In der Epidemiologie spielen Körpermaße eine wichtige Rolle als Indikatoren für häufig vorkommende Zivilisationskrankheiten wie zum Beispiel Herz-Kreislauf-Erkrankungen oder Diabetes. Die Vermessung von Hand ist dabei als Goldstandard etabliert. Betrachtet werden häufig Körpergröße, Körpergewicht, Oberarmlänge, Oberarmumfang, Taillenumfang, Hüftumfang, Oberschenkellänge, Oberschenkelumfang und Wadenumfang. Für viele dieser Maße beziehungsweise davon abgeleiteter Größen existieren bereits genomweite Assoziationsstudien, wie zum Beispiel innerhalb des GIANT-Konsortiums zu Körpergröße, Body Mass Index und Taille, Hüfte und Taille-Hüfte-Verhältnis.
Ziel dieser Arbeit war es, die 3D-Anthropometrie über den Körper-Scanner als neue Messmethode zu etablieren. Dazu stand das ANTHROSCAN VITUS XXL SYSTEM, bestehend aus dem Körper-Scanner VITUS XXL und der Software ANTHROSCAN BASIS von dem Unternehmen Human Solutions zur Verfügung. Die Körper-Scanner-Software bestimmt gemäß DIN EN ISO 20685 standardmäßig über 150 Maße mit der Möglichkeit der Hinzunahme weiterer Körpermaße.
Das Hauptaugenmerk lag auf der Untersuchung der Messgenauigkeit der neuen Körper-Scanner-Methode. Dies beinhaltete zunächst die Analyse der Übereinstimmung von Mehrfachmessungen durch den Körper-Scanner. Dazu wurden sowohl Intra-Beobachter-Reliabilitäten als auch Inter-Beobachter-Reliabilitäten bestimmt.
Zur Quantifizierung der Konkordanz wurde der Overall Concordance Correlation Coefficient verwendet. Diese Ergebnisse wurden mit denen aus der klassischen Anthropometrie verglichen. Für beide Messmethoden konnten dabei – bis auf wenige Ausnahmen für die 3D-Anthropometrie – sehr gute Ergebnisse ermittelt werden.
Im Anschluss daran erfolgt die Untersuchung der Validität, das heißt der Vergleich der manuellen mit der automatisierten Messung. Die Konkordanz wurde ebenfalls über den Overall Concordance Correlation Coefficient bestimmt. Die resultierenden Übereinstimmungen liegen alle im guten bis sehr guten Bereich.
Darauf aufbauend wurde untersucht, wie gut sich aus den bestehenden Körper-Scanner-Maßen Derivate bilden lassen. Dies wurde am Beispiel der Körperoberfläche als zweidimensionales Objekt analysiert. Dabei erfolgten zunächst auch wieder Reliabilitätsuntersuchungen bezüglich Intra-Beobachter-Reliabilität und Inter-Beobachter-Reliabilität. Die berechneten Werte gemäß Overall Concordance Correlation Coefficient lagen beide im sehr guten Bereich.
Zur Bestimmung der Körperoberfläche werden im Alltag empirische Formeln zur Schätzung der Körperoberfläche über Körpergröße und Körpergewicht herangezogen. Dementsprechend wurde, unter der Annahme der validen Bestimmung der Körperoberfläche über den Körper-Scanner, diese tatsächliche Oberfläche mit der geschätzten Oberfläche aus den empirischen Formeln verglichen. Die Ergebnisse waren überraschend gut. Insgesamt hervorzuheben sind die Formeln nach Fujimoto & Watanabe, Shuter & Aslani und Sendroy & Cecchini.
Dennoch war es über Reparametrisierung mit den vorliegenden Daten möglich, eine Verbesserung der Oberflächenschätzung durch empirische Formeln mit Körpergröße und Körpergewicht zu erreichen. Entsprechende Formeln wurden entsprechend zur weiteren Anwendung vorgeschlagen.
Da die Bestimmung von Körpermaßen durch die händische Vermessung bisher nur auf einige wenige Maße beschränkt war, existieren folglich auch nur für diese Phänotypen Resultate aus genetischen Assoziationsanalysen. Dies betrifft vor allem die Körpergröße, den Body Mass Index und das Taille-Hüfte-Verhältnis.
Durch Ermittlung von mehr als dem Zehnfachen der bisher üblichen Maße, können nun auch genomweite Assoziationsstudien bezüglich dieser Körpermaße durchgeführt werden. Dies erfolgte hier für die über 150 Körpermaße der knapp 7.500 vermessenen und genotypisierten LIFE-Adult-Probanden.
Zunächst wurden die Daten hinsichtlich ihrer Korrelationsstruktur analysiert. Jeder Proband lässt sich über die etwa 150 Maße charakterisieren, welche jedoch Korrelationen untereinander aufweisen. Dementsprechend war es erforderlich, diese Korrelationsstruktur zu untersuchen und gegebenenfalls eine Dimensionsreduktion beziehungsweise eine Einteilung in Gruppen von Körpermaßen vorzunehmen. Es zeigte sich, dass sich die knapp 150 Körpermaße in weniger als zehn Gruppen zusammenfassen lassen. Auf der Suche nach einem Referenzmaß für jede Gruppe fiel auf, dass bisher im Rahmen der klassischen Anthropometrie nicht betrachtete Maße eine beachtenswerte Rolle spielen. Dazu zählen Abstand Taillenband zur Taille, Höhe Taille, Schulterbreite aber auch Armumfang, Armdurchmesser, Beinumfang und beispielsweise Schrittlänge.
Im Rahmen der genomweiten Assoziationsanalyse wurden in dieser Arbeit einige ausgewählte Resultate derjenigen Körpermaße der 3D-Anthropometrie präsentiert, für welche es ein passendes Äquivalent in der klassischen Anthropometrie gibt. Dabei konnten genomweit signifikante Assoziationen für Körpergröße, Oberarmlänge und Oberarmumfang festgestellt werden.:1. Einführung
1.1 Bedeutung der Anthropometrie
1.2 Klassische Messung und 3D-Körper-Scanner
1.3 Fragestellung der Arbeit
2. Validität, Reliabilität und Akzeptanz der automatisierten und klassischen Messung bei Erwachsenen und Kindern
3. Möglichkeit der Ableitung weiterer Größen aus dem 3D-Körper-Scan am Beispiel der Körperoberfläche
4. Genomweite Assoziationsanalyse bezüglich 3D-Körper-Scanner-Maßen
4.1 Warum noch eine GWAS zu Körpermaßen?
4.2 Welche Daten stehen zur Verfügung?
4.3 Vorbereitungen der GWAS
4.3.1 Fallzahl, Datenvollständigkeit und Ausreißer
4.3.2 Korrelation zwischen den Merkmalen
4.3.3 Hauptkomponentenanalyse
4.3.4 Partielle Kleinste-Quadrate-Methode (Diskriminanzanalyse)
4.3.5 Cluster-Verfahren 1: k-Means-Clustering
4.3.6 Clusterverfahren 2: Hierarchische Cluster-Analyse
4.3.7 Vergleich
4.4 Was genau passiert bei einer GWAS?
4.4.1 Qualitätskontrolle
4.4.2 Imputation
4.4.3 Statistische Tests
4.5 Ergebnisse der GWAS
5. Zusammenfassung
Literaturverzeichnis
Abbildungsverzeichnis
Darstellung des eigenen Beitrags
Selbstständigkeitserklärung
Lebenslauf
Publikationen
Danksagung
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:36298 |
| Date | 27 November 2019 |
| Creators | Kühnapfel, Andreas |
| Contributors | Universität Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | info:eu-repo/semantics/publishedVersion, doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds