Calcolatore FFMI normalizzato

Coach, app di scienza dello sport e taccuini di ricerca ottengono l'indice scientifico e la fascia normalizzata per altezza in un'unica risposta JSON deterministica. Il percorso è aritmetica pura senza rete e senza seme casuale, così i controlli gratuiti nel browser e i client API prepagati non divergono mai. Se mancano massa magra o altezza, i valori non sono positivi o l'altezza è fuori da una finestra adulta sicura, la richiesta fallisce con invalid_input e non viene addebitata.

Cosa misura l'FFMI normalizzato e quali input servono

L'indice di massa magra grezzo divide la massa magra per l'altezza in metri al quadrato e quindi incorpora ancora un bias di statura: gli atleti più bassi tendono a punteggi più alti e i più alti a punteggi più bassi per la stessa densità di tessuto magro. L'FFMI normalizzato per altezza corregge quel bias con un aggiustamento lineare verso una statura di riferimento fissa di uno virgola otto metri, usando il coefficiente ampiamente citato di sei virgola uno. La massa magra deve già essere nota da DEXA, pesata idrostatica, un dispositivo BIA di qualità, pliche cutanee o un altro metodo di composizione di cui si fida; questo calcolatore non stima la composizione da peso e percentuale di grasso. Altezze sotto zero virgola tre metri o sopra tre metri sono rifiutate perché fuori da una finestra di isolamento sicura per la statura adulta in piedi. Il motore forma prima l'FFMI come lean_mass_kg diviso per height_m al quadrato, poi aggiunge sei virgola uno per uno virgola otto meno height_m, e restituisce entrambe le figure in chilogrammi per metro quadrato. Invii lean_mass come numero finito positivo in chilogrammi; sono accettati gli alias lean_mass_kg, fat_free_mass, fat_free_mass_kg, ffm e lbm quando il payload usa già quei nomi. Invii height come numero finito positivo in metri; sono accettati gli alias height_m, stature e stature_m, e height_cm se preferisce i centimetri — il motore divide per cento. Se massa magra o altezza mancano, sono vuote, non finite o non positive, la richiesta fallisce con invalid_input nominando il campo. Input identici producono sempre lo stesso JSON perché l'algoritmo non tocca mai la rete, un modello, un orologio o un generatore casuale.

Come leggere i campi della risposta e gli errori comuni

Ricordi che la qualità della massa magra domina il risultato: un input di composizione scadente produce un indice lucidato ma privo di senso. Anche valori di massa magra estremamente grandi sopra il tetto di sicurezza pubblicato dell'isolamento vengono rifiutati. Mantenga aspettative cliniche: si tratta di una stima educativa e di pianificazione, non di un dispositivo medico diagnostico, e gli utenti con composizione corporea atipica o condizioni mediche devono seguire il consiglio professionale piuttosto che un singolo indice. In caso di successo la risposta ripete lean_mass_kg e height_m, poi riporta ffmi, normalized_ffmi e height_adjustment. Il campo height_adjustment è esattamente sei virgola uno per uno virgola otto meno height_m così le interfacce possono mostrare il termine di correzione accanto all'indice grezzo senza ricalcolarlo. Il campo reference_height_m è sempre uno virgola otto e coefficient è sempre sei virgola uno affinché i client documentino la formula senza codificare costanti. Il campo unit è sempre kg/m², formula riformula l'espressione normalizzata completa e method è sempre ffmi_normalized così il codice a valle può ramificare senza ispezionare le forme. Usi ffmi quando vuole l'indice scientifico grezzo per articoli di ricerca; usi normalized_ffmi quando la letteratura di coaching, le note di prep per la gara o la dashboard di squadra citano la fascia regolata sull'altezza. Non confonda questo endpoint con BMI, BMI Prime, BMR o il percorso FFMI da peso e grasso corporeo che deriva la massa magra stessa: rispondono ad altre domande e vivono su altre capacità.

Uso dell'API, prezzi, flussi di coaching e limiti pratici

Chiami il calcolatore di FFMI normalizzato gratuito nel browser per controlli rapidi, demo in aula e formazione del cliente senza installare un foglio di calcolo di scienza dello sport. Mantenga le richieste piccole, documenti il coefficiente di sei virgola uno per i Suoi utenti e otterrà punteggi di massa magra regolati sull'altezza riproducibili senza montare da sé un'intera stack di scienza dello sport. Invii un corpo JSON con lean_mass e height obbligatori (o i loro alias). Usi l'API prepagata quando un SaaS di fitness, una piattaforma di performance di squadra, un modulo di telemedicina o un taccuino di ricerca necessitano di un contratto stabile sotto saldo KIT a $0.002 per elemento riuscito; i fallimenti di validazione non consumano mai il saldo dopo il rifiuto del motore. Abbini questo endpoint a un flusso di composizione che memorizzi già la massa priva di grasso — export DEXA, API di dispositivi BIA o fogli di pliche cutanee — e graficchi normalized_ffmi lungo una stagione senza ricalcolare la massa magra dal peso della bilancia ogni volta. Preferisca massa magra in chilogrammi e altezza in metri allineate alla formula pubblicata; se l'interfaccia raccoglie libbre o centimetri, converta o usi height_cm prima di chiamare. Gli autori che distribuiscono SDK possono mappare ffmi e normalized_ffmi direttamente in dashboard ed esportare colonne CSV etichettate indice di massa magra e FFMI regolato sull'altezza — gli stessi numeri che i coach scrivono a mano applicando la correzione in stile Kouri su carta. Quando la statura uguaglia il riferimento di uno virgola otto metri, height_adjustment è zero e normalized_ffmi uguaglia l'ffmi grezzo, utile come smoke check nei test di integrazione.