BMI分析数据捕捉API提供基于基本身体测量的个人身体和代谢状态的全面分析。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来生成广泛的健康指标,以不同的单位系统(如公制或英制)提供结果。
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态(体重不足、正常、超重或不同程度的肥胖)。然而,该API远不止于BMI,它整合了互补指标,允许对身体健康进行更准确和个性化的评估。
总体而言,BMI分析数据捕捉API是用户寻求将可靠的身体评估系统集成到他们的应用程序或平台中的全面解决方案,具有多语言支持和基于科学验证公式的清晰、实用的解释结果。
处理身体测量并返回BMI、身体脂肪、代谢、风险和详细指标
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/10981/bmi+analysis+data+capture+api/20707/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计算端点返回一套全面的健康指标,包括BMI、体脂百分比、基础代谢率(BMR)、每日总能量支出(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”(最小值,最大值)每个字段提供了对个人健康状况的重要见解
用户可以输入体重 身高 腰围 臀围 颈围 年龄 性别 和身体活动水平等参数来自定义其健康评估并获得量身定制的结果
响应数据采用JSON格式组织,具有嵌套对象以表示特定指标,如BMI和体脂。每个指标包括相关值和类别,使其易于在应用中解析和使用
该API采用了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,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,如米夫林-圣杰奥尔方程计算基础代谢率和美国海军方法估算体脂肪,确保数据准确性保持可靠结果
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新陈代谢健康指标
例如,“bmi.category”表示体重状态(例如,“超重”),而“bmr.value”显示静息时的每日卡路里需求。理解这些字段有助于用户有效解读其健康指标
用户可以利用返回的数据来监测健康趋势、设定健身目标,并根据他们的BMI、体脂百分比以及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(体重过轻、正常、超重、肥胖)和风险评估(例如,增加的心脏代谢风险),这有助于有效解读健康状态
服务级别:
100%
响应时间:
247ms
服务级别:
100%
响应时间:
221ms
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:
171ms
服务级别:
100%
响应时间:
1,083ms
服务级别:
100%
响应时间:
160ms
服务级别:
100%
响应时间:
149ms
服务级别:
100%
响应时间:
196ms
服务级别:
100%
响应时间:
70ms
服务级别:
100%
响应时间:
2,897ms
服务级别:
100%
响应时间:
404ms
服务级别:
100%
响应时间:
1,654ms
服务级别:
100%
响应时间:
564ms
服务级别:
100%
响应时间:
1,324ms
服务级别:
100%
响应时间:
1,304ms
服务级别:
100%
响应时间:
2,575ms
服务级别:
100%
响应时间:
453ms
服务级别:
100%
响应时间:
358ms
服务级别:
100%
响应时间:
728ms