El síndrome metabólico conlleva un aumento del riesgo de aparición de enfermedad cardiovascular y diabetes mellitus. La existencia de un estado de resistencia a la insulina es, probablemente, el mecanismo subyacente a las alteraciones del metabolismo lipídico e hidrocarbonado detectado en estos pacientes, que presentan, como característica antropométrica frecuente, una distribución adiposa de predominio abdominal.
Pacientes y métodosSe estudia una muestra de 3.316 pacientes (63,40% mujeres y 36,60 varones) de 42,36±14,63años y un índice de masa corporal (IMC) de 32,76±6,81kg/m2; en todos los pacientes se determinaron peso, talla y circunferencia de cintura (CC) según técnicas estandarizadas; se calculó el índice cintura/altura (ICA) mediante 2 indicadores, expresado como cintura en cm dividido por la talla en m2, y como cintura dividido por la talla, ambos en cm. La prevalencia de síndrome metabólico en la muestra fue del 33,70%. Con objeto de valorar la capacidad predictiva de IMC, ICA y CC para la detección de la existencia de SM, se construyeron las curvas operador-receptor (COR) y se calcularon las áreas bajo la curva (ABC) para cada parámetro antropométrico.
ResultadosSe obtuvo un ABC de 0,724 (IC95%: 0,706-0,742), p<0,001 para CC, de 0,709 (IC95%: 0,691-0,728), p<0,001 para ICA, con talla en m2, y de 0,729 (IC95%: 0,711-0,747), p<0,001 para ICA, con talla en cm; el ABC para IMC fue de 0,680 (IC95%: 0,661-0,699), p<0,001.
ConclusionesLos índices antropométricos que valoran la distribución adiposa abdominal presentan mejor capacidad predictiva para la detección de SM respecto a indicadores de adiposidad total como el IMC.
The metabolic syndrome (MS) carries an increased risk of cardiovascular disease and diabetes mellitus. Insulin resistance is probably the mechanism underlying the changes detected in lipid and carbohydrate metabolism in these patients, who have, as a common anthropometric feature, a predominantly increased abdominal fat distribution.
Patients and methodsA total of 3316 patients were studied, of whom 63.40% were female and 36.60 male, with a mean age of 42.36±14.63 years, and a body mass index (BMI) of 32.76±6.81kg/m2. Weight, height and waist circumference (CC) were measured using standard techniques. The waist/height (ICA) was calculated using two indicators, expressed as waist in cm divided by height in m2, and as waist divided by height, both in cm. The prevalence of metabolic syndrome in the sample was 33.70%. In order to assess the predictive ability of BMI, ICA and CC to detect the existence of MS, receiver operating curves (ROC) were constructed and the areas under the curve (AUC) calculated for each anthropometric parameter.
ResultsAn AUC of 0.724 (95%CI: 0.706 to 0.742), P<.001, was obtained for CC, 0.709 (95%CI: 0.691 to 0.728), P<.001 for ICA with height in m2, and 0.729 (95%CI: 0.711 to 0.747), P<.001 for ICA with height in cm, and for the BMI it was 0.680 (95%CI 0.661-0.699), P<.001.
ConclusionsAnthropometric indices that assess abdominal fat distribution have a better predictive capacity for detecting MS, compared to total adiposity indicators such as BMI.
El síndrome metabólico (SM) constituye un agrupamiento de criterios antropométricos y fisiológicos definidos a partir de valores establecidos de presión arterial, índices de distribución adiposa abdominal y parámetros bioquímicos glucémicos y lipídicos definidos por diversos organismos para caracterizar una entidad que con frecuencia conlleva un aumento del riesgo de aparición de enfermedad cardiovascular y diabetes mellitus1–3. El estado subyacente de resistencia a la insulina es, probablemente, el mecanismo que origina las alteraciones en el metabolismo lipídico e hidrocarbonado detectado en estos sujetos, que presentan, como característica antropométrica frecuente, una distribución adiposa de predominio abdominal, aunque la patogénesis no se ha establecido definitivamente.
Existe un acuerdo generalizado en los criterios bioquímicos y de presión arterial necesarios para establecer el diagnóstico de SM, mientras que para los criterios antropométricos, a pesar de intentos unificadores, persisten diferencias en los puntos de corte en relación con el perímetro de cintura; estas diferencias derivan de las dificultades de establecer umbrales que relacionen la obesidad abdominal con otros factores de riesgo metabólicos en las diferentes poblaciones4,5.
El objetivo del presente estudio fue valorar la capacidad predictiva de índices estimadores de distribución adiposa abdominal y el índice de masa corporal (IMC) como estimador antropométrico de la adiposidad total en la detección de SM.
Pacientes y métodosSe estudia una muestra de 3.316 pacientes (63,40% mujeres y 36,60 varones) de 42,36±14,63años y un IMC de 32,76±6,81kg/m2, procedentes de una base de datos multicentro de pacientes que acudieron a las consultas de los servicios de endocrinología y nutrición. En todos los pacientes se determinaron parámetros antropométricos de peso, talla y circunferencia de cintura (CC) según técnicas estandarizadas. Se calculó el índice cintura/altura (ICA) mediante 2 indicadores, expresado como cintura en cm dividido por la talla en m2, y como cintura dividido por la talla, ambos en cm.
La prevalencia de SM en la muestra fue del 33,70%. Para establecer el diagnóstico de SM se utilizaron los criterios de NCEP-ATPIII2.
Con objeto de valorar la capacidad predictiva de IMC, ICA y CC para la detección de la existencia de SM se construyeron las curvas operador-receptor (COR), se calcularon las áreas bajo la curva (ABC) para cada parámetro antropométrico y se exploró la existencia de diferencias significativas entre curvas COR. En un análisis adicional se calcularon las curvas COR y el ABC para cada índice antropométrico adiposo abdominal, incluyendo el IMC. Los análisis estadísticos se realizaron con el programa SPSS17.0; los niveles de significación fueron los habituales, p<0,05.
ResultadosLos parámetros descriptivos obtenidos en la muestra estudiada se presentan en la tabla 1. Se obtuvieron las COR con un ABC de 0,724 (IC95%: 0,706-0,742), p<0,001 para CC, de 0,709 (IC95%: 0,691-0,728), p<0,001 para ICA, con talla en m2, y de 0,729 (IC95%: 0,711-0,747), p<0,001 para ICA, con talla en cm; el ABC para IMC fue de 0,680 (IC95%: 0,661-0,699), p<0,001 (fig. 1).
Características antropométricas y bioquímicas de la muestra estudiada
| Muestra global | Mujeres | Varones | |||||
| Media | Desviación típica | Media | Desviación típica | Media | Desviación típica | p | |
| Edad (años) | 42,36 | 14,63 | 42,86 | 14,96 | 41,50 | 14,00 | 0,009 |
| Peso (kg) | 88,39 | 19,59 | 84,97 | 18,17 | 94,32 | 20,54 | <0,0001 |
| Talla (cm) | 164,33 | 9,49 | 159,52 | 6,72 | 172,70 | 7,63 | <0,0001 |
| IMC (kg/m2) | 32,76 | 6,81 | 33,42 | 6,95 | 31,60 | 6,42 | <0,0001 |
| CC (cm) | 101,80 | 16,08 | 99,78 | 15,74 | 105,21 | 16,08 | <0,0001 |
| ICA (cm) | 0,62 | 0,10 | 0,63 | 0,10 | 0,61 | 0,096 | <0,0001 |
| ICA (m2) | 37,91 | 7,00 | 39,38 | 7,06 | 35,42 | 6,16 | <0,0001 |
| PA sistólica (mmHg) | 132,41 | 17,98 | 130,14 | 18,40 | 136,14 | 16,62 | <0,0001 |
| PA diastólica (mmHg) | 81,72 | 11,46 | 80,22 | 11,51 | 84,20 | 10,94 | <0,0001 |
| Glucemia en ayunas (mg/dl) | 101,51 | 32,58 | 99,38 | 29,02 | 105,17 | 37,65 | <0,0001 |
| cHDL (mg/dl) | 51,25 | 12,119 | 53,00 | 12,03 | 48,54 | 11,76 | <0,0001 |
| Triglicéridos (mg/dl) | 147,73 | 104,19 | 130,66 | 78,09 | 174,87 | 131,28 | <0,0001 |
CC: circunferencia de cintura; cHDL: colesterol unido a lipoproteínas de alta densidad; ICA: índice cintura/altura; IMC: índice de masa corporal; PA: presión arterial.
Las diferencias para curvas COR fueron estadísticamente no significativas para CC e ICA con talla en cm y m2; entre IMC y CC e ICA con talla en cm resultaron estadísticamente significativas, y no significativas entre IMC e ICA con talla en m2.
Los parámetros ICA con talla en cm y m2 incrementaron escasamente el ABC cuando se corrigieron para IMC: 0,710 (IC95%: 0,692-0,728), p<0,001 para ICA con talla en m2 y 0,732 (IC95%: 0,715-0,750), p<0,001 para ICA con talla en cm, aunque las diferencias respecto a las curvas COR sin IMC no fueron significativas; la CC corregida para IMC no modificó el ABC respecto a CC aislada (fig. 2).
Discusión
En la literatura existen numerosos trabajos que relacionan la obesidad, y de forma más concreta la presencia de distribución adiposa de predominio central, y la aparición de diabetes mellitus, hipertensión arterial (HTA) y otros factores de riesgo cardiovascular con parámetros antropométricos que estiman la distribución abdominal de la grasa como la CC, el índice cintura/cadera y el ICA en diversos grupos étnicos y etarios6–18, obteniendo mejor capacidad predictiva en relación al estimador de la adiposidad corporal total representado por el IMC, sugiriendo que deberían ser usados conjuntamente19. Además se ha estudiado la dependencia de los perímetros antropométricos, como la CC y el perímetro de cadera, con la estatura, concluyendo que es necesario establecer valores de referencia para estos perímetros corregidos para la estatura del individuo20.
Un estudio reciente sugiere utilizar un modelo matemático denominado índice de adiposidad corporal, basado en el perímetro de cadera y la estatura, debido a la elevada correlación obtenida con el porcentaje de grasa corporal por densitometría de absorción por rayos X21. Este modelo podría ser aplicado a grupos étnicos diferentes facilitando los estudios comparativos entre poblaciones, lo que supondría un avance en las limitaciones de los índices antropométricos comunicadas en otros estudios16 y la obtención de valores de corte independientes de la población.
Los estudios de superioridad de los índices de distribución abdominal de la grasa han sido publicados por varios autores mediante metaanálisis que confirman la utilidad de estos índices, contribuyendo en la detección de procesos patológicos metabólicos y cardiovasculares22–24. Otros autores, en cambio, muestran resultados discrepantes y no obtienen diferencias relevantes, u observan datos favorables al IMC frente a los estimadores regionales en ciertas patologías como la HTA y la diabetes mellitus25–29.
En el presente estudio hemos obtenido curvas COR con ABC similares a los publicados por otros autores23, obteniendo una capacidad predictiva más elevada para la CC y los índices ICA respecto al IMC en pacientes con SM; el ABC de la curva COR para ICA con talla en cm fue ligeramente más elevada que para CC, aunque la diferencia entre ambas ABC no resultó significativa. Estos datos concuerdan con los estudios expuestos, que muestran la superioridad de los índices antropométricos que estiman la distribución adiposa abdominal respecto al IMC para predecir la aparición de patologías cardiometabólicas. De forma adicional, en nuestro estudio el IMC no aportó capacidad predictiva adicional cuando se añadió a los índices antropométricos de grasa abdominal.
Concluimos que la CC, con los valores de corte establecidos en el NCEP-ATPIII, y el ICA, que incluye la estatura en cm, superan al IMC en capacidad para predecir la aparición de SM en nuestra población. El IMC como parámetro estimativo de la adiposidad corporal total no mejora la capacidad predictiva de los estimadores antropométricos de la grasa abdominal.
En la muestra estudiada por nosotros, valores de ICA de 0,54 se correspondieron con valores de probabilidad del 20% en cuanto a pronóstico de concurrencia de SM, elevándose estos valores hasta el 40% para cifras de ICA de 0,65 en ambos sexos. Estos hallazgos concuerdan con los publicados por otros autores, que establecen un valor global de ICA de 0,5 para el cribado poblacional de patologías cardiometabólicas23.
El ICA debe incluirse entre los parámetros antropométricos en la exploración física, debiendo establecerse valores con los mejores niveles de sensibilidad y especificidad para predecir la aparición de SM en nuestra población. Nuestro grupo está pendiente de publicar estos resultados en un próximo trabajo.
Responsabilidades éticasProtección de personas y animales. Hemos seguido los protocolos mencionados
Confidencialidad de los datos. Hemos seguido los protocolos de nuestro centro de trabajo sobre la publicación de datos de pacientes
Derecho a la privacidad y consentimiento informado. En mi artículo no aparecen datos de pacientes
Conflicto de interesesLos autores declaran no tener ningún conflicto de intereses.