Tal vez esta pregunta tenga respuesta en medicina, pero ¿hay alguna razón estadística por la cual el índice de IMC se calcule como ? ¿Por qué no, por ejemplo, solo ? Mi primera idea es que tiene algo que ver con la regresión cuadrática. peso / altura
Muestra de datos reales (200 individuos con peso, altura, edad y género):
structure(list(Age = c(18L, 21L, 17L, 20L, 19L, 53L, 27L, 22L,
19L, 27L, 19L, 20L, 19L, 20L, 42L, 17L, 23L, 20L, 20L, 19L, 20L,
19L, 19L, 18L, 19L, 15L, 19L, 15L, 19L, 21L, 60L, 19L, 17L, 23L,
60L, 33L, 24L, 19L, 19L, 22L, 20L, 21L, 19L, 19L, 20L, 18L, 19L,
20L, 22L, 20L, 20L, 27L, 19L, 22L, 19L, 20L, 20L, 21L, 16L, 19L,
41L, 54L, 18L, 23L, 19L, 19L, 22L, 18L, 20L, 19L, 25L, 18L, 20L,
15L, 61L, 19L, 34L, 15L, 19L, 16L, 19L, 18L, 15L, 20L, 20L, 20L,
20L, 19L, 16L, 37L, 37L, 18L, 20L, 16L, 20L, 36L, 18L, 19L, 19L,
20L, 18L, 17L, 22L, 17L, 22L, 16L, 24L, 17L, 33L, 17L, 17L, 15L,
18L, 18L, 16L, 20L, 29L, 24L, 18L, 17L, 18L, 36L, 16L, 17L, 20L,
16L, 43L, 19L, 18L, 20L, 19L, 18L, 21L, 19L, 20L, 23L, 19L, 19L,
20L, 24L, 19L, 20L, 38L, 18L, 17L, 19L, 19L, 20L, 20L, 21L, 20L,
20L, 42L, 17L, 20L, 25L, 20L, 21L, 21L, 22L, 19L, 25L, 19L, 40L,
25L, 52L, 25L, 21L, 20L, 41L, 34L, 24L, 30L, 21L, 27L, 47L, 21L,
16L, 31L, 21L, 37L, 20L, 22L, 19L, 20L, 25L, 23L, 20L, 20L, 21L,
36L, 19L, 21L, 16L, 20L, 18L, 21L, 21L, 18L, 19L), Height = c(180L,
175L, 178L, 160L, 172L, 172L, 180L, 165L, 160L, 187L, 165L, 176L,
164L, 155L, 166L, 167L, 171L, 158L, 170L, 182L, 182L, 175L, 197L,
170L, 165L, 176L, 167L, 170L, 168L, 163L, 155L, 152L, 158L, 165L,
180L, 187L, 177L, 170L, 178L, 170L, 170L, NA, 188L, 180L, 161L,
178L, 178L, 165L, 187L, 178L, 168L, 168L, 180L, 192L, 188L, 173L,
193L, 184L, 167L, 177L, 177L, 160L, 167L, 190L, 187L, 163L, 173L,
165L, 190L, 178L, 167L, 160L, 169L, 174L, 165L, 176L, 183L, 166L,
178L, 158L, 180L, 167L, 170L, 170L, 180L, 184L, 170L, 180L, 169L,
165L, 156L, 166L, 178L, 162L, 178L, 181L, 168L, 185L, 175L, 167L,
193L, 160L, 171L, 182L, 165L, 174L, 169L, 185L, 173L, 170L, 182L,
165L, 160L, 158L, 186L, 173L, 168L, 172L, 164L, 185L, 175L, 162L,
182L, 170L, 187L, 169L, 178L, 189L, 166L, 161L, 180L, 185L, 179L,
170L, 184L, 180L, 166L, 167L, 178L, 175L, 190L, 178L, 157L, 179L,
180L, 168L, 164L, 187L, 174L, 176L, 170L, 170L, 168L, 158L, 175L,
174L, 170L, 173L, 158L, 185L, 170L, 178L, 166L, 176L, 167L, 168L,
169L, 168L, 178L, 183L, 166L, 165L, 160L, 176L, 186L, 162L, 172L,
164L, 171L, 175L, 164L, 165L, 160L, 180L, 170L, 180L, 175L, 167L,
165L, 168L, 176L, 166L, 164L, 165L, 180L, 173L, 168L, 177L, 167L,
173L), Weight = c(60L, 63L, 70L, 46L, 60L, 68L, 80L, 68L, 55L,
89L, 55L, 63L, 60L, 44L, 62L, 57L, 59L, 50L, 60L, 65L, 63L, 72L,
96L, 50L, 55L, 53L, 54L, 49L, 72L, 49L, 75L, 47L, 57L, 70L, 105L,
85L, 80L, 55L, 67L, 60L, 70L, NA, 76L, 85L, 53L, 69L, 74L, 50L,
91L, 68L, 55L, 55L, 57L, 80L, 98L, 58L, 85L, 120L, 62L, 63L,
88L, 80L, 57L, 90L, 83L, 51L, 52L, 65L, 92L, 58L, 76L, 53L, 64L,
63L, 72L, 68L, 110L, 52L, 68L, 50L, 78L, 57L, 75L, 55L, 75L,
68L, 60L, 65L, 48L, 56L, 65L, 65L, 88L, 55L, 68L, 74L, 65L, 62L,
58L, 55L, 84L, 60L, 52L, 92L, 60L, 65L, 50L, 73L, 51L, 60L, 76L,
48L, 50L, 53L, 63L, 68L, 56L, 68L, 60L, 70L, 65L, 52L, 75L, 65L,
68L, 63L, 54L, 76L, 60L, 59L, 80L, 74L, 96L, 68L, 72L, 62L, 58L,
50L, 75L, 70L, 85L, 67L, 65L, 55L, 78L, 58L, 53L, 56L, 72L, 62L,
60L, 56L, 82L, 70L, 53L, 67L, 58L, 58L, 49L, 90L, 58L, 77L, 55L,
70L, 64L, 98L, 60L, 60L, 65L, 74L, 99L, 49L, 47L, 75L, 77L, 74L,
68L, 50L, 66L, 75L, 54L, 60L, 65L, 80L, 90L, 95L, 79L, 57L, 70L,
60L, 85L, 44L, 58L, 50L, 88L, 60L, 54L, 68L, 56L, 69L), Gender = c(1L,
1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 2L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 1L, 2L,
2L, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 2L,
1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 2L,
1L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 2L, 1L,
2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 1L, 2L, 2L, 1L, 1L,
1L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L,
1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 2L,
1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 1L,
2L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 1L, 2L,
1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 2L, 1L, 1L, 1L, 2L, 1L, 1L,
1L, 2L, 1L, 1L, 2L, 2L, 1L)), .Names = c("Age", "Height", "Weight",
"Gender"), row.names = 304:503, class = "data.frame")
biostatistics
Miroslav Sabo
fuente
fuente
library(MASS); rlm(log(Weight) ~ log(Height) + cut(Age, 3) + as.factor(Gender), data=y)
conrlm(Weight ~ Height + cut(Age, 3) + as.factor(Gender), data=y)
(y diagnostique los gráficos para ambos ajustes) para ver el efecto saludable del uso de logaritmos: de hecho, estabilizan y simetrizan los residuos. En cualquiera de los modelos, el género es significativo y también lo es la edad; La relación con la edad no es lineal. Es muy interesante que el coeficiente de registro (altura) en el primer modelo ahora sea alrededor de lugar de . ( son sus datos con los valores faltantes eliminados). No veo ninguna interacción. 2.5y
Respuestas:
Esta revisión, de Eknoyan (2007), tiene mucho más de lo que probablemente quería saber sobre Quetelet y su invención del índice de masa corporal.
La versión corta es que el IMC se ve aproximadamente distribuido normalmente, mientras que el peso solo, o el peso / estatura no, y Quetelet estaba interesada en describir a un hombre "normal" a través de distribuciones normales. También hay algunos argumentos de los primeros principios, basados en cómo las personas crecen, y algunos trabajos más recientes han intentado relacionar esa reducción a alguna biomecánica.
Vale la pena señalar que el valor del IMC se debate bastante acaloradamente. Se correlaciona bastante bien con la gordura, pero los límites para el bajo peso / sobrepeso / obesidad no coinciden con los resultados de atención médica.
fuente
weight/height^3
cuál sería interpretado como una densidad (intuitivamente tiene sentido), pero optó por el IMC clásico debido a su distribución normal como usted dijo.Del "Tratado sobre el hombre y el desarrollo de sus facultades" de Adolphe Quetelet:
Ver aquí .
No estaba interesado en caracterizar la obesidad, sino en la relación entre peso y altura, ya que estaba muy interesado en la biometría y las curvas de campana. Los hallazgos de Quetelet indicaron que el IMC tenía una distribución aproximadamente normal en la población. Esto significaba para él que había encontrado la relación "correcta". (Curiosamente, solo una o dos décadas después, Francis Galton abordaría el tema de la "distribución de la altura" en las poblaciones y acuñaría el término "Regresión a la media").
Vale la pena señalar que el IMC ha sido un flagelo de la biometría en los días modernos debido a la amplia utilización del IMC del estudio de Framingham como una forma de identificar la obesidad. Todavía falta un buen predictor de obesidad (y resultados relacionados con la salud). La relación de medición de cintura a cadera es un candidato prometedor. Con suerte, a medida que los ultrasonidos se vuelvan más baratos y mejores, los médicos los usarán para identificar no solo la obesidad, sino también los depósitos grasos y la calcificación en los órganos y hacer recomendaciones de atención en función de ellos.
fuente
El IMC se usa principalmente hoy en día debido a su capacidad de aproximar el volumen de grasa visceral abdominal, útil para estudiar el riesgo cardiovascular. Para un estudio de caso que analiza la idoneidad del IMC en la detección de diabetes, consulte el Capítulo 15 de http://biostat.mc.vanderbilt.edu/CourseBios330 en Folletos . Varias evaluaciones están ahí. Verá que un mejor poder de altura está más cerca de 2.5, pero puede hacerlo mejor que usar altura y peso.
fuente