Calculateur FFMI : indice de masse maigre, poids et taille

Le chemin est de l'arithmétique pure, sans réseau ni graine aléatoire, de sorte que les apps de coaching, les carnets de sciences du sport et les clients d'API prépayée obtiennent le même JSON à chaque fois. Une graisse corporelle au-dessus de cent pour cent est rejetée comme invalid_input car la masse sans graisse ne peut pas être négative.

Ce que mesure l'indice de masse maigre et quelles entrées vous devez fournir

L'indice de masse corporelle divise le poids total par la taille au carré et mélange donc graisse et tissu maigre en un seul nombre. L'indice de masse maigre fait la même géométrie avec le tissu maigre seulement : d'abord soustraire la masse grasse du poids à l'aide d'un pourcentage de graisse mesuré, puis diviser la masse sans graisse restante par la taille en mètres au carré. Le résultat, rapporté comme ffmi avec l'unité kilogrammes par mètre carré, est largement utilisé en sports de force, coaching physique et recherche qui veut un score de masse maigre ajusté à la stature. Champs manquants, nombres non finis, poids ou taille non positifs et tailles hors d'une plage adulte sûre échouent aussi à la validation. Envoyez weight comme nombre fini positif en kilogrammes ; les alias weight_kg, body_weight et mass_kg sont acceptés. Envoyez height comme nombre fini positif en mètres ; height_m et stature_m sont acceptés, et height_cm si vous préférez les centimètres—le moteur divise par cent. Envoyez body_fat comme pourcentage de zéro à cent inclus ; body_fat_percent, bf, fat_percent et bodyfat sont acceptés. Le moteur multiplie le poids par un moins la graisse corporelle sur cent pour obtenir fat_free_mass_kg, rapporte fat_mass_kg comme complément et calcule ffmi comme masse sans graisse sur taille au carré. Si la graisse dépasse cent pour cent, la requête échoue avec invalid_input et n'est pas facturée. Des entrées identiques produisent toujours le même JSON car l'algorithme ne touche jamais le réseau, un modèle, une horloge ou un générateur aléatoire.

Lire les champs de réponse et les pièges courants

Le champ unit est toujours kg/m² pour que les interfaces étiquettent l'indice sans chaînes codées en dur. Rappelez-vous que le pourcentage de graisse doit provenir d'une mesure en laquelle vous avez déjà confiance—DEXA, pesée hydrostatique, appareil BIA de qualité ou protocole de plis cutanés—car ce calculateur n'estime pas la composition à partir de circonférences, photos ou taille de vêtement. Les poids extrêmement grands ou les tailles hors de la fenêtre de sécurité publiée de l'isolat sont aussi rejetés. Ne confondez pas ce point de terminaison avec IMC, BMR ou dépense énergétique journalière totale : ils répondent à d'autres questions et vivent sur d'autres capacités ou couches produit après réception du FFMI. En cas de succès, la réponse reprend weight_kg, height_m et body_fat_percent, puis fat_free_mass_kg, fat_mass_kg, ffmi et normalized_ffmi. Le champ formula rappelle que le FFMI égale la masse sans graisse sur la taille au carré, et method est toujours fat_free_mass_index pour que le code aval puisse brancher sans flairer les formes. Le FFMI normalisé applique l'ajustement courant de six virgule un fois un virgule huit moins la taille, afin que les athlètes plus petits ou plus grands que la stature de référence se comparent sur une seule bande ; utilisez ffmi pour l'indice scientifique brut et normalized_ffmi lorsque votre littérature de coaching cite la figure ajustée à la taille. Les pourcentages au-dessus de cent sont impossibles et lèvent un message clair invalid_input indiquant que la graisse dépasse cent pour cent.

Usage de l'API, tarifs, flux de coaching et limites pratiques

Appelez le calculateur gratuit d'indice de masse maigre dans le navigateur pour des vérifications rapides, des démos de cours et l'éducation du client sans installer un tableur de sciences du sport. Associez ce point de terminaison à un flux de mesure de graisse côté client, puis stockez masse sans graisse et FFMI dans votre propre base pour des graphiques longitudinaux sur une saison. Gardez des attentes cliniques : c'est une estimation éducative et de planification, pas un dispositif médical de diagnostic, et les utilisateurs à composition atypique ou conditions médicales doivent suivre un avis professionnel plutôt qu'un seul indice. Envoyez un corps JSON avec weight, height et body_fat requis (ou leurs alias). Utilisez l'API prépayée lorsqu'un SaaS fitness, une plateforme de performance d'équipe, un formulaire de télésanté ou un carnet de recherche a besoin d'un contrat stable sous solde KIT à $0.002 par élément réussi ; les échecs de validation ne consomment jamais le solde après rejet par le moteur. Préférez le poids en kilogrammes et la taille en mètres qui correspondent à la formule publiée ; si votre interface collecte des livres ou des centimètres, convertissez ou utilisez height_cm avant d'appeler. Les auteurs de SDK peuvent mapper ffmi et normalized_ffmi directement dans des tableaux de bord et exporter des colonnes CSV étiquetées masse maigre et indice de masse maigre—les mêmes chiffres que les coachs écrivent à la main en appliquant le FFMI sur papier.