MESTRADO
NUTRIÇÃO CLÍNICA
Indicadores antropométricos e a sua associação
com fatores de risco cardiometabólico: Qual o
melhor preditor?
Sandra Isabel Órfão Gonçalves
M
Indicadores antropométricos e a sua associação
com fatores de risco cardiometabólico
Qual o melhor preditor?
Anthropometric indicators and their association with
cardiometabolic risk factors
Which is the best predictor?
Sandra Isabel Órfão Gonçalves
Mestrado em Nutrição Clínica
Faculdade de Ciências da Nutrição e Alimentação da Universidade do Porto
Título: Indicadores antropométricos e a sua associação com fatores de risco cardiometabólico:
Qual o melhor preditor?
Anthropometric indicators and their association with cardiometabolic risk factors: Which is the best predictor?
Nome da autora: Sandra Isabel Órfão Gonçalves
Faculdade de Ciências da Nutrição e Alimentação da Universidade do Porto Serviço de Saúde da Região Autónoma da Madeira, E.P.E.
Orientador: Doutor Bruno Lisandro de França Sousa, Nutricionista no Serviço de Saúde da
Região Autónoma da Madeira
Dissertação de candidatura ao grau de Mestre em Nutrição Clínica apresentada à Faculdade de Ciências da Nutrição e Alimentação da Universidade do Porto
AGRADECIMENTOS
Ao meu orientador, Doutor Bruno Sousa, pela transmissão de conhecimentos e os constantes desafios propostos ao longo deste trabalho, pela disponibilidade, apoio e compreensão. Foi sem dúvida um privilégio ter sido sua orientanda.
À Doutora Eva Henriques e à Doutora Sónia Freitas da Unidade de Investigação do Serviço de Saúde da Região Autónoma da Madeira, pela disponibilidade e ajuda no tratamento estatístico dos dados.
À Doutora Liliane Costa, pela amizade, entusiasmo e imprescindível ajuda na recolha de dados.
Aos participantes do estudo.
À Teresa e à Juliana, pela melhor companhia que podia ter tido em todo o percurso. À minha família, pelo apoio incondicional desde sempre.
Ao Marcelo, por acreditar em mim e em que tudo isto valia a pena.
RESUMO
Introdução: É reconhecido que a obesidade abdominal associa-se a um aumento do risco
cardiometabólico (RCM). Dadas as limitações do índice de massa corporal (IMC), as medidas antropométricas que refletem a adiposidade abdominal têm sido sugeridas como medidas viáveis na predição do RCM.
Objetivos: Identificar o melhor índice antropométrico na predição do RCM em adultos.
Metodologia: Este foi um estudo observacional descritivo transversal que analisou uma
amostra de conveniência de indivíduos de ambos os sexos, com idades compreendidas entre os 30 e os 74 anos, e que frequentavam os centros de saúde do concelho da Calheta e da Ribeira Brava, na ilha da Madeira. Vários índices antropométricos, tais como o IMC, perímetro da cintura (Pc), perímetro da anca (Pa), razão perímetro da cintura/estatura (PcE), razão perímetro da cintura/perímetro da anca (PcPa), A Body Shape Index (ABSI) e Body Roundness Index (BRI), foram correlacionados com o risco de desenvolver doença cardiovascular (DCV) e/ou diabetes mellitus tipo 2 (DM2). Através da análise de curvas características de operação do recetor (ROC), foi obtida a área sob a curva (AUC), de modo a avaliar a capacidade preditiva de cada índice antropométrico na avaliação do RCM.
Resultados: A amostra foi constituída por 198 indivíduos, dos quais 16,7% homens e 83,3%
mulheres. Observou-se que 16,7% da amostra apresentava risco aumentado de desenvolver DCV (≥10% no score de Framingham) e 55,6% apresentava risco aumentado de desenvolver DM2 (≥12 no questionário FINDRISC). O RCM aumentado (Framingham≥10% e/ou FINDRISC≥12) estava presente em 57,1% da amostra, sendo mais frequente em indivíduos mais velhos (p<0,001) e com maiores medições antropométricas (p<0,001). No geral, o Pc (0,838), a PcE (0,859) e o BRI (0,838), apresentaram os maiores valores da AUC, sendo as estimativas de predição superiores pela PcE do que apenas pelo Pc.
Conclusão: Os índices que tomam em consideração o Pc e a estatura são os melhores índices
antropométricos para prever o RCM, destacando-se através do nosso estudo o BRI, a PcE e o Pc. Porém e embora o BRI tenha apresentado o maior poder preditivo, devido à complexidade no seu cálculo, defende-se o uso da PcE em detrimento do BRI.
Palavras-Chave: Antropometria, Risco cardiometabólico, Risco cardiovascular, Risco de
ABSTRACT
Introduction: It is recognized that abdominal obesity is associated with an increase in
cardiometabolic risk (RCM). Given the limitations of body mass index (IMC), the measures that reflect abdominal adiposity have been suggested as the most feasible predictors of RCM.
Objectives: To identify the best anthropometric index in the prediction of RCM in adults. Methods: This was a descriptive cross-sectional observational study that examined a
convenience sample of individuals of both genders, aged between 30 and 74 years, attending to the health centers of the county of Calheta and the health center of Ribeira Brava, Madeira Island. Various anthropometric indexes, such as BMI, waist circumference (Pc), hip circumference (Pa), waist-to-height circumference (PcE), waist-to-hip circumference (PcPa), The Body Shape Index (ABSI) and Body Roundness Index (BRI) were correlated with the risk of developing cardiovascular disease (DCV) and/or diabetes mellitus type 2 (DM2). Through the receiver operating characteristic (ROC), the area under the curve (AUC) was obtained in order to evaluate the predictive capacity of each anthropometric index in the assessment of the RCM.
Results: The sample consisted of 198 individuals, of whom 16.7% were men and 83.3% were
women. It was observed that 16.7% of the sample had an increased risk of developing DCV (≥10% on the Framingham scale) and 55.6% had an increased risk of developing DM2 (≥12 on the FINDRISC scale). The increased RCM (Framingham≥10% and/or FINDRISC≥12) was present in 57.1% of the sample, being more prevalent in older individuals (p<0.001) and with greater anthropometric measurements (p<0.001). Overall, the Pc (0.838), the PcE (0.859) and the BRI (0.838), showed the highest AUC values, being the predictive estimative values higher by the PcE rather than by the Pc alone.
Conclusion: The indexes that take into consideration the Pc and the stature are the best
and the Pc. However, although the BRI presented the greatest predictive power, due to its calculation complexity, the use of the PcE over the BRI is advocated.
ÍNDICE Agradecimentos ... iii Resumo ... iv Abstract ... vi Lista de Tabelas ... ix Lista de Figuras ... ix
Lista de Siglas, Abreviaturas e Acrónimos ... x
Introdução ... 1 Objetivos ... 8 Material e Métodos ... 9 Desenho do Estudo ...9 Amostra ...9 Recolha de Dados ...10 Análise Estatística ...12 Resultados ... 14 Caracterização da Amostra ...14
Risco Cardiovascular e Risco de Diabetes Mellitus Tipo 2 ...15
Associação entre Índices Antropométricos e Variáveis de Risco Cardiometabólico ...16
Associação entre Índices Antropométricos e Risco Cardiometabólico ...17
Discussão ... 19
Conclusões ... 26
LISTA DE TABELAS
Tabela 1 – Classificação do risco cardiovascular, através do score de Framingham ... 11
Tabela 2 – Classificação do risco de DM2, através do questionário FINDRISC ... 12
Tabela 3 – Caracterização da amostra por sexo. ... 15
Tabela 4 – Associações entre medidas antropométricas e fatores de RCM ... 16
Tabela 5 – Análise descritiva dos indivíduos com e sem RCM aumentado nas várias variáveis ... 17
Tabela 6 – AUC para as medidas antropométricas na predição do risco cardiovascular, risco de DM2 e RCM ... 18
LISTA DE FIGURAS Gráfico 1 – Risco de desenvolvimento de DCV, segundo o score de Framingham. Risco de desenvolvimento de DM2, segundo o FINDRISC. ... 15
Gráfico 2 – Curvas ROC de medidas antropométricas para a previsão do risco cardiovascular, risco de DM2 e RCM. ... 18
LISTA DE SIGLAS,ABREVIATURAS E ACRÓNIMOS
ABSI: A body shape index AUC: Área abaixo da curva BRI: Body roundness index C-HDL: colesterol HDL C-LDL: colesterol LDL DCV: doença cardiovascular DM2: diabetes mellitus tipo 2 HTA: Hipertensão arterial IMC: Índice de massa corporal OMS: Organização mundial de saúde Pa: Perímetro da anca
PAD: Pressão arterial diastólica PAS: Pressão arterial sistólica Pc: Perímetro da cintura
PcE: Razão perímetro da cintura/estatura
PcPa: Razão perímetro da cintura/perímetro da anca ROC: Curva característica do recetor
SM: Síndrome metabólica TG: Triglicerídeos
INTRODUÇÃO
A Organização Mundial de Saúde (OMS) estima que 1,9 mil milhões de adultos tenham excesso de peso, entre os quais 600 milhões são obesos, tendo a prevalência de obesidade duplicado ou mesmo triplicado em menos de duas décadas, constituindo a 5ª principal causa de morte no mundo (1, 2). Com o aumento da obesidade, a síndrome metabólica (SM) tornou-se uma pandemia global, sendo as doenças cardiovasculares (DCV) a causa de morte de 18 milhões de pessoas em todo o mundo com a diabetes mellitus tipo 2 (DM2) e a hipertensão arterial (HTA) entre os principais fatores de risco (2). A DM2 tornou-se um problema de saúde global, sendo a sua prevenção o foco de atenção (3-5).
A SM é uma combinação de distúrbios metabólicos ou fatores de risco que incluem hiperglicemia, HTA, obesidade central e dislipidemia, e está associada ao aumento do risco de DM2 e DCV (2). De acordo com o Adult Treatment Panel III, a presença em simultâneo de quaisquer 3 das seguintes anormalidades clínicas atenderia aos critérios para a definição de SM: hiperglicemia, HTA, obesidade abdominal, triglicerídeos (TG) elevados ou níveis baixos de colesterol HDL (c-HDL) (2, 6, 7). Os critérios da OMS centram-se na presença de insulinorresistência, e de dois outros fatores de risco, entre os quais: obesidade, HTA, TG elevados, redução do c-HDL ou microalbuminúria (2).
Durante muito tempo, o tecido adiposo foi considerado um órgão bastante passivo, cuja única função era armazenar energia sob a forma de TG, que seria utilizada em caso de défice energético. Porém, hoje sabemos que o tecido adiposo, longe de ser um conjunto de células inertes, é capaz de produzir um elevado número de marcadores inflamatórios, como a proteína c-reativa e as chamadas adipocitocinas, entre as quais a leptina, a adiponectina, as interleucinas e o fator de necrose tumoral alfa (8, 9),sendo estes, fatores etiológicos no desenvolvimento de
HTA, dislipidemia e resistência à insulina (10, 11), principalmente se a acumulação de tecido adiposo se verificar na zona visceral, em oposição à zona subcutânea, aumentando desta forma
o risco cardiometabólico (RCM) (6, 8, 12-17). Por este motivo, é aceite que a localização do excesso de adiposidade é um forte determinante do RCM, e vários estudos indicam que o conhecimento sobre a sua distribuição é fundamental (8, 12-14).
A tomografia computorizada e a ressonância magnética são considerados os padrões áureos para a medição da gordura abdominal. Porém, devido ao elevado custo, falta de disponibilidade e sofisticação, a sua utilização na prática clínica não é viável (13, 17). Além dos métodos anteriormente referidos, a absorciometria por duplo feixe de raios-X, apesar de também ser um método confiável na avaliação da massa gorda, não é capaz de diferenciar entre gordura visceral e gordura subcutânea (15, 18).
Assim, devido à complexidade da avaliação da gordura corporal com técnicas de imagem, as medidas antropométricas como o peso, a estatura e os perímetros são frequentemente utilizadas na prática clínica devido ao seu baixo custo e alta conveniência, sendo importantes ferramentas no rastreio do RCM (17).
Embora vários estudos tenham sido realizados para identificar indicadores simples e efetivos de obesidade abdominal e RCM associado (17), continuam a ser necessários critérios antropométricos adequados para delinear os indivíduos com maior RCM (14).
Índice de Massa Corporal
O IMC é o índice antropométrico mais utilizado (13, 15). No entanto, tem sido criticado por
não diferenciar entre massa gorda e massa isenta de gordura, ou refletir a distribuição de gordura de um indivíduo (1, 3, 14, 15, 19), colocando indivíduos com elevada quantidade de massa isenta de gordura em categorias elevadas de IMC, o que poderá levar a uma classificação errónea da adiposidade (20-23). Para um mesmo IMC, indivíduos de diferentes etnias podem exibir diferentes distribuições de gordura corporal, tendo sido relatado que para um mesmo IMC, os asiáticos apresentam um maior RCM do que os europeus (13). Em 2002, a OMS
e 27,4 kg/m2, e obesidade um IMC igual ou superior a 27,5 kg/m2 (24). Um estudo de Tilin et al
(7)
mostrou que, em termos de incidência de DM2, os valores médios de IMC de 25,2 kg/m2 nos asiáticos eram equivalentes ao ponto de corte convencional de obesidade de 30 kg/m2 nos europeus, sugerindo um maior RCM em pontos de corte de IMC mais baixos nos asiáticos comparativamente às populações de origem europeia.
O papel do IMC no risco de mortalidade cardiovascular é controverso, pois parece não existir diferença significativa na mortalidade cardiovascular entre os indivíduos com peso normal e indivíduos com excesso de peso ou obesidade segundo o IMC, enquanto indivíduos com obesidade mórbida ou de baixo peso apresentam um aumento significativo na mortalidade cardiovascular (15). Além disso, parece haver um aumento dos fatores de RCM em indivíduos não obesos de acordo com o IMC, mas obesos segundo a percentagem de massa gorda (25), sendo que segundo o estudo Interheart Study (26), a obesidade abdominal apresentava uma maior contribuição para eventos cardiovasculares do que IMC. Além disso, o IMC também não é referido em nenhuma das versões do score de Framingham, uma das ferramentas utilizadas para definir o risco cardiovascular, presumindo-se nesse estudo que poderiam haver indivíduos obesos metabolicamente saudáveis (15), tendo o mesmo sido defendido por outros autores (20, 27).
Perímetro da Cintura
O Pc é um parâmetro antropométrico típico que reflete a obesidade abdominal e está fortemente relacionado com o risco cardiovascular e vários estudos demonstraram que prevê o risco de mortalidade melhor do que o IMC (13, 14, 16, 28) e a PcPa (15, 16). Indivíduos com o Pc elevado foram relatados como tendo maior prevalência de fatores de risco cardiovascular, mesmo dentro da mesma categoria de IMC, sublinhando a importância do Pc (14, 16).
Embora o Pc seja frequentemente defendido como um marcador antropométrico simples e preciso da obesidade abdominal e RCM, esta medida não está isenta de limitações. O Pc pode sobrestimar o RCM em indivíduos mais altos e subestimá-lo em indivíduos mais baixos,
uma vez que pressupõe que o risco não é influenciado pela estatura (12). O limiar do Pc é menor para os asiáticos do que para os europeus (7, 29), sendo que os pontos de corte do Pc usualmente utilizados podem subestimar o RCM em não-europeus (7).
Razão Perímetro da Cintura/Perímetro da Anca
A PcPa foi amplamente utilizada no passado para a avaliação da distribuição do tecido adiposo (15). O Pc e o Pa medem diferentes aspetos da composição corporal e distribuição da gordura e têm efeitos independentes e muitas vezes oposto sobre os fatores de risco de DCV, sendo que uma cintura estreita e ancas largas podem proteger contra DCV (15). Cameron et al
(30)
demonstraram o importante efeito confundidor do Pa na associação entre obesidade abdominal e mortalidade cardiovascular, sendo o Pa inversamente associado à mortalidade após ajuste para o Pc.
O IMC, o Pc e a PcPa têm sido propostos como os principais indicadores antropométricos de obesidade com melhor relação com o risco de DM2 (31), porém, não está claro qual a melhor medida para prever a DM2 (32). A PcPa, comparativamente aos outros marcadores que refletem a obesidade abdominal, tais como o Pc e a PcE, parece ser inferior na predição de DM2, pois apresenta correlações mais fracas (29).
Razão Perímetro da Cintura/Estatura
O ajuste do Pc para a estatura foi proposto para uma avaliação potencialmente mais precisa do acúmulo de gordura central (33, 34). A PcE é uma medida antropométrica simples na avaliação da distribuição da gordura abdominal (35, 36), tornando-se mais favorável para fatores
de RCM do que o IMC e o Pc (13, 15-17, 28, 36). Além disso, mostrou detetar o RCM entre indivíduos não obesos (12, 14, 28, 31). A estatura influencia a forma e o tamanho dos indivíduos, sendo que indivíduos mais altos tendem a ser mais magros do que os indivíduos mais baixos
(16)
O ponto de corte que indica um RCM aumentado deverá ser de 0,5, sendo que este valor reflete o valor médio de todos os valores limite em relação a vários fatores de risco (32, 35, 36).
Ashwell et al (28) mostraram que a PcE foi um melhor preditor para DM2, dislipidemia, HTA e risco cardiovascular em ambos os sexos e várias etnias, comparativamente ao Pc e IMC. Os resultados de uma metanálise de Savva et al (36) mostraram que a PcE foi superior ao IMC na deteção da incidência de DM2 e DCV em populações asiáticas, e incidência de DCV e mortalidade por todas as causas em populações não asiáticas. Esta metanálise forneceu evidências de que a PcE poderia ser usada como uma ferramenta de rastreio de RCM em populações asiáticas e não asiáticas. Contudo, numa metanálise de Dijk et al (14), o Pc foi superior ao IMC, PcE e PcPa na deteção de fatores de risco cardiovascular. Kodama et al (31) concluíram que, comparativamente ao Pc, a PcE não teve uma associação mais forte com o risco de incidência de DM2, o que sugere não existir nenhum benefício adicional em medir a estatura. Embora as evidências mostrem que a PcE seja superior ao Pc, pois corrige o Pc para a estatura do indivíduo, não é unânime que a estatura afete a relação entre Pc e gordura visceral, sendo possível que a PcE não seja uma ferramenta útil para a predição do risco de DM2.
Uma das vantagens propostas no uso da PcE é a capacidade de usar um único ponto de corte em todas as idades, sexos e etnias (36). Outra vantagem é o facto de a PcE contornar o problema dos asiáticos desenvolverem DM2 com um menor IMC, porque o ajuste do Pc para estatura significa que os mesmos valores limite são adequados para ambos os grupos étnicos
(35)
. Em comparação com o IMC, Pc e PcPa, a PcE pode ser o melhor indicador para DM2 não diagnosticada (32). Embora seja sugerido que a PcE possa ser um dos melhores preditores do risco de desenvolvimento de DM2, os estudos que comparam os vários índices ainda apresentam resultados inconsistentes.
Novos Índices Antropométricos para a predição do Risco Cardiometabólico
Apesar de todos as medidas antropométricas existentes, existe ainda um grande esforço para otimizar a identificação de indivíduos com RCM aumentado, sendo que novos índices têm sido propostos.
Foram desenvolvidos dois novos índices antropométricos, o ABSI e o BRI, como possíveis alternativas melhoradas ao IMC e ao Pc (3, 19, 37, 38).
A Body Shape Index
Krakauer e Krakauer (19) desenvolveram um índice conhecido como ABSI. Este índice foi desenvolvido especificamente como uma transformação do Pc, estatisticamente independente do IMC para uma melhor avaliação da contribuição relativa do Pc para a obesidade central e desfechos clínicos (39). Um ABSI elevado relaciona-se com uma maior quantidade de gordura visceral em comparação com a gordura subcutânea numa determinada estatura e peso (19), o que prediz um RCM mais elevado. Em alguns estudos, o ABSI
apresentou associação positiva com o risco de doença e mortalidade (3, 4), estando significativamente associado à quantidade de tecido adiposo abdominal e à morte prematura, do que o Pc ou o IMC (13, 19). Embora um estudo tenha concluído que o ABSI é capaz de prever
o início da DM2, este parece ser um preditor mais fraco para identificar DM2 (4), HTA e risco cardiovascular, comparativamente ao IMC (1, 3, 13).
Body Roundness Index
Thomas et al (37) desenvolveram outro índice denominado BRI. Este índice é baseado no Pc e na estatura, sendo um preditor que poderia melhorar as previsões da percentagem de gordura corporal e tecido adiposo visceral comparativamente ao IMC, Pc ou Pa (37). Vários
estudos mostraram que o BRI poderia ser usado como um bom preditor para o desenvolvimento de hipertrofia ventricular esquerda, hiperuricemia, DCV e DM2 (1, 3). Porém, foi demonstrado que embora o BRI fosse capaz de identificar os fatores de RCM, não era
superior nem ao IMC nem ao Pc (1, 3, 13). Os valores para o BRI variam de 1 a 16, sendo que indivíduos mais redondos tendem a ter valores maiores (37).
OBJETIVOS
Este trabalho tem por objetivo geral identificar o melhor índice antropométrico na predição do RCM em adultos.
Apresenta ainda como objetivos específicos:
Analisar as caraterísticas sociodemográficas, antropométricas e bioquímicas da amostra;
Quantificar o número de pessoas com risco de DM2 e com risco de DCV;
Verificar a associação entre índices antropométricos (IMC, Pc, Pa, PcE. PcPa, ABSI, BRI) e variáveis bioquímicas (perfil lipídico e glicémico, e pressão arterial);
Verificar a associação entre índices antropométricos e o risco cardiovascular, risco de DM2 e RCM;
Determinar a capacidade preditiva dos índices antropométricos na predição do RCM.
MATERIAL E MÉTODOS
Desenho do Estudo
Este foi um estudo observacional descritivo transversal que analisou todas as pessoas atendidas nos diversos centros de saúde da Calheta e da Ribeira Brava, pertencentes ao Serviço de Saúde da Região Autónoma da Madeira, E.P.E. Estes dados foram recolhidos entre os meses de fevereiro e junho de 2018.
O estudo foi aprovado pela Comissão de Ética do Serviço de Saúde da Região Autónoma da Madeira, E.P.E., tendo sido também obtido o consentimento informado por escrito dos participantes antes da recolha de dados.
Amostra
O tamanho amostral foi estimado fazendo uma análise de poder estatístico. Considerou-se uma significância de 5% e um poder estatístico de 80%. Para que fosConsiderou-sem consideradas significativas correlações cujo módulo fosse superior a 0,2, esta análise indicou que seria necessária uma amostra de pelo menos 194 indivíduos.
Inicialmente foram avaliados 215 indivíduos, dos quais 17 não tinham todos os dados bioquímicos necessários. Assim, os resultados apresentados ao longo do trabalho reportam-se a 198 indivíduos.
Os participantes deste estudo eram de ambos os sexos e tinham idades compreendidas entre os 30 e os 74 anos. Na análise de dados foram incluídos todos aqueles que tinham avaliação do peso, estatura, Pc, Pa, pressão arterial sistólica (PAS) e pressão arterial diastólica (PAD), dados bioquímicos (glicemia, colesterol total (CT), colesterol LDL (c-LDL), c-HDL e TG), pontuação de risco de DM2 definido pelo questionário FINDRISC e pontuação de risco cardiovascular definido pelo score de Framingham. Foram excluídos indivíduos que apresentavam DCV e/ou DM2 já diagnosticadas; indivíduos com doença crónica que pudesse
afetar o estado metabólico ou a composição corporal (ex.: síndromes de má-absorção, doença de crohn, doença celíaca, fibrose quística); indivíduos com antecedentes de cirurgia bariátrica ou intestinal; indivíduos com doença oncológica ativa; e mulheres grávidas.
Recolha de Dados
Dados sociodemográficos e clínicos
Foi aplicado um questionário onde foram recolhidos dados referentes ao sexo, idade, estado civil, hábitos tabágicos, presença de DM2, HTA e/ou dislipidemia, história familiar de DCV e/ou de DM2.
Dados antropométricos
A medição do peso e estatura foram feitas sem sapatos e com roupa leve. Para o peso foi utilizado uma balança da marca TANITA TBF 300. Na medição da estatura foi utilizado um estadiómetro da marca SECA 222 e foi feita de acordo com as normas do International Society
for the Advancement of Kinanthropometry (40). Com estes valores foi calculado o IMC (peso (kg)/estatura2 (m)) (41). O Pc e o Pa foram medidos com uma fita métrica flexível, não elástica.
O Pc foi avaliado no ponto médio entre o bordo inferior da última costela e a crista ilíaca, no fim de uma expiração normal (40). Para o Pa foi considerada a maior protuberância a nível do glúteo (40). Com estes valores foi calculado a PcE (razão entre o Pc e a estatura) e a PcPa (razão
entre o Pc e o Pa).
O ABSI e BRI foram calculados usando as fórmulas correspondentes: 𝐴𝐵𝑆𝐼 = 𝑃𝑐 𝐼𝑀𝐶2/3×𝑒𝑠𝑡𝑎𝑡𝑢𝑟𝑎1/2 (19) e 𝐵𝑅𝐼 = 364.2 − 365.5 × √1 − (𝑃𝑐/(2𝜋))2 (0.5∗𝑒𝑠𝑡𝑎𝑡𝑢𝑟𝑎)2 (37) .
Dados bioquímicos e pressão arterial
Os dados bioquímicos, nomeadamente glicemia, CT, c-HDL, c-LDL e TG, foram obtidos através da última análise de sangue realizada pelo participante, que não poderia ter sido realizada numa data superior a 12 meses.
As medidas da PAS e PAD foram feitas no local com recurso a um tensiómetroda marca OMRON M7 INTELLI IT. A leitura foi realizada no braço não dominante do participante, com o participante sentado, e com um descanso de pelo menos 2 a 3 minutos.
Avaliação do risco cardiometabólico
O RCM inclui todos os fatores de risco para DM2 e DCV, tais como a obesidade, resistência à insulina, hiperglicemia, dislipidemia e HTA que podem ocorrer em grupo ou individualmente (42, 43).
O RCM neste trabalho foi definido através da presença de risco cardiovascular moderado ou superior (score de Framingham≥10%) e/ou da presença de risco moderado ou superior de desenvolver DM2 (pontuação do questionário FINDRISC≥12).
Score de Framingham: A probabilidade de desenvolver doença coronária em 10 anos foi
estimada através de um algoritmo validado e desenvolvido pelo estudo de Framingham. Este modelo incorpora como variáveis a idade, o sexo, os níveis de c-LDL e HDL, PAS e PAD, presença de DM2 e hábitos tabágicos, sendo amplamente utilizado em diversos estudos de diversos países (6). O score de Framingham avalia a mortalidade e a morbilidade por doença coronária em 10 anos, estando as classes de risco descritas na Tabela 1 (44).
Score de Framingham Classe de Risco
<10% Baixo Risco
10-20% Risco Moderado
>20% Alto Risco
FINDRISC (Finnish Diabetes Risk Score): O risco de desenvolver DM2 foi avaliado através do questionário FINDRISC. Esta ferramenta foi desenvolvida pelo Finnish Diabetes
Prevention Study e tem sido considerada um método simples, rápido, pouco dispendioso e não
invasivo para avaliar o risco de vir a desenvolver DM2 nos 10 anos seguintes, tendo em conta os seguintes parâmetros: idade, IMC, Pc, atividade física, consumo diário de vegetais e frutas, uso de medicação para a pressão arterial, história pessoal de hiperglicemia e história familiar de DM2 (45). As classes de risco e a probabilidade de desenvolver a doença em 10 anos estão descritas na Tabela 2.
Pontuação do Questionário
FINDRISC Classe de risco
Nº aproximado de indivíduos que desenvolveram DM2, a 10 anos
<7 Baixo Risco 1 em cada 100
7-11 Risco Ligeiramente Elevado 1 em cada 25
12-14 Risco Moderado 1 em cada 6
15-20 Risco Alto 1 em cada 3
>20 Risco Muito Alto 1 em cada 2
Tabela 2 – Classificação do risco de DM2, através do questionário FINDRISC.
Análise Estatística
A análise estatística dos dados foi realizada através do programa IBM SPSS Statistics para Windows, versão 25.0.0.0.
A análise descritiva consistiu na utilização de mínimos, máximos, médias e desvios padrões para variáveis contínuas, e frequências para variáveis nominais e ordinais.
A normalidade foi avaliada usando o critério do coeficiente de simetria e de achatamento, verificando-se que todas as variáveis seguiam uma distribuição próxima da normal, com exceção, para o c-HDL e TG.
Para comparar dois grupos realizaram-se testes t-Student para amostras independentes, para as variáveis que seguem uma distribuição próxima da normal, e testes de Mann-Whitney, para as variáveis que seguem uma distribuição diferente da normal.
Para avaliar a correlação entre pares de variáveis cardinais ou ordinais, calculou-se o coeficiente de correlação de Pearson, quando ambas tinham distribuição próxima da normal.
As curvas ROC foram estudadas de modo a analisar o melhor indicador antropométrico na predição do RCM. Através destas curvas foram também obtidos os valores da AUC, sendo que uma AUC de 1,0 indica uma discriminação positiva perfeita, enquanto uma AUC inferior a 0,5 indica que o poder discriminatório do preditor não é melhor do que o acaso.
RESULTADOS
Caracterização da Amostra
A amostra foi constituída por 198 indivíduos, dos quais 16,7% homens e 83,3% mulheres. A média de idades foi de 52 anos (dp=10,8; min=30; máx= 74). Os hábitos tabágicos estavam presentes em 15,7% da amostra, e cerca de 46% apresentava HTA (dos quais 82,4% estavam medicados) e 51,5% dislipidemia (dos quais 53% estavam medicados). A prática de atividade física era recorrente em 61,6 % da amostra com uma média de 3,91 horas/semana (dp=2,03).
A análise descritiva encontra-se na tabela 3. Os homens, em média, eram mais pesados e mais altos, apresentando um Pc e uma PcPa maiores comparativamente às mulheres. A nível bioquímico, os homens tiveram menor média de c-HDL e maior média de TG do que as mulheres, e valores séricos superiores de glicemia em jejum.
Sexo Masculino (n=33) (média (dp)) Sexo Feminino (n=165) (média (dp)) p Idade (anos) 52,7 (9,9) 52,3 (11,0) 0,821 Peso (kg) 90,4 (15,2) 74,7 (14,8) <0,001 Estatura (m) 1,72 (0,07) 1,59 (0,06) <0,001
Índice de massa corporal (kg/m2) 30,6 (4,8) 29,6 (5,6) 0,348
Perímetro da cintura (cm) 104,1 (12,5) 93,0 (13,4) <0,001
Perímetro da anca (cm) 107,3 (7,9) 107,8 (11,4) 0,837 Razão perímetro da cintura/estatura 0,61 (0,08) 0,59 (0,09) 0,189 Razão perímetro da cintura/perímetro da anca 0,97 (0,09) 0,86 (0,08) <0,001
A body shape index 0,081 (0,004) 0,077 (0,005) <0,001
Body roundness index 5,70 (1,83) 5,24 (1,91) 0,208
Pressão arterial sistólica (mmHg) 135,3 (15,8) 128,4 (16,8) 0,031
Pressão arterial diastólica (mmHg) 79,4 (10,7) 76,9 (9,5) 0,181 Glicemia em jejum (mg/dL) 92,9 (15,3) 87,8 (12,4) 0,038
Colesterol total (mg/dL) 186,5 (33,8) 197,9 (38,7) 0,118 Colesterol LDL (mg/dL) 105,9 (29,6) 116,0 (33,1) 0,087 Colesterol HDL (mg/dL) 46,1 (10,4) 56,7 (13,4) <0,001MW
Triglicerídeos (mg/dL) 170,7 (92,7) 122,7 (56,1) 0,002MW Tabela 3 – Caracterização da amostra por sexo (apresentação da média e desvio padrão (dp)). Comparação das amostras pelos testes
t-Student e Mann-Whitney (MW).
Risco Cardiovascular e Risco de Diabetes Mellitus Tipo 2
Após a aplicação do score de Framingham verifica-se que a amostra apresenta em média 6,16% de risco de desenvolver doença coronária em 10 anos, sendo o risco significativamente superior no sexo masculino comparativamente ao sexo feminino (9,58% (dp=5,86) vs 5,48% (dp=4,02); p<0,001). A maior parte dos indivíduos que compõem a amostra apresentam baixo risco (risco inferior a 10%) de desenvolver esta patologia, sendo que apenas 16,7% apresenta risco aumentado.
Através da aplicação do questionário FINDRISC, observou-se que 55,6% da amostra obteve pontuações iguais ou superiores a 12, o que representa um risco moderado a muito alto de desenvolver DM2, não existindo diferenças estatisticamente significativas entre sexos
(Figura 1).
O RCM, definido por ter risco moderado ou superior de desenvolvimento de DCV e/ou DM2, está presente em 57,1% da amostra.
Gráfico 1 – Risco de desenvolvimento de DCV, segundo o score de Framingham. Risco de desenvolvimento de DM2, segundo o
FINDRISC. 83,3% 5,6% 24,7% 15,2% 25,3% 1,5% 15,2% 29,3%
Associação entre Índices Antropométricos e Variáveis de Risco Cardiometabólico
Existem correlações positivas e estatisticamente significativas entre as medidas antropométricas e glicemia em jejum, TG, PAS e PAD, com exceção das associações entre o Pa e a glicemia em jejum, e os TG, e das associações entre a PcPa e o ABSI com a PAD que não apresentaram significado estatístico. Correlações negativas e estatisticamente significativas foram verificadas entre as medidas antropométricas e o c-HDL.
Todas as correlações embora estatisticamente significativas são fracas ou muito fracas. De todas as correlações existentes as maiores correlações verificam-se entre as variáveis antropométricas e o c-HDL, da qual se destaca a correlação negativa entre o c-HDL e o Pc (ρ=-0,469, p<0,001). O Pa foi a medida antropométrica que se associou a menos variáveis bioquímicas.
Não se estabeleceram correlações com significado estatístico entre o CT e o c-LDL com qualquer uma das medidas antropométricas avaliadas (Tabela 4).
Glicemia CT c-LDL c-HDL TG PAS PAD
Índice de massa corporal R=0,205
p=0,004 R=0,027 p=0,704 R=0,099 p=0,167 ρ=-0,369 p<0,001 ρ=0,213 p=0,003 R=0,256 p<0,001 R=0,257 p<0,001 Perímetro da cintura R=0,300 p<0,001 R=-0,011 p=0,876 R=0,063 p=0,380 ρ=-0,469 p<0,001 ρ=0,291 p<0,001 R=0,328 p<0,001 R=0,202 p=0,004 Perímetro da anca R=0,133 p=0,062 R=0,033 p=0,643 R=0,093 p=0,193 ρ=-0,252 p<0,001 ρ=0,103 p=0,149 R=0,200 p=0,005 R=0,236 p=0,001 Razão perímetro da cintura/estatura R=0,278 p<0,001 R=0,009 p=0,896 R=0,085 p=0,236 ρ=-0,417 p<0,001 ρ=0,281 p<0,001 R=0,327 p<0,001 R=0,168 p=0,018 Razão perímetro da cintura/perímetro da anca R=0,300 p<0,001 R=-0,041 p=0,563 R=0,009 p=0,896 ρ=-0,435 p<0,001 ρ=0,335 p<0,001 R=0,280 p<0,001 R=0,067 p=0,350 A body shape index R=0,254
p<0,001 R=-0,045 p=0,527 R=-0,009 p=0,900 ρ=-0,302 p<0,001 ρ=0,267 ρ<0,001 R=0,237 p=0,001 R=-0,050 p=0,486 Body roundness index R=0,281
p<0,001 R=0,006 p=0,935 R=0,077 p=0,280 ρ=-0,414 p<0,001 ρ=0,282 p<0,001 R=0,324 p<0,001 R=0,164 p=0,021
Associação entre Índices Antropométricos e Risco Cardiometabólico
Relacionou-se a presença de RCM com a idade e variáveis antropométricas (peso, IMC, Pc, Pa, PcE, PcPa, ABSI e BRI) e como é observável na Tabela 5, os indivíduos com RCM aumentado eram os que tinham maiores valores antropométricos. O RCM também está mais presente em indivíduos mais velhos.
Sem RCM (n=85) (média (dp)) Com RCM (n=113) (média (dp)) p Idade (anos) 47,0 (9,8) 56,4 (9,6) <0,001 Peso (kg) 69,8 (13,9) 83,0 (15,1) <0,001 Estatura (m) 1,62 (0,08) 1,61 (0,07) 0,413 Índice de massa corporal (kg/m2) 26,7 (4,6) 32,0 (5,0) <0,001
Perímetro da cintura (cm) 85,8 (11,1) 101,6 (11,6) <0,001
Perímetro da anca (cm) 102,8 (9,4) 111,4 (10,6) <0,001
Razão perímetro da cintura/estatura 0,53 (0,07) 0,63 (0,07) <0,001
Razão perímetro da cintura/perímetro da anca 0,83 (0,08) 0,91 (0,08) <0,001
A body shape index 0,076 (0,005) 0,080 (0,005) <0,001
Body roundness index 4,04 (1,37) 6,28 (1,67) <0,001
Tabela 5 – Análise descritiva (apresentação da média e desvio padrão (dp)) dos indivíduos com e sem RCM
aumentado nas várias variáveis. Comparação das amostras utilizando o teste t-Student.
Tal como é mostrado no Gráfico 2, no geral, o Pc (0,838), a PcE (0,859) e o BRI (0,860), apresentaram os maiores valores da AUC para a predição do RCM, sendo as estimativas de predição superiores pela PcE do que pelo Pc isoladamente.
Na predição do risco cardiovascular não existe nenhuma medida que se destaque, ficando o Pa (0,587) e o IMC (0,669) um pouco aquém dos restantes índices antropométricos. Na predição do risco de DM2, o BRI (0,866), a PcE (0,864) e o Pc (0,839) destacam-se pela sua boa capacidade preditiva.
Gráfico 2 – Curvas ROC de medidas antropométricas para a previsão do risco cardiovascular (A), risco de DM2 (B) e RCM (C).
Risco
Cardiovascular Risco de DM2 RCM
Índice de massa corporal 0,669 0,797 0,790
Perímetro da cintura 0,741 0,839 0,838
Perímetro da anca 0,587 0,745 0,737
Razão perímetro da cintura/estatura 0,754 0,864 0,859 Razão perímetro da cintura/ perímetro da anca 0,758 0,746 0,751
A body shape index 0,762 0,717 0,721
Body roundness index 0,756 0,866 0,860
DISCUSSÃO
No presente estudo, cerca de 1 em cada 2 indivíduos apresentava RCM aumentado, porém conhecer o melhor indicador antropométrico parece relacionar-se com um melhor prognóstico. Contudo, após a revisão bibliográfica verificou-se que a nível mundial não existe um consenso sobre qual o índice antropométrico ideal usar na predição do RCM.
Em comparação com as mulheres, os homens eram mais pesados, mais altos, apresentavam valores mais elevados de Pc, PcPa, glicemia e TG, bem como um maior risco cardiovascular. Aqueles que apresentaram maior RCM foram mais propensos a ter parâmetros antropométricos médios mais elevados e uma maior média de idades.
Na análise das correlações, todas as medidas antropométricas foram estatisticamente associadas ao risco cardiovascular (com exceção do Pa), ao risco de DM2 e ao RCM. Sendo que para a previsão do RCM, o BRI e a PcE foram os índices antropométricos que apresentaram as maiores AUC, verificando-se o mesmo para a previsão do risco de DM2 isoladamente. Já a AUC para a previsão do risco cardiovascular foi maior para o ABSI.
Relativamente às correlações entre variáveis bioquímicas e medidas antropométricas, vários estudos (46, 47) relatam uma correlação positiva e estatisticamente significativa, mas fraca entre o IMC e o Pc com o CT, o c-LDL e os TG, enquanto apresentavam uma correlação negativa e fraca com o c-HDL, sendo que os TG mostravam coeficientes de correlação ligeiramente superiores aos das análises do c-LDL e c-HDL. Porém, no nosso estudo, o c-LDL e o CT não mostraram qualquer correlação significativa com as medidas antropométricas, sendo o c-HDL aquele que apresentava os coeficientes de correlação ligeiramente superiores. Tal como neste estudo, o estudo de Lichtash et al (48), mostrou que o Pa foi correlacionado com um menor número de variáveis cardiometabólicas, sendo a falta de correlação encontrada com a PAD e o c-LDL, enquanto neste estudo apenas se verificou associação com a PAD.
A obesidade tornou-se uma epidemia mundial, sendo que cerca de 57% dos portugueses têm excesso de peso ou obesidade (49). Neste estudo, 82,3% dos indivíduos avaliados apresentavam excesso de peso ou obesidade, de acordo com os critérios da OMS, o que é superior à média portuguesa, porém isto pode ser explicado por grande parte da amostra frequentar consultas de nutrição, o que faz com que fosse mais provável já apresentarem algum grau de excesso de peso ou obesidade.
A obesidade está intimamente relacionada com a morbilidade e mortalidade cardiometabólica (50). Os resultados obtidos no nosso estudo mostraram uma correlação positiva entre o IMC e o RCM, o que realça a importância do controlo ponderal o mais precocemente possível. Em particular nos homens, há que ter especial atenção ao rastreio dos fatores de risco, uma vez que na nossa amostra os homens, não só tiveram maior IMC, como também valores séricos superiores de glicemia em jejum, TG, PAD e um maior risco cardiovascular. Porém e não descurando a importância do IMC, neste estudo as correlações entre o RCM e o IMC não foram as mais fortes, provavelmente porque o IMC não consegue diferenciar entre adiposidade geral e adiposidade visceral (1, 3, 14, 15, 19), que é mais frequentemente associada a doenças cardiometabólicas (6, 8, 12-17). Apesar destas evidências,
noutros estudos o IMC continua a ser descrito como o melhor preditor do RCM, sendo que Mooney et al (51) concluíram que o IMC prevê a presença de componentes da SM com a mesma precisão do Pc, da PcE ou da percentagem de massa gorda. Outros estudos concluem que o IMC foi de facto sobreponível ao Pc na identificação e predição da prevalência e risco de futura resistência à insulina e SM na população em geral e nos grupos com excesso de peso e obesidade, e apoiam fortemente o conceito de que em populações de meia-idade com IMC elevado, incrementos no IMC podem-se refletir em grande parte num aumento do tecido adiposo central (33, 34). Contra o uso do IMC na predição do RCM, está um estudo realizado na Noruega (52) e outro em Espanha (53) que apoia que a obesidade geral, medida pelo IMC,
abdominal e volume corporal, apresentando uma baixa capacidade preditiva no enfarte do miocárdio, o que vai de encontro aos resultados apresentados no nosso estudo. Assim, e ponderando os prós e contras, consideramos que o IMC não deverá ser substituído ou comparado com outras medições antropométricas, mas utilizado em conjunto com uma medida de adiposidade central de modo a melhorar a predição do RCM.
O Pa neste estudo, tal como esperado, foi a medida antropométrica que ficou mais aquém na previsão do RCM, tendo o mesmo sido demonstrado num estudo espanhol que observou que o Pa não apresentava força discriminatória na curva ROC relativamente à predição do enfarte do miocárdio, verificando que mesmo combinando o Pa com o Pc, de modo a obter a PcPa, esta razão mostrava uma capacidade preditiva enviesada e superestimava o risco real da obesidade abdominal (53). Porém, no presente estudo a PcPa apresenta a correlação mais elevada com o risco cardiovascular, o que vai de encontro aos resultados obtidos no Interheart Study (26), um estudo realizado com uma amostra de 27098 indivíduos
provenientes de 52 países, que demonstrou que a PcPa é um preditor mais forte do enfarte do miocárdio do que o IMC e o Pc.
O interesse clínico no ABSI foi levantado pela sua associação e maior valor preditivo para a mortalidade por todas as causas em comparação com outros marcadores antropométricos, incluindo o IMC (19, 54). No nosso estudo, o ABSI foi o melhor índice antropométrico para predizer o risco cardiovascular, apresentando uma maior AUC e uma correlação positiva, moderada e estatisticamente significativa com o risco cardiovascular. No entanto, a relação entre ABSI e RCM permanece controversa na literatura. À semelhança deste estudo, um estudo realizado na Turquia, verificou que o ABSI isoladamente previu o risco cardiovascular a 10 anos melhor do que o IMC ou outras medidas de obesidade, usando como padrão o questionário de Framingham (55). Também Bertoli et al (39) num estudo realizado em Milão com 6081 indivíduos caucasianos, chegaram à conclusão, que o ABSI está associado a todos os componentes do SM e à espessura da gordura abdominal visceral, sendo que o uso
conjunto do ABSI com o IMC permite uma melhor avaliação da probabilidade de apresentar c-HDL baixo, TG elevados e valores elevados de glicemia em jejum em comparação com o IMC isolado, tornando o ABSI um índice útil, sendo o mesmo verificado noutro estudo (56). Porém existem estudos que apoiam que apesar da relevância potencial do ABSI como preditor de risco de mortalidade, o ABSI não deve ser recomendado para uso clínico na previsão do RCM
(33, 57)
. Um estudo transversal com indivíduos com DM2, onde o ABSI foi associado à gordura visceral estimada por análise de impedância bioelétrica, parecendo refletir a adiposidade visceral independentemente do IMC, sendo também um marcador substancial de arteriosclerose em pacientes com DM2 (58).
Relativamente ao papel do ABSI na predição do risco de DM2, no nosso estudo o ABSI foi um dos piores preditores quando comparado a outros índices.
Como principais resultados, descobrimos que o BRI foi o melhor índice antropométrico para estimar o RCM. Além disso, descobrimos que o BRI e a PcE tinham praticamente a mesma capacidade em identificar o RCM, provavelmente porque tanto o BRI como a PcE são baseados no Pc e na estatura.
Barazzonni et al (33) chegaram à conclusão que o BRI e a PcE identificam e preveem
efetivamente complicações metabólicas, mas não oferecem vantagem clínica adicional sobre o Pc e o IMC, tendo também noutros estudos sido relatado que apesar do BRI poder prever a presença de DCV (1), a sua capacidade preditiva para o risco cardiovascular não foi melhor do
que o IMC ou o Pc (1, 46). Também Chang et al (3) viram que a capacidade preditiva de BRI para DM2 foi comparável à do IMC. O estudo de Liu et al (13), por outro lado e a apoiar as conclusões deste estudo, foi o único estudo analisado que defendeu o uso do BRI, onde ao avaliar os fatores de RCM, verificou que o BRI poderia ser usado como um índice corporal alternativo à PcE, tendo este último também sido indicado como um índice simples e efetivo na avaliação de fatores de RCM.
Relativamente à PcE, Hori et al (59) observaram poucas diferenças nas AUCs entre a PcE e o IMC, concluindo que o desempenho de triagem de PcE para detetar os fatores de RCM não foi superior ao do IMC, o que vem refutar os resultados deste estudo, porém alega também o facto de a PcE≥0,5 ser constante em todos os grupos etários e sexos, podendo ser por isso uma vantagem da PcE sobre outros índices antropométricos. Por outro lado, vários estudos têm vindo a apoiar o uso da PcE na predição do RCM. Mozaffor et al (43), num estudo com uma amostra composta por 195 médicos, chegaram à conclusão que a PcE, com uma AUC de 0,625, foi considerado um bom índice antropométrico pelo seu valor preditivo do RCM (AUC>0,5), sendo que no nosso estudo obtiveram-se conclusões idênticas mas com um valor da AUC superior ao deste (0,859). Kahn e Cheng (60) afirmaram ainda que a PcE em vez do IMC pode definir melhor a adiposidade associada à resistência à insulina, acrescentando que se esses achados transversais, se se confirmassem em estudos prospetivos, poderiam melhorar a predição do RCM. Por fim, uma meta-análise também relatou que a PcE é o melhor discriminador para a HTA, DM2 e dislipidemia em indivíduos de ambos os sexos, enquanto o IMC foi o mais fraco na determinação de fatores de RCM (61).
A par destes dois últimos índices, foi visto que o Pc também não fica aquém na previsão do RCM. O Pc continua a ser defendido por muitos estudos como um índice, que embora não discrimine bem entre a localização subcutânea e visceral da gordura, está de alguma forma associado ao acúmulo de gordura visceral e consequente RCM, sendo considerado que o Pc deva ser usado como um complemento ao IMC e não de forma isolada (8, 10). No estudo de Tran
et al (57), numa população vietnamita, o principal achado foi que o Pc ou um índice baseado no Pc estava mais fortemente associada ao risco cardiovascular nos homens, e com a glicemia em jejum nas mulheres, enquanto o IMC estava mais fortemente associado à pressão arterial e ao CT entre as mulheres.
Assim, e após todas as conclusões é possível defender que, de forma geral os índices que tomam em consideração o Pc e a estatura são os melhores índices antropométricos para prever
o RCM, destacando-se através deste estudo o BRI, a PcE e o Pc. Porém e embora o BRI tenha apresentado o maior poder preditivo, devido à complexidade no seu cálculo, e beneficiando do facto das AUCs entre o BRI e a PcE serem muito semelhantes, defende-se o uso da PcE em detrimento do BRI, pois é uma medida simples que ajusta o Pc para a estatura e apresenta um valor constante (PcE≥0,5) para todas as idades, etnias e sexo, corrigindo deste modo as limitações inerentes ao Pc, onde poderá haver uma subestimação do RCM em indivíduos mais altos e uma sobrestimação em indivíduos mais baixos.
Assim, é aconselhado o uso da PcE para a predição do RCM ou para a predição do risco de DM2 isoladamente. Já para a predição do risco cardiovascular isoladamente, continua a haver muita controvérsia na literatura e o mesmo se verificou neste estudo, onde embora o ABSI seja o índice com uma maior AUC, múltiplos estudos desaconselham o seu uso, sendo que a PcPa surge como o segundo melhor preditor para o risco cardiovascular. Porém este último índice também apresenta desvantagens, tendo sido descrito na literatura como uma medida menos precisa da adiposidade em pessoas que perderam peso (32). Assim mais estudos, nomeadamente a cerca do melhor índice antropométrico na predição do risco cardiovascular isoladamente continuam a ser necessários.
Este estudo tem como principais limitações, o facto da amostra deste trabalho ser de conveniência, sendo que estes resultados não poderão ser extrapolados para a população portuguesa, pois para isso seriam necessários estudos com amostras representativas da população portuguesa. Além disso, neste estudo é utilizado o questionário de Framingham, o qual não é o mais adequado para a população europeia, e mais especificamente para a população portuguesa, para a qual o SCORE é o questionário recomendado para a avaliação do risco cardiovascular. Porém o SCORE apenas prevê os eventos cardiovasculares fatais, ponto este que não seria interessante utilizar para este estudo. Por fim, o desenho do estudo transversal pode ser incapaz de distinguir entre causa e efeito, sendo que seriam necessários dados de acompanhamento, através da realização de estudos prospetivos.
Como forças deste estudo podemos destacar o facto de as medições terem sido feitas pelo mesmo medidor, sendo que deste modo não houveram variações inter-individuais. Por outro lado, este estudo é uma mais-valia para análises futuras desta população, visto representar parte da população da ilha da Madeira, com o potencial de que, segundo o nosso conhecimento, este é um estudo pioneiro nesta região sobre o melhor índice antropométrico na predição do RCM, podendo fornecer informações valiosas para a identificação atempada de indivíduos que estejam em RCM aumentado, levando a um aumento das probabilidades de uma prevenção efetiva.
CONCLUSÕES
Cerca de 1 em cada 2 indivíduos apresentava RCM aumentado, sendo que aqueles que apresentaram maior RCM foram mais propensos a ter parâmetros antropométricos médios mais elevados e uma maior média de idades.
Em comparação com as mulheres, os homens eram mais pesados, mais altos, apresentavam valores mais elevados de Pc, PcPa, glicemia e TG, bem como um maior risco cardiovascular.
Este estudo mostra que as medidas antropométricas baseadas no Pc parecem ser superiores na predição do RCM do que o IMC, sendo o BRI, PcE e Pc, os que apresentaram as maiores AUC. Devido à complexidade do BRI, a PcE surge como o índice com melhor desempenho na predição do RCM, corrigindo as limitações do Pc, uma vez que ajusta o Pc para a estatura.
Porém, apesar de a OMS continuar a recomendar o IMC na prática clínica para diagnóstico do excesso de peso/obesidade e RCM associado, o uso adicional destes índices deve ser encorajado.
REFERÊNCIAS BIBLIOGRÁFICAS
1. Maessen MFH, Eijsvogels TMH, Verheggen RJHM, Hopman MTE, Verbeek ALM, Vegt Fd. Entering a new era of body indices: the feasibility of a body shape index and body roundness index to identify cardiovascular health status. PloS one. 2014; 9(9):e107212
2. Kelli HM, Kassas I, Lattouf OM. Cardio metabolic syndrome: a global epidemic. Journal of Diabetes and Metabolism. 2015; 6(513):2
3. Chang Y, Guo X, Chen Y, Guo L, Li Z, Yu S, et al. A body shape index and body roundness index: two new body indices to identify diabetes mellitus among rural populations in northeast China. BMC Public Health. 2015; 15:794
4. He S, Chen X. Could the new body shape index predict the new onset of diabetes mellitus in the Chinese population? PloS one. 2013; 8(1):e50573
5. Whiting DR, Guariguata L, Weil C, Shawb J. IDF Diabetes Atlas: Global estimates of the prevalence of diabetes for 2011 and 2030. Diabetes Research and Clinical Practice. 2011; 94(3):311-21
6. Third Report of the National Cholesterol Education Program (NCEP) Expert Panel on Detection, Evaluation, and Treatment of High Blood Cholesterol in Adults (Adult Treatment Panel III) final report. Circulation. 2002; 106(25):3143-421
7. Tillin T, Sattar N, Godsland IF, Hughes AD, Chaturvedi N, Forouhi NG. Ethnicity-specific obesity cut-points in the development of Type 2 diabetes - a prospective study including three ethnic groups in the United Kingdom. Diabetic medicine : a journal of the British Diabetic Association. 2015; 32(2):226-34
8. Morales RC, González MC, Rodríguez MB, Sosa LM, Hernández CM, Arias JCP. Indicadores antropométricos para determinar la obesidad, y sus relaciones con el riesgo cardiometabólico. Revista Finlay. 2015; 5:12-23
9. Torres DG, González MFC, Morales RC, Rodríguez MB, Arteaga IR. Tejido adiposo como glándula endocrina. Implicaciones fisiopatológicas. Revista Finlay. 2011; 1(2):131-51 10. Valentino G, Bustamante MJ, Agüero SD, Orellana L, Adasme M, Baraona F, et al. Cintura e índice de masa corporal: los mejores predictores antropométricos en la reducción y progresión de la agregación de factores de riesgo cardiometabólicos. Archivos Latinoamericanos de Nutrición. 2017; 67(3):200-10
11. Canoy D. Coronary heart disease and body fat distribution. Current atherosclerosis reports. 2010; 12(2):125-33
12. Li WC, Loke SS, Chen IC, Chang YC, Wang S-H, Hsiao K-Y. Waist-to-height ratio, waist circumference, and body mass index as indices of cardiometabolic risk among 36,642 Taiwanese adults. European journal of nutrition. 2013; 52(1):57-65
13. Liu PJ, Ma F, Lou HP, Zhu YN. Comparison of the ability to identify cardiometabolic risk factors between two new body indices and waist-to-height ratio among Chinese adults with normal BMI and waist circumference. Public health nutrition. 2017; 20(6):984-91
14. Dijk SB, Takken T, Prinsen EC, Wittink H. Different anthropometric adiposity measures and their association with cardiovascular disease risk factors: A meta-analysis. Netherlands Heart Journal. 2012; 20(5):208-18
15. Amato MC, Guarnotta V, Giordano C. Body composition assessment for the definition of cardiometabolic risk. Journal of Endocrinological Investigation. 2013; 36(7):537-43
16. Huerta JM, Tormo MJ, Chirlaque MD, Gavrila D, Amiano P, Arriola L, et al. Risk of type 2 diabetes according to traditional and emerging anthropometric indices in Spain, a Mediterranean country with high prevalence of obesity: Results from a large-scale prospective cohort study. BMC Endocrine Disorders. 2013; 13:7
17. Miralles CSW, Wollinger LM, Marin D, Genro JP, Contini V, Bosco SMD. Waist-to-height ratio (WHtR) and triglyceride to HDL-C ratio (TG/HDL-c) as predictors of cardiometabolic risk. Nutrición Hospitalaria. 2015; 31(5):2115-21
18. Konieczna J, Abete I, Galmés AM, Babio N, Colom A, Zulet MA, et al. Body adiposity indicators and cardiometabolic risk: Cross-sectional analysis in participants from the PREDIMED-Plus trial. Clinical Nutrition. 2018:1-9
19. Krakauer NY, Krakauer JC. A new body shape index predicts mortality hazard independently of body mass index. PloS one. 2012; 7(7):e39504
20. Millar SR, Perry IJ, Broeck JVd, Phillips CM. Optimal central obesity measurement site for assessing cardiometabolic and type 2 diabetes risk in middle-aged adults. PloS one. 2015; 10(6):e0129088
21. Gomez-Ambrosi J, Silva C, Galofre JC, Escalada J, Santos S, Millan D, et al. Body mass index classification misses subjects with increased cardiometabolic risk factors related to elevated adiposity. International Journal of Obesity. 2012; 36(2):286-94
22. Okorodudu DO, Jumean MF, Montori VM, Romero-Corral A, Somers VK, Erwin PJ, et al. Diagnostic performance of body mass index to identify obesity as defined by body adiposity: a systematic review and meta-analysis. International Journal of Obesity. 2010; 34(5):791-99
23. Phillips CM, Tierney AC, Perez-Martinez P, Defoort C, Blaak EE, Gjelstad IMF, et al. Obesity and body fat classification in the metabolic syndrome: impact on cardiometabolic risk metabotype. Obesity (Silver Spring, Md). 2013; 21(1):154-61
24. WHO expert consultation. Appropriate body-mass index for Asian populations and its implications for policy and intervention strategies. Lancet (London, England). 2004; 363(9403):157-63
25. Krachler B, Völgyi E, Savonen K, Tylavsky FA, Alén M, Cheng S. BMI and an anthropometry-based estimate of fat mass percentage are both valid discriminators of cardiometabolic risk: A comparison with DXA and bioimpedance. Journal of Obesity. 2013; 2013:14
26. Yusuf S, Hawken S, Ôunpuu S, Bautista L, Franzosi MG, Commerford P, et al. Obesity and the risk of myocardial infarction in 27,000 participants from 52 countries: a case-control study. Lancet (London, England). 2005; 366(9497):1640-49
27. Phillips CM, Perry IJ. Does inflammation determine metabolic health status in obese and nonobese adults? The Journal of Clinical Endocrinology & Metabolism. 2013; 98(10):1610-19
28. Ashwell M, Gunn P, Gibson S. Waist-to-height ratio is a better screening tool than waist circumference and BMI for adult cardiometabolic risk factors: systematic review and meta-analysis. Obesity Reviews. 2012; 13(3):275-86
29. Hartwig S, Kluttig A, Tiller D, Fricke J, Müller G, Schipf S, et al. Anthropometric markers and their association with incident type 2 diabetes mellitus: Which marker is best for prediction? Pooled analysis of four German population-based cohort studies and comparison with a nationwide cohort study. BMJ Open. 2016; 6
30. Cameron AJ, Magliano DJ, Shaw JE, Zimmet PZ, Carstensen B, Alberti KGM, et al. The influence of hip circumference on the relationship between abdominal obesity and mortality. International Journal of Epidemiology. 2012; 41(2):484-94
31. Kodama S, Horikawa C, Fujihara K, Heianza Y, Hirasawa R, Yachi Y, et al. Comparisons of the strength of associations with future type 2 diabetes risk among anthropometric obesity indicators, including waist-to-height ratio: A meta-analysis. American Journal of Epidemiology. 2012; 176(11):959-69
32. Xu Z, Qi X, Dahl AK, Xu W. Waist-to-height ratio is the best indicator for undiagnosed type 2 diabetes. Diabetic medicine : a journal of the British Diabetic Association. 2013; 30(6):201-17
33. Barazzoni R, Cappellari GG, Semolic A, Ius M, Zanetti M, Gabrielli A, et al. Central adiposity markers, plasma lipid profile and cardiometabolic risk prediction in overweight-obese individuals. Clinical Nutrition. 2018:1-9
34. Jensen MD, Ryan DH, Apovian CM, Ard JD, Comuzzie AG, Donato KA, et al. 2013 AHA/ACC/TOS Guideline for the Management of Overweight and Obesity in Adults: A Report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines and The Obesity Society. Journal of the American College of Cardiology. 2014; 63(25-B):2985-3023
35. Ashwell M, Gibson S. A proposal for a primary screening tool: 'Keep your waist circumference to less than half your height' [Article]. BMC Medicine. 2014; 12:207
36. Savva SC, Lamnisos D, Kafatos AG. Predicting cardiometabolic risk: Waist-to-height ratio or BMI. A meta-analysis. Diabetes, Metabolic Syndrome and Obesity: Targets and Therapy. 2013; 6:403-19
37. Thomas DM, Bredlau C, Bosy-Westphal A, Mueller M, Shen W, Gallagher D, et al. Relationships between body roundness with body fat and visceral adipose tissue emerging from a new geometrical model. Obesity (Silver Spring, Md). 2013; 21(11):2264-71
38. Browning LM, Hsieh SD, Ashwell M. A systematic review of waist-to-height ratio as a screening tool for the prediction of cardiovascular disease and diabetes: 0.5 could be a suitable global boundary value. Nutrition research reviews. 2010; 23(2):247-69
39. Bertoli S, Leone A, Krakauer NY, Bedogni G, Vanzulli A, Redaelli VI, et al. Association of Body Shape Index (ABSI) with cardio-metabolic risk factors: A cross-sectional study of 6081 Caucasian adults. PloS one. 2017; 12(9):1-15
40. Stewart A, Marfell-Jones M. International standards for anthropometric assessment. International Society for Advancement of, Kinanthropometry. 2011;
41. Obesity: preventing and managing the global epidemic. Report of a WHO consultation. World Health Organ Technical Report Series. 2000; 894:i-xii, 1-253
42. Brunzell JD, Davidson M, Furberg CD, Goldberg RB, Howard BV, Stein JH, et al. Lipoprotein management in patients with cardiometabolic risk: consensus conference report from the American Diabetes Association and the American College of Cardiology Foundation. Journal of the American College of Cardiology. 2008; 51(15):1512-24
43. Mozaffor M, Rahman MM, Tabassum M, Mollah FH. Waist-to-height ratio as index of cardiometabolic risk among the doctors. Bangabandhu Sheikh Mujib Medical University Journal. 2017; 10(4):251-54
44. Grundy SM. Metabolic syndrome: a multiplex cardiovascular risk factor. The Journal of Clinical Endocrinology & Metabolism. 2007; 92(2):399-404
45. Lindstrom J, Tuomilehto J. The diabetes risk score: a practical tool to predict type 2 diabetes risk. Diabetes care. 2003; 26(3):725-31
46. Zaid M, Ameer F, Munir R, Rashid R, Farooq N, Hasnain S, et al. Anthropometric and metabolic indices in assessment of type and severity of dyslipidemia. Journal of Physiological Anthropology. 2017; 36:1-10
47. Santos CM, Silva CS, Araújo EC, Arruda IKG, Diniz AS, Cabral PC. Lipid and glucose profiles in outpatients and their correlation with anthropometric indices. Revista Portuguesa de Cardiologia. 2013; 32(1):35-41
48. Lichtash CT, Cui J, Guo X, Chen YDI, Hsueh WA, Rotter JI, et al. Body adiposity index versus body mass index and other anthropometric traits as correlates of cardiometabolic risk factors. PloS one. 2013; 8(6):e65954
49. Ministério da Saúde. Retrato da Saúde. Portugal; 2018.
50. Abdelaal M, Roux CWl, Docherty NG. Morbidity and mortality associated with obesity. Annals of Translational Medicine. 2017; 5(7):161
51. Mooney SJ, Baecker A, Rundle AG. Comparison of anthropometric and body composition measures as predictors of components of the metabolic syndrome in a clinical setting. Obesity research & clinical practice. 2013; 7(1):55-66
52. Egeland GM, Igland J, Vollset SE, Sulo G, Eide GE, Tell GS. High population attributable fractions of myocardial infarction associated with waist–hip ratio. Obesity (Silver Spring, Md). 2016; 24(5):1162-69
53. Martín-Castellanos Á, Armesilla MDC, Durán FJB, Castellanos PM, Barrado JJG. Obesidad y riesgo de infarto de miocardio en una muestra de varones europeos: el índice cintura-cadera sesga el riesgo real de la obesidad abdominal. Nutrición Hospitalaria. 2017; 34(1):88-95
54. Krakauer NY, Krakauer JC. Dynamic association of mortality hazard with body shape. PloS one. 2014; 9(2):e88793
55. Sözmen K, Ünal B, Sakarya S, Dinç G, Yardım N, Keskinkılıç B, et al. Association of Anthropometric Measurement Methods with Cardiovascular Disease Risk in Turkey. Dicle Medical Journal. 2016; 43(1):99-106
56. Krakauer NY, Krakauer JC. Untangling Waist Circumference and Hip Circumference from Body Mass Index with a Body Shape Index, Hip Index, and Anthropometric Risk Indicator. Metabolic Syndrome and Related Disorders. 2018; 16(4):160-65
57. Tran NTT, Blizzard CL, Luong KN, Truong NLV, Tran BQ, Otahal P, et al. The importance of waist circumference and body mass index in cross-sectional relationships with risk of cardiovascular disease in Vietnam. PloS one. 2018; 13(5):e0198202
58. Bouchi R, Asakawa M, Ohara N, Nakano Y, Takeuchi T, Murakami M, et al. Indirect measure of visceral adiposity ‘A Body Shape Index’ (ABSI) is associated with arterial stiffness in patients with type 2 diabetes. BMJ Open Diabetes Research & Care. 2016; 4(1)
59. Hori A, Nanri A, Sakamoto N, Kuwahara K, Nagahama S, Kato N, et al. Comparison of body mass index, waist circumference, and waist-to-height ratio for predicting the clustering of cardiometabolic risk factors by age in Japanese workers--Japan Epidemiology Collaboration on Occupational Health study. Circulation journal. 2014; 78(5):1160-68
60. Kahn HS, Cheng YJ. Comparison of adiposity indicators associated with fasting-state insulinemia, triglyceridemia, and related risk biomarkers in a nationally representative, adult population. Diabetes Research and Clinical Practice. 2018; 136:7-15
61. Leea CMY, Huxleya RR, Wildmanb RP, Woodward M. Indices of abdominal obesity are better discriminators of cardiovascular risk factors than BMI: a meta-analysis. Journal of clinical epidemiology. 2008; 61(7):646-53
