MESTRADO

NUTRIÇÃO CLÍNICA

Indicadores antropométricos e a sua associação

com fatores de risco cardiometabólico: Qual o

melhor preditor?

Sandra Isabel Órfão Gonçalves

M

2018

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

Porto, 2018

ii

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

2018

iii

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.

Um Muito Obrigada!

iv

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.

v

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

DM2.

vi

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

anthropometric indexes to predict the RCM, highlighting through our study the BRI, the PcE

vii

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.

Keywords: Anthropometry, Cardiometabolic risk, Cardiovascular risk, DM2 risk.

viii

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

Referências Bibliográficas ......................................................................................................... 27

ix

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

x

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

1

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

2

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

apresentou pontos de corte para asiáticos, sendo considerado excesso de peso um IMC entre 23

3

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,

4

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).

5

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.

6

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

7

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).

8

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.

9

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 fossem 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

10

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).

11

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 tensiómetro da 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

Tabela 1 – Classificação do risco cardiovascular, através do score de Framingham.

12

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.

13

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.

Considerou-se um nível de significância de 0,05.

14

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

15

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%

16

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

Tabela 4 – Associações entre medidas antropométricas e fatores de RCM. Correlação de Spearman (ρ) e Pearson (R).

17

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.

18

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

Tabela 6 – AUC para as medidas antropométricas na predição do risco cardiovascular, risco de DM2 e RCM.

19

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.

20

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,

apresenta uma associação fraca e é claramente superada pelos indicadores de obesidade

21

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

22

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.

23

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

24

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.

25

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.

26

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.

27

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

28

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

29

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

30

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

31

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

Indicad

ore

s an

tropom

étrico

s e

a su

a asso

ciação

com

fato

res

de

risco

cardio

metab

ólico

: Qual o

melh

or p

redito

r?

San

dra Isab

el Ó

rfão G

onçalve

s

FA

CU

LD

AD

E D

E C

IÊN

CIA

S D

A N

UT

RIÇ

ÃO

E A

LIM

EN

TA

ÇÃ

O