Medidas antropométricas como método no-invasivo para el diagnóstico precoz de Síndrome Metabólico (Revisión Sistemática)
Introducción: El Síndrome Metabólico (SMet) tiene una alta incidencia en la actualidad y agrupa a indicadores de riesgo cardiovascular. Las medidas antropométricas presentan ventajas que favorecen su aplicación para su diagnóstico precoz.
Dra. Reina Regla Orbera Bouza
*Máster en Urgencias Médicas. Especialista en Anestesiología y Reanimación. Diplomado en Cuidados Intensivos del Adulto. Profesora Auxiliar por Instituto Superior de Ciencias Médicas de la Habana. Profesora de Medicina de la Universidad Laica Eloy Alfaro Manabí. Ecuador
Resumen
Objetivo: Explorar las evidencias de la validez de medidas antropométricas como método no-invasivo para el diagnóstico precoz del SMet.
Métodos: Estudio de revisión sistemática. Se realizó una búsqueda bibliográfica de enero del 2017 a diciembre 2017 en PubMed, Science Direct y Scielo. Se evaluó la calidad metodológica de los artículos encontrados y se incluyeron aquellos que respondieron a los criterios de inclusión y exclusión previamente establecidos.
Resultados: Se incluyeron 8 estudios que mostraron adecuados indicadores respecto a su calidad metodológica. Entre las medidas antropométricas más utilizadas se encuentran el índice de masa corporal, circunferencia de la cintura y el índice cintura-talla (IMC, la CC y el ICT) Los mejores resultados en su valor predictivo para el diagnóstico del SMet fueron mostrados por la CC y el ICT.
Conclusiones: Las medidas antropométricas son utilizadas en el diagnóstico del SMet y ha adquirido un valor importante para el diagnóstico precoz y no invasivo del mismo. Los resultados muestran que se debe continuar estudiando este tema y ampliar la búsqueda a 5 años.
Palabras claves: Síndrome metabólico, medidas antropométricas, método no invasivo.
Introducción
El Síndrome Metabólico (SMet) se caracteriza por un conjunto de factores de riesgo cardiovascular representado por obesidad central, dislipidemias, anormalidades en el metabolismo de la glucosa e hipertensión arterial (Alvero-Cruz et al., 2016; Naja et al., 2017; WHO, 1999). El SMet agrupa a factores de riesgo estrechamente asociado a la resistencia a la insulina, Diabetes Mellitus Tipo 2 y enfermedades cardiovasculares (Cuevas, Álvarez, & Carrasco, 2011).
La prevalencia del SMet, aunque inicialmente era más notable en aquellos países desarrollados, en la actualidad se ha incrementado en los países en desarrollo (Cuevas et al., 2011; Escobedo et al., 2009). Diferentes estudios relacionan su presencia con los cambios en el estilo de vida como la disminución de la actividad física y en la cultura alimentaria (Cardona, Guzmán, & Cardona-Arias, 2017; Garcia-silva, Navarrete, & Ruano, 2017; Naja et al., 2017; Sarmiento, Gonález, Tujillo, & González, 2017). Es por ello que se enfatiza en su prevención y diagnóstico precoz.
Para su evaluación, se han empleado diferentes alternativas, entre las que se destacan métodos como la tomografía computarizada, el estudio de variables bioquímicas y de presión arterial. Sin embargo, no siempre todos ellos están al alcance en la atención primaria de salud, pero existen guías muy utilizadas para el diagnóstico de SMet, como la International Diabetes Federation (IDF), Cholesterol Eduacation Program Adult Treatment Panel III (NCEP-ATP III), criterios armonizados etc. En este este sentido, varios autores reconocen la utilidad de las medidas antropométricas en el diagnóstico del SMet (Domínguez-Reyes et al., 2017; Oliveira, Dias, Karla, Roriz, & Ramos, 2017; Song, Sung, & Lee, 2017). Entre las medidas más utilizadas se encuentran: Índice de Masa Corporal (IMC), Circunferencia de Cintura (CC), Índice Cintura-Cadera (ICC), Índice Cintura-Talla (ICT), Índice de Adiposidad Corporal (IAC) y el Índice de la forma del cuerpo (ABSI). Los resultados de las investigaciones han mostrado que no existe un consenso unánime en cuanto a su validez como método no invasivo para el diagnóstico precoz del SMet (Alvero-Cruz et al., 2016).
El siguiente trabajo tiene como objetivo llevar a cabo una revisión sistemática para explorar las evidencias de la validez de medidas antropométricas como método no-invasivo para el diagnóstico precoz del SMet.
Método
Se llevó a cabo una revisión en bases de datos como: PubMed, Science Direct y Scielo. Se incluyeron artículos publicados de enero 2017 a diciembre 2017. La estrategia de búsqueda contempló palabras claves como: Síndrome metabólico, indicadores antropométricos (CC, IMC, ICT), método no invasivo.
Entre los criterios de exclusión que se tuvieron en cuenta se encontraron: aquellos estudios que no correspondieran a adultos y adultos mayores (18-59 años; 60-80 años), y que además la muestra fueran adultos y adultos mayores con enfermedades crónicas no transmisibles descompensada o de debut o aquellos estudios donde los adultos o adultos mayores que conformaran la muestra padecieran enfermedades graves, catastróficas o en fase terminal.
La extracción de la información se realizó de forma independiente por parte de los investigadores con el fin de garantizar su reproducibilidad. En el proceso de revisión de los artículos encontrados se evaluó su calidad a partir del análisis de 10 de los indicadores propuestos por (Downs & Black, 1998), referidos a la calidad del reporte de investigación.
Resultados
Con la aplicación de las estrategias de búsquedas en la investigación se encontraron un total de 36 artículos en las diferentes bases de datos, estos resultados se muestran en la Figura 1. Al aplicar los criterios de inclusión, se tuvieron en cuenta en el estudio un total de 8 artículos. Entre las principales razones por las que se excluyeron los artículos se encuentran: realizarse con poblaciones asiáticas, no estar publicado en el año 2017 y no utilizarse las medidas antropométricas para la evaluación del SMet.
Para la evaluación de la calidad metodológica de los artículos incluidos en la revisión, se pudo apreciar una adecuada presentación de sus resultados científicos. En el 100% se describe de forma clara el objetivo del estudio, los principales resultados a evaluar son presentados en la sección de Introducción o Métodos, se detallan las características de los participantes y los principales procedimientos utilizados y resultados encontrados en cada uno de estos estudios, informando los valores de probabilidad reales. Las principales dificultades de la presentación de los resultados se centraron en que no siempre se presentan las estimaciones de la variabilidad aleatoria en los datos para los resultados principales, o se describen claramente las distribuciones de los factores de confusión principales en cada grupo de sujetos que se van a comparar. Indicadores de calidad como el informar todos los eventos adversos que pueden ser consecuencias de la intervención y la presentación de las características de los pacientes perdidos, no se evaluaron pues los artículos incluidos no contaban con objetivos interventivos.
Los 8 artículos que se estudiaron comprendieron el estudio de muestras entre 103 y 1641 participantes. El rango de la media de las edades estudiadas estuvo entre 40 y 58 años. Además, se incluyó un artículo de revisión de 21 artículos científicos. Los principales ámbitos de aplicación fueron el nivel de atención primaria de salud, el laboral y además se incluyeron estudios en población general. La descripción de los artículos incluidos en la revisión se muestra en la Tabla 1.
Las medidas antropométricas se utilizan en todos los estudios revisados. Sin embargo, en solo uno de ellos (Romero-Saldaña, Fuentes-Jiménez, Vaquero-Abellán, Álvarez-Fernández, & Molina-Recio, 2017) se utiliza de forma exclusiva. En el resto de las investigaciones son medidas que contribuyen al estudio y diagnóstico del SMet y su relación con otras variables.
Entre las medidas antropométricas más utilizadas se encuentran el IMC, la CC y el ICT Los mejores resultados en su valor predictivo para el diagnóstico del SMet fueron mostrados por la CC y el ICT. Respecto a este último, en el estudio desarrollado por Delvarianzadeh et al. (2017), el riesgo de desarrollar SMet en personas con un alto índice de ICT mayor que el punto de corte calculado fue 7.91 veces mayor que los otros sujetos.
Discusión
Los resultados del estudio realizado muestran que las medidas antropométricas como método no invasivo para el diagnóstico precoz del SMet han sido empleadas en diferentes ámbitos, especialmente en las investigaciones epidemiológicas sobre el tema (Escobedo et al., 2009; Filippatos et al., 2017; Gill, Jackson, Duane, Miner, & Khan, 2017). Su utilización, ya sea como único método o como complemento a otros, se ha sustentado a partir de sus ventajas, entre las que se incluye: su fácil aplicación en la práctica clínica y especialmente en la atención primaria de salud, con bajos costos económicos (Domínguez-Reyes et al., 2017; Oliveira et al., 2017; Song et al., 2017).
Los resultados encontrados no son concluyentes en cuanto el mejor método a emplear en el diagnóstico del SMet en la población estudiada, aunque se destaca la CC y el ICT (Delvarianzadeh et al., 2017; Domínguez-Reyes et al., 2017; Romero-Saldaña et al., 2017). La CC es una medida que permite estimar la adiposidad abdominal (Domínguez-Reyes et al., 2017), se ha destacado que es un parámetro sencillo y fácil de interpretar y guarda un estrecho vínculo con otras medidas como IMC. En cuanto al ICT, es también un indicador antropométrico de adiposidad abdominal de fácil medición, se ha demostrado la evidencia en la eficacia de esta medida en varios estudios, siendo más sensible que el IMC para la detección precoz de riesgo cardiovascular en diferentes contextos étnicos, teniendo en cuenta las diferencias en cuanto al sexo y grupos de edades (Delvarianzadeh et al., 2017; Romero-Saldaña et al., 2017).
El estudio realizado intenta una aproximación a las evidencias de validez de las de medidas antropométricas como método no-invasivo para el diagnóstico precoz del SMet, no obstante se considera necesario ampliar el número de estudios sobre este tema, incluyendo aquellos donde las medidas antropométricas se utilicen como parte de estudios interventivos para comprobar su capacidad predictiva en el transcurso del tiempo.
Como conclusión se evidenció que las medidas antropométricas son utilizadas en el diagnóstico del SMet; las mismas han adquirido un valor importante para el diagnóstico precoz y no invasivo de dicho síndrome. Los resultados muestran que se debe continuar estudiando este tema y ampliar la búsqueda a 5 años. Se destacó la sensibilidad de la CC y el ICT.
Referencias
Alvero-Cruz, J. R., Fernández, R., Vega, M. del M. G., Lavigne, J. A. G., Linares, M. V. R., & Blanco, J. M. (2016). Sensibilidad y especificidad de la adiposidad abdominal con el síndrome metabólico en ancianos. Revista Española de Geriatría Y Gerontología, (xx), 1–7. http://doi.org/10.1016/j.regg.2016.11.001
Cardona, S., Guzmán, L., & Cardona-Arias, A. (2017). Caracterización de ensayos clínicos relacionados con el tratamiento del síndrome metabólico, 1980-2015. Endocrinología Diabetes Y Nutrición, (xx). http://doi.org/10.1016/j.endinu.2016.09.002
Cuevas, A., Álvarez, V., & Carrasco, F. (2011). Epidemic of metabolic syndrome in Latin America. Current Opinion in Endocrinology, Diabetes & Obesity, 18, 134–138. http://doi.org/10.1097/MED.0b013e3283449167
Delvarianzadeh, M., Abbasian, M., Khosravi, F., Ebrahimi, H., Ebrahimi, M. H., & Fazli, M. (2017). Appropriate anthropometric indices of obesity and overweight for diagnosis of metabolic syndrome and its relationship with oxidative stress. Diabetes & Metabolic Syndrome: Clinical Research & Reviews. http://doi.org/10.1016/j.dsx.2017.07.014
Domínguez-Reyes, T., Quiroz-Vargas, I., Salgado-Bernabé, A. B., Salgado-Goytia, L., Muñoz-Valle, J. F., & Parra-Rojas, I. (2017). Las medidas antropométricas como indicadores predictivos de riesgo metabólico en una población mexicana. Nutrición Hospitalaria, 34(1), 96–101.
Downs, S. H., & Black, N. (1998). The feasibility of creating a checklist for the assessment of the methodological quality both of randomised and non-randomised studies of health care interventions. J Epidemiol Community Health, 52, 377–384.
Escobedo, J., Schargrodsky, H., Champagne, B., Silva, H., Boissonnet, C. P., Vinueza, R., … Wilson, E. (2009). Prevalence of the Metabolic Syndrome in Latin America and its association with sub-clinical carotid atherosclerosis: the CARMELA cross sectional study. Cardiovascular Diabetology, 9, 1–9. http://doi.org/10.1186/1475-2840-8-52
Filippatos, T. D., Kyrou, I., Georgousopoulou, E. N., Chrysohoou, C., Kouli, G., Tsigos, C., … Panagiotakos, D. B. (2017). Modeling anthropometric indices in relation to 10-year ( 2002 – 2012 ) incidence of cardiovascular disease , among apparently healthy individuals : The ATTICA study. Diabetes & Metabolic Syndrome: Clinical Research & Reviews. http://doi.org/10.1016/j.dsx.2017.05.018
Garcia-silva, J., Navarrete, N., & Ruano, A. (2017). Estrés, ira y dieta mediterránea como factores predictores del síndrome metabólico. Medicina Clinica, (xx), 8–13. http://doi.org/10.1016/j.medcli.2017.08.012
Gill, R., Jackson, R. T., Duane, M., Miner, A., & Khan, S. A. (2017). Comparison of Metabolic Syndrome Indicators in Two Samples of Central and South Americans Living in the Washington , D . C . Area in 1993 – 1994 and 2008 – 2009 : Secular Changes in Metabolic Syndrome in Hispanics. Int. J. Environ. Res. Public Health, 14(881). http://doi.org/10.3390/ijerph14080881
Naja, F., Shivappa, N., Nasreddine, L., Kharroubi, S., Itani, L., Hwalla, N., … Itani, L. (2017). Role of inflammation in the association between the western dietary pattern and metabolic syndrome among Lebanese adults. International Journal of Food Sciences and Nutrition, 0(0), -000. http://doi.org/10.1080/09637486.2017.1312297
Oliveira, C. C. De, Dias, E., Karla, A., Roriz, C., & Ramos, L. B. (2017). Predictors of Metabolic Syndrome in the Elderly: A Review. International Journal of Cardiovascular Sciences, 30(4), 343–353.
Plata, M., Caicedo, J. I., Trujillo, C. G., & Mari, Á. M. (2017). Prevalencia del síndrome metabólico y su asociación con síntomas del tracto urinario inferior y función. Actas Urológicas Españolas, (xx). http://doi.org/10.1016/j.acuro.2016.12.009
Romero-Saldaña, M., Fuentes-Jiménez, F. J., Vaquero-Abellán, M., Álvarez-Fernández, C., & Molina-Recio, G. (2017). Predictive Capacity and Cutoff Value of Waist-to-Height Ratio in the Incidence of Metabolic Syndrome. Clinical Nursing Research, 1–16. http://doi.org/10.1177/1054773817740533
Sarmiento, V. del R. B., Gonález, J. M. L., Tujillo, V. G. C., & González, M. del R. P. (2017). Evaluación nuticional de población de adultos mayores de comunidades rurales de Chiapas. Revista Española de Nutrición Comunitaria, 23(2), 61–63.
Song, Y.-M., Sung, J., & Lee, K. (2017). Associations Between Adiposity and Metabolic Syndrome Over Time : Metabolic Syndrome and Related Disorders, XX(Xx), 1–6. http://doi.org/10.1089/met.2016.0100
WHO. (1999). Definition, Diagnosis and Classification of Diabetes Mellitus and its Complications. Report of a WHO consultation. Geneva.