Démocratiser les bilans de composition corporelle — Comment le modèle basé sur questionnaire de HAVIT atteint une précision de niveau outil clinique (étude de comparaison interne n=70 avec InBody comme référence)

1. Sans base de référence précise de composition corporelle, il n'y a pas de gestion — Un message académique cohérent

Le point de départ de la gestion de l'obésité et de la santé métabolique est une évaluation précise de la composition corporelle et du mode de vie. C'est un quasi-consensus dans la littérature :

• Ross et al. (2020, Nat Rev Endocrinol) — Les indicateurs de composition corporelle (tour de taille, graisse viscérale) fournissent des informations sur le risque clinique indépendamment de l'IMC. Recommandés comme « signe vital ».
• Heymsfield et al. (2024, Obesity Reviews) — La composition corporelle surpasse l'IMC pour la stratification du risque d'obésité. Sans évaluation appropriée, l'intensité de l'intervention ne peut être calibrée.
• Prado & Heymsfield (2014, JPEN) — L'obésité sarcopénique peut survenir à IMC normal. Indétectable sans évaluation de la composition corporelle.
• Tomiyama et al. (2016, Int J Obes) — L'IMC classe mal environ 30 % des adultes américains sur le plan métabolique.

Lorsque la base de référence de composition corporelle est précise, ce qui devient possible :

1. Définition d'objectifs personnalisés — base de référence % masse grasse et masse musculaire → objectifs appropriés de perte de graisse/gain musculaire spécifiques à l'utilisateur
2. Détection automatique de plateau — suivi des schémas de changement de composition corporelle → moment opportun pour ajuster les prescriptions comportementales (le dosage médicamenteux reste du domaine du médecin)
3. Intégration pharmacothérapie + thérapie comportementale — surveillance de la perte musculaire chez les utilisateurs de GLP-1 (STEP 1, NEJM 2021) — les décisions de prescription/arrêt restent avec les prescripteurs ; HAVIT soutient le suivi quotidien et la prescription comportementale
4. Alertes précoces de signes d'alerte — graisse viscérale, obésité sarcopénique et autres changements cachés derrière l'IMC remontent à l'utilisateur (le diagnostic clinique reste du domaine du médecin)

Sans base de référence de composition corporelle — comme le démontrent d'autres applications — seules des prescriptions comme « objectif uniforme de 1 500 kcal par jour » sont possibles, et celles-ci ont un faible soutien académique (Zeevi 2015, Cell).

2. La triple barrière de la mesure de composition corporelle — et le besoin de démocratisation

Les standards cliniques pour la mesure de composition corporelle :

Conséquences de cette triple barrière :

• Les utilisateurs généraux mesurent leur composition corporelle une fois par mois ou moins. Un suivi hebdomadaire est essentiellement impossible.
• Sans suivi hebdomadaire, les progrès du changement de comportement sont difficiles à surveiller.
• Sans mesure, l'application de coaching dérive souvent dans la mauvaise direction.

Un écart significatif existe entre la fréquence d'auto-surveillance que la littérature recommande (quotidienne ou hebdomadaire, Wing & Phelan 2005, Am J Clin Nutr) et l'accessibilité réelle des outils cliniques.

Point de départ de HAVIT : combler cet écart — démocratiser les bilans de composition corporelle (suivi quotidien non clinique).

3. L'approche HAVIT — Estimation de composition corporelle basée sur questionnaire + métadonnées

HAVIT estime plusieurs indicateurs de composition corporelle lorsque les utilisateurs fournissent :

3.1 Données requises

• Informations corporelles de base : taille, poids, sexe, âge
• Questionnaire mode de vie : habitudes alimentaires, fréquence/intensité d'exercice, sommeil, niveau de stress, etc. (format choix multiples et curseur)

3.2 Données optionnelles (améliorent la précision)

• Signaux supplémentaires : intégration des données d'activité Apple Health / Google Fit (pas, fréquence cardiaque, sommeil, etc.)
• Photos optionnelles : Des photos de face/profil peuvent être saisies mais ne sont pas requises. L'estimation de base fonctionne sans photos.

3.3 Résultats

• % de masse grasse (Body Fat %)
• Masse musculaire squelettique
• Masse maigre
• MB (métabolisme de base)
• DET (dépense énergétique totale)
• RTH (rapport taille-hanches) — signe vital Ross 2020
• NFV (niveau de graisse viscérale)
• Âge biologique

3.4 Pourquoi cela fonctionne avec juste un questionnaire — Fondements académiques

Les formules qui estiment la composition corporelle à partir de la taille, du poids, de l'âge et du sexe seuls (Deurenberg 1991, Br J Nutr ; Gallagher et al. 2000, Am J Clin Nutr) sont utilisées dans la littérature académique depuis des décennies. Elles ont montré une amélioration significative par rapport à l'IMC seul.

HAVIT étend ce fondement académique avec des variables de questionnaire mode de vie — basées sur des recherches montrant de fortes corrélations entre les habitudes alimentaires, d'exercice et de sommeil et la distribution de composition corporelle (Patel & Hu 2008, Obesity ; St-Onge & Shechter 2014, Hormone Mol Biol Clin Investig).

→ En d'autres termes, questionnaire + métadonnées seuls peuvent théoriquement dépasser la précision des formules académiques standard, et ceci est validé empiriquement (voir §4).

4. Données de validation — Étude de comparaison interne avec InBody comme référence (n=70)

Étude de comparaison interne AI Connect (2025) :

4.1 Indicateurs de concordance

Taux de concordance ±5 % (% masse grasse) : 92,9 %
  → ~9,3 sur 10 dans ±5 %p d'InBody

EAM                                        : 2,42 %p
  → InBody 25 % → estimation HAVIT ~23~27 %

Biais                                      : ≈ 0 %p
  → Pas de sur/sous-estimation systématique

CCC                                        : 0,93
  → Lin (1989) : CCC ≥0,8 = concordance forte

Pearson R                                  : 0,933 (p < 0,001)
RMSE                                       : 2,90

4.2 Performance spécifique par sexe

Précision plus élevée chez les hommes. La légère surestimation féminine sera corrigée avec 200+ échantillons supplémentaires et calibration. L'étude externe de l'Université Eulji (n=150, publication indexée KSCI prévue) est la validation externe formelle.

5. Comparaison avec le standard académique (Deurenberg 1991)

La formule de Deurenberg (1991, Br J Nutr) est la formule académique la plus citée pour estimer le % de masse grasse à partir de l'IMC, de l'âge et du sexe. Comparaison directe présentée dans le tableau de comparaison ci-dessous.

Test Z de Steiger p = 0,030 — Les estimations HAVIT sont statistiquement significativement plus proches d'InBody.

En d'autres termes, le taux de concordance est constamment plus élevé que la formule académique standard. L'amélioration principale est l'ajout de variables de questionnaire mode de vie — plus de signaux que l'approche Deurenberg basée uniquement sur IMC/âge/sexe.

(Note : Le taux de concordance ±5 % de Deurenberg varie de 65–85 % selon les populations (revue Heyward & Wagner 2004). Les 80,0 % ci-dessus sont limités à cet échantillon n=70.)

6. Pourquoi cette approche est efficace — 3 facteurs

6.1 Les variables de questionnaire contiennent plus d'informations que l'IMC

Deurenberg utilise seulement 3 variables : IMC, âge, sexe. HAVIT utilise celles-ci plus 10+ variables mode de vie (habitudes alimentaires, intensité d'exercice, sommeil, stress). Plus de signaux → estimation plus précise.

6.2 Calibration avec données de domaine

Certains membres de l'équipe AI Connect construisant HAVIT viennent d'une clinique métabolique coréenne de premier plan (JUVIS Diet), apportant le savoir-faire en étiquetage de données et calibration validé à travers un programme de transformation de 12 semaines. Les trajectoires de changement de composition corporelle issues de cas de progrès cliniques ont été reflétées dans le modèle.

6.3 Fusion multi-signaux (données optionnelles)

Les questionnaires seuls fonctionnent, mais si les utilisateurs fournissent optionnellement des signaux supplémentaires (données d'activité Apple Health, photos, etc.), la précision s'améliore encore. La faiblesse de chaque signal est compensée par un autre.

7. Pourquoi une base de référence précise de composition corporelle est le point de départ du coaching personnalisé

Lorsque la base de référence de composition corporelle est précise, le coaching devient significatif. Pour que le moteur de coaching en 8 étapes de HAVIT (article séparé) fonctionne, les éléments suivants sont essentiels :

• Correspondance d'archétype — sans base de référence % masse grasse et masse musculaire, la classification d'archétype est impossible
• Définition d'objectifs — sans données de composition corporelle, les « objectifs de perte de poids appropriés » uniformes ont un faible soutien scientifique (Zeevi 2015)
• Prescription comportementale utilisateurs GLP-1 (M0/M1/M2) — sans suivi de masse musculaire, la prévention de perte musculaire M1 est difficile (la prescription médicamenteuse est du domaine du médecin)
• Détection de plateau — regarder le poids seul produit des jugements de plateau inexacts ; le suivi de composition corporelle (muscle vs graisse) est requis
• Alertes de signes d'alerte — ex. obésité sarcopénique — facilement manquées sans base de référence de composition corporelle (le diagnostic clinique est du domaine du médecin)

Le coaching sans base de référence de composition corporelle devient prescription uniforme. La prescription uniforme a un faible soutien scientifique (Zeevi 2015, Berry 2020).

→ C'est la raison principale pour laquelle d'autres applications santé restent bloquées dans le « coaching uniforme basé sur l'IMC » — elles manquent l'infrastructure de mesure de composition corporelle. HAVIT commence par l'estimation de composition corporelle, permettant un coaching personnalisé aligné avec les recommandations académiques par-dessus.

8. Démocratiser les bilans de composition corporelle — N'importe qui, n'importe quand, n'importe où (outil non clinique)

L'intention de conception de HAVIT est claire :

• N'importe qui — smartphone uniquement, pas d'équipement coûteux (accessible à la plupart des utilisateurs mondialement et aux États-Unis)
• N'importe quand — auto-surveillance quotidienne/hebdomadaire (la fréquence d'auto-surveillance efficace validée par Wing & Phelan 2005)
• N'importe où — sans visites en établissement (éliminant la triple barrière DEXA/InBody)
• Sans coût supplémentaire — évitant les coûts cumulatifs de 100–200 $ par scan

C'est la mise en œuvre numérique et démocratisée du modèle « évaluation de composition corporelle + intervention mode de vie + auto-surveillance » vers lequel la littérature a constamment pointé. (Le diagnostic clinique et les décisions de traitement restent avec les professionnels de santé.)

Les États-Unis — prévalence d'obésité adulte 41,9 % (CDC NHANES 2021–2023, ~136M adultes), et un environnement où la mesure régulière de composition corporelle est entravée par le coût et l'accès aux soins de santé — sont l'un des marchés cibles principaux de HAVIT.

9. Ce que signifie réellement rendre possible le suivi quotidien

La réalité de la mesure InBody : visites en gym requises → cadence mensuelle en moyenne. Mais la composition corporelle change sur des cycles de 1–2 semaines. Mensuel est trop lent.

L'efficacité de l'auto-surveillance quotidienne/hebdomadaire est démontrée à répétition dans la littérature :

• Diabetes Prevention Program (Knowler et al. 2002, NEJM) — Auto-surveillance + intervention mode de vie a réduit l'incidence du diabète presque 2× plus que metformin (58 % vs 31 %).
• Wing & Phelan (2005, Am J Clin Nutr) — Facteur commun parmi les mainteneurs de perte de poids ≥5 ans : auto-surveillance quotidienne (poids, alimentation, exercice).
• Look AHEAD (NEJM 2013) — Le groupe intervention mode de vie intensive (surveillance hebdomadaire + feedback) a surpassé les soins standards dans les indicateurs de composition corporelle et métaboliques à long terme.

HAVIT utilise questionnaire + métadonnées, donc les utilisateurs peuvent mesurer en très peu de temps quotidiennement/hebdomadairement — rendant la fréquence d'auto-surveillance validée par la littérature réalisable dans la vie quotidienne.

10. Limites et mises en garde

Énoncées de manière transparente :

1. HAVIT n'est pas un outil de diagnostic médical. C'est un outil de suivi quotidien, de surveillance de tendances et de coaching mode de vie. Le diagnostic clinique et les décisions de traitement nécessitent une consultation avec des professionnels de santé.
2. InBody lui-même n'est pas précis à 100 % — référence DEXA : erreur moyenne ±2~3 %p. HAVIT est entraîné contre des références InBody, donc l'erreur d'InBody est héritée.
3. La précision peut varier aux extrêmes — types corporels hors de la distribution d'échantillon n=70 (ex. culturistes avec <5 % masse grasse, obésité sévère >45 %) nécessitent validation supplémentaire.
4. Non approprié pour grossesse ou conditions cliniques — conçu comme outil bien-être adulte général. Diagnostic clinique, grossesse, récupération post-chirurgicale et états similaires nécessitent d'abord surveillance par professionnel de santé.
5. Validation clinique en cours — n=70 est une étude de stade précoce. Les résultats de l'étude externe Université Eulji n=150 seront reflétés dans cet article lors de leur publication.
6. La précision de réponse au questionnaire affecte les résultats — si les utilisateurs répondent de manière inexacte au questionnaire mode de vie, la précision d'estimation se dégrade. Des aides à la cohérence de réponse sont appliquées au niveau UI/UX.

11. Conclusion — Démocratiser les bilans de composition corporelle est le point de départ du coaching

La littérature a constamment démontré la supériorité clinique de l'évaluation basée sur composition corporelle + mode de vie (Ross 2020, Heymsfield 2024). Mais la triple barrière des outils standards (coût, en personne, coût par scan) a bloqué l'usage régulier par l'utilisateur général.

HAVIT a été construit pour combler cet écart :

• Questionnaire smartphone + informations corporelles de base seuls, atteignant une concordance de niveau outil clinique (étude de comparaison interne n=70, concordance ±5 % 92,9 %, Steiger Z p=0,030 vs Deurenberg)
• N'importe qui, n'importe où, n'importe quand, sans équipement supplémentaire
• Commençant par la base de référence de composition corporelle, permettant un coaching personnalisé aligné avec les recommandations académiques par-dessus

Avec les États-Unis comme marché cible principal, le point de départ de HAVIT est la mise en œuvre de bilans de composition corporelle démocratisés dans le domaine du suivi quotidien non clinique. (Le diagnostic clinique et les décisions de traitement restent du domaine des professionnels de santé. HAVIT n'est pas un outil de diagnostic médical.)