Indicadores antropométricos de obesidade na predição de síndrome metabólica em idosos

Conteúdo do artigo principal

Mateus Carmo
Thainara Araújo Franklin
Lélia Lessa Teixeira Pinto
Claudio Bispo de Almeida
Adriana Alves Nery
Cezar Augusto Casotti

Resumo

Introdução: Os indicadores antropométricos de obesidade podem ser importantes na predição da síndrome metabólica (SM). Objetivo: Avaliar os indicadores antropométricos como preditores da SM, bem como verificar a associação desses indicadores com a SM em idosos de ambos os sexos. Métodos: Estudo epidemiológico transversal realizado com 222 indivíduos com 60 anos ou mais residentes na zona urbana de Aiquara-BA, Brasil. Os idosos foram avaliados quanto aos indicadores antropométricos: índice de massa corporal (IMC), razão cintura-estatura (RCEst), circunferência da cintura, índice de conicidade, soma de dobras cutâneas; pressão sanguínea; bioquímicos: glicemia em jejum, triglicérides, colesterol total e frações. Foram classificados quanto à presença de SM de acordo com a Federação Internacional de Diabetes. A análise descritiva e inferencial dos dados foi testada utilizando correlação, a técnica de regressão de Poisson e a curva Receiver Operating Characteristic (ROC). Resultados: A prevalência de SM foi de 62,3%. Houve correlação de todos os indicadores antropométricos com a SM em ambos os sexos. Os indicadores de gordura visceral apresentaram forte associação, pois possuem área abaixo da curva ROC superior a 0,76 (IC95% 0,66-0,85). Assim, a maioria dos resultados apresentou correlação fraca. Conclusão: Todos os indicadores antropométricos podem ser usados para rastrear a SM em idosos de ambos os sexos, no entanto, o IMC e a RCEst apresentaram as melhores previsões.

Downloads

Não há dados estatísticos.

Detalhes do artigo

Como Citar
Carmo, M., Franklin, T. A., Pinto, L. L. T., Almeida, C. B. de, Nery, A. A., & Casotti, C. A. (2022). Indicadores antropométricos de obesidade na predição de síndrome metabólica em idosos. ABCS Health Sciences, 47, e022212. https://doi.org/10.7322/abcshs.2020087.1544
Seção
Artigos Originais
Biografia do Autor

Mateus Carmo, Universidade do Estado da Bahia (UNEB) - Guanambi (BA), Brasil

Profissional de Eduycação Física. Mestre. Doutorando pelo Programa Pós-graduação em Enfermagem e Saúde. Universidade Estadual do Sudoeste da Bahia. Professor da Universidade do Estado da Bahia.

Thainara Araújo Franklin, Universidade Estadual do Sudoeste da Bahia (UESB) - Jequié (BA), Brasil

Enfermeira. Mestre. Doutoranda pelo Programa Pós-graduação em Enfermagem e Saúde. Universidade Estadual do Sudoeste da Bahia.

Lélia Lessa Teixeira Pinto, Universidade Estadual do Sudoeste da Bahia (UESB) - Jequié (BA), Brasil

Profissional de Educação Física. Mestre. Doutora pelo Programa Pós-graduação em Enfermagem e Saúde. Universidade Estadual do Sudoeste da Bahia.

Adriana Alves Nery, Universidade Estadual do Sudoeste da Bahia (UESB) - Jequié (BA), Brasil

Enfermeira. Mestre. Doutora. Docente no Departamento de Saúde II e no Programa Pós-graduação em Enfermagem e Saúde da Universidade Estadual do Sudoeste da Bahia.

Cezar Augusto Casotti, Universidade Estadual do Sudoeste da Bahia (UESB) - Jequié (BA), Brasil

Cirurgião-dentista. Mestre. Doutor. Docente do Departamento de Saúde I e do Programa Pós-graduação em Enfermagem e Saúde na Universidade Estadual do Sudoeste da Bahia.

Referências

Grundy SM. Metabolic syndrome update. Trends Cardiovasc Med. 2016;26(4):364-73. https://doi.org/10.1016/j.tcm.2015.10.004

Rochlani Y, Pothineni NV, Kovelamudi S, Mehta JL. Metabolic syndrome: pathophysiology, management, and modulation by natural compounds. Ther Adv Cardiovasc Dis. 2017;11(8):215-25. https://doi.org10.1177/1753944717711379

Nóbrega OT, Faleiros VP, Telles JL. Gerontology in the developing Brazil: achievements and challenges in public policies. Geriatr Gerontol Int. 2009;9(2):135-9. https://doi.org/10.1111/j.1447-0594.2008.00499.x

McCracken E, Monaghan M, Sreenivasan S. Pathophysiology of the metabolic syndrome. Clin Dermatol. 2018;36(1):14-20. https://doi.org/10.1016/j.clindermatol.2017.09.004

Benedetti TRB, Meurer ST, Morini S. Índices antropométricos relacionados a doenças cardiovasculares e metabólicas em idosos. Rev Educ Fis UEM. 2012;23(1):123-30. https://doi.org/10.4025/reveducfis.v23i1.11393

Leal Neto JS, Coqueiro RS, Freitas RS, Fernandes MH, Oliveira DS, Barbosa AR. Anthropometric indicators of obesity as screening tools for high blood pressure in Older Adults. Int J Nurs Practice. 2013;19(4):360-7. https://doi.org/10.1111/ijn.12085

Zhang Z, He L, Xie X, Ling W, Deng J, Su Y, et al. Association of simple anthropometric indices and body fat with early atherosclerosis and lipid profiles in Chinese adults. PloS One. 2014;9(8):e104361. https://doi.org/10.1371/journal.pone.0104361

Oliveira CC, Roriz AK, Ramos LB, Gomes Neto M. Indicators of Adiposity Predictors of Metabolic Syndrome in the Older Adults. Ann Nutr Metab. 2017;70(1):9-15. https://doi.org/10.1159/000455333

Brasil. DATASUS. Departamento de Informática do SUS. População Residente. Estimativas para o TCU – Bahia. População estimada segundo ano. Aiquara. Available from: http://tabnet.datasus.gov.br/cgi/tabcgi.exe?ibge/cnv/poptba.def

Brasil. Ministério da Saúde. Sistema de Informação e Atenção Básica (SIAB). Cadastramento familiar - Bahia. Available from: http://tabnet.datasus.gov.br/cgi/deftohtm.exe?siab/cnv/SIABFBA.def

Alberti KGMM, Eckel RH, Grundy SM, Zimmet PZ, Cleeman JI, Donato KA, et al. Harmonizing the metabolic syndrome: a joint interim statement of the international diabetes federation task force on epidemiology and prevention; National Heart, Lung, and Blood Institute; American Heart Association; world heart federation; international atherosclerosis society; and International Association for the Study of obesity. Circulation. 2009;120(16):1640-5. https://doi.org/10.1161/CIRCULATIONAHA.109.192644

Frisancho AR. New standards of weight and body composition by frame size and height for assessment of the nutritional status of adults and Older Adults. Am J Clin Nutr. 1984;40(4):808-19. https://doi.org/10.1093/ajcn/40.4.808

Callaway WC, Chumlea WC, Bouchard C, Himes JH, Lohman TG, Martin AD, et al. Circumferences. In: Lohman TG, Roche AF, Martorell R. Anthropometric standardization reference manual. Champaign: Human Kinetics, 1988; p.39-54.

Harrison, GC, Buskirk ER, Carter JEL, Johnston FE, Lohman TG, Pollock ML, et al. Skinfold thickness and measurement technique. In: Lohman TG, Roche AF, Martorell R. Anthropometric standardization reference manual. Champaing: Human Kinetics, 1988; p.55-80.

Woolcott OO, Bergman RN. Relative fat mass (RFM) as a new estimator of whole-body fat percentage - A cross-sectional study in American adult individuals. Sci Rep. 2018;8:10980. https://doi.org/10.1038/s41598-018-29362-1

Valdez, R. A simple model-based index of abdominal adiposity. J Clin Epidemiol. 1991;44(9):955-6. https://doi.org/10.1016/0895-4356(91)90059-i

Mukaka MM. Statistic corner: a guide to the appropriate use of correlation coefficient in medical research. Malawi M J. 2012;24(3):69-71.

Gadelha AB, Myers J, Moreira S, Dutra MT, Safons MP, Lima RM. Comparison of adiposity indices and cut-off values in the prediction of metabolic syndrome in postmenopausal women. Diabetes Metab Syndr. 2016;10(3):143-8. https://dx.doi.org/10.1016/j.dsx.2016.01.005

Gharipour M, Sadeghi M, Dianatkhah M, Bidmeshgi S, Ahmadi A, Tahri M, et al. The cut-off values of anthropometric indices for identifying subjects at risk for Metabolic Syndrome in Iranian Older Adults. J Obes. 2014;2014:907149. https://doi.org/10.1155/2014/907149

Wians FH. Clinical laboratory tests: which, why, and what do the results mean? Lab Med. 2009;40(2):105-13. https://doi.org/10.1309/LM4O4L0HHUTWWUDD

Chu FL, Hsu CH, Jeng C. Low predictability of anthropometric indicators of obesity in metabolic syndrome (MS) risks among Older Adults women. Arch Gerontol Geriatr. 2012;55(3):718-23. https://doi.org/10.1016/j.archger.2012.02.005

Zeng Q, He Y, Dong S, Zhao X, Chen Z, Song Z, et al. Optimal cut-off values of BMI, waist circumference and waist: height ratio for defining obesity in Chinese adults. Br J Nutr. 2014;112(10):1735-44. https://doi.org/10.1017/S0007114514002657

Abulmeaty MMA, Almajwal AM, Almadani NK, Aldosari MS, Alnajim AA, Ali SB, et al. Anthropometric and central obesity indices as predictors of long-term cardiometabolic risk among Saudi young and middle-aged men and women. Saudi Med J. 2017;38(4):372-80. https://doi.org/10.15537/smj.2017.4.18758

Krause MP, Hallage T, Gama MPR, Sasaki JE, Miculis CP, Buzzachera CF, et al. Associação entre Perfil Lipídico e Adiposidade Corporal em Mulheres com Mais de 60 Anos de Idade. Arq Bras Cardiol. 2007;89(3):163-9. https://doi.org/10.1590/S0066-782X2007001500004

Oliveira MAM, Fagundes RLM, Moreira EAM, Trindade EBSM, Carvalho T. Relação de Indicadores Antropométricos com Fatores de Risco para Doença Cardiovascular. Arq Bras Cardiol. 2010;94(4):478-85. https://doi.org/10.1590/S0066-782X2010005000012

Hsu CH, Lin J, Hsieh C, Lau SC, Chiang W, Chen Y, et al. Adiposity measurements in association with metabolic syndrome in older men have different clinical implications. Nutr Res. 2014;34(3):219-25. https://doi.org/10.1016/j.nutres.2014.01.004