Información de la revista
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
...
Original
DOI: 10.1016/j.anpedi.2020.04.004
Open Access
Disponible online el 21 de Mayo de 2020
Precisión diagnóstica del índice de masa triponderal (kg/m3) para identificar el fenotipo de riesgo metabólico en pacientes obesos
Diagnostic accuracy of the tri-ponderal mass index in identifying the unhealthy metabolic obese phenotype in obese patients
Visitas
...
Diego Yeste
Autor para correspondencia
dyeste@vhebron.net

Autor para correspondencia.
, María Clemente, Ariadna Campos, Anna Fábregas, Eduard Mogas, Laura Soler, Antonio Carrascosa
Sección de Endocrinología Pediátrica, Hospital Universitario Vall d’Hebron, Universitat Autònoma de Barcelona. CIBER de Enfermedades Raras (CIBERER) ISCIII, Barcelona, España
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Tablas (4)
Tabla 1. Distribución de la edad, el estadio puberal y los datos antropométricos con relación al sexo de la cohorte de niños y adolescentes obesos (n=239)
Tabla 2. Distribución de la edad, el sexo y los datos antropométricos con relación al fenotipo obeso metabólicamente sano (FOMS) y con riesgo metabólico (FORM) de la cohorte de niños y adolescentes obesos (n=239)
Tabla 3. Distribución de los valores de la insulina, HOMA, Quicki y componentes del FOMS (glucemia, triglicéridos, cHDL, presión arterial sistólica [PAS] y presión arterial diastólica [PAD]) con relación al fenotipo obeso metabólicamente sano (FOMS) y con riesgo metabólico (FORM) de la cohorte de niños y adolescentes obesos (n=239)
Tabla 4. Curvas ROC. Mejores puntos de corte de los parámetros antropométricos para identificar el fenotipo obeso con riesgo metabólico
Mostrar másMostrar menos
Resumen
Introducción

El fenotipo obeso metabólicamente sano (FOMS) define a los pacientes obesos que tienen preservada la sensibilidad a la insulina y que no presentan complicaciones metabólicas. Este fenotipo se asocia a menor riesgo de padecer enfermedad cardiovascular y diabetes tipo2 en la edad adulta.

Objetivos

Determinar la prevalencia del FOMS y del fenotipo obeso con riesgo metabólico (FORM) en una cohorte de niños y adolescentes obesos y establecer la capacidad predictiva del índice de masa triponderal (IMT) y de otros parámetros antropométricos para identificar a estos pacientes.

Pacientes y métodos

Estudio transversal de 239 pacientes (125varones) obesos de 8 a 18años de edad. El 45,9% presentan obesidad grado3. Se utilizan las curvas ROC para buscar el mejor punto de corte para: IMT, índice de masa corporal (IMC), valor z-score del IMC (zsIMC) e índice cintura/talla (ICT). Componentes FOMS: glucemia plasmática, triglicéridos plasmáticos, colesterol HDL y presión arterial.

Resultados

La prevalencia del FORM en nuestra cohorte es del 62,4%, sin que se observen diferencias entre sexos, incrementándose con la edad y con el grado de obesidad. El IMT tiene una sensibilidad de 75,8 y una especificidad de 42,2 para identificar los pacientes FORM. El mejor punto de corte para el IMT es 18,7kg/m3, para el IMC 30,4kg/m2, para el zsIMC +3,5DE y para el ICT 0,62.

Conclusiones

La precisión diagnóstica del IMT para identificar niños y adolescentes con riesgo metabólico es similar al IMC y al ICT. No obstante, su cálculo es más sencillo y además facilita y simplifica la categorización del grado de obesidad en ambos sexos.

Palabras clave:
Obesidad
Niños
Adolescentes
Riesgo cardiovascular
Índice de masa triponderal
Fenotipo obeso de riesgo metabólico
Abstract
Introduction

The metabolically healthy obese (MHO) phenotype defines obese patients who have preserved insulin sensitivity and absence of metabolic complications. This phenotype is associated with a lower risk of cardiovascular disease and type2 diabetes in adulthood.

Objectives

To determine the prevalence of MHO and the metabolically unhealthy obesity (MUO) phenotype in a cohort of obese children and adolescents and to establish the predictive capacity of the tri-ponderal mass index (TMI) and other anthropometric parameters in order to identify these patients.

Patients and methods

A cross-sectional study was conducted on 239 obese patients (125males) from 8 to 18years of age. Grade3 obesity was present in 45.9% of the patients. ROC curves were used to find the best cut-off point for: TMI, body mass index (BMI), BMI z-score (BMIzs), and waist/height index (WHI). MHO components: plasma blood glucose, plasma triglycerides, HDL-cholesterol, and blood pressure.

Results

The prevalence of MUO in the study cohort was 62.4%. No differences between genders were observed, and it was increasing with the age and obesity degree. The TMI has a sensitivity of 75.8 and a specificity of 42.2 to identify the MUO patients. The best cut-off point for TMI is 18.7kg/m3, for BMI it was 30.4kg/m2, for BMIzs +3.5SD, and 0.62 for WHI.

Conclusions

The diagnostic accuracy of TMI in identifying obese adolescents with metabolic risk was similar to BMI and WHI. However, the TMI is much simpler to use and simplifies the categorization of the obesity in both genders.

Keywords:
Obesity
Children
Adolescents
Cardiovascular risk
Tri-ponderal mass index
Unhealthy metabolic obese phenotype
Texto completo
Introducción

La obesidad en la edad pediátrica constituye uno de los problemas de salud pública más importantes de nuestra sociedad, no solo porque su incidencia está aumentando de forma considerable, sino porque la obesidad del niño tiende a perpetuarse en la adolescencia, y la del adolescente, en la vida adulta. La obesidad infantojuvenil constituye un factor de riesgo para el desarrollo a corto plazo (infancia y adolescencia) y a largo plazo (vida adulta) de complicaciones metabólicas, cardiovasculares y endocrinas, entre otras, y en general una menor esperanza de vida1-4.

El índice de la masa corporal (IMC [kg/m2]) es el parámetro antropométrico más utilizado para estimar el contenido de la grasa corporal de un sujeto. No obstante, su interpretación durante la infancia y la adolescencia presenta limitaciones debido a que este índice no es constante y varía ampliamente en función de la edad, del sexo, del estadio madurativo y de la prevalencia de la obesidad de la población, siendo necesario disponer de valores de referencia y referirlo en forma de valor z-score. El cálculo de este índice es de gran utilidad para relacionar la morbilidad con el grado de obesidad y para monitorizar los efectos del tratamiento a corto y a largo plazo5-7.

Estudios recientes indican que el índice de masa triponderal (IMT [kg/m3]) estima el porcentaje de grasa corporal con mayor precisión que el IMC en niños y adolescentes de 8 a 18años de edad, y se ha propuesto sustituir el uso de los valores z-score del IMC por los del IMT8,9. En nuestro país, no hace mucho se han publicado los valores de referencia del IMC y del IMT según la edad y el sexo de los niños sanos sin malnutrición ni obesidad de la generación del milenio incluidos en el Estudio longitudinal de crecimiento de Barcelona (1995-2017)10. Estos valores pueden ser de gran utilidad para la evaluación clínica de la obesidad, especialmente durante la etapa prepuberal y la adolescencia. En concreto, los valores del IMT se mantienen muy uniformes tanto en niños como en niñas desde la edad de 8años hasta los 18años, por lo que un único punto de corte sería preciso para identificar el estado de sobrepeso y de obesidad y, de este modo, evitar cálculos matemáticos más complejos para estimar el grado de obesidad (valor z-score y porcentaje de IMC).

El cociente entre el perímetro de la cintura y la estatura, también denominado índice cintura/talla (ICT), ha sido propuesto como un parámetro de gran interés para la identificación de la obesidad central y el riesgo cardiometabólico. En pacientes pediátricos obesos un valor mayor de 0,5 incrementa en 12,11 veces el riesgo de presentar síndrome metabólico en comparación con los niños con un IMC normal11.

Recientemente, se ha definido el fenotipo obeso metabólicamente sano (FOMS) en los pacientes obesos que no presentan complicaciones metabólicas (alteraciones del metabolismo de los hidratos de carbono, dislipidemia e hipertensión arterial) y que tienen preservada la sensibilidad a la insulina a pesar del exceso de la grasa corporal12. Este fenotipo se asocia con un menor riesgo relativo de padecer enfermedad cardiovascular y diabetes tipo2 en la edad adulta13,14. El fenotipo obeso con riesgo metabólico (FORM), en el que tampoco se incluye como criterio la medida del perímetro de la cintura, es recomendado actualmente para identificar los pacientes obesos con complicaciones metabólicas tanto en poblaciones pediátricas15,16 como adultas por su mayor capacidad discriminativa12,17,18.

El objetivo de este estudio está dirigido a determinar la prevalencia del FOMS y del FORM en una cohorte de niños y adolescentes obesos y a establecer mediante curvas ROC los puntos de corte de los parámetros antropométricos que permitan identificar con mejor precisión diagnóstica a los pacientes FORM.

Pacientes y método

Estudio prospectivo de 239 niños y adolescentes de edades comprendidas entre los 8 y 18años que fueron remitidos para estudio de obesidad a la unidad de endocrinología pediátrica de un hospital de tercer nivel entre los años 2012 y 2016; 125 eran varones con una edad media (desviación estándar) de 12,7 (2,4) años y tenían un IMC medio de 31,4 (3,9) kg/m2, una puntuación z de IMC de 5,7 (1,9) y un IMT medio de 20,4 (2,6) kg/m3, y 114 eran mujeres con una edad media de 12,3 (2,2) años y tenían un IMC medio de 31,6 (4,6), una puntuación z de IMC de 5,4 (1,8) y un IMT medio de 20,1 (2,6). El estadio puberal evaluado según los criterios de Tanner19 presentaba la siguiente distribución: 45 pacientes prepuberales, 119 pacientes puberales y 75 pacientes pospuberales con talla adulta. Todos los pacientes incluidos en el estudio eran de raza caucásica blanca, no estaban afectados de trastornos genéticos o endocrinos asociados a obesidad (hipotiroidismo, síndrome de Cushing, obesidad hipotalámica posterior a cirugía craneal) o de enfermedades crónicas y no tomaban de forma habitual fármacos que pudiesen tener alguna influencia en el peso corporal (esteroides sistémicos y psicofármacos). El estudio fue aprobado por el comité de ética del hospital y se obtuvo el consentimiento informado de todos los participantes.

En cada sujeto se obtuvieron el peso (con una báscula electrónica Secca 220®, con precisión de 0,1kg e intervalo de 1-150kg) y la talla en bipedestación (con un estadiómetro de precisión Holtain®), y se calculó el IMC: peso (kg) dividido por la talla (m) al cuadrado, así como el IMT: peso (kg) dividido por la talla (m) al cubo. Los valores de IMC se compararon con los de una población de referencia de la misma edad y sexo10 y se expresaron como puntuación z según la siguiente fórmula: IMC del sujeto evaluado menos IMC de la población control de la misma edad y sexo, y el resultado dividido por la desviación estándar correspondiente al valor de la población control de la misma edad y sexo.

El criterio utilizado para identificar los pacientes con obesidad se establece en base al valor del IMC, si este es igual o superior al valor del p95 del IMC o a 2 desviaciones del valor z-score del IMC de la población de referencia para la edad y el sexo10. La intensidad y el grado de la obesidad se han estimado en base al porcentaje de la desviación del valor del IMC respecto al percentil 95 de la población de referencia siguiendo la recomendación de Flegal et al.20, que clasifica a los pacientes en tres grupos: obesidad grado1 (moderada) cuando el porcentaje del exceso de IMC con relación al p95 es inferior al 120%, obesidad grado2 (grave) si el porcentaje del exceso de IMC con relación al p95 está comprendido entre el 120 y el 140%, y obesidad grado3 (mórbida) cuando el porcentaje del exceso de IMC con relación al p95 es superior al 140%.

El perímetro de la cintura se midió utilizando una cinta métrica de nilón, no extensible, con el sujeto en bipedestación, en el punto medio entre el borde caudal de la última costilla y la cresta iliaca a nivel del ombligo y con la cinta en plano horizontal. El ICT se calculó dividiendo el perímetro de la cintura en centímetros por la estatura en centímetros. Se consideran normales valores entre 0,4 y 0,511.

Presión arterial

La medición de la presión arterial (PA) se realizó con el paciente sentado y el brazo izquierdo a la altura del corazón, con un dispositivo electrónico oscilométrico Bionet BM3 Monitor Multiparamétrico Plus (Bionet America, EE.UU.) después de 5min de reposo con un brazalete que da cobertura al 80-100% de la circunferencia del brazo del paciente. Se realizaron tres determinaciones a intervalos de 3-5min, obteniendo un promedio de la medida de la PA con las dos últimas. Se define el paciente obeso con riesgo cardiovascular cuando la presión arterial sistólica (PAS) y/o la presión arterial diastólica (PAD) es mayor al percentil 90 específico para edad, sexo y talla16,21.

Parámetros analíticos

Se realizaron determinaciones analíticas a todos los participantes tras un periodo de ayunas de al menos 8h y mediante venopunción periférica, analizado mediante método de ensayo colorimétrico enzimático en autoanalizador modelo AU5800 (Beckman Coulter, EE.UU.) que incluyeron: glucemia, colesterol total, colesterol de las lipoproteínas de baja densidad (cLDL), colesterol de las lipoproteínas de alta densidad (cHDL) y triglicéridos; la insulina plasmática mediante tecnología de quimioluminiscencia directa de doble sándwich (The Atellica IM; Siemens Healthineers, EE.UU.). La insulinorresistencia se estimó con el índice HOMA: glucemia basal (mg/dl) ×insulinemia basal (mU/l) /40522 y la sensibilidad periférica a la insulina con el índice Quicki: 1/(log insulina basal +log glucemia basal)23.

Definición del estado metabólico de los pacientes obesos

Con objeto de definir el estado metabólico de los pacientes obesos, éstos fueron divididos en dos grupos (FOMS y FORM) en base a los siguientes criterios: 1)glucemia plasmática <100mg/dl; 2)triglicéridos plasmáticos ≤150mg/dl; 3)cHDL ≥40mg/dl, y 4)PAS y PAD ≤percentil 90. Los pacientes con FOMS se caracterizan por la ausencia de hipertensión arterial, dislipemia e hiperglicemia de ayunas en base a la definición de consenso de Damanhoury et al.16. Los pacientes FORM, por la presencia de uno o más criterios de riesgo cardiovascular.

Procedimientos estadísticos

Los resultados se han expresado como media (desviación estándar). Se ha efectuado un análisis descriptivo univariante de las diferentes variables evaluadas y se ha utilizado el test no paramétrico de Mann-Whitney para muestras independientes a fin de estudiar las diferencias de las medias de las diferentes variables evaluadas entre la población de individuos obesos FOMS y FORM. Se consideró un error tipoI del 5%. Por último, se ha efectuado un análisis de curvas ROC (Receiving Operating Characteristics). A partir de los diferentes parámetros antropométricos utilizados se ha buscado el mejor punto de corte para identificar los pacientes con FOMS y FORM mediante el uso de curvas ROC y seleccionando el punto que mejor los clasifique basado en el índice de Youden. Como resultados se presenta el área bajo la curva (AUC), el punto de corte seleccionado y la sensibilidad, la especificidad y la exactitud (clasificación correcta) obtenidas con dicho punto.

Resultados

En la tabla 1 se muestran la edad, la distribución por estadio de Tanner y los datos antropométricos de los pacientes de sexo femenino y masculino, respectivamente, sin que se observen diferencias entre ambos con relación a la edad, el IMC, el IMCz-score, el IMT y el IMT z-score; se observan diferencias con relación a la distribución de estadios de Tanner (p<0,005).

Tabla 1.

Distribución de la edad, el estadio puberal y los datos antropométricos con relación al sexo de la cohorte de niños y adolescentes obesos (n=239)

  Mujeres, n=114 (47,7%)  Hombres, n=125 (52,3%) 
Edad (años)  12,3±2,2  12,7±2,4  ns 
Tanner  Prepuberal: 16  Prepuberal: 29  0,005 
  Puberal: 51  Puberal: 68   
  Pospuberal: 47  Pospuberal: 28   
IMC (kg/m231,6±4,6  31,4±3,9  ns 
IMC z-score 2017  5,4±1,8  5,7±1,9  ns 
IMT (kg/m320,1±2,6  20,4±2,6  ns 
IMT z-score 2017  5,1±1,8  5,5±2,1  ns 

La distribución por categoría nutricional de los pacientes incluidos en el estudio es la siguiente: el 14,5% presentan obesidad grado1, el 39,6% obesidad grado2 y el 45,9% restante obesidad grado3.

La prevalencia del FOMS es del 37,6% y la del FORM, del 62,4%, sin observarse diferencias entre sexos. El porcentaje de pacientes FORM se incrementa de forma estadísticamente significativa con la edad y con el grado de obesidad. La distribución por frecuencias de los componentes del fenotipo FORM fue la siguiente: 1)glucemia ≥100mg/dl: 0,8%; 2)triglicéridos plasmáticos ≥150mg/dl: 17,6%; 3)cHDL ≤40mg/dl: 27,6%, y 4)PAS >p90 y PAD >p90: 38,1% y 14,6%, respectivamente.

En la tabla 2 se muestran la edad, el sexo y las características antropométricas de los pacientes con relación al fenotipo metabólico. La distribución por sexo no muestra diferencias, mientras que los pacientes FORM son de mayor edad: 12,8 (2,4) años vs. 12,0 (2,2) años (p=0,009), y presentan mayor grado de adiposidad evaluado por el IMC: 32,1 (4,6) vs 30,4 (3,6) (p=0,002), IMC z-score: 3,6 (1,3) vs 3,3 (1,1) (p=0,05), IMT: 20,6 (2,6) vs 20,0 (2,4) (p=0,05) y mayor perímetro de cintura: 100,5 (11,6) cm vs 91,8 (9,0) cm (p=0,001). No se observan diferencias con relación al ICT entre ambos grupos.

Tabla 2.

Distribución de la edad, el sexo y los datos antropométricos con relación al fenotipo obeso metabólicamente sano (FOMS) y con riesgo metabólico (FORM) de la cohorte de niños y adolescentes obesos (n=239)

  Fenotipo FOMS, n=90  Fenotipo FORM, n=149 
Edad  12,0±2,2  12,8±2,4  0,009 
Sexo n (%)  Masculino 46 (51,1%)Femenino 44 (48,9%)  Masculino 79 (53,0%)Femenino 70 (47,0%)  0,79 
IMC (kg/m230,4±3,6  32,1±4,6  0,002 
IMC z-score  3,3±1,1  3,6±1,3  0,05 
IMT (kg/m320,0±2,4  20,6±2,6  0,05 
Ind. cintura/talla  0,61±0,05  0,62±0,05  0,10 
P. cintura (cm)  91,8±9,0  100,5±11,6  0,001 

En la tabla 3 se muestran los valores de cada uno de los componentes del fenotipo FORM (glucemia en ayunas [mg/dl], triglicéridos [mg/dl], cHDL [mg/dl] y la PAS y PAD [mmHg], los valores de la insulina y de los índices HOMA y Quicki). Los pacientes obesos FORM presentan valores más elevados en las concentraciones plasmáticas de triglicéridos: 133,1 (154,5) mg/dl vs 82,8 (28,2) mg/dl (p=0,0001), PAS 125,2 (13,7) mmHg vs 111,4 (7,4) mmHg (p=0,0001), PAD 72,7 (11,1) mmHg vs 65,1 (8,2) mmHg (p=0,0001) y valores más bajos de cHDL: 43,2 (9,2) mg/dl vs 51,9 (15,8) mg/dl (p=0,0001) con relación a los pacientes FOMS. No se observaron diferencias con relación a los valores de la glucemia en ayunas. Asimismo, los pacientes FORM presentan concentraciones más elevadas de los valores de insulina basal: 20,4 (11,7) mU/l vs 16,4 (7,4) mU/l (p=0,01) y del índice HOMA 4,0 (2,3) vs 3,2 (1,5) mU/l (p=0,02) y valores más bajos del índice Quicki: 0,320 (0,029) vs 0,328 (0,034) (p=0,02) respecto a los pacientes FOMS.

Tabla 3.

Distribución de los valores de la insulina, HOMA, Quicki y componentes del FOMS (glucemia, triglicéridos, cHDL, presión arterial sistólica [PAS] y presión arterial diastólica [PAD]) con relación al fenotipo obeso metabólicamente sano (FOMS) y con riesgo metabólico (FORM) de la cohorte de niños y adolescentes obesos (n=239)

  Fenotipo FOMS, n=90  Fenotipo FORM, n=149 
Insulina (mU/l)  16,4±7,4  20,4±11,7  0,01 
HOMA  3,2±1,5  4,0±2,3  0,02 
Quicki  0,328±0,034  0,320±0,029  0,02 
Glucemia (mg/dl)  81,0±7,5  80,8±7,1  0,50 
Triglicéridos (mg/dl)  82,8±28,2  133,1±154,5  0,0001 
cHDL (mg/dl)  51,9±15,8  43,2±9,2  0,0001 
PAS (mmHg)  111,4±7,4  125,2±13,7  0,0001 
PAD (mmHg)  65,1±8,2  72,7±11,1  0,0001 

En la tabla 4 se muestran los valores del área ROC, la sensibilidad, la especificidad, el porcentaje de pacientes clasificados correctamente, el punto de corte (Youden) y el mejor punto de corte (AUC) para cada uno de los parámetros antropométricos evaluados. Los mejores puntos de corte para identificar el FORM son: IMC: 30,4 (AUC ROC: 0,621; IC: 0,547-0,694), zsIMC: +3,5DE (AUC ROC: 0,574; IC: 0,499-0,648), ITP: 18,7 (AUC ROC: 0,561; IC: 0,485-0,637), ICT: 0,62 (AUC ROC: 0,565; IC: 0,487-0,643).

Tabla 4.

Curvas ROC. Mejores puntos de corte de los parámetros antropométricos para identificar el fenotipo obeso con riesgo metabólico

  Área ROC  Sensibilidad  Especificidad  Clasificados correctamente  Punto de corte (Youden)  Mejor punto de corte (AUC) 
IMC (kg/m20,621  81,2  41,1  66,1  28,8  30,4 
IMC z-score  0,574  30,8  82,2  50,2  4,0  3,5 
IMT (kg/m30,561  75,8  42,2  63,1  18,7  18,7 
Ind. cintura/talla  0,565  73,3  40,9  61,2  0,59  0,62 
Discusión

La obesidad es una enfermedad crónica, multifactorial y multisistémica que se caracteriza por una excesiva acumulación de grasa corporal. En el transcurso de los años, su incidencia en los países desarrollados está adoptando proporciones epidémicas hasta convertirse en un problema de salud pública de primera magnitud, con importantes implicaciones económicas y sociales24. La obesidad infantil tiende a perpetuarse en la edad adulta y a producir alteraciones en el perfil de los lípidos plasmáticos y en el metabolismo de los hidratos de carbono, lo que contribuye al desarrollo de hipertensión arterial e incrementa el riesgo cardiovascular y el desarrollo temprano de la aterogénesis, determinando una menor esperanza de vida1,2.

Recientemente, se ha definido el fenotipo FOMS para identificar a los pacientes obesos que tienen preservada la sensibilidad a la insulina y que no presentan complicaciones metabólicas12,15-18. Este fenotipo se asocia a un menor riesgo de padecer enfermedad cardiovascular y diabetes tipo2 en la edad adulta25,26. Los pacientes FOMS desde un punto de vista funcional tienen la capacidad de acumular el exceso de grasa a nivel del tejido adiposo subcutáneo, expandiendo o incrementando este según se necesite, mientras que en el caso de los obesos con fenotipo FORM los depósitos de grasa subcutánea no se expanden lo suficiente y dicha grasa se acumula en otros tejidos del organismo. Estos serían los que se denominan depósitos ectópicos, que estarían a nivel de hígado, pericardio, espacio retroperitoneal, mesenterio y espacio perivascular, entre otros, constituyendo la denominada grasa visceral27,28. Esta grasa está íntimamente relacionada con los factores de riesgo cardiovascular, como diabetes, hipertensión, hígado graso no alcohólico, hiperlipidemias y su nexo, la resistencia insulínica29. El fenotipo FORM, al no incluir como criterio diagnóstico la medida del perímetro de la cintura, que es el criterio principal para definir el síndrome metabólico30, tiene una mejor capacidad discriminativa para identificar a los pacientes que presentan resistencia a la insulina y en los que la medida del perímetro de la cintura es inferior al p90. Es evidente la trascendencia y el interés que tiene la identificación precoz de los pacientes obesos con riesgo cardiometabólico, ya sea a través de marcadores antropométricos o bioquímicos que sean sensibles y accesibles a los clínicos con el objeto de revertir su desfavorable situación metabólica.

La antropometría es una herramienta fundamental en la evaluación nutricional de los individuos y las poblaciones, siendo el IMC el parámetro más empleado en la definición del estado ponderal y de la obesidad. No obstante, en el ámbito clínico se alcanza mayor precisión diagnóstica al incluir la medida de los pliegues cutáneos y la estimación de la densidad corporal para calcular indirectamente el porcentaje de grasa corporal, aunque presenta limitaciones de índole práctica que limitan su aplicación clínica. Además, es motivo de discusión qué patrones de IMC/edad han de utilizarse como referencia para definir el grado de sobrepeso y obesidad durante la infancia y la adolescencia, señalándose la necesidad de disponer de patrones obtenidos en poblaciones actuales sin malnutrición ni obesidad, ya que los patrones hoy en uso están sesgados por la inclusión en proporción variable de niñas/niños con sobrepeso y/u obesidad.

Estudios recientes indican que el IMT estima el porcentaje de grasa corporal con mayor precisión que el IMC en niños y adolescentes de 8 a 18años de edad, y se ha propuesto sustituir el uso de los valores z-score del IMC por los del IMT8,9. En nuestro país, recientemente se han publicado los valores de referencia del IMC y del IMT según la edad y el sexo de los niños sanos sin malnutrición ni obesidad10. Estos valores pueden ser de gran utilidad para la evaluación clínica de la obesidad, especialmente durante la etapa prepuberal y la adolescencia, ya que los valores del IMT se mantienen muy uniformes tanto en niños como en niñas desde la edad de 8años hasta los 18años, por lo que un único punto de corte sería suficiente para identificar el estado de sobrepeso y de obesidad y, de este modo, evitar cálculos matemáticos más complejos para estimar el grado y la intensidad de la obesidad. En concreto, un valor de IMT igual o superior a 13,9 en los niños y de 13,8 en las niñas identificaría a los pacientes con sobrepeso, y un valor de 15,4 en los niños y de 15,2 en las niñas identificaría la obesidad en este rango de edades. Nuestro estudio, además, pone de relieve que, aunque la precisión diagnóstica del IMT no es muy elevada, permite clasificar adecuadamente al 63% de los pacientes FORM, siendo el mejor punto de corte el valor de 18,7, y en este fin es similar al IMC y al ICT. Los pacientes obesos FORM presentan significativamente mayor grado de insulinorresistencia, lo que pone de relieve la importancia de esta alteración en la génesis de los trastornos metabólicos asociados a la obesidad. Un estudio reciente diseñado para establecer la capacidad predictiva del IMT para identificar marcadores de riesgo cardiovascular en una amplia muestra poblacional multirracial de niños y adolescentes canadienses de 6 a 19años de edad muestra una precisión diagnóstica del IMT similar a la observada en nuestra población31. Nuestro estudio se limita exclusivamente a población caucásica española, por lo que se debería validar de forma específica en otras etnias y razas.

La prevalencia del fenotipo FORM en nuestra cohorte es del 62,4%, situándose en un rango intermedio-alto al comunicado por otros estudios, en los que varía entre el 21,5 y el 79,1%32-34. El análisis de los factores que ejercen una influencia más directa en el desarrollo del fenotipo de riesgo cardiovascular muestra que los pacientes de mayor edad, sexo masculino y con valores más elevados de IMCz-score o IMT son las variables que más directamente parecen estar implicadas junto a la insulinorresistencia en su desarrollo. La raza, el perímetro de la cintura, el grado de actividad física y el estado socioeconómico parecen tener una influencia menor31,35-39. En este sentido, quisiéramos destacar no solo la importancia que tiene identificar adecuadamente al paciente con sobrepeso y obesidad, sino también de la trascendencia que tiene la categorización del grado y de la intensidad de la obesidad, ya que está muy estrechamente relacionada con la presencia de complicaciones metabólicas4,40. Estratificar el grado de obesidad con patrones de IMT/edad obtenidos en poblaciones no obesas ni malnutridas en los que su distribución es prácticamente normal y los valores de la DE constantes representa una ventaja metodológica y práctica respecto a hacerlo con los valores del IMC que varían en función de la edad y el sexo y precisan del cálculo del valor z-score.

En resumen, nuestro estudio pone de relieve que la precisión diagnóstica del IMT para identificar niños y adolescentes con riesgo metabólico es similar al IMC y el ICT. No obstante, facilita y simplifica la categorización del grado de obesidad en ambos sexos en el rango de los 8 a los 18años de edad.

Conflicto de intereses

Los autores declaran no tener ningún conflicto de intereses.

Agradecimientos

Al Sr. Santiago Pérez-Hoyos, bioestadístico y epidemiólogo de la Unitat d’Estadística i Bioinformàtica del Institut de Recerca Vall d’Hebron (VHIR) de Barcelona por el soporte y análisis estadístico del estudio.

Bibliografía
[1]
P.W. Franks, R.L. Hanson, W.C. Knowler, M.L. Sievers, P.H. Bennett, H.C. Looker.
Childhood obesity, other cardiovascular risk factors, and premature death.
N Engl J Med., 362 (2010), pp. 485-493
[2]
G. Twig, G. Yaniv, H. Levine, A. Leiba, N. Goldberger, E. Derazne, et al.
Body-mass index in 2.3 million adolescents and cardiovascular death in adulthood.
N Engl J Med., 374 (2016), pp. 2430-2440
[3]
A. Carrascosa.
Obesidad durante la infancia y adolescencia. Una pandemia que demanda nuestra atención.
Med Clin (Barc)., 18 (2006), pp. 693-694
[4]
D. Yeste, A. Carrascosa.
Complicaciones metabólicas de la obesidad infantil.
An Pediatr (Barc)., 75 (2011), pp. e1-e9
[5]
A. Calañas-Continente, J. Arrizabalaga, A. Caixas, F. Cordido, Grupo de Trabajo sobre Obesidad de la Sociedad Española de Endocrinología y Nutrición.
Recomendaciones diagnósticas y terapéuticas en el sobrepeso y la obesidad durante la adolescencia.
Med Clin (Barc)., 135 (2010), pp. 265-273
[6]
D. Yeste, A. Carrascosa.
Obesidad. Etiopatogenia. Factores de riesgo. Evaluación y tratamiento.
Tratado de Medicina del Adolescente, Ergon, (2012), pp. 425-440
[7]
N. Wright, J. Wales.
Assessment and management of severely obese children and adolescents.
Arch Dis Child., 101 (2016), pp. 1161-1167
[8]
F. Wu, M.J. Buscot, M. Juonala, N. Hutri-Kähönen, J.S.A. Viikari, O.T. Raitakari, et al.
Association of youth triponderal mass index vs body mass index with obesity-related outcomes in adulthood.
JAMA Pediatr., 172 (2018), pp. 1192-1195
[9]
A. De Lorenzo, L. Romano, L. di Renzo, P. Gualtieri, C. Salimei, E. Carrano, et al.
Triponderal mass index rather than body mass index: An indicator of high adiposity in Italian children and adolescents.
Nutrition., 60 (2019), pp. 41-47
[10]
A. Carrascosa, D. Yeste, A. Moreno-Galdó, M. Gussinyé, A. Ferrández, M. Clemente, et al.
Índice de masa corporal e índice de masa triponderal de 1.453 niños no obesos ni malnutridos de la generación del milenio. Estudio longitudinal de Barcelona.
An Pediatr (Bar)., 89 (2018), pp. 137-143
[11]
C. Maffeis, C. Banzato, G. Talamini, Obesity Study Group of the Italian Society of Pediatric Endocrinology and Diabetology.
Waist-to-height ratio, a useful index to identify high metabolic risk in overweight children.
J Pediatr., 152 (2008), pp. 207-213
[12]
N. Stefan, H.U. Häring, F.B. Hu, M.B. Schulze.
Metabolically healthy obesity: Epidemiology, mechanisms, and clinical implications.
Lancet Diabetes Endocrinol., 1 (2013), pp. 152-162
[13]
G.H. Goossens.
The metabolic phenotype in obesity: Fat mass, body fat distribution, and adipose tissue function.
Obes Facts., 10 (2017), pp. 207-215
[14]
M. Blüher.
Are metabolically healthy obese individuals really healthy?.
Eur J Endocrinol., 171 (2014), pp. R209-R219
[15]
S. Blüher, P. Schwarz.
Metabolically healthy obesity from childhood to adulthood — Does weight status alone matter?.
Metabolism., 63 (2014), pp. 1084-1092
[16]
S. Damanhoury, A.S. Newton, M. Rashid, L. Hartling, J.L.S. Byrne, G.D.C. Ball.
Defining metabolically healthy obesity in children: A scoping review.
Obes Rev., 19 (2018), pp. 1476-1491
[17]
N. Stefan, H.U. Häring, M.B. Schulze.
Metabolically healthy obesity: The low-hanging fruit in obesity treatment?.
Lancet Diabetes Endocrinol., 6 (2018), pp. 249-258
[18]
F. Magkos.
Metabolically healthy obesity: What's in a name?.
Am J Clin Nutr., 110 (2019), pp. 533-539
[19]
J.M. Tanner, R.H. Whitehouse.
Clinical longitudinal standards for height, weight, height velocity, weight velocity, and stages of puberty.
Arch Dis Child., 51 (1976), pp. 170-179
[20]
K.M. Flegal, R. Wei, C.L. Ogden, D.S. Freedman, C.L. Johnson, L.R. Curtin.
Characterizing extreme values of body mass index-for-age by using the 2000 Centers for Disease Control and Prevention growth charts.
Am J Clin Nutr., 90 (2009), pp. 1314-1320
[21]
E. Lurbe, E. Agabiti-Rosei, J.K. Cruickshank, A. Dominiczak, S. Erdine, A. Hirth, et al.
2016 European Society of Hypertension guidelines for the management of high blood pressure in children and adolescents.
J Hypertens., 34 (2016), pp. 1887-1920
[22]
D.R. Matthews, J.P. Hosker, A.S. Rudenski, B.A. Naylor, D.F. Treacher, R.C. Turner.
Homeostasis model assessment: Insulin resistance and beta-cell function from fasting plasma glucose and insulin concentrations in man.
Diabetologia., 28 (1985), pp. 412-419
[23]
A. Katz, S.S. Nambi, K. Mather, A.D. Baron, D.A. Follmann, G. Sullivan, et al.
Quantitative insulin sensitivity check index: A simple, accurate method for assessing insulin sensitivity in humans.
J Clin Endocrinol Metab., 85 (2000), pp. 2402-2410
[24]
L.M. Jaacks, S. Vandevijvere, A. Pan, C.J. McGowan, C. Wallace, F. Imamura, et al.
The obesity transition: Stages of the global epidemic.
Lancet Diabetes Endocrinol., 7 (2019), pp. 231-240
[25]
S.L. Appleton, C.J. Seaborn, R. Visvanathan, C.L. Hill, T.K. Gill, A.W. Taylor, et al.
Diabetes and cardiovascular disease outcomes in the metabolically healthy obese phenotype: A cohort study.
Diabetes Care., 36 (2013), pp. 2388-2394
[26]
B. Mørkedal, L.J. Vatten, P.R. Romundstad, L.E. Laugsand, I. Janszky.
Risk of myocardial infarction and heart failure among metabolically healthy but obese individuals: HUNT (Nord-Trøndelag Health Study) Norway.
J Am Coll Cardiol., 63 (2014), pp. 1071-1078
[27]
M. Blüher.
The distinction of metabolically ‘healthy’ from ‘unhealthy’ obese individuals.
Curr Opin Lipidol., 21 (2010), pp. 38-43
[28]
G.H. Goossens.
The Metabolic Phenotype in Obesity: Fat Mass Body fat distribution, and adipose tissue function.
Obes Facts., 10 (2017), pp. 207-215
[29]
J.L. Griera, J. Contreras.
¿Existe el obeso sano?.
Endocrinol Nutr., 61 (2014), pp. 47-51
[30]
K.G. Alberti, P. Zimmet, J. Shaw, IDF Epidemiology Task Force Consensus Group.
The metabolic syndrome -a new worldwide definition.
Lancet., 366 (2005), pp. 1059-1062
[31]
J. Ashley-Martin, R. Ensenauer, B. Maguire, S. Kuhle.
Predicting cardiometabolic markers in children using tri-ponderal mass index: A cross-sectional study.
Arch Dis Child., 104 (2019), pp. 577-582
[32]
S. Heinzle, G.D. Ball, J.L. Kuk.
Variations in the prevalence and predictors of prevalent metabolically healthy obesity in adolescents.
Pediatr Obes., 11 (2016), pp. 425-433
[33]
C. Cadenas-Sanchez, J.R. Ruiz, I. Labayen, I. Huybrechts, Y. Manios, González-Gross, et al.
Prevalence of metabolically healthy but overweight/obese phenotype and its association with sedentary time physical activity, and fitness.
J Adolesc Health., 61 (2017), pp. 107-114
[34]
E.P.A.A. Rocha, M. Vogel, J. Stanik, D. Pietzner, A. Willenberg, A. Körner, et al.
Serum uric acid levels as an indicator for metabolically unhealthy obesity in children and adolescents.
Horm Res Paediatr., 90 (2018), pp. 19-27
[35]
R.L. Prince, J.L. Kuk, K.A. Ambler, J. Dhaliwal, G.D. Ball.
Predictors of metabolically healthy obesity in children.
Diabetes Care., 37 (2014), pp. 1462-1468
[36]
K.J. Smith, E. Bessell, C.G. Magnussen, T. Dwyer, A.J. Venn.
Does youth adiposity, or change in adiposity from youth to adulthood, predict metabolically healthy obesity in adulthood?.
Pediatr Obes., 11 (2016), pp. 349-353
[37]
A. Khokhar, V. Chin, S. Perez-Colon, T. Farook, S. Bansal, E. Kochummen, et al.
Differences between metabolically healthy vs unhealthy obese children and adolescents.
J Natl Med Assoc., 109 (2017), pp. 203-210
[38]
M. Margolis-Gil, M. Yackobovitz-Gavan, M. Phillip, S. Shalitin.
Which predictors differentiate between obese children and adolescents with cardiometabolic complications and those with metabolically healthy obesity?.
Pediatr Diabetes., 19 (2018), pp. 1147-1155
[39]
R. Vukovic, T. Milenkovic, K. Mitrovic, S. Todorovic, L. Plavsic, A. Vukovic, et al.
Preserved insulin sensitivity predicts metabolically healthy obese phenotype in children and adolescents.
Eur J Pediatr., 174 (2015), pp. 1649-1655
[40]
D. Yeste, S. Betancourth, M. Gussinye, N. Potau, A. Carrascosa.
Intolerancia a la glucosa en niños y adolescentes obesos.
Med Clin (Barc)., 125 (2005), pp. 405-408
Idiomas
Anales de Pediatría

Suscríbase a la newsletter

Opciones de artículo
Herramientas
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

es en
Política de cookies Cookies policy
Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continua navegando, consideramos que acepta su uso. Puede cambiar la configuración u obtener más información aquí. To improve our services and products, we use "cookies" (own or third parties authorized) to show advertising related to client preferences through the analyses of navigation customer behavior. Continuing navigation will be considered as acceptance of this use. You can change the settings or obtain more information by clicking here.