BMI分析数据API提供基于基本身体测量的个人身体和代谢状况的综合分析。该API使用体重、身高、腰围、臀围、颈围、年龄、性别和身体活动水平等参数生成各种健康指标,以不同的单位制提供结果,如公制或英制。
其主要功能是计算身体质量指数(BMI),这是一个标准指标,用于分类个人的体重状况(体重过轻、正常、超重或不同程度的肥胖)。然而,该API远不止于BMI,整合了其他补充指标,使身体健康的评估更加准确和个性化。
总体而言,BMI分析数据API是一个综合解决方案,适合希望在其应用或平台中集成可靠身体评估系统的用户,支持多种语言,基于经过科学验证的公式提供清晰、实际和可解释的结果。
BMI计算 - 端点功能
| 对象 | 描述 |
|---|---|
请求体 |
[必需] Json |
{"lang":"en","output_system":"metric","bmi":{"value":27.61,"prime":1.1,"category":"Overweight (pre-obesity)","risk":"Increased cardiometabolic risk"},"ideal_weight":{"min":70.3,"max":94.7},"whr":{"value":0.94,"risk":"Moderate"},"whtr":{"value":48.21,"risk":"Healthy"},"body_fat":{"value":18.8,"method":"US Navy"},"bmr":{"value":2073.75,"formula":"Mifflin-St Jeor"},"tdee":{"value":3214,"activity_level":"moderate"},"ponderal_index":14.16,"body_surface_area":2.38,"display_measurements":{"weight":105,"height":195,"waist":94,"hip":100,"neck":40},"sex":"m","age":40,"units":{"weight":"kg","height":"cm","waist":"cm","hip":"cm","neck":"cm","system":"metric"},"source":"NA"}
curl --location --request POST 'https://zylalabs.com/api/10957/bmi+analysis+information+api/20669/bmi+calculation' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"weight": {
"value": 105,
"unit": "kg"
},
"height": {
"value": 195,
"unit": "cm"
},
"waist": {
"value": 94,
"unit": "cm"
},
"hip": {
"value": 100,
"unit": "cm"
},
"neck": {
"value": 40,
"unit": "cm"
},
"sex": "m",
"age": 40,
"activity_level": "moderate",
"lang": "en",
"output_system": "metric"
}'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
BMI计算接口返回一整套健康指标,包括BMI、体脂百分比、基础代谢率(BMR)、每日总能量消耗(TDEE)、腰臀比(WHR)、腰高比(WHtR)和理想体重范围等
响应中的关键字段包括 "bmi" (值,类别,风险) "body_fat" (值,方法) "bmr" (值,公式) "tdee" (值,活动水平) 和 "ideal_weight" (最小,最大) 每个字段提供关于个人健康状态的重要见解
用户可以输入参数,如体重、身高、腰围、臀围、颈围、年龄、性别和身体活动水平,以定制他们的健康评估并获得量身定制的结果
响应数据采用JSON格式结构化,包含针对特定指标如BMI和体脂的嵌套对象。每个指标都包括相关的数值和类别,便于在应用中解析和使用
该API利用经过科学验证的公式和方法,例如用于基础代谢率的Mifflin-St Jeor方程和用于体脂计算的美国海军方法,以确保结果的高准确性和可靠性
通过使用经过科学验证的计算公式来保持数据准确性,例如用于基础代谢率的Mifflin-St Jeor方程和用于身体脂肪估算的美国海军方法,从而确保结果可靠
典型的使用案例包括健康和健身应用程序 个性化健康计划和医疗评估 用户可以跟踪和分析他们的身体和代谢健康指标
例如 "bmi.category" 表示体重状态(例如 "超重"),而 "bmr.value" 显示静息状态下的每日热量需求。理解这些字段可以帮助用户有效地解读他们的健康指标
用户可以利用返回的数据来监测健康趋势设定健身目标并根据其BMI体脂百分比和响应中提供的其他指标做出明智的生活方式选择
用户可以期待一致的数据模式,例如BMI类别(体重不足、正常、超重、肥胖)和风险评估(例如,心脏代谢风险增加),这些有助于有效地解读健康状态
服务级别:
100%
响应时间:
502ms
服务级别:
100%
响应时间:
247ms
服务级别:
100%
响应时间:
250ms
服务级别:
100%
响应时间:
161ms
服务级别:
100%
响应时间:
1,083ms
服务级别:
100%
响应时间:
70ms
服务级别:
100%
响应时间:
196ms
服务级别:
100%
响应时间:
171ms
服务级别:
100%
响应时间:
160ms
服务级别:
100%
响应时间:
293ms
服务级别:
100%
响应时间:
3,497ms
服务级别:
100%
响应时间:
1,576ms
服务级别:
100%
响应时间:
1,263ms
服务级别:
100%
响应时间:
1,923ms
服务级别:
100%
响应时间:
1,104ms
服务级别:
100%
响应时间:
1,302ms
服务级别:
100%
响应时间:
799ms
服务级别:
100%
响应时间:
884ms
服务级别:
100%
响应时间:
450ms
服务级别:
100%
响应时间:
591ms