INTRODUCCIÓN
El síndrome metabólico (SMet) es un estado clínico que incluye obesidad central, hipertensión, hiperglucemia y dislipidemia. La presencia de SMet a largo plazo aumenta el riesgo de desarrollar enfermedad cardiovascular y diabetes mellitus1,2.
La prevalencia en el mundo de SMet es variado. En China se encuentra alrededor del 32,4%3; mientras que en Estados Unidos es del 34,74. En Latinoamérica, una revisión sistemática reportó una prevalencia de 24,9%; siendo más frecuente en el mujeres que en varones5. En Perú no existe un consenso6, oscilando los niveles de prevalencia entre 20 a 47%7-9
El diagnóstico de SMet no es complejo, pero no siempre se tienen los cinco criterios necesarios a la mano, más aún en zonas con bajos recursos(10). Por eso mismo, es importante encontrar indicadores más simples para detectar SMet. Los que han mostrado un buen rendimiento diagnóstico son el índice de triglicéridos y glucosa (TyG)11-14; y los índices de acumulación lipídica, como el producto de acumulación de lípidos (LAP) y el índice de adiposidad visceral (VAI). Inclusive se ha estudiado al índice de masa corporal (IMC)15-18.
Estos indicadores han mostrado diferentes puntos de corte y capacidad predictiva según el lugar en donde se realizó la investigación 13,19-21. Por eso mismo, el objetivo del presente estudio es determinar el rendimiento diagnóstico del LAP, VAI, TyG e IMC para SMet confirmado en una muestra de pobladores adultos peruanos.
MATERIALES Y MÉTODOS
Diseño
Estudio de pruebas diagnósticas. Análisis de base de datos secundario de la “Encuesta Nacional de Indicadores Nutricionales, Bioquímicos, Socioeconómicos y Culturales relacionados con las Enfermedades Crónicas-Degenerativas” (ENINBSC), realizado entre los años 2004 - 200522. El propósito de esta encuesta fue conocer la prevalencia de enfermedades crónicas de origen metabólico, como síndrome metabólico, trastornos lipídicos, diabetes mellitus tipo 2 e hipertensión arterial.
Población de estudio
El estudio original fue realizado a nivel nacional, dividido en cinco ámbitos: Lima Metropolitana, Resto de Costa, Sierra Urbana, Sierra Rural y Selva. Estuvo compuesto de todas las personas mayor o igual a 20 años, que en el momento de la encuesta residían en el lugar.
El ENINBSC tuvo un diseño multietápico. En cada estrato se seleccionó conglomerados, por muestreo aleatorio simple, y dentro de cada uno se seleccionó manzanas, viviendas y personas. La unidad de muestreo fue la vivienda de los conglomerados y la unidad de análisis fueron las personas con las características antes mencionadas. La información adicional sobre los criterios de selección, el tamaño de la muestra y todas las variables en conjunto que se tomaron se han publicado en otra parte22.
En este estudio se incluyó solo a aquellos sujetos que tenían los datos completos de las variables de interés, y cuyos valores laboratoriales o antropométricos se encuentren dentro de los límites inferiores plausibles biológicamente.
Variables y medición
La variable principal fue el diagnóstico del SMet. Se consideró SMet de a través de los criterios de Programa Nacional de Educación sobre el Colesterol Panel de Tratamiento de Adultos III (ATPIII)23. En caso el ATPIII, se diagnostica SMet al presentar tres o más de las siguientes alteraciones: Obesidad abdominal obtenido con la circunferencia abdominal (CA) ≥ 88 cm para mujeres o ≥ 102 cm para hombres; hipertrigliceridemia (triglicéridos ≥ 150 mg/dl); hiperglicemia (glucosa en ayunas ≥ 100 mg/dl o si reciben tratamiento para disminuir los niveles de glucosa); presión arterial alta (presión arterial sistólica ≥ 130 mmHg o presión arterial diastólica ≥ 85 mmHg o reciben tratamiento para disminuir los niveles de presión arterial); bajo HDL (HDL-colesterol < 50 mg/dl en mujeres o < 40 mg/dl en varones).
Las variables que fueron consideradas para probar su rendimiento diagnóstico fueron cuatro (Tabla 1):
Índice | Ecuación | |
IMC* | Peso (Kg) / Talla2(metros) | |
TyG** | Ln (TG [mg/dL] x glucosa en ayunas (mg/dL)/2) | |
VAI*** | Hombre(CA/[39.68 + (1.88 x IMC)]) x (triglicéridos/1.03) x (1.31/HDL-colesterol) | Mujeres(CA/[36.58 + (1.89 x IMC)]) x (triglicéridos/0.81) x (1.52/HDL-colesterol) |
LAP**** | Hombre(CA - 65) x TG | Mujeres(CA - 58) x TG |
*Índice de masa corporal
**Índice de triglicéridos y glucosa
***Índice de adiposidad visceral
****Producto de acumulación de lípidos
Los valores de CA menores de 65 y 58 cm en mujeres y hombres fuero reasignados a 66 y 59 cm, para evitar datos invalidados. Para VAI y LAP se presentaron los TG y HDL en mmol/L. Las otras variables incluidas en el estudio fueron edad (en años), índice de masa corporal (IMC), estado de fumador (si ha fumado alguna vez “si” o “no”), bebedor de alcohol (si ha bebido alcohol alguna vez “si” o “no”) y actividad física (realiza actividad física fuera de su trabajo “si” o “no”).
En la ENINBSC, las medidas antropométricas se obtuvieron utilizando un tallímetro de madera móvil y una balanza digital de pie marca Sohenle con capacidad de 120 Kg y especificidad de 0.1 kg. Una vez obtenido los datos de peso y talla se procedieron a calcular el IMC aplicando la fórmula correspondiente: Peso (Kg) / Talla2 (m). El perímetro de cintura se midió con una cinta métrica flexible a nivel del punto medio entre el borde inferior de las costillas y la cresta iliaca, pasando por el medio centímetro más cercano al ombligo. Las medidas de presión arterial fueron realizadas usando un tensiómetro Mac-Check-501.
Para la obtención de muestras bioquímicas se indicó al sujeto que estuviera de 8 de ayuno como mínimo. Las muestras de suero se obtuvieron mediante sistema al vacío con gel activador de la coagulación. Para la obtención del suero se utilizaron centrifugas manuales Marca Handzentrifuge de 3000 RPM y crioviales que permitieron el seguro traslado y conservación de las muestras. Para la obtención de glucosa fue en base al método enzimático Trinder-GOD-PAD (glucosa oxidasa), y las de HDL- colesterol se obtuvo mediante el método enzimático Trinder-Colorimétrico.
Análisis estadístico
Realizamos análisis estadístico con el software STATA v16.0. Para el presente análisis, se estratificó según el sexo. En el análisis bivariado, considerando el desenlace SMet, se utilizó la prueba de chi cuadrado de independencia para las covariables categóricas, mientras que la prueba U de Mann Whitney para las covariables numéricas, debido a que no presentaron distribución de normalidad, que se evaluó a través del sesgo, curtosis e histograma.
Para evaluar el rendimiento diagnóstico discriminativo se utilizó como método estadístico y gráfico el análisis de curvas ROC (acrónimo de Receiver Operating Characteristic, o Característica Operativa del Receptor), y su respectiva área bajo la curva (AUC). Se calculó la sensibilidad (Sens), especificidad (Esp), valor predictivo positivo (VPP) y negativo, (VPN) y cociente de verosimilitud positivo (CV+) y negativo (CV-). Para calcular el punto de corte óptimo se utilizó el índice de Youden. La curva ROC se graficó según el sexo y según edad menor y mayor igual a 65 años.
RESULTADOS
Se trabajó con un total de 1936 hombres y 2055 mujeres. Del total, el 24,33% presentaron SMet, a diferencia de los varones que solo fue el 5,53%. La mediana de la edad de los hombres con SMet fue mayor que la edad de las mujeres. No hubo diferencias entre ambos sexos con relación en haber fumado alguna vez y presentar SMet. En cambio, para las mujeres, se encontró asociación entre presentar SMet y haber tomado alguna vez alcohol; pero no en los hombres. El resto de las comparaciones, las cuales fueron estadísticamente significativas, se encuentran en laTabla 2.
En relación al análisis ROC y el AUC de los 4 índices puestos a prueba para la identificación de SMet, tanto para hombres como mujeres, el LAP tuvo el mayor AUC tanto en hombres (AUC = 0,929; valor de corte = 59,85; Sens = 91,6 y Esp = 84,5) como para mujeres (AUC = 0,950; valor de corte = 53,06; Sens = 92,4 y Esp = 86,4). El segundo lugar, en el caso de los hombres, lo ocupó el índice VAI (AUC = 0,905; valor de corte = 2,36; Sens = 91,6 y Esp = 79,7), mientras que en el caso de las mujeres lo fue el índice TyG (AUC = 0,914; valor de corte = 8,70; Sens = 87,4 y Esp = 87,3). El último lugar fue ocupado por IMC, con diferencias para los hombres (AUC = 0,878; valor de corte = 26,96; Sens = 83,2 y Esp = 79,1) como para mujeres (AUC = 0,801; valor de corte = 25,75; Sens = 81,6 y Esp = 67,5). El índice LAP mostró diferencias significativas con VAI para predecir SMet (p < 0,05), mientras que no se mostraron diferencias con TyG. El resto de datos se encuentran en laTabla 3.
LaFigura 1nos grafica las AUC según sexo y edad.
Características | Masculino (n = 1936) | Femenino (n = 2055) | ||||
SMet (-) | SMet (+) | valor p | SMet (-) | SMet (+) | valor p | |
Total (%) | 1829 (84,47) | 107 (5,53) | 1555 (75,67) | 500 (24,33) | ||
Edad (años) | 40 (30 - 55) | 52 (39 - 64) | < 0,001 | 36 (27 - 46) | 49 (40 - 58) | < 0,001 |
Índice de masa corporal (Kg/m2) | 23,64 (21,70 - 26,26) | 30,31 (27,83 - 33,18) | < 0,001 | 23,99 (21,71 - 26,32) | 28,88 (26,32 - 31,72) | < 0,001 |
Estado de fumador (%) | 0,231 | 0,861 | ||||
No | 205 (96,24) | 8 (3,76) | 818 (75,05) | 272 (24,95) | ||
Si | 1624 (88,79) | 99 (5,75) | 619 (75,40) | 202 (24,60) | ||
Bebedor de Alcohol (%) | 0,506 | 0,004 | ||||
No | 1796 (94,43) | 106 (5,57) | 1263 (74,21) | 439 (25,79) | ||
Si | 33 (97,06) | 1 (2,94) | 174 (83,25) | 35 (16,75) | ||
Actividad física (%) | 0,001 | 0,011 | ||||
No | 832 (96,41) | 31 (3,59) | 294 (80,33) | 72 (19,67) | ||
Si | 997 (54,51) | 76 (71,03) | 1143 (73,98) | 402 (26,02) | ||
Cintura abdominal (cm) | 87 (80,5 - 94) | 105 (101,7 - 110) | < 0,001 | 84,7 (78,2 - 92) | 97,75 (92,2) | < 0,001 |
Presión arterial sistólica (mmHg) | 110 (100 - 120) | 130 (120 - 140) | < 0,001 | 108 (98 - 112) | 120 (103 - 130) | < 0,001 |
Presión arterial diastólica (mmHg) | 70 (60 - 80) | 80 (70 - 90) | < 0,001 | 68 (60 - 70) | 70 (66,5 - 80) | < 0,001 |
Glucosa (mg/dl) | 80 (75 - 86) | 93 (85 - 109) | < 0,001 | 78 (73 - 84) | 87 (80 - 97) | < 0,001 |
Triglicéridos (mg/dl) | 112 (81 - 157) | 227 (173 - 313) | < 0,001 | 97 (75 - 126) | 196 (244,5) | < 0,001 |
HDL - colesterol (mg/dl) | 42 (40 - 46) | 39 (38 - 41) | < 0,001 | 43 (40 - 48) | 42 (40 - 44) | < 0,001 |
Parámetros para SMet | ||||||
LAP | 25,32 (14,84 - 44,01) | 99,15 (77,53 - 132,24) | < 0,001 | 29,32 (19,78 - 43,33) | 88,01 (68,72 - 116,37) | < 0,001 |
VAI | 1,84 (1,04 - 2,16) | 3,45 (2,60 - 4,74) | < 0,001 | 1,88 (1,43 - 2,50) | 4,07 (3,29 - 5,24) | < 0,001 |
TyG | 8,40 (8,08 - 8,78) | 9,30 (9,10 - 9,59) | < 0,001 | 8,23 (7,96 - 8,85) | 9,07 (8,85 - 9,31) | < 0,001 |
Componentes del SMet | ||||||
Obesidad central (%) | < 0,001 | < 0,001 | ||||
No | 1716 (98,45) | 27 (1,55) | 909 (98,27) | 16 (1,73) | ||
Si | 113 (58,55) | 80 (41,45) | 528 (53,55) | 458 (46,45) | ||
Presión arterial alta (%) | < 0,001 | 29 (1,86) | 86 (17,00) | < 0,001 | ||
No | 1727 (96,48) | 63 (3,52) | 1408 (78,35) | 389 (21,65) | ||
Si | 102 (69,86) | 44 (30,14) | 29 (25,44) | 85 (74,56) | ||
Hiperglicemia (%) | < 0,001 | < 0,001 | ||||
No | 1762 (96,60) | 62 (3,40) | 1417 (79,12) | 374 (20,88) | ||
Si | 67 (59,82) | 45 (40,18) | 20 (16,67) | 100 (83,33) | ||
Hipertrigliceridemia (%) | < 0,001 | < 0,001 | ||||
No | 1320 (99,70) | 4 (0,30) | 1288 (95,20) | 65 (4,80) | ||
Si | 509 (83,17) | 103 (16,83) | 149 (26,70) | 409 (73,30) | ||
Bajo HDL - colesterol (%) | < 0,001 | < 0,001 | ||||
No | 1401 (97,49) | 36 (2,51) | 298 (99,00) | 3 (1,00) | ||
Si | 428 (85,77) | 71 (14,23) | 1139 (70,75) | 471 (29,25) |
Los valores numéricos están presentados en mediana y rango intercuartílico
AUC* (IC 95%) | Punto de corte | Sens %* (IC 95%) | Esp % *(IC 95%) | VVP %* (IC 95%) | VPN %* (IC 95%) | CV+ %* (IC 95%) | CV- %* (IC 95%) | IY* | |
Masculino | |||||||||
VAI** | 0,905 (0,886 - 0,923) | 2,36 | 91,6 (84,6 - 96,1) | 79,7 (77,7 - 81,5) | 20,9 (17,3 - 24,1) | 99,4 (98,9 - 99,7) | 4,50 (4,04 - 5,01) | 0,10 (0,57 - 0,19) | 0,713 |
LAP** | 0,929 (0,907 - 0,952) | 59,85 | 91,6 (84,6 - 96,1) | 84,5 (82,8 - 86,2) | 25,7 (21,4 - 30,4) | 99,4 (98,8 - 99,7) | 5,92 (5,24 - 6,68) | 0,09 (0,05 - 0,18) | 0,761 |
TyG** | 0,913 (0,894 - 0,923) | 8,77 | 96,3 (90,7 - 99,0) | 74,3 (72,2 - 76,3) | 18 (14,9 - 21,4) | 99,7 (99,3 - 99,9) | 3,75 (3,44 - 4,08) | 0,05 (0,02 - 0,13) | 0,708 |
IMC** | 0,878 (0,842 - 0,913) | 26,96 | 83,2 (74,7 - 89,7) | 79,1 (77,1 - 80,9) | 18,9 (15,4 - 22,7) | 98,8 (98,1 - 99,3) | 3,97 (3,51 - 4,49) | 0,21 (0,14 - 0,32) | 0.631 |
Femenino | |||||||||
VAI** | 0,923 (0,909 - 0,937) | 2,92 | 87,6 (84,4 - 90,4) | 86,6 (84,8 - 88,2) | 67,7 (63,9 - 71,3) | 95,6 (94,4 - 96,6) | 6,52 (5,72 - 7,43) | 0,14 (0,11 - 0,18) | 0,748 |
LAP** | 0,950 (0,940 - 0,960) | 53,06 | 92.4 (89,7 - 94,6) | 86,4 (84,6 - 88,1) | 68,6 (65,0 - 72,1) | 97,3 (96,2 - 98,0) | 6,81 (5,99 - 7,74) | 0,09 (0,06 - 0,12) | 0,788 |
TyG** | 0,914 (0,897 - 0,931) | 8,70 | 87,4 (84,2 - 90,2) | 87,3 (85,5 - 88,9) | 68,8 (65,1 - 72,4) | 95,6 (94,4 - 96,6) | 6,86 (6,00 - 7,85) | 0,14 (0,12 - 0,18) | 0,751 |
IMC** | 0,801 (0,781 - 0,822) | 25,75 | 81,6 (77,9 - 84,9) | 67,5 (65,1 - 69,8) | 44,6 (41,4 - 47,9) | 91,9 (90,2 - 93,5) | 2,51 (2,31 - 2,70) | 0,27 (0,23 - 0,33) | 0,021 |
*AUC: área bajo la curva, Sens: sensibilidad, Esp: especificidad, VPP: valor predictivo positivo, VPN: valor predictivo negativo, CV+: Coeficiente de verosimilitud positivo, CV-: Coeficiente de verosimilitud negativo y IY: Índice de Youden IC 95%: Intervalo de confianza al 95%
** VAI: el índice de los adipocitos visceral, LAP: el Producto de acumulación de lípidos, TyG: Índice triglicéridos y glucosa y IMC: Índice de masa corporal
DISCUSIÓN
Hallazgos principales
Con el objetivo de conocer el mejor indicador para predecir SMet, el presente estudio evaluó los índices IMC, LAP, VAI, TyG en una muestra de pobladores adultos peruanos. En general, se encontró que el LAP, seguido del TyG fueron parámetros prácticos para identificar SMet, tanto en hombres como mujeres e independiente de la edad.
Comparación con otros estudios
El LAP fue mencionado por primera vez por Khan24, donde fue con considerado como un marcador excesivo de acumulación de lípidos en el adultos, y muy útil además para predecir SMet25. En el presente manuscrito, el LAP se consideró como el mejor indicador para predecir SMet, tanto por su AUC como por sus valores de sensibilidad y especificidad. Estos resultados coinciden con algunos otros encontrados en la literatura. En el estudio de Chiang y Koo19encontraron que el LAP era el mejor predictor para SMet que el VAI y el TyG en adultos taiwaneses mayores de 50 años, con un punto de corte de 31,6 y con una sensibilidad que del 88 % al 60 % para hombres y mujeres, respectivamente. En otro estudio realizado en españoles26encontró lo mismo con referencia al LAP en con puntos de corte de 51,82 y 48,09 con sensibilidad de 81 % y 78 % para hombres y mujeres, respectivamente. En el trabajo de Kyung-A y Young-Joo16, los valores de LAP fueron los que mejor predijeron SMet.
La diferencia con los puntos de corte con el presente manuscrito se puede deber a diferencia étnicas y frecuencias en los biomarcadores que conforman el LAP y el SMet. Justamente, en el estudio de 552 argentinos sanos, por Tellechea27el punto de corte 53,63 de LAP mostró la mayor precisión diagnóstica para el SMet, con una sensibilidad de 0,83 y especificidad 0,83. En un estudio en Brasil, si bien los puntos de corte fueron distintos, se debe considerar que usaron unos criterios diferentes al ATPIII20.
VAI es un índice importante que se relaciona de manera importante con el SMet28. En el presente estudio, el LAP ocupó el segundo lugar como predictor diagnóstico para SMet en varones, y tercero para mujeres, por detrás del TyG. Ello difiere con otros trabajos de investigación. En un estudio en una población de iraníes de 35 a 65 años, Baveicy et al21encontraron que VAI tenía un mejor valor predictivo para SMet que otros biomarcadores. Lo mismo en el estudio de Stefanescu et al29, que trabajó con pobladores peruanos residentes en Callao; sin embargo, no consideraron al LAP dentro de sus variables, y solo fue en una población localizada. Se encontró lo mismo con respecto al VAI en el estudio Motamed et al30. Las razones étnicas y dietarias pueden verse involucradas.
En el caso del TyG, no se encontraron diferencias frente el AUC; sin embargo, los valores de sensibilidad y especificidad del LAP son más equilibrados que los de TyG, siendo más útiles los primeros como prueba diagnóstica. No obstante, se debe considerar su rol en el SMet. Si bien en un inicio se estudió al TyG como un predictor de RI31, estudios posteriores lo han considerado como marcador para SMet. En el estudio de Kyung-A y Young-Joo16, los valores de TyG se incrementaron conforme aumentaban el número de componentes de SMet. Inclusive, Aslan Çin et al11y Anggonari13resaltan su valor diagnóstico para SMet en adolescentes. Por otro lado, el punto de corte para el presente estudio difirió para hombres 8,77 como mujeres 8,70, los cuales difieren con otros trabajos como el de Li et al32que dieron un corte de 8,81; o en el estudio de Moon14que reportó un corte de 8,45. Las razones por las cuales el índice TyG podría no ser el mejor indicador para SMet es que, si bien incluyen a la glucosa y los triglicéridos, no contiene la CA, el cual algunos autores lo el marcador consideran el más importante de SMet33.
Con respecto al IMC, fue el que demostró menos capacidad diagnóstica para detectar SMet para ambos sexos. Un metaanálisis elaborado por Lee et al.34informaron que el IMC era el peor discriminador para predecir diabetes, hipertensión o dislipidemia. Herrera et al. también informó que el IMC fue la medida menos precisa del riesgo de enfermedad coronaria35. En el estudio Thai-Hua17, otros índices como el VAI superaron al IMC para predecir síndrome metabólico.
Interpretación de resultados
Dentro de los tantos escenarios que pueden llevarnos al SMet, uno de los más importantes recae en la adiposidad visceral. En diversos estudios se ha demostrado que el tejido adiposo visceral posee una mayor tasa de lipólisis y una mayor producción de adipocitocinas, como la interleucina-6, el inhibidor del activador del plasminógeno-1 y la activación del macrófago tisular, que está más correlacionado con los riesgos cardiometabólicos en comparación con el tejido adiposo subcutáneo36,37.
Al mismo tiempo, una liberación de ácidos grasos libres puede ocasionar el acúmulo de grasa a nivel intraorgánica, como el hígado y el páncreas. Este último produce finalmente un estado de resistencia a la insulina, aumentando la producción hepática de glucosa, reducción del aclaramiento de insulina hepática, aumento de la cintura abdominal, incremento de los triglicéridos circulantes y, finalmente, todo esto conduciría al SMet38.
Limitaciones del estudio
Se deben considerar algunas limitaciones. Primero, se trata de un estudio transversal, por lo que no se pueden evaluar de forma longitudinal la asociación de estas variables con SMet. Segundo, la base de datos no fue recolectada para el objetivo del presente estudio; además, la encuesta fue realizada en el año 2004-2005 por lo que es posible que la circunferencia abdominal de una población similar en la actualidad sea diferente. Sin embargo, es importante considerar que nos da un primer panorama del rendimiento diagnóstico de las variables que han sido sometida a prueba. Tercero, si bien los participantes son peruanos de diferentes regiones del país, es probable que no sea completamente representativa; pero, dada las características que pueden compartir en común, puede hacerse finalmente cierta inferencia.
CONCLUSIÓN
El índice LAP tuvo el mejor rendimiento diagnóstico para SMet, tanto a hombres y mujeres, independiente de la edad, con puntos de corte óptimos de 59,85 y 53,06; respectivamente. El índice LAP es fácil de usar y no requiere pruebas de laboratorio costosas, haciéndolo un índice fácil de utilizar en la atención primaria en comparación con el VAI que para su cálculo se necesita de la CA, los TG, el IMC y el HDL colesterol. Si los resultados actuales se confirman en investigaciones futuras, el LAP debe incluirse en como un predictor de SMet en la atención primaria en salud.