COACH LOGIN
BMI uitleg

“Nog even over BMI”

Waarom BMI niet altijd een goede indicatie is van overgewicht en waarom ‘we’ het toch gebruiken.

‘BMI bullshit’

Twee weken geleden werd ik aan de spreekwoordelijke schandpaal genageld. Deels had ik dit kunnen verwachten; ik noemde plus size model Ashley Graham (die haar carriere dankt aan overgewicht) dik. Sommigen vroegen zich af waarom ik ‘dik’ gelijkstelde aan ‘lelijk’. Dat heb ik echter niet gedaan. Ik zei slechts dat ik het persoonlijk niet “bloedmooi”, “lekker”, “prachtig” of “schitterend” vond. Nogal een verschil lijkt me. Overigens voorafgegaan door de bekentenis dat mijn ideaalbeeld nogal vertekend kan zijn door mijn werk. Ik vroeg me vooral af of het handig is als een model voor haar carrière afhankelijk is van overgewicht (zoals ook de kritiek geldt voor te dunne modellen). En ja, ik gebruike het woord ‘dik’. En dat in een tijd waarin we dankzij Silvana allemaal weten dat er grenzen zijn aan de vrijheid van meningsuiting. ‘Dik’ kan natuurlijk echt niet meer in deze tijd. Oh ja, sarcasme. Dat was ook zo’n dingetje dat niet gewaardeerd werd. Dat vind ik dan ook heel spijtig, echt.

Ik snapte de scheldkannonade die ik ooit als jonge hiphopper kreeg toen ik drie Surinaamse dames in de Bijlmer phat noemde (spreek uit:’vet’). Niet goed bij stilgestaan dat dit mogelijk niet als een compliment overkwam. De boosheid om het woord ‘dik’ voor een plus size model verbaasde me echter een beetje.

Om het uit de subjectieve sfeer te halen, gebruikte ik BMI om een wat objectievere beoordeling van haar gewicht te maken. Ashley bleek een twijfelgevalletje ‘overgewicht’/’obesitas’ volgens BMI. Grappig om te zien hoe vervolgens velen hun kritiek uitten op het gebruik BMI als indicator van overgewicht. Ik zeg ‘grappig’ omdat ik de afgelopen 8 jaar al in meerdere artikelen heb geschreven over de tekortkomingen van BMI. BMI kan immers alleen gissen naar de verhouding droge massa/vetmassa op basis van statistieken. Daar kwam ik persoonlijk achter toen ik 20 kilo in spiermassa aankwam. Dit leek in het geval van het plus size model niet bepaald aan de orde. Ik denk dat er onder die reageerders dan ook weinigen zijn die daadwerkelijk denken dat bijvoorbeeld haar vetpercentage een ander verhaal zou vertellen.

Ja, BMI kan een verkeerde inschatting geven van de hoeveelheid lichaamsvet. Ik zal hier dan ook verder ingaan op onderzoeken die de nauwkeurigheid van BMI behandelen. Nee, dit maakt het verhaal van Ashley niet mooier.

Overgewicht eerder onderschat dan overschat door BMI

Uit onderzoeken uit 2008 en 2010 blijkt namelijk dat BMI in veel gevallen de mate van (zwaar) overgewicht eerder onderschat dan overschat [1,2].

Uit een onderzoek uit 2008 bleek dat BMI 19,1% van de mannen in een testgroep aanwees als ‘obese’. Op basis van vetpercentage zou het echter om 43,9% procent gaan [1]. Bij de vrouwen was dit een verschil tussen 24,7% (BMI) en 52,3% (vetpercentage).

In een onderzoek uit 2010 onder vrouwen met overgewicht wees BMI 205 vrouwen uit een groep aan als obese (BMI >30), terwijl dat volgens hun vetpercentage om 350 vrouwen uit diezelfde groep zou gaan (vetpercentage >35%).

Vergelijkbare conclusies waren het resultaat van een recenter onderzoek uit 2014 [3]. In de BMI schalen tussen 25 tot 29 (volgens BMI ‘overgewicht’, maar geen ‘obesitas’) bleek een groot aantal vrouwen te zijn die volgens hun vetpercentage wel als obese beschouwd zouden worden. Omgekeerd bleek maar in 1% van de gevallen van een BMI hoger dan 30 geen sprake te zijn van obesitas volgens het vetpercentage. Een BMI boven de 30 bleek behoorlijk accuraat, onder de 30 was een aanzienlijke kans op onderschatting.

Een ander onderzoek uit 2014 toonde dezelfde trend, maar vergeleek de beoordeling uit BMI, niet alleen met vetpercentage, maar ook met buikomtrek [4]. Dit keer bestond de groep uit brandweermannen. BMI wees 33% procent van de mannen die op basis van vetpercentage obese waren, aan als niet-obese. 15% van de mannen die volgens hun buikomtrek obese waren, werden door BMI als niet-obese aangewezen. Omgekeerd werden 8% en 9% van de mannen die respectievelijk volgens lichaamsvet en buikomtrek als niet-obese werden aangewezen wel als obese beschouwd volgens hun BMI. Ook hier kwam onderschatting van de inschatting volgens het vetpercentage, en in mindere mate van de buikomtrek, vaker voor dan een overschatting.

In het geval van het artikel over het plus size model is de kans statistisch gezien dus een stuk groter dat vetpercentage een minder mooi (let op, ik zeg niet ‘lelijk’) verhaal laat zien dan BMI.

BMI nogal grove meting van lichaamsvet

BMI kan natuurlijk niet vertellen waar vet zich bevindt. Er wordt slechts een schatting gemaakt van de verdeling droge massa/vetmassa op basis van gewicht en lengte. BMI vertelt niet waar dat vet zich bevindt terwijl dit voor de gezondheid zeer relevante informatie is [5 tm 10] . Maar ook alleen die mate van lichaamsvet wordt dus vaak niet accuraat weergegeven.

Uit een onderzoek uit 1990 al bleek bijvoorbeeld een groot verschil te kunnen zitten in de mate van lichaamsvet bij eenzelfde BMI [11]. Te verwachten zoals blijkt uit voorgaande, maar de verschillen waren toch schrikbarend groot. Bij eenzelfde BMI van 27 bleken de vetpercentages uiteen te lopen van 10% (laag vetpercentage) tot 32% (obese).

In het eerst genoemde onderzoek uit 2008 zag men ook grote verschillen in lichaamsvet bij eenzelfde BMI [1]. Bij een BMI van 25 varieerde het vetpercentage in mannen tussen de 14% en 35%. Bij vrouwen varieerde het tussen de 26% en 43%. Overigens viel op dat BMI daarbij zich vooral leek te kunnen vergissen in de hoeveelheid lichaamsvet terwijl de hoeveelheid droge massa beter werd ingeschat.

In een ander onderzoek uit 2012 werden de uitkomsten van een survey (NHANES) tussen 2009 en 2010 vergeleken BMI-data uit de periode 1999-2008 [12,13].

In the NHANES, however, BMI has been found to be highly correlated with percentage body fat as measured by dual x-ray absorptiometry. For men, the correlation between BMI and percentage body fat ranges from 0.72 to 0.79 within age groups; for women the correlation ranges from 0.72 to 0.84. At a given BMI, black men and women tend to have higher lean mass and lower fat mass than white men and women [4]

Ze vergeleken vier  indicatoren voor overgewicht: BMI, vetpercentage, omtrek van de middel en de verhouding tussen deze omtrek en de lengte (waist-stature-ratio of waist-to heigt-ratio).  BMI, omtrek van de middel en de verhouding middel/lengte bleken meer verband met elkaar te hebben dan met lichaamsvet. Vetpercentage kwam meer overeen met de omtrek van de middel dan met BMI in mannen. In vrouwen echter kwam vetpercentage juist meer overeen met BMI dan met de omtrek van de middel, met uitzondering van de oudste vrouwen.

Er zijn meerdere onderzoeken die wijzen op noodzakelijke correcties van BMI op basis van specifieke doelgroepen. Zo zou je voor iedere meting uit BMI dus op basis van de hoogte van het BMI in combinatie met het type persoon (afkomst, leeftijd, geslacht) moeten beoordelen hoe nauwkeurig BMI naar verwachting is.

Waarom wordt BMI zovaak gebruikt?

Bij gebrek aan beter. Ik gebruikte BMI in het artikel over Ashley Graham omdat ik alleen haar lengte en gewicht kon achterhalen.

In onze app gebruiken wij vetpercentage om klanten te coachen. Dan willen we immers een zo’n goed mogelijke inschatting maken van de voedingsbehoefte en geen grove schatting die we over een paar weken heen diverse malen moeten aanpassen na tegenvallende resultaten. Om deze reden gebruiken we ook formules die uitgaan van vetpercentage in plaats van formules die net als BMI schattingen doen naar aanleiding van o.a. gewicht en lengte.

In veel gevallen echter beschik je niet over data als vetpercentage of omtrek van de middel. Vetpercentage geeft onze coaches meer inzicht, maar betekent wel dat deze gemeten moet worden of ingeschat op basis van afbeeldingen wanneer meten niet mogelijk is. Dat laatste geniet echter nog steeds onze voorkeur. Nu kan je zelf een inschatting maken op basis van een foto’s met bijbehorend vetpercentage in plaats van een formule die dit inschat op basis van statistieken van gewicht, lengte, geslacht en leeftijd (zoals Harris-Benedict). Dat laatste zou echter wel makkelijker zijn natuurlijk.

BMI is dan ook vooral simpel. De formule is eenvoudig (gewicht / lengte kwadraat) en de benodigde data is makkelijk te verkrijgen. De BMI-tabel met score is makkelijk te interpreteren en zo voor een ieder bruikbaar.

Conclusie

Natuurlijk is BMI niet de beste manier om te beoordelen of er sprake is van overgewicht en in welke mate dat overgewicht een risico kan vormen voor de gezondheid. Bij gebrek aan betere data zoals vetpercentage of omtrek van de middel, is BMI echter nog steeds een goede indicatie voor mogelijk overgewicht (of ondergewicht). Hierbij moet wel rekening gehouden worden met de accuratesse per BMI schaal en mogelijke afwijkingen in specifieke doelgroepen zoals bepaalde etniciteiten, ouderen en jongeren [8].

BMI is an important indicator of overweight and obesity in childhood and adolescence. When measurements are taken carefully and compared with appropriate growth charts and recommended cutoffs, BMI provides an excellent indicator of overweight and obesity that is sufficient for most clinical, screening, and surveillance purposes

-J.H. Himes, University of Minnesota, School of Public Health

Een andere benadering is om BMI slechts als eerste indicatie te gebruiken om te beoordelen in hoeverre het nuttig is extra data te verzamelen.

BMI vertelt niet het hele verhaal, maar het is ook niet nietszeggend.

Wordt vervolgd:

In een apart artikel zal ik ingaan op een alternatieve formule genaamd TMI. Nee, niet de gecorrigeerde methode om je penislengte te meten (bedankt Southpark), maar een formule die met dezelfde variabelen in sommige doelgroepen nauwkeuriger blijkt.

Referenties:

  1. Romero-Corral A, Somers VK, Sierra-Johnson J, Thomas RJ, Collazo-Clavell ML,Korinek J, Allison TG, Batsis JA, Sert-Kuniyoshi FH, Lopez-Jimenez F. Accuracy of body mass index in diagnosing obesity in the adult general population. Int J Obes (Lond). 2008 Jun;32(6):959-66. doi: 10.1038/ijo.2008.11. Epub 2008 Feb 19. PubMed PMID: 18283284; PubMed Central PMCID: PMC2877506.
  2. Rahman M, Berenson AB. Accuracy of current body mass index obesity classification for white, black, and Hispanic reproductive-age women. Obstet Gynecol. 2010 May;115(5):982-8. doi: 10.1097/AOG.0b013e3181da9423. PubMed PMID:20410772; PubMed Central PMCID: PMC2886596.
  3. Gába A, Přidalová M, Zając-Gawlak I. [Evaluation of accuracy of body mass index in diagnosing of obesity in relation to body fat percentage in female aged 55-84 years]. Cas Lek Cesk. 2014;153(1):22-7. Czech. PubMed PMID: 24506689.
  4. Jitnarin N, Poston WSC, Haddock CK, Jahnke SA, Day RS. Accuracy of Body Mass Index-defined Obesity Status in US Firefighters. Safety and Health at Work. 2014;5(3):161-164. doi:10.1016/j.shaw.2014.06.003.
  5. Vague J. The degree of masculine differentiation of obesities: a factor determining predisposition to diabetes, atherosclerosis, gout, and uric calculous disease. Am J Clin Nutr. 1956; 4( 1): 20–34.
  6. Kissebah AH, Freedman DS, Peiris AN. Health risks of obesity. Med Clin North Am. 1989; 73( 1): 111–138.
  7. Kissebah AH, Vydelingum N, Murray R, et al. Relation of body fat distribution to metabolic complications of obesity. J Clin Endocrinol Metab. 1982; 54( 2): 254–260
  8. Ohlson LO, Larsson B, Svardsudd K, et al. The influence of body fat distribution on the incidence of diabetes mellitus. 13.5 years of follow-up of the participants in the study of men born in 1913. Diabetes. 1985; 34( 10): 1055–1058.
  9. Lapidus L, Bengtsson C, Larsson B, Pennert K, Rybo E, Sjostrom L. Distribution of adipose tissue and risk of cardiovascular disease and death: a 12 year follow up of participants in the population study of women in Gothenburg, Sweden. Br Med J (Clin Res Ed). 1984; 289( 6454): 1257–1261.
  10. Fox KA, Despres JP, Richard AJ, Brette S, Deanfield JE. Does abdominal obesity have a similar impact on cardiovascular disease and diabetes? A study of 91,246 ambulant patients in 27 European countries. Eur Heart J. 2009; 30( 24): 3055–3063.
  11. Smalley KJ, Knerr AN, Kendrick ZV, Colliver JA, Owen OE. Reassessment of body mass indices. Am J Clin Nutr. 1990; 52( 3): 405–408.
  12. Flegal KM, Carroll MD, Kit BK, Ogden CL. Prevalence of obesity and trends in the distribution of body mass index among US adults, 1999-2010. JAMA. 2012 Feb 1;307(5):491-7. doi: 10.1001/jama.2012.39. Epub 2012 Jan 17. PubMed PMID: 22253363.
  13. Flegal KM, Shepherd JA, Looker AC, Graubard BI, Borrud LG, Ogden CL, Harris TB, Everhart JE, Schenker N. Comparisons of percentage body fat, body mass index, waist circumference, and waist-stature ratio in adults. Am J Clin Nutr. 2009
    Feb;89(2):500-8. doi: 10.3945/ajcn.2008.26847. Epub 2008 Dec 30. PubMed PMID: 19116329; PubMed Central PMCID: PMC2647766.
  14. Himes JH. Challenges of accurately measuring and using BMI and other indicators of obesity in children. Pediatrics. 2009 Sep;124 Suppl 1:S3-22. doi: 10.1542/peds.2008-3586D. PubMed PMID: 19720665.
  15. Ablove T, Binkley N, Leadley S, Shelton J, Ablove R. Body mass index continues to accurately predict percent body fat as women age despite changes in muscle mass and height. Menopause. 2015 Jul;22(7):727-30. doi: 10.1097/GME.0000000000000382. PubMed PMID: 25706183.

Over Kenneth Nwosu

Kenneth Nwosu is gecertificeerd fitness-docent, natural bodybuilder en heeft een achtergrond in oosterse vechtsporten als docent Ryukyu Kobujutsu (Japanse Krijgskunst). Als hoofdredacteur van FITsociety schrijft hij uitvoerig over alles met betrekking tot fitness, bodybuilding, voeding en supplementen. Als fitness fotograaf heeft hij honderden fitness fanaten in hun beste shape vastgelegd.

Plaats een reactie