获取BMI洞察信息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。此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广泛的健康指标,以不同的单位系统(例如公制或英制)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,用于对个体的体重状态进行分类(体重过轻、正常、超重或不同程度的肥胖)。但是,API远不止于BMI,整合了补充指标,允许对身体健康进行更准确和个性化的评估
总体而言,获取BMI洞察信息API是希望将可靠的身体评估系统集成到其应用程序或平台中的用户的全面解决方案,具有多语言支持和基于科学验证的公式提供清晰、实用和可解释的结果
处理身体测量并返回BMI、体脂、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/10983/get+bmi+insights+information+api/20706/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”(最小值,最大值)每个字段提供有关个体健康状况的关键见解
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,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值和类别,便于在应用程序中解析和使用
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,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,如用于基础代谢率的Mifflin-St Jeor方程和用于体脂估计的美国海军方法,数据准确性得以维护,确保结果可靠
典型的用例包括健康和健身应用程序 个性化健康计划以及医疗评估 在这些情况下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卡路里需求。理解这些字段有助于用户有效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他们的 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,心代谢风险增加),这有助于有效地解读健康状况
服务级别:
100%
响应时间:
161ms
服务级别:
100%
响应时间:
247ms
服务级别:
100%
响应时间:
502ms
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:
1,083ms
服务级别:
100%
响应时间:
221ms
服务级别:
100%
响应时间:
179ms
服务级别:
100%
响应时间:
149ms
服务级别:
100%
响应时间:
2,633ms
服务级别:
100%
响应时间:
257ms
服务级别:
100%
响应时间:
246ms
服务级别:
100%
响应时间:
285ms
服务级别:
100%
响应时间:
56ms
服务级别:
100%
响应时间:
53ms
服务级别:
100%
响应时间:
193ms
服务级别:
100%
响应时间:
278ms
服务级别:
100%
响应时间:
784ms
服务级别:
90%
响应时间:
1,336ms
服务级别:
100%
响应时间:
296ms