Rendimiento diagnóstico de tres índices antropométricos de peso y talla para síndrome metabólico en trabajadores
Palabras clave:
síndrome metabólico, índice de masa corporal, diagnóstico precoz, sensibilidad y especificidad, área bajo la curva.Resumen
Introducción: La presencia del síndrome metabólico está asociada con enfermedades crónicas a largo plazo, por lo que se buscan diferentes formas de obtener un diagnóstico temprano.
Objetivo: Determinar el rendimiento diagnóstico de 3 índices antropométricos de peso y talla para síndrome metabólico en una muestra de trabajadores peruanos.
Métodos: La población son trabajadores de 18 a 65 años, de ambos sexos, ocupación operarios y administrativos. Las variables estudiadas son: Edad, sexo, ocupación, peso, talla, perímetro de cintura, antecedentes de diabetes mellitus tipo 2, presión arterial sistólica, diastólica, glucosa en ayunas, triglicéridos y lipoproteína de alta densidad. Se incluyeron 370 trabajadores, se crearon curvas características operativa del receptor con su respectiva área bajo la curva (AUC), se obtuvo la sensibilidad y especificidad de cada índice.
Resultados: Del total, el 20 % presentó síndrome metabólico; el 46,76 % fueron mujeres, el 60 % tomaron alcohol alguna vez, el 5,14 % señaló haber fumado. El índice de masa corporal tuvo la mayor AUC= 0,73; corte= 26,04; sensibilidad= 78,4 y especifidad= 67,9) seguido del nuevo índice de masa corporal (AUC= 0,70; corte= 27,85; sensibilidad= 68,9 y especificidad= 70,6); el último lugar lo ocupa el índice triponderal (AUC= 0,66; corte= 16,67; sensibilidad= 67,6 y especificidad= 64,5); los parámetros para síndrome metabólico mostraron asociación estadísticamente significativa.
Conclusión: El índice de masa corporal es el de mejor rendimiento diagnóstico para síndrome metabólico; podría ser un predictor útil para detectar este síndrome.
Descargas
Los datos de descargas todavía no están disponibles.
Citas
1. Fahed G, Aoun L, Bou Zerdan M, Allam S, Bou Zerdan M, Bouferraa Y, et al. Metabolic Syndrome: Updates on Pathophysiology and Management in 2021. International Journal of Molecular Sciences. 2022; 23(2):786. DOI:10.3390/ijms23020786
2. Rojas M, Chávez-Castillo M, Pirela D, Parra H, Nava M, Chacín M, et al. Metabolic Syndrome: Is It Time to Add the Central Nervous System? Nutrients. 2021; 13(7):2254. DOI: 10.3390/nu13072254
3. Bangen KJ, Armstrong NM, Au R, Gross AL. Metabolic Syndrome and Cognitive Trajectories in the Framingham Offspring Study. Journal of Alzheimer's Disease. 2019; 71(3):931-43. DOI: 10.3233/JAD-190261
4. Uzunlulu M, Caklili OT, Oguz A. Association between Metabolic Syndrome and Cancer. ANM. 2016; 68(3):173-9. DOI: 10.1159/000443743
5. Kachur S, Morera R, De Schutter A, Lavie CJ. Cardiovascular Risk in Patients with Prehypertension and the Metabolic Syndrome. Curr Hypertens Rep. 2018; 20(2):15. DOI: 10.1007/s11906-018-0801-2
6. Wu S, Zhou K, Misra-Hebert A, Bena J, Kashyap SR. Impact of Metabolic Syndrome on Severity of COVID-19 Illness. Metabolic Syndrome and Related Disorders. 2022; 20(4):191-8. DOI: 10.1089/met.2021.0102
7. Yanai H. Metabolic Syndrome and COVID-19. Cardiol Res. 2020; 11(6):360-5. DOI: 10.14740/cr1181
8. Saklayen MG. The Global Epidemic of the Metabolic Syndrome. Curr Hypertens Rep. 2018; 20(2):12. DOI: 10.1007/s11906-018-0812-z
9. Díaz-Ortega JL, Quispe-Tácunan A, Gallo-Ancajima M, Castro-Caracholi L, Yupari-Azabache I, Díaz-Ortega JL, et al. Indicadores de aterogenicidad en la predicción del síndrome metabólico en adultos, Trujillo-Perú. Revista chilena de nutrición. 2021; 48(4):586-94. DOI: 10.4067/S0717-75182021000400586
10. Diaz A, Espeche W, March C, Flores R, Parodi R, Genesio MA, et al. Prevalencia del síndrome metabólico en Argentina en los últimos 25 años: revisión sistemática de estudios observacionales poblacionales. Hipertensión y Riesgo Vascular. 2018; 35(2):64-9. DOI: 10.1016/j.hipert.2017.08.003
11. Domínguez-Reyes T, Quiroz-Vargas I, Salgado-Bernabé AB, Salgado-Goytia L, Muñoz-Valle JF, Parra-Rojas I. Las medidas antropométricas como indicadores predictivos de riesgo metabólico en una población mexicana. Nutrición Hospitalaria. 2017; 34(1):96-101. DOI: 10.20960/nh.983
12. Yeste D, Clemente M, Campos A, Fábregas A, Mogas E, Soler L, et al. Precisión diagnóstica del índice de masa triponderal (kg/m3) para identificar el fenotipo de riesgo metabólico en pacientes obesos. Anales de Pediatría. 2021; 94(2):68-74. DOI: 10.1016/j.anpedi.2020.04.004
13. Trefethen LN. BMI (Body Mass Index): Calculate your "New BMI". Oxford: Oxford University Mathematical Institute; 2013. [acceso: 29/05/2022]. Disponible en: http://people.maths.ox.ac.uk/trefethen/bmi.html
14. Ramírez-López LX, Aguilera AM, Rubio CM, Aguilar-Mateus ÁM. Síndrome metabólico: una revisión de criterios internacionales. RCCAR. 2022; 28(1):5885. DOI: 10.24875/RCCAR.M21000010
15. Ofer K, Ronit L, Ophir A. Normal body mass index (BMI) can rule out metabolic syndrome: An Israeli cohort study: Erratum. Medicine. 2019; 98(19):e15744. DOI: 10.1097/MD.0000000000015744
16. Ghachem A, Marcotte-Chénard A, Dionne IJ, Brochu M. Body mass index to predict fat mass and metabolic syndrome severity: should it really be specific to sex, age and ethnicity? A NHANES study (1999-2014). Annals of Human Biology. 2019; 46(3):215-24. DOI: 10.1080/03014460.2019.1635645
17. Radetti G, Fanolla A, Grugni G, Lupi F, Tamini S, Cicolini S, et al. The Role of Different Indexes of Adiposity and Body Composition for the Identification of Metabolic Syndrome in Women with Obesity. Journal of Clinical Medicine. 2021; 10(9):1975. DOI: 10.3390/jcm10091975
18. Peterson CM, Su H, Thomas DM, Heo M, Golnabi AH, Pietrobelli A, et al. Tri-Ponderal Mass Index vs Body Mass Index in Estimating Body Fat During Adolescence. JAMA Pediatrics. 2017; 171(7):629-36. DOI: 10.1001/jamapediatrics.2017.0460
19. Ramírez-Vélez R, Correa-Bautista JE, Carrillo HA, González-Jiménez E, Schmidt-RioValle J, Correa-Rodríguez M, et al. Tri-Ponderal Mass Index vs. Fat Mass/Height3 as a Screening Tool for Metabolic Syndrome Prediction in Colombian Children and Young People. Nutrients. 2018; 10(4):412. DOI: 10.3390/nu10040412
20. Sun J, Yang R, Zhao M, Bovet P, Xi B. Tri-Ponderal Mass Index as a Screening Tool for Identifying Body Fat and Cardiovascular Risk Factors in Children and Adolescents: A Systematic Review. Frontiers in Endocrinology. 2021; 12:694681. DOI: 10.3389/fendo.2021.694681
21. Elagizi A, Kachur S, Lavie CJ, Carbone S, Pandey A, Ortega FB, et al. An Overview and Update on Obesity and the Obesity Paradox in Cardiovascular Diseases. Progress in Cardiovascular Diseases. 2018; 61(2):142-50. DOI: 10.1016/j.pcad.2018.07.003
22. Bauce GJ. Comparación entre el IMC tradicional y el IMC Oxford y su relación con otros indicadores, en niños y adolescentes. Rev. Inst. Nac. Hig. 2019 [acceso: 22/05/2022]; 50(1-2):22-29. Disponible en: https://pesquisa.bvsalud.org/gim/resource/zh/biblio-1118371?lang=es
23. Van Haute M, Rondilla E, Vitug JL, Batin KD, Abrugar RE, Quitoriano F, et al. Assessment of a proposed BMI formula in predicting body fat percentage among Filipino young adults. Sci Rep. 2020; 10(1):21988. DOI: 10.1038/s41598-020-79041-3
2. Rojas M, Chávez-Castillo M, Pirela D, Parra H, Nava M, Chacín M, et al. Metabolic Syndrome: Is It Time to Add the Central Nervous System? Nutrients. 2021; 13(7):2254. DOI: 10.3390/nu13072254
3. Bangen KJ, Armstrong NM, Au R, Gross AL. Metabolic Syndrome and Cognitive Trajectories in the Framingham Offspring Study. Journal of Alzheimer's Disease. 2019; 71(3):931-43. DOI: 10.3233/JAD-190261
4. Uzunlulu M, Caklili OT, Oguz A. Association between Metabolic Syndrome and Cancer. ANM. 2016; 68(3):173-9. DOI: 10.1159/000443743
5. Kachur S, Morera R, De Schutter A, Lavie CJ. Cardiovascular Risk in Patients with Prehypertension and the Metabolic Syndrome. Curr Hypertens Rep. 2018; 20(2):15. DOI: 10.1007/s11906-018-0801-2
6. Wu S, Zhou K, Misra-Hebert A, Bena J, Kashyap SR. Impact of Metabolic Syndrome on Severity of COVID-19 Illness. Metabolic Syndrome and Related Disorders. 2022; 20(4):191-8. DOI: 10.1089/met.2021.0102
7. Yanai H. Metabolic Syndrome and COVID-19. Cardiol Res. 2020; 11(6):360-5. DOI: 10.14740/cr1181
8. Saklayen MG. The Global Epidemic of the Metabolic Syndrome. Curr Hypertens Rep. 2018; 20(2):12. DOI: 10.1007/s11906-018-0812-z
9. Díaz-Ortega JL, Quispe-Tácunan A, Gallo-Ancajima M, Castro-Caracholi L, Yupari-Azabache I, Díaz-Ortega JL, et al. Indicadores de aterogenicidad en la predicción del síndrome metabólico en adultos, Trujillo-Perú. Revista chilena de nutrición. 2021; 48(4):586-94. DOI: 10.4067/S0717-75182021000400586
10. Diaz A, Espeche W, March C, Flores R, Parodi R, Genesio MA, et al. Prevalencia del síndrome metabólico en Argentina en los últimos 25 años: revisión sistemática de estudios observacionales poblacionales. Hipertensión y Riesgo Vascular. 2018; 35(2):64-9. DOI: 10.1016/j.hipert.2017.08.003
11. Domínguez-Reyes T, Quiroz-Vargas I, Salgado-Bernabé AB, Salgado-Goytia L, Muñoz-Valle JF, Parra-Rojas I. Las medidas antropométricas como indicadores predictivos de riesgo metabólico en una población mexicana. Nutrición Hospitalaria. 2017; 34(1):96-101. DOI: 10.20960/nh.983
12. Yeste D, Clemente M, Campos A, Fábregas A, Mogas E, Soler L, et al. Precisión diagnóstica del índice de masa triponderal (kg/m3) para identificar el fenotipo de riesgo metabólico en pacientes obesos. Anales de Pediatría. 2021; 94(2):68-74. DOI: 10.1016/j.anpedi.2020.04.004
13. Trefethen LN. BMI (Body Mass Index): Calculate your "New BMI". Oxford: Oxford University Mathematical Institute; 2013. [acceso: 29/05/2022]. Disponible en: http://people.maths.ox.ac.uk/trefethen/bmi.html
14. Ramírez-López LX, Aguilera AM, Rubio CM, Aguilar-Mateus ÁM. Síndrome metabólico: una revisión de criterios internacionales. RCCAR. 2022; 28(1):5885. DOI: 10.24875/RCCAR.M21000010
15. Ofer K, Ronit L, Ophir A. Normal body mass index (BMI) can rule out metabolic syndrome: An Israeli cohort study: Erratum. Medicine. 2019; 98(19):e15744. DOI: 10.1097/MD.0000000000015744
16. Ghachem A, Marcotte-Chénard A, Dionne IJ, Brochu M. Body mass index to predict fat mass and metabolic syndrome severity: should it really be specific to sex, age and ethnicity? A NHANES study (1999-2014). Annals of Human Biology. 2019; 46(3):215-24. DOI: 10.1080/03014460.2019.1635645
17. Radetti G, Fanolla A, Grugni G, Lupi F, Tamini S, Cicolini S, et al. The Role of Different Indexes of Adiposity and Body Composition for the Identification of Metabolic Syndrome in Women with Obesity. Journal of Clinical Medicine. 2021; 10(9):1975. DOI: 10.3390/jcm10091975
18. Peterson CM, Su H, Thomas DM, Heo M, Golnabi AH, Pietrobelli A, et al. Tri-Ponderal Mass Index vs Body Mass Index in Estimating Body Fat During Adolescence. JAMA Pediatrics. 2017; 171(7):629-36. DOI: 10.1001/jamapediatrics.2017.0460
19. Ramírez-Vélez R, Correa-Bautista JE, Carrillo HA, González-Jiménez E, Schmidt-RioValle J, Correa-Rodríguez M, et al. Tri-Ponderal Mass Index vs. Fat Mass/Height3 as a Screening Tool for Metabolic Syndrome Prediction in Colombian Children and Young People. Nutrients. 2018; 10(4):412. DOI: 10.3390/nu10040412
20. Sun J, Yang R, Zhao M, Bovet P, Xi B. Tri-Ponderal Mass Index as a Screening Tool for Identifying Body Fat and Cardiovascular Risk Factors in Children and Adolescents: A Systematic Review. Frontiers in Endocrinology. 2021; 12:694681. DOI: 10.3389/fendo.2021.694681
21. Elagizi A, Kachur S, Lavie CJ, Carbone S, Pandey A, Ortega FB, et al. An Overview and Update on Obesity and the Obesity Paradox in Cardiovascular Diseases. Progress in Cardiovascular Diseases. 2018; 61(2):142-50. DOI: 10.1016/j.pcad.2018.07.003
22. Bauce GJ. Comparación entre el IMC tradicional y el IMC Oxford y su relación con otros indicadores, en niños y adolescentes. Rev. Inst. Nac. Hig. 2019 [acceso: 22/05/2022]; 50(1-2):22-29. Disponible en: https://pesquisa.bvsalud.org/gim/resource/zh/biblio-1118371?lang=es
23. Van Haute M, Rondilla E, Vitug JL, Batin KD, Abrugar RE, Quitoriano F, et al. Assessment of a proposed BMI formula in predicting body fat percentage among Filipino young adults. Sci Rep. 2020; 10(1):21988. DOI: 10.1038/s41598-020-79041-3
Publicado
26.04.2023
Cómo citar
1.
Zeñas -Trujillo GZ, Vera-Ponce VJ, Trujillo-Ramírez I. Rendimiento diagnóstico de tres índices antropométricos de peso y talla para síndrome metabólico en trabajadores. Rev Cubana Med Milit [Internet]. 26 de abril de 2023 [citado 10 de enero de 2025];52(2):e02302556. Disponible en: https://revmedmilitar.sld.cu/index.php/mil/article/view/2556
Número
Sección
Artículo de Investigación
Licencia
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cual estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons. Los contenidos que aquí se exponen pueden ser compartidos, copiados y redistribuidos en cualquier medio o formato. Pueden ser adaptados, remezclados, transformados o creados otros a partir del material, mediante los siguientes términos: Atribución (dar crédito a la obra de manera adecuada, proporcionando un enlace a la licencia, e indicando si se han realizado cambios); no-comercial (no puede hacer uso del material con fines comerciales) y compartir-igual (si mezcla, transforma o crea nuevo material a partir de esta obra, podrá distribuir su contribución siempre que utilice la misma licencia que la obra original).
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada.
