Prevalencia de síndrome metabólico en el personal militar y correlación con valores antropométricos en Ecuador

German Geovanny Muñoz Gualan, Alberth Patricio Muñoz Gualan

Resumen

Introducción: El exceso de grasa en el organismo puede ser un problema multifactorial y predispone a la presencia de enfermedades crónicas no transmisibles, entre las que se encuentran las cardiovasculares.
Objetivo: Establecer el corte óptimo de los índices antropométricos para predecir el síndrome metabólico en personal militar que se atiende en la atención primaria de salud.
Métodos: Estudio analítico, no experimental, llevado a cabo en personal militar de la Universidad de las Fuerzas Armadas, durante el año 2020. La muestra está representada por 203 participantes, los métodos de colección fueron los registros médicos y antropométricos, tomando en consideración variables como talla y peso, circunferencia de cintura y cadera, índice de masa corporal, pruebas de laboratorio, entre otros. Todos los datos fueron analizados usando criterios de clasificación internacional.
Resultado: La prevalencia de síndrome metabólico (MetSyn), según los diferentes criterios es: MetSyn ALAD: 4,08 % (SD: 0,52), MetSyn ATP III: 7,65 % (SD: 0,52), MetSyn HARM: 5,4 % (SD: 0,52) y finalmente, MetSyn OMS: 7,65 % (SD: 0,52). Además, los índices antropométricos predictivos son el WC y WHtR en todos los criterios estudiados, y según MetSyn ATP III, el corte óptimo del WC es de 91 cm y del WHtR es de 0,53.
Conclusiones: Los puntos de corte óptimos para los índices antropométricos que predicen el síndrome metabólico en el personal militar son WC y WHtR, con un punto de corte óptimo inferior a los criterios establecidos por ALAD para el diagnóstico de MetSyn.

Palabras clave

síndrome metabólico; índices antropométricos; instructores militares; corte óptimo; Ecuador.

Referencias

Hernández Rodríguez J, Moncada Espinal O, Domínguez Y. Utilidad del índice cintura/cadera en la detección del riesgo cardiometabólico en individuos sobrepesos y obesos. Rev Cuba Endocrinol. 2018 [access: 15/09/2022]; 29(2):1-16. Available at: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1561-29532018000200007&lng=es&nrm=iso

WHO Expert Consultation. Appropriate body-mass index for Asian populations and its implications for policy and intervention strategies. Lancet. 2004; 363(9403):157-63. DOI: 10.1016/S0140-6736(03)15268-3

Bonet M, Varona P. III Encuesta Nacional de Factores de Riesgo y actividades preventivas de enfermedades no transmisibles. Cuba 2010-2011. Editorial de Ciencias Médicas. 2018. [access: 15/09/2022]. Available at: http://www.ecimed.sld.cu/2014/08/07/1897/

Hernández Rodríguez J, Duchi Jimbo P. Índice cintura/talla y su utilidad para detectar riesgo cardiovascular y metabólico. Rev Cuba Endocrinol. 2015 [access: 15/09/2022]; 26(1):66-76. Available at: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1561-29532015000100006

Coniglio R. Relación entre la obesidad central y los componentes del síndrome metabólico. Acta Bioquímica Clínica Latinoam. 2014 [access: 15/09/2022]; 48(2):191-201. Available at: http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S0325-29572014000200004

Marques López I. Diámetro abdominal sagital: un indicador de grasa visceral que se debe tener en cuenta en la práctica clínica. Rev Española Nutr Humana y Dietética. 2012; 16(4):121-2. DOI: 10.14306/renhyd.16.4.54

WHO. Cardiovascular diseases (CVDs). Fact sheets/ Detail. 2017. [access: 15/09/2022]. Available at: https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds)

Hussain M, Oldenburg B, Wang Y, Zoungas S, Tonkin A. Assessment of Cardiovascular Disease Risk in South Asian Populations. Int J Vasc Med. 2013; 2013(786801). DOI: 10.1155/2013/786801

Communication S. American Medical Association. Executive Summary of the Third Report (NCEP) Expert Panel on Detection, Evaluation, and Treatment of High Blood Cholesterol in Adults (Adult Treatment Panel III). J Am Med Assoc. 2001; 285(19):2486-97. DOI: 10.1001/jama.285.19.2486

Hosein R, Hamid R, Tavakoli M, Hossein R, Mohammad M. Metabolic Syndrome Prevalence among Armed Forces Personnel (Military Personnel and Police Officers): A Systematic Review and Meta-Analysis. Mil Med. 2019; 184(9-10):417-25. DOI: 10.1093/milmed/usz144

Baygi F, Herttua J, Olaf C, Djalalinia S, Ghorabi A, Asayesh H, Qorbani M. Global prevalence of cardiometabolic risk factors in the military population: a systematic review and meta-analysis. BMC Endrocine Disord. 2020; 20(8):1-17. DOI: 10.1186/s12902-020-0489-6

Muñoz G, Muñoz Gualán A. Evaluation of anthropometric indices as metabolic syndrome predictors in Ecuadorian Military Personnel. Rev Ecuat Med Cienc Biol. 2020; 41(2):141-7. DOI: 10.26807/remcb.v41i2.241

Muñoz A, Muñoz G. Cuantificación del riesgo de enfermedad cardiovascular, según el score Framingham, en el personal militar durante el año 2015. Rev Ecuat Med Cienc Biol. 2018; 39(1):31-7. DOI: 10.26807/remcb.v39i1.560

Muñoz Gualán G, Muñoz Gualán A. Prevalence of Dyslipidemia in Military Students and Military Personnel Attending Primary Care in Ecuador and Correlation with Anthropometric Values. Revista Med. 2021; 29(2):11-18. DOI: 10.18359/rmed.5827

WHO. Obesity: preventing and managing the global epidemic Report of a WHO Consultation (WHO Technical Report Series 894). Geneva: WHO; 2000. [access: 15/09/2022]. Available at: https://apps.who.int/iris/handle/10665/42330

Lanas F, Avezum A, Bautista L, Diaz R, Luna M, Shofiqul I, Salim Y. Risk Factors for Acute Myocardial Infarction in Latin America: The INTERHEART Latin American Study. Circulation. 2007; 115(9):1067-74. DOI: 10.1161/CIRCULATIONAHA.106.633552

Tseng C, Chong C, Chan T, Bai C, You S, Chiou H, Su T, Chen C. Optimal anthropometric factor cutoffs for hyperglycemia, hypertension and dyslipidemia for the Taiwanese population. Atherosclerosis. 2010; 210(2):585-9. DOI: 10.1016/j.atherosclerosis.2009.12.015

Bauce G, Zulay M, Moya-Sifontes M. Índice Peso Circunferencia de Cintura como indicador complementario de sobrepeso y obesidad en diferentes grupos de sujetos subjects. Rev Digit Postgrado. 2020; 9(1):e195. DOI: 10.37910/RDP.2020.9.1.e195

Huaman J, Alvarez M, Gamboa L, Marino F. Índice cintura-estatura como prueba diagnóstica del Síndrome metabólico en adultos de Trujillo. Rev Med Hered. 2017; 28:13-20. DOI: 10.20453/rmh.v28i1.3068

Lizarzaburu Robles JC. Síndrome metabólico: concepto y aplicación práctica. An Fac Med. 2013 [access: 15/09/2022]; 74(4):315-20. Available at: http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S1025-55832013000400009

González Chávez A, Gómez Miranda J, Elizondo Argueta S, Rangel Mejía M, Sánchez Zúñiga M. Guía de práctica clínica de síndrome metabólico. Revista ALAD. 2019; 9:179-200. DOI: 10.24875/ALAD.19000381

Gutiérrez Solis A, Datta Banik S, Méndez González R. Prevalence of Metabolic Syndrome in Mexico: A Systematic Review and Meta-Analysis. Metab Syndr Relat Disord. 2018; 16(8):395-405. DOI: 10.1089/met.2017.0157

Herrera Enriquez K, Narvaez Guerra O. Discordance of metabolic syndrome and abdominal obesity prevalence according to different criteria in Andean highlanders: A community-based study. Diabetes Metab Syndr Clin Res Rev. 2017; 11(1):359-64. DOI: 10.1016/j.dsx.2017.03.016

Payab M, Hasani Ranjbar S, Merati Y, Esteghamati A, Qorbani M, Hematabadi M, et al. The Prevalence of Metabolic Syndrome and Different Obesity Phenotype in Iranian Male Military Personnel. Am J Mens Health. 2017; 11(2):404-13. DOI: 10.1177/1557988316683120

Liu Cheng W, Chang Wei C, Chiao C, Chen Ko H, Wu Yen W, Hwang J. Hyperuricemia Is Associated with a Higher Prevalenceof Metabolic Syndrome in Military Individuals. Mil Med. 2018; 183(11-12):391-5. DOI: 10.1093/milmed/usy097

Filho Romário T, D'Oliveira A. The Prevalence of Metabolic Syndrome Among Soldiers of the Military Police of Bahia State, Brazil. Am J Mens Heal. 2014; 8(4):310-5. DOI: 10.1177/1557988313510928

Márquez Sandoval F, Macedo Ojeda G, Viramontes Horner D, Fernández Ballart D, Salas Salvado J, Vizmanos B. The prevalence of metabolic syndrome in Latin America:a systematic review. Public Health Nutr. 2011; 14(10):1702-13. DOI: 10.1017/S1368980010003320

Pérez Galarza J, Baldeón L, Franco O, Muka T, Drexhage H, Voortman T, Freire W. Prevalence of overweight and metabolic syndrome, and associated sociodemographic factors among adult Ecuadorian populations: the ENSANUT-ECU study. J Endocrinol Invest. 2021; 44(1):63-74. DOI: 10.1007/s40618-020-01267-9

Shabazian H, Latifi S, Pipelzadeh M. Efficiency of Anthropometric Indices in Predicting Metabolic Syndrome among Adult Population of Ahvaz, Iran. Diab Obes Metab Disor O A. 2016 [access: 15/09/2022]; 1(3):3. Available at: https://www.kenkyugroup.org/images/articles/24b652ba8f87e5bf78665-aea7d8814ed.pdf

Yang Y, Park H, Won K, Chang H, Park G, Kim Y, Ann S, Park E, Kim S, Lee S. Relationship between the optimal cut-off values of anthropometric indices for predicting metabolic syndrome and carotid intima-medial thickness in a Korean population. Medicine (Baltimore). 2019; 98(42):17620. DOI: 10.1097/MD.0000000000017620

Aguirre P, Coca A, Aguirre M, Celis G. Waist-to-height ratio and sedentary lifestyle as predictors of metabolic syndrome in children in Ecuador. Hipertens y riesgo Vasc. 2018; 35(3):102-9. DOI: 10.1016/j.hipert.2017.09.002

Orces C, Montalvan M, Tettamanti D. Optimal waist circumference cutoff values for predicting metabolic syndrome among older adults in Ecuador. Diabetes Metab Syndr. 2019; 13(2):1015-20. DOI: 10.1016/j.dsx.2019.01.013

Enlaces refback

  • No hay ningún enlace refback.


URL de la licencia: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es