Comparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, Ecuador

Objetivos. El objetivo de este estudio es comparar la capacidad predictiva de diferentes índices antropométricos en la determinación de la agregación de múltiples factores de riesgo (AMFR) en la población adulta de la ciudad de Cuenca, Ecuador. Materiales y métodos. Se realizó un estudio descriptivo...

Full description

Autores:: Torres, Maritza
Ortiz, Rina
Sigüencia, Wilson
Ordoñez, Maria
Alcántara, Víctor
Salazar, Juan
Añez, Roberto
Rojas, Joselyn
Bermudez, Valmore

Tipo de recurso:

Fecha de publicación:: 2018

Institución:: Universidad Simón Bolívar

Repositorio:: Repositorio Digital USB

Idioma:: spa

id	USIMONBOL2_26c6afc8983ab2ba6e952a112720ba9b
oai_identifier_str	oai:bonga.unisimon.edu.co:20.500.12442/2351
network_acronym_str	USIMONBOL2
network_name_str	Repositorio Digital USB
repository_id_str
dc.title.spa.fl_str_mv	Comparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, Ecuador
dc.title.alternative.eng.fl_str_mv	Comparison of anthropometric measures for aggregation of multiple risk factors in adults of cuenca, Ecuador
title	Comparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, Ecuador
spellingShingle	Comparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, Ecuador Antropometría Índices Metabolismo Obesidad Curva ROC Anthropometry Indexes Metabolism Obesity ROC curves
title_short	Comparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, Ecuador
title_full	Comparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, Ecuador
title_fullStr	Comparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, Ecuador
title_full_unstemmed	Comparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, Ecuador
title_sort	Comparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, Ecuador
dc.creator.fl_str_mv	Torres, Maritza Ortiz, Rina Sigüencia, Wilson Ordoñez, Maria Alcántara, Víctor Salazar, Juan Añez, Roberto Rojas, Joselyn Bermudez, Valmore
dc.contributor.author.none.fl_str_mv	Torres, Maritza Ortiz, Rina Sigüencia, Wilson Ordoñez, Maria Alcántara, Víctor Salazar, Juan Añez, Roberto Rojas, Joselyn Bermudez, Valmore
dc.subject.spa.fl_str_mv	Antropometría Índices Metabolismo Obesidad Curva ROC
topic	Antropometría Índices Metabolismo Obesidad Curva ROC Anthropometry Indexes Metabolism Obesity ROC curves
dc.subject.eng.fl_str_mv	Anthropometry Indexes Metabolism Obesity ROC curves
description	Objetivos. El objetivo de este estudio es comparar la capacidad predictiva de diferentes índices antropométricos en la determinación de la agregación de múltiples factores de riesgo (AMFR) en la población adulta de la ciudad de Cuenca, Ecuador. Materiales y métodos. Se realizó un estudio descriptivo transversal con un muestreo aleatorio multietápico en 318 sujetos adultos a quienes se les realizó una evaluación clínica, antropométrica y de laboratorio; siendo la circunferencia abdominal, índice de masa corporal (IMC) e índice cintura altura (ICA) los índices evaluados. La AMFR se definió como la presencia de ≥ dos componentes del síndrome metabólico (excluyendo circunferencia abdominal). Se realizaron curvas COR para determinar el área bajo la curva (ABC) para cada índice. Resultados. De los 318 individuos, un 54,1% (n=172) presentaron AMFR. Según los resultados obtenidos por curvas COR, la mayor capacidad predictiva en mujeres se observó con el IMC y el ICA (ABC: 0,751 y 0,750, respectivamente) mientras que en hombres la circunferencia abdominal y el ICA mostraron una capacidad predictiva similar (ABC=0,762). El análisis multivariante ajustado por sexo y edad mostró que el ICA elevado (OR: 2,53; IC95%: 1,12-5,71; p=0,026) fue el mejor predictor de AMFR, seguido por el IMC (OR: 2,15; IC95%: 1,19-3,88; p=0,010). Conclusiones. La capacidad predictiva de los índices antropométricos está influenciada por el sexo, no obstante, el ICA es el mejor predictor de la AMFR en la población de Cuenca.
publishDate	2018
dc.date.accessioned.none.fl_str_mv	2018-11-13T22:34:12Z
dc.date.available.none.fl_str_mv	2018-11-13T22:34:12Z
dc.date.issued.none.fl_str_mv	2018
dc.type.spa.fl_str_mv	article
dc.type.coar.fl_str_mv	http://purl.org/coar/resource_type/c_6501
dc.identifier.issn.none.fl_str_mv	17264634
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/20.500.12442/2351
identifier_str_mv	17264634
url	http://hdl.handle.net/20.500.12442/2351
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv	Licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional
rights_invalid_str_mv	Licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional http://purl.org/coar/access_right/c_abf2
dc.publisher.spa.fl_str_mv	Instituto Nacional de Salud
dc.source.spa.fl_str_mv	Revista Peruana de Medicina Experimental y Salud Pública Vol. 35, No. 2 (2018)
institution	Universidad Simón Bolívar
dc.source.uri.spa.fl_str_mv	https://rpmesp.ins.gob.pe/index.php/rpmesp/article/view/2938/3039
bitstream.url.fl_str_mv	https://bonga.unisimon.edu.co/bitstreams/c3ca321c-cce4-4113-af09-277626e4d9f3/download
bitstream.checksum.fl_str_mv	3fdc7b41651299350522650338f5754d
bitstream.checksumAlgorithm.fl_str_mv	MD5
repository.name.fl_str_mv	DSpace UniSimon
repository.mail.fl_str_mv	bibliotecas@biteca.com
_version_	1814076138023026688
spelling	Licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacionalhttp://purl.org/coar/access_right/c_abf2Torres, Maritza4a2fb4bf-1dad-4c34-9d52-0b205b381716-1Ortiz, Rinab50c3253-2c29-426f-b91b-165deb110151-1Sigüencia, Wilson12c33980-bbba-4a46-b500-abb8f48f3161-1Ordoñez, Maria7e88e4ef-c5f8-44ac-b709-51b7998774d6-1Alcántara, Víctorac47e935-33bc-4291-873e-80b1be7a1736-1Salazar, Juanfbd053e7-5aea-424c-812f-92153ecb9181-1Añez, Roberto0a8ecfdc-a89a-4435-9859-b66bba8947fa-1Rojas, Joselyn2aa91570-0516-424d-8f76-25cd7b39be6e-1Bermudez, Valmore6bcbb12f-5c0b-46ea-9a9a-e059644f7f4e-12018-11-13T22:34:12Z2018-11-13T22:34:12Z201817264634http://hdl.handle.net/20.500.12442/2351Objetivos. El objetivo de este estudio es comparar la capacidad predictiva de diferentes índices antropométricos en la determinación de la agregación de múltiples factores de riesgo (AMFR) en la población adulta de la ciudad de Cuenca, Ecuador. Materiales y métodos. Se realizó un estudio descriptivo transversal con un muestreo aleatorio multietápico en 318 sujetos adultos a quienes se les realizó una evaluación clínica, antropométrica y de laboratorio; siendo la circunferencia abdominal, índice de masa corporal (IMC) e índice cintura altura (ICA) los índices evaluados. La AMFR se definió como la presencia de ≥ dos componentes del síndrome metabólico (excluyendo circunferencia abdominal). Se realizaron curvas COR para determinar el área bajo la curva (ABC) para cada índice. Resultados. De los 318 individuos, un 54,1% (n=172) presentaron AMFR. Según los resultados obtenidos por curvas COR, la mayor capacidad predictiva en mujeres se observó con el IMC y el ICA (ABC: 0,751 y 0,750, respectivamente) mientras que en hombres la circunferencia abdominal y el ICA mostraron una capacidad predictiva similar (ABC=0,762). El análisis multivariante ajustado por sexo y edad mostró que el ICA elevado (OR: 2,53; IC95%: 1,12-5,71; p=0,026) fue el mejor predictor de AMFR, seguido por el IMC (OR: 2,15; IC95%: 1,19-3,88; p=0,010). Conclusiones. La capacidad predictiva de los índices antropométricos está influenciada por el sexo, no obstante, el ICA es el mejor predictor de la AMFR en la población de Cuenca.Objective.The aim of this study is to compare the predictive capacity of different anthropometric indices in multiple risk factors aggregation (MRFA) determination in the adult population from Cuenca city, Ecuador. Materials and Methods. A crosssectional descriptive study was performed with a random multi-stage sampling in 318 adult subjects who underwent a clinical, anthropometric and laboratory evaluation; being the abdominal circumference, body mass index (BMI) and waist height index (WHtR) evaluated. MRFA was defined as the presence of ≥2 components of the metabolic syndrome (excluding abdominal circumference). ROC curves were plotted to determine the area under the curve (AUC) for each index. Results. Of the 318 individuals, 54.1% (n=172) presented MRFA. According to ROC curves, the highest predictive capacity in women was observed with BMI and WHtR (AUC: 0.751 and 0.750, respectively), while in men abdominal circumference and WHtR showed a similar predictive power (AUC: 0.762). The multivariate analysis adjusted for sex and age showed that high WHtR (OR: 2.53, 95% CI: 1.12-5.71, p=0.026) was the best predictor of MRFA, followed by BMI (OR: 2.15, 95% CI: 1.19-3.88, p=0.010). Conclusions. The predictive capacity of the anthropometric indexes is influenced by gender; nevertheless the WHtR is the best predictor of MRFA in our population.spaInstituto Nacional de SaludRevista Peruana de Medicina Experimental y Salud PúblicaVol. 35, No. 2 (2018)https://rpmesp.ins.gob.pe/index.php/rpmesp/article/view/2938/3039AntropometríaÍndicesMetabolismoObesidadCurva ROCAnthropometryIndexesMetabolismObesityROC curvesComparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, EcuadorComparison of anthropometric measures for aggregation of multiple risk factors in adults of cuenca, Ecuadorarticlehttp://purl.org/coar/resource_type/c_6501Kaur J. A Comprehensive Review on Metabolic Syndrome. Cardiol Res Pract. 2014; 2014: 943162.Mony PK, Swaminathan S, Gajendran JK, Vaz M. Quality Assurance for Accuracy of Anthropometric Measurements in Clinical and Epidemiological Studies: [Errare humanum est = to err is human]. Indian J Community Med. 2016; 41(2): 98–102.Kee CC, Jamaiyah H, Geeta A, Ali ZA, Safiza MN, Suzana S, Khor GL, Rahmah R, Jamalludin AR, Sumarni MG, Lim KH, Faudzi YA, Amal NM. Sensitivity and specificity of waist circumference as a single screening tool for identification of overweight and obesity among Malaysian adults. Med J Malaysia. 2011;66(5):462-7.Shah NR, Braverman ER. Measuring Adiposity in Patients: The Utility of Body Mass Index (BMI), Percent Body Fat, and Leptin. PLoS One. 2012; 7(4): e33308.Mora-García GJ, Gómez-Camargo D, Mazenett E, Alario Á, Fortich Á, Gómez- Alegría C. Anthropometric parameters’ cut-off points and predictive value for metabolic syndrome in women from Cartagena, Colombia. Salud Publica Mex. 2014;56(2):146-53.Mora-García GJ, Gómez-Camargo D, Mazenett E, Alario Á, Fortich Á, Gómez- Alegría C. Anthropometric parameters’ cut-off points and predictive value for metabolic syndrome in women from Cartagena, Colombia. Salud Publica Mex. 2014;56(2):146-53.Mora-García GJ, Gómez-Camargo D, Mazenett E, Alario Á, Fortich Á, Gómez- Alegría C. Anthropometric parameters’ cut-off points and predictive value for metabolic syndrome in women from Cartagena, Colombia. Salud Publica Mex. 2014;56(2):146-53.Bener A, Yousafzai MT, Darwish S, Al-Hamaq AO, Nasralla EA, Abdul-Ghani M. Obesity index that better predict metabolic syndrome: body mass index, waist circumference, waist hip ratio, or waist height ratio. J Obes. 2013;2013:269038.Beydoun MA, Kuczmarski MT, Wang Y, Mason MA, Evans MK, Zonderman AB. Receiver-operating characteristics of adiposity for metabolic syndrome: the Healthy Aging in Neighborhoods of Diversity across the Life Span (HANDLS) study. Public Health Nutr. 2011;14(1):77-92.Misra A. Ethnic-Specific Criteria for Classification of Body Mass Index: A Perspective for Asian Indians and American Diabetes Association Position Statement. Diabetes Technol Ther. 2015; 17(9): 667–671.Blüher M. Are metabolically healthy obese individuals really healthy? Eur J Endocrinol. 2014;171(6):R209-19.McCarthy HD, Ashwell M. A study of central fatness using waist-to-height ratios in UK children and adolescents over two decades supports the simple message- -’keep your waist circumference to less than half your height’. Int J Obes (Lond) 2006;30:988-92.Savva SC, Lamnisos D, Kafatos AG. Predicting cardiometabolic risk: waist-toheight ratio or BMI. A meta-analysis. Diabetes Metab Syndr Obes. 2013;6:403-19.Zhu Q, Shen F, Ye T, Zhou Q, Deng H, Gu X. Waist-to-height ratio is an appropriate index for identifying cardiometabolic risk in Chinese individuals with normal body mass index and waist circumference. J Diabetes. 2014;6(6):527-34.Li WC, Chen IC, Chang YC, Loke SS, Wang SH, Hsiao KY. Waist-to-height ratio, waist circumference, and body mass index as indices of cardiometabolic risk among 36,642 Taiwanese adults. Eur J Nutr. 2013;52(1):57-65.Vásquez MA, et al. Prevalencia y nivel de concordancia entre tres definiciones de síndrome metabólico en la ciudad de cuenca-Ecuador. Avances en Biomedicina. 2016;5(3):117-128.Torres M, Ortiz R, Sigüenza W, et al. Punto de corte de circunferencia abdominal para el agrupamiento de factores de riesgo metabólico: una propuesta para la población adulta de Cuenca, Ecuador. Rev Argent Endocrinol Metab. 2016;5 3(2):59–66.Statistics. NHANES III reference manuals and reports (CDROM). Hyattsville, MD: Centers for Disease Control and Prevention, 1996. Citado: 12/04/17. Disponible en: http://www.cdc.gov/nchs/ data/nhanes/nhanes3/cdrom/nchs/manuals/ anthro.pdfSámano R, Zelonka R, Martínez-Rojano H, Sánchez-Jiménez B, Ramírez C, Ovando G. Asociación del índice de masa corporal y conductas de riesgo en el desarrollo de trastornos de la conducta alimentaria en adolescentes mexicanos. Arch Latinoam Nutr. 2012;62(2):145-54.LICENSElicense.txtlicense.txttext/plain; charset=utf-8368https://bonga.unisimon.edu.co/bitstreams/c3ca321c-cce4-4113-af09-277626e4d9f3/download3fdc7b41651299350522650338f5754dMD5220.500.12442/2351oai:bonga.unisimon.edu.co:20.500.12442/23512019-04-11 21:51:43.474metadata.onlyhttps://bonga.unisimon.edu.coDSpace UniSimonbibliotecas@biteca.comPGEgcmVsPSJsaWNlbnNlIiBocmVmPSJodHRwOi8vY3JlYXRpdmVjb21tb25zLm9yZy9saWNlbnNlcy9ieS1uYy80LjAvIj48aW1nIGFsdD0iTGljZW5jaWEgQ3JlYXRpdmUgQ29tbW9ucyIgc3R5bGU9ImJvcmRlci13aWR0aDowIiBzcmM9Imh0dHBzOi8vaS5jcmVhdGl2ZWNvbW1vbnMub3JnL2wvYnktbmMvNC4wLzg4eDMxLnBuZyIgLz48L2E+PGJyLz5Fc3RhIG9icmEgZXN0w6EgYmFqbyB1bmEgPGEgcmVsPSJsaWNlbnNlIiBocmVmPSJodHRwOi8vY3JlYXRpdmVjb21tb25zLm9yZy9saWNlbnNlcy9ieS1uYy80LjAvIj5MaWNlbmNpYSBDcmVhdGl2ZSBDb21tb25zIEF0cmlidWNpw7NuLU5vQ29tZXJjaWFsIDQuMCBJbnRlcm5hY2lvbmFsPC9hPi4=

Comparación de índices antropométricos para agregación de múltiples factores de riesgo en adultos de Cuenca, Ecuador

Publicaciones similares