Розенблюм К.А. (ред.) Питание спортсменов

Подождите немного. Документ загружается.

Рис.

11.24.

Кожная

складка

трицепса посередине задней

поверхности руки над трехгла-

вой мышцей, в средней точке

между

акромиальным

выступом

лопатки и выступом отростка ле-

вой кости

Рис.

11.25.

Надподвздошная

кожная складка на средней ли-

нии выше подвздошного гребня

головок к месту измерения.

Следует немного подождать

до появления меньшего зна-

чения, поскольку из тканей

измеряемого места вытесня-

ются жидкости.

7. Для каждого измеряе-

мого места следует сделать

минимум два измерения. Ес-

ли первые два измерения от-

личаются друг от друга более

чем на 1 мм, следует сделать

дополнительные измерения,

пока не установится соответ-

ствие. Между измерениями

допускается минимум 15 с.

8. У тучных людей захват

складки делают двумя рука-

ми, а измерения проводит

партнер. Если складка слиш-

ком толстая для калипера,

прибегают к другому методу

оценки состава тела.

9. Измерения не следует про-

водить на мокрой коже во из-

бежание захвата излишка ко-

жи и увеличения показателей,

а также сразу после упражне-

ний, поскольку смещения

жидкостей тела могут увели-

чить размер кожных складок.

10. Когда все складки изме-

рены, процент жира в теле

взрослых определяется по

таблицам

11.8

11.9

[88],

разработанным по уравнени-

ям, выведенным Jackson et al.

[89, 90].

Преимущества метода изме-

рения кожных складок для

оценки состава тела включают

дешевизну, малую площадь

для хранения оборудования,

быстрое измерение и доста-

точно точные оценки процент-

ного содержания жира в теле.

При использовании уравнений

для специфических групп на-

селения точность оценок про-

центного содержания жира в

теле кожными складками со-

ставляет

3—4

% массы тела

[80]. Недостатком метода, яв-

ляется то, что подкожный жир

может не отражать прогнози-

руемую пропорцию всего жи-

ра в теле как между разными

группами населения, так и

внутри каждой из них. Более

того, уравнения, использую-

щие многокомпонентную мо-

дель как критерий, изучены

очень слабо. В недавнем ис-

следовании справедливость

уравнений, выведенных специ-

ально для мальчиков и дево-

чек (табл. 11.10) [91], была

сомнительна [92]. Оценки

процентного содержания жи-

ра в теле, полученные из этих

уравнений, были примерно на

3,5 % массы тела ниже, чем

оценки, полученные из

четы-

рехкомпонентной модели (ме-

тод критерия) для детей

8-12

лет

[92].

Гидрометрия

Гидрометрия — это еще

один метод оценки состава

тела, который считается зо-

лотым стандартом. Он вклю-

чает двухкомпонентную мо-

Таблица

11.10.

Процентное содержание жира в теле (по толщине кожных складок)

Мальчики (все возрасты)

Девочки (все возрасты)

Процент жира = 0,735 (SF) + 1,0

Процент жира = 0,610 (SF) + 5,0

SF = трицепс плюс кожные складки икроножной мышцы.

Приведено по: Slaughter

M.H.,

Lohman

Т.О.,

Bolleau R.A. et al. Skinfold equations for estimation of body fatness in children

and youth. Human ВЫ. 1988; 60 (5): 709-723.

176

дель, В которой допускается, что вода сос-

тавляет около 73 % тощей массы тела. Та-

ким образом, более высокое содержание во-

ды в теле означает наличие большего

количество тканей, свободных от жира. Об-

щее количество воды в теле определяется с

помощью изменения концентрации известно-

го количества меченого индикатора. Более

низкая концентрация меченого индикатора

после поглощения и уравновешивания

(3—4

ч) отражает более высокое количество

воды в теле и наоборот. Ошибка, связанная

с гидрометрией, аналогична ошибке подвод-

ного взвешивания.

Процедура. Используют инфракрасный

спектрофотометр или масс-спектрофотометр.

Процедура следующая [93,

94]:

1. Измерение проводят натощак.

2. Отбираются пробы основных жидкостей

тела (кровь, моча или слюна).

3. Клиент поглощает известное количество

индикатора, обычно трития или дейтерия,

смешанного с водой.

4. Затем следует

3—4-часовой

период урав-

новешивания, чтобы индикатор равномерно

распределился во всех жидкостях тела. В это

время клиент не должен потреблять пищу,

пить или испытывать физическое напряжение.

5. После уравновешивания отбирают пробы

жидкостей тела. Обе пробы хранят в заморо-

женном виде.

6. Жидкость размораживают и определя-

ют концентрацию индикатора с помощью

инфракрасного спектрофотометра или масс-

спектрофотометра. Более низкая концентра-

ция индикатора отражает большее количест-

во всей жидкости в теле

массы, свободной

от жира.

7. Измерение воды тела проводится с 4 %-й

поправкой, чтобы откорректировать связыва-

ние индикатора с другими веществами, кроме

воды [93].

8. Процент жира в теле можно вычислить

по соответствующему уравнению, приведен-

ному в табл.

11.6.

Преимущество метода заключается в том,

что вода является хорошей мерой жировой

массы тела для обычного населения. Вода те-

ла используется в исследованиях в

основном

в сочетании с другими измерениями тела, ко-

торые используют многокомпонентный под-

ход к оценке состава тела. Недостатками гид-

рометрии является длительность процедуры.

Более того, концентрация воды в свободных

от жира компонентах может варьировать от

одной группы населения к другой (например,

у ребенка концентрация воды выше, чем у

взрослого). Следовательно, уравнение, выве-

денное для взрослых, переоценит процент

жира тела у детей [81].

Биоэлектрический импеданс

Использование биоэлектрического импе-

данса (БИ) для оценки состава тела значи-

тельно возросло в последние 10 лет, особен-

но в больницах. Метод основан на свойствах

тканей проводить электрический ток разной

частоты. Ткани, содержащие много жидкос-

тей и электролитов, такие, как кровь, облада-

ют высокой проводимостью, а жир, кости и

легкие имеют высокое сопротивление, или яв-

ляются диэлектриками [95, 96].

Переменный

ток силой около

500—800

мкА, частотой

50 кГц пройдет в основном по тканям с высо-

кой проводимостью. Анализ биэлектрическим

импедансом определяет сопротивление (импе-

данс) тока, проходящего через тело. Считают,

что БИ измеряет жир тела, в действительнос-

ти же он дает оценку воды тела, из которой

рассчитывают жир тела, используя уравнения

[96]. Стандартная ошибка оценки воды тела

обычно меньше 2 л [96].

Процедура. Используют анализатор био-

электрического импеданса с применением че-

тырехэлектродной

методики по следующей

процедуре (см. рис.

11.26)

[95,

96].

1. Измерения проводятся, когда клиент ле-

жит на спине на плоской непроводящей по-

верхности.

2. Голова лежит на маленькой тонкой по-

душке.

3. Руки слегка раздвинуты, не касаются тела.

177

Рис.

11.26.

Измерение состава тела

применением

БИ

Рие.

11.27.

Положение электро-

дов при оценке состава тела

с применением БИ

4. Ноги раздвинуты на ширину 20 см меж-

ду лодыжками и бедра не касаются друг

друга.

5. На клиенте не должно быть обуви, нос-

ков и металлической бижутерии.

И клиент и персонал должны находить-

ся на расстоянии не менее 50 см от металли-

ческих объектов и электронного оборудова-

ния.

7. В месте приложения электродов кожа

очищается спиртом.

8. Положение электродов показано на рис.

11.27. Электроды накладываются на кисть

(между шиловидными отростками), запястье

на расстоянии не менее 5 см от электрода на

кисти, лодыжку и стопу (на расстоянии не ме-

нее 5 см от электрода на лодыжке).

9. Кабель источника прикрепляется . к

электродам, расположенным на руке и ноге.

10. Принимающий кабель крепится элект-

родом на кисти и лодыжке.

11. Ток силой

500—800

мкА, частотой

50 кГц передается электродами жидкостям те-

ла и задерживается тканями с сопротивлением.

12. Электрический импеданс тканей обес-

печивает оценку всей воды в теле, откуда оп-

ределяются жировой и свободной от жира

компоненты.

Преимущества применения БИ для оценки

состава тела в его удобстве, легкости приме-

нения, точности измерений и относительной

дешевизне. Недостатками являются ограни-

ченная точность для очень тучных людей,

неспособность точно определить краткосроч-

ные измерения в составе тела и малое коли-

чество исследований по применимости анали-

за к населению, отличающемуся от белых

европейцев и североамериканских не испанс-

Таблица

11.11.

Уравнения для оценки состава тела БИ для различных групп

Дети и юноши

(10—19

лет)'

МСЖ

(кг) = [0,61

роста

сопротивление

(Ом)]

+ 0,25 массы тела

+1,31

Женщины 18-35

лет

МСЖ (кг) = [0,666

роста

•*•

сопротивление

(Ом)]

+ 0,164 массы тела + 0,217 сопротивление — 8,78

Женщины 36-70

лет

МСЖ (кг) = [0,475

роста

сопротивление

(Ом)]

+ 0,295 массы тела + 5,49

Мужчины

МСЖ (кг) = [0,485

роста

сопротивление

(Ом)]

+ 0,338 массы тела + 5,32

Рост в сантиметрах; масса тела — в килограммах; МСЖ — масса тела, свободная от жира.

Houtkooper

LB, Going SB, Lohman TG, Roche AF, Van Loan M. Bioelectrical impedance estimation of fat-free body mass in

children and youth: a cross validation study. J

Appl

Physio/. 1992; 72:

366—373.

Lohman TG. Advances in Body Composition Assessment. Champaign, III: Human Kinetics; 1992.

178

"•'X

белых представителей [96]. Более того,

-ность

оценки жира тела может быть

эмпрометирована

у очень мускулистых

эртсменов

с непропорционально высокими

чонцентрациями

воды в свободной от жира

массе,

с ампутациями и у тех, кто страдает

односторонним полупараличом, отеками (во-

дянкой) или атрофией мышц [96]. И хотя

оценки жира в теле БИ могут различаться на

' % массы тела из-за различия в инструмен-

тарии и методиках, большинство прогнозных

ошибок для молодых взрослых не превыша-

ют 5 %

[96].

Рекомендовано использовать уравнения,

специфические для разных групп населения,

чтобы уменьшить потенциальные ошибки, свя-

занные с методикой БИ. Уравнения, специфи-

ческие для определенного населения, были

обоснованы с помощью многокомпонентных

моделей и представлены в табл.

11.11

[33, 97].

Необходимо большее количество исследований

для изучения точности оценок состава тела БИ

по сравнению с измерениями с помощью мно-

гокомпонентных моделей, особенно для специ-

фических групп населения.

Метод взаимодействия

инфракрасного излучения

Метод взаимодействия инфракрасного из-

лучения основан на принципах поглощения и

отражения света. Первоначально метод был

создан для определения количества белков,

воды и жиров в сельскохозяйственных про-

дуктах, у которых, как предполагалось, раз-

ные полосы поглощения света [98]. Имею-

щийся промышленный прибор использует

световой зонд с силиконовым детектором,

два диода, излучающих свет с длиной волны

940 нм и два диода, излучающих свет с дли-

ной волны 950 нм. В месте измерения (обыч-

но

двуглавая мышца) определяется интенсив-

ность

света или оптическая плотность,

излучаемая на разных длинах волн. Прибор

оценивает жир тела, используя оптическую

плотность на двух разных длинах волн, мас-

су тела, рост, пол и уровень активности. Точ-

ность метода оценивалась подводным взве-

шиванием в качестве критерия для спорных

результатов. Одни исследователи считают

данный метод достаточно точным [99], дру-

гие полагают, что его использование пробле-

матично для детей и подростков [100], жен-

щин [79], тучных [101, 102] и

университетских футболистов [103]. Были

также обнаружены расхождения при исполь-

зовании разных моделей инструмента [104].

Более того, не была определена способность

обнаруживать изменения в жировой и сво-

бодной от жира массе. Итак, метод взаимо-

действия инфракрасного излучения, возмож-

но, и перспективный метод для оценки

состава тела, однако необходимо дальней-

шее развитие этой технологии с целью ее мо-

дернизации и полноценного применения.

Рентгеновская абсорбциометрия

Рентгеновская абсорбциометрия — одна

из новейших технологий оценки состава тела.

Первоначально она была изобретена для из-

мерения минеральной плотности костной тка-

ни. Технология основана на свойствах кост-

ных минеральных и мягких тканей уменьшать

энергию рентгеновских лучей [105]. Энергия

Х-лучей, проходя через тело, поглощается

пропорционально составу, толщине и плот-

ности тканей. Костная минеральная ткань из-

за своей более высокой плотности ослабляет

Х-лучи в большей степени, чем мышечная. Из-

мерения проводят, когда клиент лежит на

спине на специальном столе (рис.

11.28).

Х-лучи малой дозы пропускаются через обс-

ледуемого от головы до кончиков пальцев ног

с наращением от 0,6 до 1,0 см [106]. В боль-

шинстве случаев сканирование всего тела за-

нимает

2,5—15,0

мин в зависимости от аппара-

туры. При сравнении с оценками состава тела

четырехкомпонентной

моделью, являющейся

критерием, точность была такой же или нем-

ного выше, чем при денситометрии у спорт-

сменов и неспортсменов [107], но у детей

179

Рис.

11.28.

Использование рентгеновской аб-

сорбциометрии

для оценки состава тела и мине-

ральной плотности костной ткани. Метод основан

на различном ослаблении рентгеновских лучей,

проходящих через

.жировую

массу,

свобод-

ную от жира, и костную ткань

[108, 109] и пожилых [108, 110] она под сом-

нением. Хотя диапазон сканирования этих ап-

паратов ограничен длиной (примерно б фу-

тов), спортсменов можно оценивать, используя

два сканирования

[111].

Преимущества рентгеновской абсорбцио-

метрии для измерения состава тела следую-

щие:

• метод обеспечивает три компонента тела

(минерал костей, тощая ткань и жир) по

сравнению с двумя компонентами других

методов (жировая и тощая масса);

• обеспечивает оценки состава тела в разных

его частях (руки, ноги, голова и туловище);

• процедура достаточно быстрая, удобная и

неинвазивная.

К недостаткам метода относятся стоимость

аппаратуры и необходимость большого поме-

щения для ее размещения.

оценки состава тела. В основном есть два ти-

па многокомпонентных моделей:

• сложные модели на основе измерений in

vivo составляющих элементов тела с ис-

пользованием анализа нейтронной актива-

ции in vivo;

• более простые, менее дорогостоящие хими-

ческие модели на основе измерения in vivo

воды и/или плотности минералов (кости) и

тела.

Хотя анализ нейтронной активации являет-

ся наиболее точным методом оценки состава

тела, измеряющим процентное содержание

жира в теле в пределах 1 % массы тела

[112],

чрезвычайная дороговизна и экспозиция ра-

диации ограничивает его применение. Более

простые химические многокомпонентные мо-

дели, хотя и не такие точные, как анализ

нейтронной активации, считаются вполне при-

емлемыми методами-критериями. Это

четы-

рехкомпонентные

химические модели, изме-

ряющие процент жира в теле в пределах

1,5 % массы тела [112].

Трех- и

четырехкомпонентные

модели наи-

более часто применяются в исследовании сос-

тава тела. Уравнения для процента жира, ос-

нованные на трех и

четрырехкомпонентных

моделях, представлены в табл.

11.6.

Несмот-

ря на то что четырехкомпонентные модели из-

меряют больше компонентов тела, чем трех-

компонентные,

дополнительная точность

минимальная [83, 113].

Все же многокомпонентные модели, ввиду

недостатка исследований, применяются для

оценки точности методик измерения состава те-

ла, которые более простые, менее дорогостоя-

щие и более доступны [83,

108—110,

114, 115].

МЕТОДЫ ОЦЕНКИ СОСТАВА ТЕЛА

Гидроденситометрия на основе двухкомпо-

нентной модели долго считалась методом-

критерием для оценки состава тела. С ней

сравнивали все другие методики. Однако в

настоящее время критериями считаются бо-

лее сложные многокомпонентные модели для

СОВЕТЫ ДЛЯ ИЗМЕРЕНИЯ

СОСТАВА ТЕЛА

• Клиенты перед измерениями в течение нес-

кольких часов не должны упражняться.

• Для многих методик перед измерением

клиенты должны быть адекватно гидрати-

рованы.

180

• Измерения роста и массы

тела,

которые

включены в оценку, должны выполняться

как можно точнее.

• Измерения выполняет один и тот же специ-

алист, теми же методами и инструментами.

• Ошибка, связанная со многими методами

оценки состава тела, может быть значитель-

но больше, если измерения выполняет нео-

пытный специалист.

• Большинство методов дают оценку состава

тела с точностью до

3—4

% и больше.

• Когда необходимо, пользуйтесь уравнениями

для специфичного населения для определе-

ния жира в теле, особенно уравнениями, ко-

торые обоснованы многокомпонентной мо-

делью.

ЛИТЕРАТУРА

1. Bray GA. Complications of obesity. Ann Intern

Med.

1985; 103: 1052-1062.

2. Robinett-Weiss N, Hixson ML, Keir B, Sieberg J.

The metropolitan height-weight tables: perspectives

for use. J Am Diet

Assoc.

1984; 84: 1480-1481.

3. Lew EA, Garfinkel L. Variations in mortality by

weight among 750, 000 men and women. J Chron

Dis.

1979; 32: 563-576.

4. SimopouJos AP. The health implications of over-

weight and obesity.

Nutr

Rev. 1985; 43: 33-40.

5. Garrison RJ, Feinleib M, Castelli WP,

McNamara

PM.

Cigarette smoking as a con-founder of the

relationship between relative weight and long-term

mortality. JAMA. 1983; 249: 2199-2203.

6. Metropolitan Life Insurance Company: new weight

standards for men and women. Stat Bull. 1959;

40:

I-4.

7. 1983 Metropolitan height and weight tables. Stat

Bull. 1983; 64: 9.

8. Knapp TR. A

methodological

critique of the "ideal

weight" concept. JAMA 1983; 250: 506-510.

9. Frisancho RF. Nutritional anthropometry. J Am Diet

Assoc. 1988; 88 (5): 553-555.

'0.

Nutrition and Your Health: Dietary Guidelines

for Americans.

ed. Washington, DC: US Dept

of Agriculture and US Dept of Health and

If Human Services; 1990. Home and Garden

Bulletin No. 232.

'1.

Marwick

C. Obesity experts say less weight still

best. JAMA. 1993; 269: 2617-2618.

12.

Andres R,

Elahi

D, Tobin JD, Muller DC, Brant L.

Impact of age on weight goals. Ann Intern Med.

1985; 103: 1030-1033.

13.

Report of the Dietary Guidelines Advisory Commit-

tee on the Dietary Guidelines for Americans.

Washington, DC: U.S. Dept of Agriculture, Agri-

culture Research Service, and Dietary Guidelines

Advisory Committee; 1995.

14.

Clinical Guidelines on the Identification, Evaluation,

and Treatment of Overweight and Obesity in

Adults: The Evidence Report. Washington, DC:

National Heart, Lung, and Blood Institute. National

Institutes of Health. US Dept of Health and Human

Services; June 1998.

15. Revicki DA, Israel RG. Relationship between body

mass indices and measures of body adiposity. Am

J Public Health. 1986; 76: 992-994.

16.

Najjar

MF, Rowland M. Anthropometric data and

prevalence

of overweight. In: National Center for

Health Statistics. Hyattsville, Md: 1987: 238-230.

17. Sichieri R, Everhart JE, Hubbard VS. Relative

weight classifications in the

assess-ment

of under-

weight and overweight in the United States.

Int

Obes. 1992; 16: 303-312.

18. Wienpahl

Ragland DR, Sidney S. Body mass index

and 15-year mortality in a cohort of black men and

women. J

Clin

Epidemiol.

1990; 43 (9): 949-960.

19. Durazo-Arvizu R, Cooper RS, Luke A, Prewitt ТЕ,

Liao Y, McGee DL. Relative weight and mortality in

US blacks and whites: findings from representative

national population samples. Ann Epidemiol. 1997;

7: 383-395.

20. Baumgartner RN, Heymsfield SB, Roche AF. Human

body composition and the

epi-demiology

of chron-

ic disease. Obes Res. 1995; 3: 73-95.

21. Despres JP, Prud'homme D, Pouliot MC, Tremblay A,

Bouchard C. Estimation of deep abdominal adipose

tissue accumulation from simple anthropometric mea-

surements in men. Am J Clin Nutr. 1991; 54:

471—477.

22. Pouliot MC, Despres JP, Lemieux S, et

al.

Waist

circumference and abdominal sagital diameter: best

simple anthropometric indexes of abdominal vis-

ceral adipose tis-sue accumulation and related car-

diovascular risk in men and women. Am J Cardiol.

1994; 73: 460-468.

23. Larsson B, Svardsudd K,

Welin

L, Wilhelmsen L,

Bjorntorp P, Tibblin G. Abdominal adipose tissue

distribution, obesity, and risk of cardiovascular dis-

ease and death: 13-year follow-up of participants in

the study of men born in

1913.

Br Med J. 1984;

288: 1401-1404.

181

ГЛАВА

КОМПЬЮТЕРНЫЕ ПРОГРАММЫ

ДЛЯ ОЦЕНКИ

ПИТАНИЯ,

ДИЕТЫ,

ПОДГОТОВЛЕННОСТИ И СОСТАВА ТЕЛА

Мари

Данфорд

Определение лучшей программы для компьютера начинается с тщательной оценки

используемых баз данных и стандартов [1].

Окончательное решение будет основываться на многих факторах, таких, как цена,

наличие оборудования, легкость операций, тип экрана компьютера, частота

модернизации, качество и количество печатного материала клиента, графика,

статистические способности и экспорт файлов [1, 2]. Journal of the American Dietetic

Association регулярно публикует обзоры программного обеспечения

[3—7].

Знать все

программы трудно [8], беседы с другими диетологами и профессиональными

медиками позволяют узнать больше о специфичных программах.

Компьютерное программное обеспечение производит анализ диеты

и подготовленности путем компиляции информации, выполнения математических

расчетов и анализа данных. Компьютерные распечатки рассматриваются как часть

оценочного процесса [9].

КОМПЬЮТЕРНЫЕ ПРОГРАММЫ

ДЛЯ ОЦЕНКИ ДИЕТЫ

Оценка компьютеризованных баз

данных питательных веществ

Главным в оценке программного обеспече-

ния является качество базы данных питательных

веществ [1, 2], которая содержит численные

значения, представляющие основу всех диети-

ческих расчетов компьютерной программы для

оценки потребления питательных веществ. Ог-

раничения, присущие всем базам данных пита-

тельных веществ, компьютеризованных или нет,

хорошо известны

[1,

11, 12]. Профессионалы и

клиенты должны помнить следующее:

• многие продукты, перечисленные в базе

данных питательных веществ, не имеют хи-

мической оценки на содержание питатель-

ных веществ поэтому их питательные значе-

ния рассчитываются;

• рассчитанные значения для питательных ве-

ществ можно получить вычислением величин

подобного продукта, другой формы того же

продукта, домашнего рецепта;

186

• многие продукты в базе данных не имеют

численных значений, потому что их никогда

не анализировали на предмет определенных

питательных веществ, и нет подобных про-

дуктов, которые подвергались анализу, от-

куда можно было бы получить содержание

питательных веществ;

• методы химического анализа продуктов на

содержание питательных веществ разнооб-

разны по сложности и точности;

• базы данных питательных веществ не учиты-

вают изменчивость содержания питательных

веществ в продуктах, выращенных в разных

районах;

• бионаличие любого питательного вещества

испытывает влияние продукта, в котором он

находится, и продуктов, потребляемых с

ним в одном блюде; ни то, ни другое не учи-

тывается в базе данных питательных ве-

ществ.

Lee, Nieman, Rainwater [2] ввели 3-дневную

запись продуктов, содержащую 73 наимено-

вания, в каждую из восьми компьютерных

программ анализа диеты и проанализировали

эту запись в отношении энергии и 36 пита-

тельных веществ. База данных питательных

веществ сравнивалась с базой данных пита-

тельных веществ Министерства сельского хо-

зяйства США 1993 г. Диапазон семи из вось-

ми программ Министерства составлял 15 %

по энергии, белкам, общему жиру и общим

углеводам. Питательные вещества, которые

отличались более чем на 15 % базы данных

Министерства (и имели значительные разли-

чия между программами), были представлены

общими токоферолами, а-токоферолами, пи-

щевыми волокнами, жирными кислотами и хо-

лестерином. Питательными веществами, кото-

рых, вероятно, не было в базах данных

восьми программ, были общие токоферолы,

а-токоферолы,

марганец, некоторые амино-

кислоты, некоторые жирные кислоты, панто-

теновая кислота, медь, магний и кофеин. Ис-

следование показало, что в этих восьми

программах не было учтено

0—15,1

показателей.

Результаты других исследований, сравни-

вавших базы данных, были разнообразными

[13—16].

LaComb, Taylor, Noble

[16]

сравнива-

ли программы анализа питательных веществ,

пользуясь 24-часовыми воспоминаниями без-

домных детей, и не обнаружили значительных

расхождений в отношении энергии и величин

питательных веществ между базами данных.

Другое исследование четырех компьютерных

баз данных не выявило статистически сущест-

венных расхождений между тремя базами

данных при анализе шестидесяти 24-часовых

воспоминаний [14]. Были значительные рас-

хождения (р < 0,01) между одной базой дан-

ных и остальными тремя, но причины этих рас-

хождений обнаружены не были. В

исследовании, опубликованном в 1992 г.,

Nieman et

al.

[15] сравнивали шесть компью-

терных программ анализа питательных ве-

ществ с базой данных Министерства сельско-

го хозяйства США. Все программы были в

пределах 7 % базы данных Министерства по

энергии, белкам, общему жиру и общим угле-

водам; однако другие питательные вещества

варьировали в пределах более

%. Сущест-

вует убедительная аргументация для тщатель-

ного пересмотра национальной базы данных

питательных веществ для использования при

анализе диет

[17].

При пересмотре компьютерных программ

оценки диеты профессионалы должны учесть

ряд моментов:

• источник(и) и распространенность данных;

• отсутствующие и произвольные величины;

• количество и определение анализируемого

питательного вещества;

• тип и количество продуктов в базе данных;

• размер порции;

• применяемые стандарты.

Источники и распространенность дан-

ных. Наиболее часто цитируемым источником

значений питательных веществ является учеб-

ник Министерства сельского хозяйства США

(USDA) в 8 сериях (USDA Nutrient Data Base

for Standard Reference), Nutrient Composition

of Foods. Многие базы данных опираются на

Home and Garden Bulletin 72, Nutrient Values

of Foods, который является частью учебника

Министерства сельского хозяйства США. Эти

базы данных обычно принимаются за досто-

верные, однако они имеют ограничения, пос-

кольку включают только несколько значений

продуктов с названиями фирм (только каши,

готовые к употреблению, и некоторые конфе-

ты). Эти ограничения заставили разработчи-

ков программного обеспечения добавить ве-

личины питательных веществ для некоторых

продуктов с фирменными наименованиями,

которые выбирались из других источников:

информации производителей, журнальных

статей, таблиц состава продуктов из других

стран и неопубликованных источников [18].

USDA Nutrient Data Base for Standard

Reference содержит 6000 пунктов; однако

базы данных некоторых компьютерных про-

грамм содержат 23 тыс. единиц информации.

Число продуктов в базе данных увеличивает-

ся с увеличением числа источников данных.

Одна программа насчитывает более 1100

источников данных. Каждый источник дол-

жен быть достоверным и идентифицирован-

ным. Для диетологов становится все труднее

судить об обоснованности источников дан-

187

ных

в программе из-за их большого коли-

чества [1].

Изменяющиеся запросы потребителей за-

ставляют производителей по новому перера-

батывать продукты, но переработанные про-

дукты могут сохранять то же название. Разра-

ботчики баз данных должны быть очень

внимательны при проверке имеющихся про-

дуктов. Модернизированные базы данных

должны включать новые продукты и перера-

ботанные [1].

Отсутствующие и произвольные вели-

чины. Значительное количество продуктов не

имеют данных о содержании некоторых пита-

тельных веществ. Поэтому пополнение отсут-

ствующих величин очень важно. Каждый раз-

работчик программного обеспечения должен

определиться, что делать с

отсутствующими

величинами. Некоторые считают эти величины

как нули. Пока не объявлены отсутствующие

величины, пользователь не может отличить

пищу, которая совсем не содержит питатель-

ных веществ, от пищи, которая содержит не-

известное количество какого-то питательного

вещества. Отсутствие величины обычно полу-

чается от недооценки потребления питатель-

ных веществ. Во избежание таких ошибок

многие разработчики программ вносят такие

величины [18]. Некоторые профессионалы

считают, что для разработчиков баз данных

лучше внести неверные величины, чем опус-

тить их [19]. Важно иметь в виду, что все при-

меняемые базы данных содержат отсутствую-

щие или произвольные величины.

Количество и определение анализиру-

емых питательных веществ. Потенциаль-

ные пользователи должны определить коли-

чество анализируемых питательных веществ,

существенных для лучшего обеспечения на-

селения [1]. Некоторые программы предлага-

ют немного веществ

(12—15),

в то время как

другие содержат более 125. Программы,

анализирующие большое количество пита-

тельных веществ, могут быть громоздкими,

что вызывает путаницу. С другой стороны,

наличие дополнительных веществ может

быть полезным.

Если необходимо какое-либо питательное

вещество, следует тщательно продумать, как

оно определяется. Например, волокно рассмат-

ривается как сырье или пищевое волокно? На-

сколько точен анализ жирных кислот? Отдель-

ные жирные кислоты вычисляются или

классифицируются? Это существенные вопросы

при определении полезности баз данных [1].

Тип и количество продуктов в базе дан-

ных. Литература по компьютерным програм-

мам обычно содержит перечень количества

продуктов в базе данных. Оценка должна ба-

зироваться на количестве продуктов в базе

данных, которое наиболее полно отражают

диету популяции клиентов. В некоторых рабо-

тах снабжение базы данных списком этничес-

ких и региональных продуктов может быть

необходимым. Спортсмены часто потребляют

маложирную или нежирную пищу, энергети-

ческие плитки, спортивные напитки и

добавки,

и эти продукты следует включить в базу дан-

ных. Некоторые пользователи могут захотеть

проанализировать рецептуру. База данных

должна быть создана с учетом большого ко-

личества ингредиентов [1].

В некоторых базах данных действительное

количество различных продуктов может быть

увеличено за счет того, что какой-то продукт

перечисляется несколько раз в различных

размерах порций [1]. Так, кусочек масла, кру-

жочек масла и ложка масла могут считаться

тремя разными продуктами. В действитель-

ности эти вводные статьи представляют один

продукт в трех различных по размеру порци-

ях. Подобно этому могут быть отдельные

статьи для продуктов, которые немного отли-

чаются в питательной ценности (т. е. пирож-

ные, приготовленные на фабриках) [18].

В большинстве случаев продукты могут до-

бавляться пользователями в качестве средств

для расширения базы данных. Однако это за-

дача, которая забирает очень много времени,

если добавляется большое число продуктов.

В этих случаях (когда продукты добавляются

пользователем) следует четко обеспечить точ-

ность значений и аккуратно ввести их в базу

данных [1].

188

Размер порций. Точность

определения

лю-

бого питательного вещества зависит от точнос-

ти оценки размера порции. Размеры порций в

базе

данных должны представлять обычные

домашние порции или другие признанные раз-

меры. Некоторые вводные статьи для этого по-

являются под названием "один кусок" или "од-

на порция". В то время как это может быть

подходящим описанием для некоторых про-

дуктов, такая мера заставляет пользователя и

клиента только догадываться, что увеличивает

процент ошибок [18]. Программа должна поз-

волить пользователю ввести точные измерения

объема, а именно граммы и унции.

Применяемые стандарты. Как и качество

базы

данных, очень важны стандарты, приме-

няемые для сравнения. Обычно применяемые

стандарты включают РДН и Диетические стан-

дарты потребления, "Пирамиду питания", Дие-

тическое руководство США, Списки обмена и

рекомендации ААСБ. Потребности в энергии

часто определяют, пользуясь данными о рос-

те, массе тела, поле, возрасте и деятельности.

Так как потребность в энергии существенно

отличается между разными видами спорта и

среди спортсменов, важно проверить, может

ли пользователь изменить неподходящий стан-

дарт. Несмотря на то, что нет спортивных

РДН, некоторые клиенты могут по желанию

создать свои собственные стандарты специфи-

ческой спортивной популяции (т. е. 1,5 г бел-

ка на 1 кг массы тела в день, или 70 % кало-

рий от углеводов) [20].

Системные требования

Прежде чем покупать программное обеспе-

чение, следует принять решение в отношении

оборудования. Возрастающая сложность

программ повышает требования к системам

памяти. Новейшее поколение компьютерных

программ требует наличия CD-ROM для хра-

нения огромного объема информации в прог-

раммах и базах данных.

Если нет современной аппаратуры, рассмат-

ривайте только те программы, которые сопос-

тавимы

имеющейся

аппаратурой. С Другой

стороны, покупка нового программного обес-

печения может быть толчком для совершен-

ствования или покупки нового оборудования.

Особенности программ

После оценки базы данных и идентифика-

ции программ, совместимых с имеющимся

оборудованием, важно определить особен-

ности программ. Они следующие:

• общая легкость операций;

• ввод данных;

• процедуры проверки;

• особенности помощи в управлении и прог-

раммном документировании;

• формат и дизайн распечатки;

• статистические возможности и выбор экс-

порта файлов;

• стоимость

[1,2].

Демонстрационные дискеты могут быть по-

лезными в процессе оценки [21], но демон-

страционные программы могут не представ-

лять всю базу данных [1].

Ввод данных. Ввод данных не является

рациональным использованием времени дие-

толога, однако данные должны быть акку-

ратно введены для обеспечения правильных

результатов [18]. Многие программы управ-

ляются меню и позволяют пользователю об-

ратить внимание и выбрать продукт, который

затем появляется на экране. Продукты выби-

раются из базы данных введением полного

или частичного наименования продукта или

категории продуктов. Размер порции демон-

стрируется, когда продукт выбран.

Процедура проверки и исправления

данных. Тщательный ввод данных минимизи-

рует ошибки, но всегда есть необходимость в

проверке и исправлении данных. Некоторые

программы имеют встроенные функции обна-

ружения ошибок, которые сигнализируют о

потенциальных ошибках ввода данных (напри-

мер, величины, которые, возможно выходят

за рамки норм, такие, как 100 фунтов моло-

того мяса как часть 24-часового воспомина-

189