The monitoring of body composition is common in sports given the association with performance. Surface anthropometry is often preferred when monitoring changes for its convenience, practicality, and portability. However, anthropometry does not provide valid estimates of absolute lean tissue in elite athletes. The aim of this investigation was to develop anthropometric models for estimating fat-free mass (FFM) and skeletal muscle mass (SMM) using an accepted reference physique assessment technique. Sixty-four athletes across 18 sports underwent surface anthropometry and dual-energy X-ray absorptiometry (DXA) assessment. Anthropometric models for estimating FFM and SMM were developed using forward selection multiple linear regression analysis and contrasted against previously developed equations. Most anthropometric models under review performed poorly compared with DXA. However, models derived from athletic populations such as the Withers equation demonstrated a stronger correlation with DXA estimates of FFM (r = .98). Equations that incorporated skinfolds with limb girths were more effective at explaining the variance in DXA estimates of lean tissue (Sesbreno FFM [R2 = .94] and Lee SMM [R2 = .94] models). The Sesbreno equation could be useful for estimating absolute indices of lean tissue across a range of physiques if an accepted option like DXA is inaccessible. Future work should explore the validity of the Sesbreno model across a broader range of physiques common to athletic populations.

中文翻译：

---

开发精英运动员的无脂肪质量和肌肉质量的人体测量预测模型。

鉴于与表现相关，身体成分的监测在运动中很常见。在监测变化时，由于其便利性、实用性和便携性，通常首选表面人体测量学。然而，人体测量学不能提供对精英运动员绝对瘦组织的有效估计。这项调查的目的是开发人体测量模型，使用公认的参考体格评估技术来估计无脂肪质量 (FFM) 和骨骼肌质量 (SMM)。18 项运动的 64 名运动员接受了表面人体测量学和双能 X 射线吸收测量法 (DXA) 评估。使用前向选择多元线性回归分析开发了用于估计 FFM 和 SMM 的人体测量模型，并与先前开发的方程进行了对比。与 DXA 相比，大多数正在审查的人体测量模型表现不佳。然而，来自运动人群的模型（例如威瑟斯方程）表明与 DXA 估计的 FFM 具有更强的相关性（r = .98）。将皮褶与肢体周长结合起来的方程更有效地解释了 DXA 估计瘦组织的方差（Sesbreno FFM [R2 = .94] 和 Lee SMM [R2 = .94] 模型）。如果无法使用像 DXA 这样的公认选项，则 Sesbreno 方程可用于估计一系列体质的瘦组织的绝对指数。未来的工作应该探索 Sesbreno 模型在运动人群常见的更广泛体质中的有效性。源自运动人群的模型（例如威瑟斯方程）表明与 DXA 对 FFM 的估计具有更强的相关性（r = .98）。将皮褶与肢体周长结合起来的方程更有效地解释了 DXA 估计瘦组织的方差（Sesbreno FFM [R2 = .94] 和 Lee SMM [R2 = .94] 模型）。如果无法使用像 DXA 这样的公认选项，则 Sesbreno 方程可用于估计一系列体质的瘦组织的绝对指数。未来的工作应该探索 Sesbreno 模型在运动人群常见的更广泛体质中的有效性。源自运动人群的模型（例如威瑟斯方程）表明与 DXA 对 FFM 的估计具有更强的相关性（r = .98）。将皮褶与肢体周长结合起来的方程更有效地解释了 DXA 估计瘦组织的方差（Sesbreno FFM [R2 = .94] 和 Lee SMM [R2 = .94] 模型）。如果无法使用像 DXA 这样的公认选项，则 Sesbreno 方程可用于估计一系列体质的瘦组织的绝对指数。未来的工作应该探索 Sesbreno 模型在运动人群常见的更广泛体质中的有效性。如果无法使用像 DXA 这样的公认选项，则 Sesbreno 方程可用于估计一系列体质的瘦组织的绝对指数。未来的工作应该探索 Sesbreno 模型在运动人群常见的更广泛体质中的有效性。如果无法使用像 DXA 这样的公认选项，则 Sesbreno 方程可用于估计一系列体质的瘦组织的绝对指数。未来的工作应该探索 Sesbreno 模型在运动人群常见的更广泛体质中的有效性。