Publié par

Mathématiques et métabolisme ou comment déterminer votre métabolisme de repos (enfin presque…)

Je viens d’obtenir une mesure de mon métabolisme de repos, maintenant je suis sur la bonne voie pour perdre du poids, me disait une dame fraîchement abonnée dans un centre de conditionnement physique. Vous vous êtes donc levée de bonne heure et avez passé de longues minutes sous un globe de plastique sans bouger et le ventre vide, rétorquais-je?

Euh non, pourquoi faire?

Parce qu’une mesure du métabolisme de repos s’effectue de 2 façons, soit par calorimétrie directe où l’on mesure la chaleur dégagée par le corps humain, soit par calorimétrie indirecte respiratoire en mesurant la consommation d’oxygène et la production de dioxyde de carbone. Sinon, il s’agit d’une estimation, pas d’une mesure. Dans les deux cas, il faut être à jeun (pour ne pas mesurer le coût énergétique de la digestion) et dans un état très calme (mais pas endormi) afin de limiter les contractions musculaires et d’exclure la dépense énergétique associée à l’activité physique (aussi minime soit-elle), car le métabolisme de repos représente l’activité métabolique à sa plus simple expression. Bref, on est sous un globe de plastique, allongé dans un lit sans bouger, mais sans dormir, le matin, à jeun pendant une période allant de 20 à 40 minutes.

La plupart du temps, on utilise une méthode pour prédire le métabolisme de repos à l’aide d’un modèle mathématique utilisant différents paramètres (le poids, le sexe, l’âge, etc.). L’équation mathématique utilisée permet d’ESTIMER le métabolisme de repos et de fournir une valeur prédite. Cette valeur est systématiquement normale, c’est-à-dire que la prédiction est établie en fonction d’une moyenne d’une population à partir de laquelle ladite équation a été développée. Non, on ne peut pas détecter un métabolisme lent ou rapide avec les équations de prédiction. Désolé.

Maintenant, sachez qu’il existe de nombreuses équations qui permettent de prédire le métabolisme de repos, chacune avec ses propriétés issues des caractéristiques des participants ayant contribué à la création de l’équation. Par exemple, si on mesure le métabolisme de repos de 500 pygmées de Nouvelle-Zélande et que l’on créer une équation, cette dernière risque d’être précise uniquement pour cette population et peu intéressante pour le Québécois moyen.

Pour estimer votre métabolisme de repos, il faut donc s’assurer que les propriétés de l’équation respectent vos caractéristiques. Le tableau 1 présente une série d’équations permettant de déterminer la dépense énergétique de repos ainsi qu’un très sommaire aperçu des caractéristiques de la population. Pour en savoir plus, je vous invite à consulter Energy Metabolism de Kinney et Tucker[fusion_builder_container hundred_percent=”yes” overflow=”visible”][fusion_builder_row][fusion_builder_column type=”1_1″ background_position=”left top” background_color=”” border_size=”” border_color=”” border_style=”solid” spacing=”yes” background_image=”” background_repeat=”no-repeat” padding=”” margin_top=”0px” margin_bottom=”0px” class=”” id=”” animation_type=”” animation_speed=”0.3″ animation_direction=”left” hide_on_mobile=”no” center_content=”no” min_height=”none”][1].

Tableau 1: Équations pour prédire le métabolisme de repos

Mais, lorsque l’on parle de prédiction, on parle également et forcément d’erreur. J’ai donc effectué une comparaison des différentes équations avec des valeurs mesurées de métabolisme de repos qui étaient disponibles sur Internet. Le tableau 2 présente les valeurs comparées de métabolisme de repos pour 2 groupes (hommes et femmes). Je n’invente rien, plusieurs publications scientifiques se sont déjà prêtées au jeu, mais je trouvais l’exercice intéressant.

Tableau 2: Comparaison entre valeurs mesurées et valeurs prédites de métabolisme de repos

La plupart des équations n’arrivent pas à prédire avec justesse les valeurs de métabolisme de repos et les écarts attendus (Intervalles de confiance 95%) avoisinent une centaine de kcal dans l’ensemble (sous estimation de ~50 kcal à surestimation de ~50 kcal) ce qui est cliniquement très acceptable pour une population. J’ai également comparé les valeurs de prédiction d’équations ayant recours à des valeurs de composition corporelle pour prédire la dépense énergétique de repos (Tableaux 3 et 4).  On y constate également qu’il y a des différences significatives entre les valeurs prédites et les valeurs mesurées avec des écarts cliniques légèrement plus importants (sous estimation de ~100 kcal et surestimation de ~100 kcal).

Tableau 3: Comparaison entre valeurs mesurées et valeurs prédites pour une population spécifique
Tableau 4: Concordance entre valeurs mesurées et valeurs prédites de métabolisme de repos

Avant de conclure que les équations basées sur la composition corporelle sont moins précises, il faut bien observer la nature des analyses. Dans la première série de comparaisons, les équations sont utilisées sur une population variée alors que la deuxième série d’analyses touche une population spécifique de femmes obèses. Le tableau 4 présente une analyse statistique plus poussée permettant de déterminer la concordance entre les valeurs mesurées et les valeurs prédites (plus le coefficient de corrélation intra-classe -ICC- se rapproche de 1.0, plus les mesures concordent). L’équation permettant d’obtenir la meilleure valeur se base sur la composition corporelle, plus particulièrement sur la masse maigre et sur la masse grasse. Ce dernier détail prend de l’importance surtout chez une population de gens souffrant de surpoids ou d’obésité où la consommation d’oxygène de la masse grasse (~4.5 kcal par kg de masse grasse par jour) peut influencer significativement la dépense énergétique de repos. Les équations omettant cette contribution risquent de perdre de leur validité en ne considérant que la contribution de la masse maigre au métabolisme de repos.

Lorsque l’on s’aventure dans l’univers des prédictions métaboliques, il faut toujours essayer de contrôler une multitude de facteurs et garder en tête que de nombreux autres facteurs ne pourront être contrôlés ce qui affectera inévitablement la qualité de notre prédiction. Ces éléments prennent d’autant plus d’importance que plusieurs professionnels de la santé et plusieurs autres non professionnels s’aventurent sur ce terrain afin de tenter de déterminer les besoins énergétiques et établir une stratégie d’intervention nutritionnelle. En nous basant aveuglément sur des calculs sans connaître les sources d’influence, nous risquons d’imposer notre incompétence à un soi-disant traitement. Par exemple, il est fréquent d’utiliser un facteur d’activité physique appliqué au métabolisme de repos prédit afin de déterminer les besoins énergétiques journaliers (~x 1.4 pour une personne sédentaire, ~x 1.6-1.8 personne active, ~x 2.1 athlète, etc.). Il est important de réaliser qu’en utilisant cette procédure, on multiplie par le fait même notre erreur de prédiction. Si l’écart potentiel attendu est d’environ 100 kcal (le ~-50 kcal à ~+50 kcal précédemment observé), la multiplication par le facteur d’activité s’applique également à cette variation et on obtient une marge d’erreur pour une population de ±140 kcal pour une personne sédentaire, ±160-180 kcal pour une personne active et ±210 pour une athlète. Et ça, c’est pour une population générale, pas un individu. Cliniquement parlant, nous risquons d’avoir des variations plus importantes ce qui fait en sorte qu’il sera impossible d’établir une prévision de budget énergétique plus précise qu’approximativement ±300 kcal par jour (ici, je suis relativement conservateur et j’omets de faire interagir la variation monstrueuse associée à l’activité physique quotidienne). Cette propagation d’erreur rend excessivement difficile l’utilisation de valeurs rigides d’apports nutritionnels et habituellement, la prédiction du métabolisme de repos sert davantage à établir une valeur seuil pour les apports nutritionnels. Par exemple, si le métabolisme de repos prédit est de 1254 kcal par jour, les apports nutritionnels seront systématiquement plus importants et l’utilisation d’apports énergétiques sous ce seuil favorisera une perte de poids rapidement qui sera inévitablement associée à une reprise de poids importante.

En terminant, voici quelques éléments à considérer lorsque vous utilisez des algorithmes de prédiction du métabolisme de repos :

1) Il s’agit de prédictions qui ont systématiquement une marge d’erreur. Il faut donc avoir une idée de cette marge.

2) L’équation utilisée doit correspondre aux caractéristiques de l’individu (homme, femme, âge, poids, origine ethnique, etc.). Il faut donc connaître la source de l’équation (je vous ai donné une superbe référence, à vous de faire votre travail et d’aller fouiller)

3) Dans certains cas, la composition corporelle influence de façon importante la qualité de prédiction de nombreuses équations. L’utilisation d’équations considérant la masse maigre et la masse grasse peut  s’avérer un choix judicieux. Cependant, il faut ajouter la variation de mesure de la composition corporelle à la marge d’erreur de notre prédiction.

4) SVP, faites la différence entre mesures et prédictions !!!!! Presque la totalité des valeurs de métabolisme de repos sont obtenues à partir de calculs et non de mesures. Par exemple, de nombreux appareils d’analyse de composition corporelle par bioimpédance fournissent une valeur de métabolisme de repos. Il ne s’agit pas d’une mesure, mais bien d’un calcul et la plupart de ces équipements utilisent Harris-Benedict et ne considèrent pas la composition corporelle dans l’équation. Que je n’entende pas un intervenant dire à un client ou un patient suite à une prédiction de métabolisme de repos : Votre métabolisme me semble lent, il faudrait y remédier. La prédiction du métabolisme de repos à l’aide des équations présentées prédit toujours un métabolisme normal, c’est une loi mathématique !

À vos tableurs informatiques maintenant ! Dire qu’avant on disait à vos calculatrices…

Référence

1.            Elia, M, Energy Expenditure in the Whole Body, in Energy metabolism: Tissue determinants and cellular corollaries, J.M. Kinney and H.N. Tucker, Editors. Raven Press: Neww York. 1991. p. 19.

 [/fusion_builder_column][/fusion_builder_row][/fusion_builder_container]