Calculadora FFMI normalizado

Treinadores, aplicativos de ciência do esporte e cadernos de pesquisa obtêm o índice científico e a faixa normalizada por altura em uma única resposta JSON determinística. O caminho é aritmética pura sem rede e sem semente aleatória, de modo que as verificações gratuitas no navegador e os clientes de API pré-paga nunca discordam. Se faltarem a massa magra ou a altura, os valores não forem positivos ou a altura estiver fora de uma janela adulta segura, a requisição falha com invalid_input e não é cobrada.

O que o FFMI normalizado mede e quais entradas você precisa

O índice de massa livre de gordura bruto divide a massa magra pela altura em metros ao quadrado e, portanto, ainda embute um viés de estatura: atletas mais baixos tendem a pontuar mais alto e os mais altos mais baixo para a mesma densidade de tecido magro. O FFMI normalizado por altura corrige esse viés com um ajuste linear em direção a uma estatura de referência fixa de um vírgula oito metros, usando o coeficiente amplamente citado de seis vírgula um. A massa magra já deve ser conhecida por DEXA, pesagem hidrostática, um dispositivo BIA de qualidade, dobras cutâneas ou outro método de composição em que você confie; esta calculadora não estima a composição a partir do peso e do percentual de gordura. Alturas abaixo de zero vírgula três metros ou acima de três metros são rejeitadas por ficarem fora de uma janela segura de isolamento para a estatura adulta em pé. O motor primeiro forma o FFMI como lean_mass_kg dividido por height_m ao quadrado, depois soma seis vírgula um vezes um vírgula oito menos height_m, e devolve ambas as figuras em quilogramas por metro quadrado. Envie lean_mass como um número finito positivo em quilogramas; os aliases lean_mass_kg, fat_free_mass, fat_free_mass_kg, ffm e lbm são aceitos quando seu payload já usa esses nomes. Envie height como um número finito positivo em metros; os aliases height_m, stature e stature_m são aceitos, e height_cm quando você prefere centímetros — o motor divide por cem. Se a massa magra ou a altura estiverem ausentes, vazias, não finitas ou não positivas, a requisição falha com invalid_input nomeando o campo. Entradas idênticas sempre produzem o mesmo JSON porque o algoritmo nunca toca a rede, um modelo, um relógio ou um gerador aleatório.

Como ler os campos da resposta e armadilhas comuns

Lembre-se de que a qualidade da massa magra domina o resultado — entrada de composição ruim produz um índice polido, mas sem sentido. Valores de massa magra extremamente grandes acima do teto de segurança publicado do isolate também são rejeitados. Mantenha expectativas clínicas: esta é uma estimativa educativa e de planejamento, não um dispositivo médico de diagnóstico, e usuários com composição corporal atípica ou condições médicas devem seguir orientação profissional em vez de qualquer índice isolado. Em caso de sucesso, a resposta ecoa lean_mass_kg e height_m e depois informa ffmi, normalized_ffmi e height_adjustment. O campo height_adjustment é exatamente seis vírgula um vezes um vírgula oito menos height_m, para que as interfaces mostrem o termo de correção ao lado do índice bruto sem recalculá-lo. O campo reference_height_m é sempre um vírgula oito e coefficient é sempre seis vírgula um para que os clientes documentem a fórmula sem codificar constantes. O campo unit é sempre kg/m², formula reescreve a expressão normalizada completa e method é sempre ffmi_normalized para que o código a jusante possa ramificar sem cheirar formas. Use ffmi quando quiser o índice científico bruto para artigos de pesquisa; use normalized_ffmi quando sua literatura de coaching, notas de prep de campeonato ou painel de equipe citarem a faixa ajustada à altura. Não confunda este endpoint com IMC, BMI Prime, BMR ou o caminho de FFMI a partir de peso e gordura corporal que deriva a própria massa magra: respondem a outras perguntas e vivem em outras capacidades.

Uso da API, preços, fluxos de coaching e limites práticos

Chame a calculadora de FFMI normalizado gratuita no navegador para checagens rápidas, demos de aula e educação do cliente sem instalar uma planilha de ciência do esporte. Mantenha as requisições pequenas, documente o coeficiente de seis vírgula um para seus usuários e você obtém pontuações de massa magra ajustadas à altura reproduzíveis sem montar uma pilha completa de ciência do esporte por conta própria. Envie um corpo JSON com lean_mass e height obrigatórios (ou seus aliases). Use a API pré-paga quando um SaaS de fitness, uma plataforma de desempenho de equipe, um formulário de telemedicina ou um caderno de pesquisa precisarem de um contrato estável sob saldo KIT a US$ 0,002 por item bem-sucedido; falhas de validação nunca consomem saldo após o motor rejeitar a requisição. Combine este endpoint com um fluxo de composição que já armazene massa livre de gordura — exportações DEXA, APIs de dispositivos BIA ou planilhas de dobras cutâneas — e grafe normalized_ffmi ao longo de uma temporada sem rederivar a massa magra do peso da balança a cada vez. Prefira massa magra em quilogramas e altura em metros que correspondam à fórmula publicada; se sua UI coletar libras ou centímetros, converta ou use height_cm antes de chamar. Autores que publicam SDKs podem mapear ffmi e normalized_ffmi diretamente em painéis e exportar colunas CSV rotuladas como índice de massa magra e FFMI ajustado à altura — os mesmos números que treinadores escrevem à mão ao aplicar a correção no estilo Kouri no papel. Quando a estatura iguala a referência de um vírgula oito metros, height_adjustment é zero e normalized_ffmi iguala o ffmi bruto, o que é uma verificação de fumaça útil em testes de integração.