Международный эндокринологический журнал Том 21, №8, 2025

Актуальність. Разом із класичним ожирінням все частіше діагностують саркопенічне ожиріння (СПО) — комплексний стан, який характеризується одночасним збільшенням жирової маси (ЖМ) та зниженням сили та маси скелетних м’язів. Визначення ЖМ є ключовим у діагностиці СПО, однак еталонні методи, як-от двохенергетична рентгенівська абсорбціометрія (ДРА), не завжди доступні в клінічній практиці. Існує потреба у простих і доступних методах скринінгу підвищеної ЖМ. Метою дослідження було створення та подальша перевірка формули для розрахунку ЖМ з урахуванням простих демографічних та антропометричних показників для української популяції для підвищення ефективності діагностики СПО. Матеріали та методи. У ретроспективному дослідженні проаналізовано дані 374 жінок віком 50 років і старших, які в подальшому були поділені на 2 групи: досліджувана (n = 269) та група апробації (n = 105). ЖМ визначали за допомогою ДРА (DISCOVERY Wi, Hologic, Inc, США). Для створення рівнянь розрахунку ЖM використовували метод покрокової множинної лінійної регресії, встановивши залежну змінну як ЖM, та антропометричні (зріст, масу тіла, обвід талії та стегон) і демографічні показники як незалежні змінні. Результати. Отримане рівняння має такий вигляд: ЖМр (кг) = 0,649 × маса тіла (кг) – 0,183 × зріст (cм) – 0,068 × обвід талії (см) + 0,125 × обвід стегон (см) + 4,0 (коефіцієнт детермінації (R2) 0,92, стандартна похибки оцінки (SEE) 2,9 кг). Висновки. Запропоноване рівняння визначення ЖМ з використанням антропометричних та демографічних показників продемонструвало діагностичну здатність, подібну до тієї, що визначена референтним методом ДРА, що робить її потенційно корисним інструментом для використання у клінічній практиці, особливо на первинній ланці медичної допомоги або в умовах обмеженого доступу до ДРА.

Background. Alongside classical obesity, sarcopenic obesity (SO), a complex condition characterized by a simultaneous increase in fat mass (FM) and a decrease in skeletal muscle strength and mass, is being increasingly diagnosed. Determining FM is crucial in the diagnosis of SO; however, reference methods such as dual-energy X-ray absorptiometry (DXA) are not always accessible in clinical practice. There is a need for simple and accessible scree­ning methods to detect increased FM. The purpose was to develop and validate equation for estimating FM using basic demographic and anthropometric indicators for the Ukrainian population, in order to improve the effectiveness of SO diagnosis. Materials and methods. A retrospective study analyzed data from 374 women aged 50 years and older who were divided into two groups: experimental (n = 269) and validation (n = 105). FM was measured using DXA (Discovery Wi, Hologic, Inc., USA). Stepwise multiple li­near regression was used to develop equations for FM estimation, with FM as the dependent variable and anthropometric (height, body weight, waist and hip circumference) and demographic variab­les as independent predictors. Results. The resulting equation is as follows: FMc (kg) = 0.649 × body weight (kg) – 0.183 × height (cm) – 0.068 × waist circumfe­rence (cm) + 0.125 × hip circumfe­rence (cm) + 4.0 (coefficient of determination = 0.92, standard error of estimate = 2.9 kg). Conclusions. The proposed equation to evaluate FM using anthropometric and demographic variables demonstrated diagnostic accuracy comparable to the reference DXA method. This makes it a potentially useful tool for clinical practice, particularly in primary care settings or in cases where access to DXA is limited.

жирова маса; саркопенічне ожиріння; прогностичне рівняння

fat mass; sarcopenic obesity; predictive equation

1. World Health Organization. Obesity and overweight. 2025:1-7. https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight. Accessed 15 Aug 2025.
2. Wu Y, Li D, Vermund SH. Advantages and Limitations of the Body Mass Index (BMI) to Assess Adult Obesity. International Journal of Environmental Research and Public Health. 2024;21. https://doi.org/10.3390/ijerph21060757.
3. Messner A, Nairz J, Kiechl S, Winder B, Pechlaner R, Geiger R, et al. Comparison of body mass index and fat mass index to classify body composition in adolescents — The EVA4YOU study. Eur J Pediatr. 2024;183:2203-14. https://doi.org/10.1007/s00431-024-05474-x.
4. Kim YR, Shin MH, Lee YH, Choi SW, Nam HS, Yang JH, et al. Comparative analysis of body mass index and obesity-related anthropometric indices for mortality prediction: a study of the Namwon and Dong-gu cohort in Korea. Epidemiol Health. 2024;46. https://doi.org/10.4178/epih.e2024066.
5. Yi PH, Frank RM, Vann E, Sonn KA, Moric M, Della Valle CJ. Is Potential Malnutrition Associated With Septic Failure and Acute Infection After Revision Total Joint Arthroplasty? Clin Orthop Relat Res. 2015;473:175-82. https://doi.org/10.1007/s11999-014-3685-8.
6. Rojano-Ortega D, Berral-Aguilar AJ, Moya-Amaya H, Molina-López A, Berral-de la Rosa FJ. Association between phase angle and body composition: New equations to predict fat mass and ske–letal muscle mass. Nutrition. 2025;135. https://doi.org/10.1016/​j.nut.2025.112772.
7. Xu S, Nianogo RA, Jaga S, Arah OA. Development and validation of a prediction equation for body fat percentage from measured BMI: a supervised machine learning approach. Sci Rep. 2023;13:1-9. https://doi.org/10.1038/s41598-023-33914-5.
8. Liu M, Zhang Z, Zhou C, Ye Z, He P, Zhang Y, et al. Predic–ted fat mass and lean mass in relation to all-cause and cause-specific mortality. J Cachexia Sarcopenia Muscle. 2022;13:1064-75. https://doi.org/10.1002/jcsm.12921.
9. Rojano-Ortega D, Moya-Amaya H, Molina-López A, Berral-Aguilar AJ, Berral-De La Rosa FJ. Development and validation of a new anthropometric equation to predict fat mass percentage in a heterogeneous Caucasian population. Public Health Nutr. 2024;27. https://doi.org/10.1017/S136898002400209X.
10. Heber D. Clinical detection of sarcopenic obesity by bioelectrical impedance analysis. Am J Clin Nutr . 1996;64:472S-477S. https://doi.org/10.1093/ajcn/64.3.472S.
11. Baumgartner RN. Body composition in healthy aging. Ann N Y Acad Sci. 2000;904:437-48.
12. Bahat G. Sarcopenic obesity: a hot yet under considered evolving concept. Eur Geriatr Med. 2022;13:1023-4. https://doi.org/10.1007/s41999-022-00674-w.
13. Cruz-Jentoft AJ, Bahat G, Bauer J, Boirie Y, Bruyère O, Cederholm T, et al. Sarcopenia: Revised European consensus on definition and diagnosis. Age Ageing. 2019;48:16-31. https://doi.org/10.1093/ageing/afy169.
14. Donini LM, Busetto L, Bischoff SC, Cederholm T, Ballesteros-Pomar MD, Batsis JA, et al. Definition and Diagnostic Criteria for Sarcopenic Obesity: ESPEN and EASO Consensus Statement. Obes Facts. 2022;15:321-35. https://doi.org/10.1159/000521241.
15. Grygorieva NV, Bystrytska MA, Musiienko AS, Zaveruk–ha NV. Thresholder Values of Sarcopenic Obesity in the Ukrainian Population. Kyiv; 2023.
16. Zoico E, Francesco V Di, Guralnik JM, Mazzali G, Bortolani A, Guariento S, et al. Physical disability and muscular strength in relation to obesity and different body composition indexes in a sample of healthy elderly women. Int J Obes Relat Metab Disord. 2004:234-41. https://doi.org/10.1038/sj.ijo.0802552.PMID:14708033.
17. Grygorieva NV, Bystrytska MA, Musiienko AS. Sarcopenic obesity: epidemiology and cut-off values in the Ukrainian population. Fiziologichnyi Zhurnal. 2023;69:65-73. https://doi.org/10.15407/fz69.04.065
18. Vaquero-Cristóbal R. Assessing fat mass from a body composition perspective: a critical review. Cultura, Ciencia y Deporte. 2023;18:4-13. https://doi.org/10.12800/ccd.v18i56.2033.
19. Messina C, Albano D, Gitto S, Tofanelli L, Bazzocchi A, Uli–vieri FM, et al. Body composition with dual energy X-ray absorptiometry: From basics to new tools. Quant Imaging Med Surg. 2020;10:1687-98. https://doi.org/10.21037/QIMS.2020.03.02.
20. Vasan SK, Osmond C, Canoy D, Christodoulides C, Ne–ville MJ, Di Gravio C, et al. Comparison of regional fat measurements by dual-energy X-ray absorptiometry and conventional anthropometry and their association with markers of diabetes and cardiovascular disease risk. Int J Obes. 2018;42:850-7. https://doi.org/10.1038/ijo.2017.289.
21. Castro-Porras LV, Rojas-Russell ME, Villanueva-Sánchez J, López-Cervantes M. An anthropometry-based equation of fat mass percentage as a valid discriminator of obesity. Public Health Nutr. 2019;22:1250-8. https://doi.org/10.1017/S1368980018004044.
22. Stevens J, Truesdale KP, Cai J, Ou FS, Reynolds KR, Heymsfield SB. Nationally representative equations that include resistance and reactance for the prediction of percent body fat in Americans. Int J Obes. 2017;41:1669-75. https://doi.org/10.1038/ijo.2017.167.
23. Lee DH, Keum N, Hu FB, Orav EJ, Rimm EB, Sun Q, et al. Development and validation of anthropometric prediction equations for lean body mass, fat mass and percent fat in adults using the National Health and Nutrition Examination Survey (NHANES) 1999-2006. British Journal of Nutrition. 2017;118:858-66. https://doi.org/10.1017/S0007114517002665.