulante type 2 diabetes (gecontroleerd door de gebruikte medicatie voor diabetes). In het geval wanneer er geen medicatie wordt gebruikt moet de HbA1c > 53 mmol / mol is (> 7.0%) -BMI >30 of BMI >27 in combinatie met een middelomtrek van >88 cm bij vrouwen en >102 cm bij mannen -De mogelijkheid om te voldoen aan het trainingsprotocol beoordeeld door een sportarts -Geschreven toestemmingsverklaring formulier Belangrijkste exclusie criteria: -Lever- en nierfalen -Gebruik van bepaalde soorten medicatie -Maag- en darmziekten -Elke kwaadaardige ziekte tijdens de afgelopen vijf jaar
MPS-data studie De belangrijkste inclusie criteria: -Leeftijd tussen de 55-85 jaar oud -BMI >30 of BMI>28 in combinatie met middelomtrek van >88 cm bij vrouwen en >102 cm bij mannen) -De mogelijkheid om te voldoen aan het trainingsprotocol beoordeeld door een fysiotherapeut -Geschreven toestemmingsverklaring formulier Belangrijkste exclusie criteria: -Lever- en nierfalen -Gebruik van bepaalde soorten medicatie -Elke kwaadaardige ziekte tijdens de afgelopen vijf jaar
41
42
Bijlage II: De referentie populatie waarop de energieformules zijn gebaseerd Tabel 1A: Formules voor het energieverbruik in rust met geslacht, leeftijd, lengte, gewicht en BMI.
Auteur(s) Geslacht Bernstein et al. (30)
N
Referentie populatie Leeftijd in y Lengte (cm)
N=202 M F
FAO/WHO/ UNU 19853 (31)
48 154
40,4 ± 12,6 39,4 ± 12,0
Energieformule in REE in kcal/d A B C Gewicht (kg) 60-204 103,0 ± 26,0
2
BMI (kg/m )
177 ± 6 164 ± 6
11,02 x G + 10,23 x LT - 5,8 x LFT - 1032 7,48 x G - 0,42 x LT - 3 x LFT + 844
N≈ 11,000 M
18-30
15,3 x G + 679 15,4 x G - 27 x LT + 717 14,7 x G + 496 13,3 x G + 334 x LT + 35
F
M
30-60
11,6 x G + 879 11,3 x G + 16 x LT + 901 8,7 x G + 829 8,7 x G - 25 x LT + 865
F
M
>60
13,5 x G + 487 8,8 x G + 1128 x LT - 1071 10,5 x G + 596 9,2 x G + 637 x LT - 302
F Fredrix (21) M F HB 1919 (32)
N=40 18 22 N= 239
63,0 ± 8,0 66,0 ± 7,0 151-200
81,1 ± 11,0 64,8 ± 7,1 25-125 43
26,4 ± 2,4 25,5 ± 2,6
M
136
16-63: 27,0 ± 9,0 15-74: 31,0 ± 14,0
66,4730 + 13,7516 x G + 5,0033 x LT - 6,7550 x LFT
F
103
M F
N=337 168 169
30,0 ± 14,0 44,0 ± 22,0
88,362 + 4,799 x LT + 13,397 x G - 5,677 x LFT 447,593 + 3,098 x LT + 9,247 x G - 4,330 x LFT
M
N=2901 1010
30-60: 40,8 ± 8,7
F
1023
41,6 ± 8,2
M
534
>60 70,9 ± 7,6
F
334
69,8 ± 6,9
N=1088
45,9 ± 13,7
HB 1984 (33)
Henry (34)
Huang et al. (35) M F
665,0955 + 9,5634 x G + 1,8496 x LT - 4,6756 x LFT
0,0592 x G + 2,48 = MJ/d 0,0476 x G + 2,26 x LT - 0,574 0,0407 x G + 2,90 = MJ/d 0,0342 x G + 2,10 x LT - 0,0486 0,0563 x G + 2,15 = MJ/d 0,0478 x G + 2,26 x LT - 1,07 0,0424 x G + 2,38 = MJ/d 0,0356 x G + 1,76 x LT - 0,0448 ≥35,0 46,4 ± 8,4
279 259
71,767 - 2,337 x LFT + 257,293 x GS + 9,996 x G + 4,132 x LT + 145,959 x DM 629 – 11 × LFT + 25 × G– 609 × OBc
Ireton-Jones (26) Korth et al. (15)
N=104
20-70:
M
50
37,1 ± 15,1
F
54
35,3 ± 15,4
154-196 174 ± 8 166-96 180 ± 5 154-182 169 ± 6
49-135 78,6 ± 14,8 57-118 85,1 ± 13,1 49-135 72,6 ± 13,8
44
17.6-40.9 25.9 ± 4.1 25.5 ± 4.4
41,5 x G + 35,0 x LT + 1107,4 x GS - 19,1 x LFT - 1731,2 = kJ/d
Lazzer et al. 2007 (36, 37) Lazzer et al. 2010 (25) Livingston and Kohlstadt (38)
M F M F M F
Lorenzo et al. (39)
Lührmann et al. (24)
N=346 164 182 N=7368 2000 5368 N=655 299
M
356 N=320 127
F
193
M
N=286 107 179 N=498 251
F
247
M F
Mifflin et al. (40)
Müller et al. (41)
N= 2528 (1027 M, 1501 F)
Owen et al. (42) M
N=104 60
F
44
20-65 19-60 46,0 ± 14,0 48,0 ± 14,0 18-95: 36,0 ± 15,0 18-77: 39,0 ± 13,0 18-59 28,7 ± 11,4 19-59 41,1 ± 11,5 60-85: 66,9 ± 5,1 57,8 ± 5,7
45,0 45,0 170 ± 0 160 ± 0
158-197: 177 ± 7 140-180: 161 ± 6
134 ± 22,6 106 ± 17,5 33-278 96,0 ± 45,0 36-261: 90,0 ± 37,0 61-123: 83,8 ± 14,4 44-106: 72,0 ± 13,9
0,048 x G + 4,655 x LTM - 0,020 x AGE – 3,605 = MJ/d 0,042 x G + 3,619 x LTM - 2,678 = MJ/d 46 x G - 14 x LFT + 1,140 x GS + 3,252 = kJ/d
41,6 ± 6,8 41,9 ± 6,5 293 x G0,4330 - 5,92 x LFT 248 x G0,4356 - 5,09 x LFT 19,2-39,4 26,7 ± 4,3 19-40: 27,8 ± 5,1
53,284 x G + 20,957 x LT - 23,859 x LFT + 487 = kJ/d 46,322 x G + 15,744 x LT - 16,66 x LFT + 944 = kJ/d 3169 + 50,0 x G - 15,3 x LFT + 746 x GS = kJ/d
173 ± 7 160 ± 6
78,8 ± 9,7 67,5 ± 10,0
26,3 ± 3,1 26,4 ± 3,7 9,99 x G + 6.25 x LT - 4,92 x LFT + 166 x GS - 161
19-78: 44,4 ± 14,3 20-76: 44,6 ± 14,0 5-91 *44,2 ± 17,3 **44,1 ± 17,4
160-201: 178 ± 7 246-186: 164 ± 6
58-143: 87,5 ± 14,4 46-120: 70,2 ± 14,1
*170 ± 10 **170 ± 10
*78,0 ± 23,0 **77,2 ±21,4
*27,1 ± 7,7 **26,8 ± 7,1
18-82: 38,0 ± 15,6 18-65:
163-188: 175,0 ± 7,0 150-180:
59,8-171: 86,6 ± 23,8 43,1-143:
20-59 28,2 ± 7,5 18-50
45
19-42: 27,5 ± 4,1 17-42: 26,2 ± 4,9 Formule niet specifiek voor een BMI-range 0,047 x G + 1,009 x GS - 0,01452 x LFT + 3,21 = MJ/d Formule voor BMI 25-30 0,04507 x G + 1,006 x GS- 0,01553 X LFT + 3,407 = MJ/d Formule voor BMI≥30 0,05 x G + 1,103 x GS - 0,01586 x LFT + 2,924 = MJ/d 879 + 10,2 x G 795 + 7,18 x G
35,0 ± 12,2 Schofield (43)
164,0 ± 7,0
74,9 ± 24,6
N=4814 M
27,8 ± 8,6 21-24
18-30
F M
30-60
F M
>60
F Weijs & Vasant (22)
M F
N=136 41 95
25-40
AREE
0,063 x G + 2,896 = MJ/d 0,063 x G - 0,042 x LTM + 2,953 = MJ/d 0,062 x G + 2,036 = MJ/d 0,057 x G + 1,148 x LTM + 0,411= MJ/d 0,048 x G + 3,653 = MJ/d 0,048 x G - 0,011 x LTM + 3,67 = MJ/d 0,034 x G + 3,538 = MJ/d 0,034 x G + 0,006 x LTM + 3,53 = MJ/d 0,049 x G + 2,459 = MJ/d 0,038 x G + 4,068 x LTM - 3,491 = MJ/d 0,038 x G + 2,755 = MJ/d 0,033 x G + 1,917 x LTM + 0,074 = MJ/d G x 14,038 + LTM x 4,498) + GS x 137,566 - LFT x 0,977 221,631
in kcal/d tenzij beschreven in MJ/d of kJ/d gewicht in kg; LT, lengte in cm; LTM, lengte in meters; LFT, leeftijd in jaren; GS, geslacht (M = 1, F = 0); REE, energieverbruik in rust in kcal/d; DM, diabetes *Mensen op wie de formule is gebaseerd ** Mensen op wie de formule is gebaseerd door middel van cross validatie. C OB; Obesitas, aanwezig=1, afwezig=0. B G,
46
Tabel 1B: Formules voor het energieverbruik in rust met geslacht, leeftijd, FFM, FM en BMI.
Auteur(s) Geslacht Bernstein et al. (30)
48 154
40,4 ± 12,6 39,4 ± 12,0
N=1088 279 759 N=150 43 107 N=104
44,9 ± 12,7
M
50
37,1 ± 15,1
F
54
35,3 ± 15,4
Huang et al. (35) M F M F
Korth et al. (15)
Lazzer et al. 2007 (36,37) Lazzer et al. 2010 (25)
M
N=346 164 182 N=7368 2000 5368 N-498 251
F
247
M F M F
Mifflin et al. (40)
Müller et al. (41)
Referentiepopulatie Leeftijd in y Lengte (cm)
N=202 M F
Johnstone et al. (44)
N
N=2528
21-64 47 ± 9,7 42 ± 11,4 20-70
20-65 19-60 18-74: 46,3 ± 13,8 47,8 ± 13,9
Energieformule in REE in kcal/dg Gewicht (kg) 60,0-204 103 ± 26,0
BMI (kg/m2) 19,02 × FFM + 3,72 × FM – 1,55 × LFT + 236,7
177 ± 6 154 ± 6
>35 46,4 ± 8,4 16,7-49,3 176 ± 8 163 ± 6 154-196 174 ± 8 166-196 180 ± 5 154-182 169 ± 6
84,4 ± 18,1 69,3 ± 16,5 49,2-135 78,6 ± 14,8 57,2-118 85,1 ± 13,1 49,2-135 72,6 ± 13,8
17,6-40,9
14,188 × FFM + 9,367 × FM – 1,515 × LFT + 220,863 × GS + 521,995 90,2 × FFM + 31,6 × FM – 12,2 × LFT + 1613 = kJ/d
108,1 × FFM + 1231 =kJ/d
25,9 ± 4,1 25,5 ± 4,4
45 45 170 ± 0 160 ± 0
124 ± 22,6 106 ± 17,5
41,6 ± 6,8 41,9 ± 6,5
160-201: 178 ± 7 146-186: 164 ± 6
58-143: 87,5 ± 14,4 46-120: 70,2 ± 14,1
19-42: 27,5 ± 4,1 17-42: 26,2 ± 4,9
0,081 × FFM + 0,049 × FM – 0,019 × LFT – 2,194 = MJ/d 0,067 × FFM + 0,046 × FM + 1,568 = MJ/d 82 × FFM – 10 × LFT – 44 × GS + 3,517 = kJ/d
19,7 × FFM + 413 19-78: 44,4 ± 13,4 20-76: 44,6 ± 14,0 5-91
Formule niet specifiek voor een BMI-range 47
M F
1027 1501
M
N=104 60
F
44
Owen et al. (42)
*44,2 ± 17,3 ** 44,1 ± 17,4
*170 ± 10 ** 170 ± 10
*78,0 ± 23,0 ** 77,2 ± 21,4
*27,1 ± 7,7 ** 26,8 ± 7,1
0,05192 × FFM + 0,04036 × FM + 0,869 × GS – 0,01181 × LFT + 2,992 = MJ/d Formule voor BMI 25-30 0,03776 × FFM + 0,03013 × FM + 0,93 × GS – 0,01196 × LFT + 3,928 = MJ/d Formule voor BMI ≥30 0,05685 × FFM + 0,04022 × FM + 0,808 × GS – 0,01402 × LFT + 2,818 = MJ/d
18-82: 38 ± 15,6 18-65: 35 ± 12,2
163-188 165 ± 7 150-180: 164 ± 7
59,8-171,4 86,6 ± 23,8 43,1-143,3 74,9 ± 24,6
20,4-58,7 28,2 ± 7,5 18,2-49,6 27,8 ± 8,6
22,3 × FFM + 290
AREE
19,7 × FFM + 334
in kcal/d tenzij beschreven in MJ/d of kJ/d gewicht in kg; LT, lengte in cm; LTM, lengte in meters; FFM, vet vrije massa in kg; FM, vetmassa in kg; LFT, leeftijd in jaren; GS, geslacht (M = 1, F = 0); REE, energieverbruik in rust in kcal/d; DM, diabetes *Mensen op wie de formule is gebaseerd ** Mensen op wie de formule is gebaseerd door middel van cross validatie. B G,
48
Bijlage III: Syntax DATASET ACTIVATE DataSet1. *Aanmaak alle formules. *Aanmaak Bernstein aangepast Maureen. IF (SEX = 1) REE_Bernstein=(11.02 * WT_V1) + (10.23 * HTCM_V1) - (5.8 * AGE) - 1032. EXECUTE. IF (SEX = 0) REE_Bernstein=(7.48 * WT_V1) + (0.42 * HTCM_V1) - (3 * AGE) + 844. EXECUTE. *Aanmaak FAO/WHO/UNU weight only 18-30y aangepast Maureen. IF (SEX=1) REE_FAO_18_30y=(15.3 * WT_V1) + 679. EXECUTE. IF (SEX=0) REE_FAO_18_30y=(14.7 * WT_V1) + 496. EXECUTE. *Aanmaak FAO/WHO/UNU weight only 30-60y aangepast Maureen. IF (SEX=1) REE_FAO_30_60y=(11.6 * WT_V1) + 879 . EXECUTE. IF (SEX=0) REE_FAO_30_60y=(8.7 * WT_V1) + 829 . EXECUTE. *Aanmaak FAO/WHO/UNU weight only >60y aangepast Maureen. IF (SEX=1) REE_FAO_60yandolder=(13.5 * WT_V1) + 487. EXECUTE. IF (SEX=0) REE_FAO_60yandolder=(10.5 * WT_V1) + 596. EXECUTE. *Aanmaak FAO/WHO/UNU weight and height 18-30y aagepast Maureen. IF (SEX=1) REE_FAO_18_30yWTHT=(15.4 * WT_V1) - (27 * (HTCM_V1 / 100)) + 717. EXECUTE. IF (SEX=0) REE_FAO_18_30yWTHT=(13.3 * WT_V1) + (334 * HTCM_V1 / 100) + 35. EXECUTE. *Aanmaak FAO/WHO/UNU weight and height 30-60y aangepast Maureen. IF (SEX=1) REE_FAO_30_60yWTHT=(11.3 * WT_V1) - (16 * (HTCM_V1 / 100)) + 901. EXECUTE. IF (SEX=0) REE_FAO_30_60yWTHT=(8.7 * WT_V1) - (25 * (HTCM_V1 / 100)) + 865. EXECUTE. *Aanmaak FAO/WHO/UNU weight and height >60y aangepast Maureen. IF (SEX=1) REE_FAO_60yWTHT=(8.8 * WT_V1) + (1128 * (HTCM_V1 / 100)) - 1071. EXECUTE. IF (SEX=0) REE_FAO_60yWTHT=(9.2 * WT_V1) + (637 * (HTCM_V1 / 100)) - 302. EXECUTE. *Aanmaak Harris & Benedict 1919 aangepast Maureen. IF (SEX=1) REE_HB_1919=66.4730 + (13.7516 * WT_V1) + (5.0033 * HTCM_V1) - (6.7550 * AGE). EXECUTE. IF (SEX=0) REE_HB_1919=665.0955 + (9.5634 * WT_V1) + (1.8496 * HTCM_V1) - (4.6756 * AGE). EXECUTE. *Aanmaak Harris & Benedict 1984 aangepast Maureen. IF (SEX=1 ) REE_HB_1984=88.362 + (4.799 * HTCM_V1) + (13.397 * WT_V1) - (5.677 * AGE). EXECUTE. IF (SEX=0) REE_HB_1984=447.593 + (3.098 * HTCM_V1) + (9.247 * WT_V1) - (4.330 * AGE). EXECUTE. * Aanmaak Henry. Weight only 30-60y aangepast Maureen. IF (SEX = 1) REE_HENRY30T60=((0.0592 * WT_V1) + 2.48)* 1000/ 4.184. EXECUTE.
49
IF (SEX = 0) REE_HENRY30T60=((0.0407 * WT_V1) + 2.9)*1000/ 4.184. EXECUTE. *Henry. Weight only >60y aangepast Maureen. IF (SEX = 1) REE_HENRYolderthan60=((0.0563 * WT_V1) + 2.15)*1000/ 4.184. EXECUTE. IF (SEX = 0) REE_HENRYolderthan60=((0.0424 * WT_V1) + 2.38)*1000/ 4.184. EXECUTE. *Henry. Weight and Height 30-60y aangepast Maureen. IF (SEX = 1) REE_HENRY_WTHT_30T60=((0.0476 * WT_V1) + (2.26 * (HTCM_V1 / 100)) - 0.574)*1000/ 4.184. EXECUTE. IF (SEX = 0) REE_HENRY_WTHT_30T60=((0.0342 * WT_V1) + (2.10 * (HTCM_V1 / 100))-0.0486)*1000/ 4.184. EXECUTE. *Henry. Weight and Height >60y aangepast Maureen. IF (SEX = 1) REE_HENRY_WTHTolderthan60=((0.0478 * WT_V1) + (2.26 * (HTCM_V1 / 100)) - 1.07)*1000/ 4.184. EXECUTE. IF (SEX = 0) REE_HENRY_WTHTolderthan60=((0.0356 * WT_V1) + (1.76 * (HTCM_V1 / 100)) - 0.0448)*1000/ 4.184. EXECUTE. *Aanmaak Huang aangepast Maureen. COMPUTE REE_HUANG=71.767 - (2.337 * AGE) + (257.293 * SEX) + (9.996 * WT_V1) + (4.132 * HTCM_V1). EXECUTE. * Aanmaak Korth aangepast Maureen. COMPUTE REE_KORTH=((41.5 * WT_V1) + (35.0 * HTCM_V1) + (1107.4 * SEX) - (19.1 * AGE) - 1731.2) / 4.184. EXECUTE. *Aanmaak Lazzer 2007 aangepast Maureen. IF (SEX = 1) REE_LAZZER2007=((0.048 * WT_V1) + (4.655 * (HTCM_V1 / 100)) - (0.020 * AGE)- 3.605)*1000/ 4.184. EXECUTE. IF (SEX = 0) REE_LAZZER2007=((0.042 * WT_V1) + (3.619 * (HTCM_V1 / 100)) - 2.678)*1000/ 4.184. EXECUTE. *Aanmaak Lazzer 2010 aangepast Maureen. COMPUTE REE_LAZZER2010=((46 * WT_V1) -(14 * AGE) + (1.140 * SEX) + 3.252)/4.184 . EXECUTE. *Aanmaak Livingston and Kohlstadt aangepast Maureen. IF (SEX = 1) REE_LIVINGSTON=(293 * (WT_V1 ** 0.4330)) - (5.92 * AGE) . EXECUTE. IF (SEX = 0) REE_LIVINGSTON=(248 * (WT_V1 ** 0.4356)) - (5.09 * AGE) . EXECUTE. * Aanmaak de Lorenzo aangepast Maureen. IF (SEX = 1) REE_LORENZO=((53.284 * WT_V1) + (20.957 * HTCM_V1) - (23.859 * AGE) + 487)/4.184. EXECUTE. IF (SEX = 0) REE_LORENZO=((46.322 * WT_V1) + (15.744 * HTCM_V1) - (16.66 * AGE) + 944)/4.184. EXECUTE. *Aanmaak Lührmann aangepast Maureen.. COMPUTE REE_LUHRMAN=(3169 + (50.0 * WT_V1) - (15.3 * AGE) + (746 * SEX))/4.184. EXECUTE. *Aanmaak Mifflin 1990 aangepast Maureen. COMPUTE REE_MIFFLIN=(9.99 * WT_V1) + (6.25 * HTCM_V1) - (4.92 * AGE) + (166 * SEX) - 161. EXECUTE. *Aanmaak Müller aangepast Maureen. COMPUTE REE_MÜLLER_ALLBMI=((0.047 * WT_V1) + (1.009 * SEX) - (0.01452 * AGE) + 3.21)*1000/ 4.184. EXECUTE. COMPUTE REE_MÜLLER_BMI_25T30=((0.04507 * WT_V1) + (1.006 * SEX) - (0.01553 * AGE) + 3.407)*1000/ 4.184.
50
EXECUTE. COMPUTE REE_MÜLLER_BMI_30andhigher=((0.05 * WT_V1) + (1.103 * SEX) - (0.01586 * AGE) + 2.924)*1000/ 4.184. EXECUTE. *Aanmaak Owen aangepast Maureen. IF (SEX = 1) REE_OWEN=879 + (10.2 * WT_V1). EXECUTE. IF (SEX = 0) REE_OWEN=795 + (7.18 * WT_V1). EXECUTE. *Aanmaak Schofield aangepast Maureen. IF (SEX = 1) REE_Schofield_18T30=((0.063 * WT_V1) + 2.896)*1000/ 4.184. EXECUTE. IF (SEX = 1) REE_Schofield_18T30_WTHT=((0.063 * WT_V1) -(0.042 * (HTCM_V1 / 100)) + 2.953)*1000/ 4.184. EXECUTE. IF (SEX = 0) REE_Schofield_18T30=((0.062 * WT_V1) + 2.036)*1000/ 4.184. EXECUTE. IF (SEX = 0) REE_Schofield_18T30_WTHT=((0.057 * WT_V1) + (1.148 * (HTCM_V1 / 100)) + 0.411)*1000/ 4.184. EXECUTE. IF (SEX = 1) REE_Schofield_30T60=((0.048 * WT_V1) + 3.653)*1000/ 4.184. EXECUTE. IF (SEX = 1) REE_Schofield_30T60_WTHT=((0.048 * WT_V1) - (0.011 * (HTCM_V1 / 100)) + 3.67)*1000/ 4.184. EXECUTE. IF (SEX = 0) REE_Schofield_30T60=((0.034 * WT_V1) + 3.538)*1000/ 4.184. EXECUTE. IF (SEX = 0) REE_Schofield_30T60_WTHT=((0.034 * WT_V1) + (0.006 * (HTCM_V1 / 100)) + 3.53)*1000/ 4.184. EXECUTE. IF (SEX = 1) REE_Schofield_60andolder=((0.049 * WT_V1) + 2.459)*1000/ 4.184. EXECUTE. IF (SEX = 1) REE_Schofield_60andolder_WTHT=((0.038 * WT_V1) + (4.068 * (HTCM_V1 / 100)) - 3.491)*1000/ 4.184. EXECUTE. IF (SEX = 0) REE_Schofield_60andolder=((0.038 * WT_V1) + 2.755)*1000/ 4.184. EXECUTE. IF (SEX = 0) REE_Schofield_60andolder_WTHT=((0.033 * WT_V1) + (1.917 * (HTCM_V1 / 100)) + 0.074)*1000/ 4.184. EXECUTE. *Aanmaak Bernstein FFM BodPod. COMPUTE REE_Bernstein_FFM_BodPod= (19.02 * FFM_V1) + (3.72 * FM_V1) - (1.55 * AGE) + 236.7. EXECUTE. *Aanmaak Bernstein FFM DXA. COMPUTE REE_Bernstein_FFM_DXA= (19.02 * (DXAFFM_V1 / 1000)) + (3.72 * (DXAVetGramGeheel_V1 / 1000)) - (1.55 * AGE) + 236.7. EXECUTE. *Aanmaak Huang FFM BodPod. COMPUTE REE_Huang_FFM_BodPod= (14.118 * FFM_V1) + (9.367 * FM_V1) - (1.515 * AGE) + (220.863 * SEX) + 521.995. EXECUTE. *Aanmaak Huang FFM DXA. COMPUTE REE_Huang_FFM_DXA= (14.118 * (DXAFFM_V1 / 1000)) + (9.367 * (DXAVetGramGeheel_V1 / 1000)) - (1.515 * AGE) + (220.863 * SEX) + 521.995. EXECUTE. *Aanmaak Johnstone FFM BodPod. COMPUTE REE_Johnstone_FFM_BodPod= (1613 + (31.6 * FM_V1) + (90.2 * FFM_V1) - (12.2 * AGE))/4.184 . EXECUTE. *Aanmaak Johnstone FFM DXA. COMPUTE REE_Johnstone_FFM_DXA= (1613 + (31.6 * (DXAVetGramGeheel_V1 / 1000)) + (90.2 * (DXAFFM_V1 / 1000)) (12.2 * AGE))/4.184 .
51
EXECUTE. *Aanmaak Korth FFM BodPod. COMPUTE REE_Korth_FFM_BodPod=((108.1 * FFM_V1) + 1231)/4.184 . EXECUTE. *Aanmaak Korth FFM DXA. COMPUTE REE_Korth_FFM_DXA=((108.1 * (DXAFFM_V1 / 1000)) + 1231)/4.184 . EXECUTE. *Aanmaak Lazzer 2007 FFM BodPod. IF (SEX = 1) REE_Lazzer_FFM_2007_BodPod=((0.081 * FFM_V1) + (0.049 * FM_V1) - (0.019 * AGE) - 2.194)*1000/4.184 . EXECUTE. IF (SEX = 0) REE_Lazzer_FFM_2007_BodPod=((0.067 * FFM_V1) + (0.046 * FM_V1) + 1.568)*1000/4.184 . EXECUTE. *Aanmaak Lazzer 2007 FFM DXA. IF (SEX = 1) REE_Lazzer_FFM_2007_DXA=((0.081 * (DXAFFM_V1 / 1000)) + (0.049 * (DXAVetGramGeheel_V1 / 1000)) (0.019 * AGE) - 2.194)*1000/4.184 . EXECUTE. IF (SEX = 0) REE_Lazzer_FFM_2007_DXA=((0.067 * (DXAFFM_V1 / 1000)) + (0.046 * (DXAVetGramGeheel_V1 / 1000)) + 1.568)*1000/4.184 . EXECUTE. *Aanmaak Lazzer 2010 FFM BodPod. COMPUTE REE_Lazzer_FFM_2010_BodPod=((82 * FFM_V1) - (10 * AGE) - (44 * SEX) + 3.517)/4.184 . EXECUTE. *Aanmaak Lazzer 2010 FFM DXA. COMPUTE REE_Lazzer_FFM_2010_DXA=((82 * (DXAFFM_V1 / 1000)) - (10 * AGE) - (44 * SEX) + 3.517)/4.184 . EXECUTE. * Aanmaak Mifflin FFM BodPod. COMPUTE Mifflin_FFM_BodPod=(19.7 * FFM_V1) + 413. EXECUTE. * Aanmaak Mifflin FFM DXA. COMPUTE Mifflin_FFM_DXA=(19.7 * (DXAFFM_V1 / 1000)) + 413. EXECUTE. *Aanmaak Müller FFM BodPod_all_bmi. COMPUTE REE_MÜLLER_FFM_BodPod=((0.05192*FFM_V1)+ (0.04036 * FM_V1)+(0.869*SEX)- (0.01181 * AGE)+ 2.992)*1000/4.184. EXECUTE. *Aanmaak Müller FFM DXA_all_bmi. COMPUTE REE_MÜLLER_FFM_DXA=((0.05192*(DXAFFM_V1 / 1000))+ (0.04036 * (DXAVetGramGeheel_V1 / 1000))+(0.869*SEX)- (0.01181 * AGE)+ 2.992)*1000/4.184. EXECUTE. *Aanmaak Müller FFM BMI 25-30 BodPod. COMPUTE REE_MÜLLER_BMI25T30_FFM_BodPod=((0.03776*FFM_V1)+ (0.03013 * FM_V1)+(0.93*SEX)- (0.01196 * AGE)+ 3.928)*1000/4.184. EXECUTE. *Aanmaak Müller FFM BMI 25-30 DXA. COMPUTE REE_MÜLLER_BMI25T30_FFM_DXA=((0.03776*(DXAFFM_V1 / 1000))+ (0.03013 * (DXAVetGramGeheel_V1 / 1000))+(0.93*SEX)- (0.01196 * AGE)+ 3.928)*1000/4.184. EXECUTE. *Aanmaak Müller FFM BMI>30 BodPod. COMPUTE REE_MÜLLER_BMI30andhigher_FFM_BodPod=((0.05685*FFM_V1)+ (0.04022 * FM_V1)+(0.808*SEX)- (0.01402 *
52
AGE)+ 2.818)*1000/4.184. EXECUTE. *Aanmaak Müller FFM BMI>30 DXA. COMPUTE REE_MÜLLER_BMI30andhigher_FFM_DXA=((0.05685*(DXAFFM_V1 / 1000))+ (0.04022 * (DXAVetGramGeheel_V1 / 1000))+(0.808*SEX)- (0.01402 * AGE)+ 2.818)*1000/4.184. EXECUTE. *Aanmaak Owen FFM BodPod. IF (SEX = 1) REE_OWEN_FFM_BodPod=290+(22.3*FFM_V1). EXECUTE. IF (SEX = 0) REE_OWEN_FFM_BodPod=334+(19.7*FFM_V1). EXECUTE. *Aanmaak Owen FFM DXA. IF (SEX = 1) REE_OWEN_FFM_DXA=290+(22.3*(DXAFFM_V1 / 1000)). EXECUTE. IF (SEX = 0) REE_OWEN_FFM_DXA=334+(19.7*(DXAFFM_V1 / 1000)). EXECUTE. *Aanmaak Weijs&Vasant. Compute REE_WEIJS_VASANT_WEIGHT=(WT_V1*14.038) + (HTCM_V1*4.498) + (SEX*137.566) - (AGE * 0.977) - 221.631. EXECUTE. *Aanmaak Ireton-Jones formule. COMPUTE REE_IRETON_JONES=629 - (11 * AGE) + (25 * WT_V1) - (609 * BMIgesplitst). EXECUTE. *Aanmaak Fredrix formule. COMPUTE REE_FREDRIX=1641 + (10.7 * WT_V1) - (9 * AGE) - (203 * SEX). *Aanmaak Hurck gewicht en lengte formule. COMPUTE REE_Hurck_formule=970.464 + (HTCM_V1 * 1.452) + (WT_V1 * 9.002) + (AGE * -7.318) + (SEX * 312.825). EXECUTE. *Aanmaak Hurck gewicht en lengte geslacht formule. IF (SEX = 1) REE_Hurck_formule_geslacht=2617.254 + (AGE * -13.379) + (HTCM_V1 * -6.849) + (WT_V1 * 14.160). EXECUTE. IF (SEX = 0) REE_Hurck_formule_geslacht=181.571 + (AGE * -1.602) + (HTCM_V1 * 4.968) + (WT_V1 * 7.456). EXECUTE. *Aanmaak Hurck appendicular muscle mass formule. COMPUTE REE_Hurck_appleanmass=1121.191 + (-3.093 * AGE) + (120.910 * SEX) + (0.033 * MUSCLEAPP_V1). EXECUTE. *Aanmaak Hurck appendicular muscle mass geslacht formule. IF (SEX=1) REE_Hurck_appleanmass_geslacht=1524.727 + (-7.984 * AGE) + (0.035 * MUSCLEAPP_V1). EXECUTE. IF (SEX=0) REE_Hurck_appleanmass_geslacht=913.305 + (0.731 * AGE) + (0.032 * MUSCLEAPP_V1). EXECUTE. DATASET ACTIVATE DataSet1. REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT REE_V1 /METHOD=ENTER AGE SEX MUSCLEAPP_V1. EGRESSION /SELECT=SEX EQ 1
53
/MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT REE_V1 /METHOD=ENTER AGE MUSCLEAPP_V1. REGRESSION /SELECT=SEX EQ 0 /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT REE_V1 /METHOD=ENTER AGE MUSCLEAPP_V1 DATASET ACTIVATE DataSet1. REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT REE_V1 /METHOD=ENTER AGE WT_V1 HTCM_V1 SEX. REGRESSION /SELECT=SEX EQ 1 /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT REE_V1 /METHOD=ENTER AGE WT_V1 HTCM_V1. REGRESSION /SELECT=SEX EQ 0 /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT REE_V1 /METHOD=ENTER AGE WT_V1 HTCM_V1. FREQUENCIES VARIABLES=AGE WT_V1 HTCM_V1 BMI_V1 DXAFFM_V1 DXAVetGramGeheel_V1 FFM_V1 FM_V1 REE_V1 SEX /STATISTICS=STDDEV MINIMUM MAXIMUM MEAN /ORDER=ANALYSIS. SORT CASES BY SEX. SPLIT FILE SEPARATE BY SEX. FREQUENCIES VARIABLES=AGE WT_V1 HTCM_V1 BMI_V1 DXAFFM_V1 DXAVetGramGeheel_V1 FFM_V1 FM_V1 REE_V1 SEX /STATISTICS=STDDEV MINIMUM MAXIMUM MEAN /ORDER=ANALYSIS. SPLIT FILE OFF. T-TEST GROUPS=SEX(0 1) /MISSING=ANALYSIS /VARIABLES=AGE WT_V1 HTCM_V1 REEperWT_V1 DXAFFM_V1 DXAVetGramGeheel_V1 FFM_V1 FM_V1 BMI_V1 /CRITERIA=CI(.95).
54