SciELO - Scientific Electronic Library Online

 
vol.40 número5Bebidas de soja y salud femenina. Revisión de la evidencia y opinión de expertosVitamina D y cáncer gástrico: revisión sistemática y metaanálisis índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Compartir


Nutrición Hospitalaria

versión On-line ISSN 1699-5198versión impresa ISSN 0212-1611

Nutr. Hosp. vol.40 no.5 Madrid sep./oct. 2023  Epub 05-Feb-2024

https://dx.doi.org/10.20960/nh.04377 

REVISIONES

Modelos de composición corporal basados en antropometría: revisión sistemática de literatura

Body composition models based on anthropometry: systematic literature review

Francisco Eraso-Checa1  2  , Ricardo Rosero2  3  , Carlos González2  4  , David Cortés3  5  , Eder Hernández6  7  , Juan Polanco8  , Carolina Díaz-Tribaldos3 

1Programa de Ingeniería Electrónica. Universidad CESMAG. Pasto, Colombia

2Grupo de investigación RAMPA. Universidad CESMAG. Pasto, Colombia

3Clínica de Obesidad y Metabolismo KyloGrammo. Bogotá D.C., Colombia

4Programa de Ingeniería de Sistemas. Universidad CESMAG. Pasto, Colombia

5Facultad de Médicina Universidad Antonio Nariño. Bogotá D.C., Colombia

6Departamento de Medicina Interna. Universidad del Norte. Barranquilla, Colombia

7Clínica de Obesidad y Control Metabólico. Centro de Investigación. Hospital Universidad del Norte. Barranquilla, Colombia

8AUNA-Clínica Las Américas. Medellín, Colombia

Resumen

La determinación de la composición corporal se realiza a través de métodos de medición que requieren el uso de equipos especializados de difícil adquisición y manipulación. Por esta razón, diferentes autores han desarrollado modelos matemáticos para su cálculo. El objetivo de esta revisión fue analizar los trabajos realizados en modelos matemáticos para la determinación de variables de composición corporal a partir de medidas antropométricas, respondiendo las siguientes preguntas: ¿cuál es la variable corporal que el modelo predice?, ¿cuáles son las variables de entrada para el desarrollo del modelo?, ¿cómo es la tipificación de pacientes en cada modelo?, ¿qué método de análisis de datos es utilizado? y ¿cómo se evaluó el modelo? Se limitó la búsqueda a las revistas que se encuentran en los repositorios de las áreas de Medicina, Enfermería, Bioquímica, Biología, Salud, Farmacología, Inmunología, Ingeniería y Matemáticas. Se encontraron 424 artículos que se redujeron a 30 al aplicar el proceso de revisión sistemática de literatura. Se observa que los estudios analizados se orientan a la predicción de variables relacionadas con la masa grasa corporal. Los resultados de evaluación encontrados para masa libre de grasa, masa grasa y tasa metabólica basal difieren dependiendo de la técnica de comparación y los segmentos corporales analizados. La evaluación se basa principalmente en correlación intraclase, correlación de Pearson y el coeficiente de determinación (r2) y se denota una buena correlación para la población objeto de estudio.

Palabras clave: Antropometría; Composición corporal; Modelos de composición corporal

Abstract

The body composition determination is carried out through measurement methods that require the use of specialized equipment that is difficult to acquire and manipulate. Therefore, different authors have developed mathematical models for its calculation. The target of this review was to analyze the work carried out on mathematical models of body composition variables from different anthropometric measurements, answering the following questions: what is the corporal variable that the model predicts?, what are the input variables for model development?, how is the patients typification in each model?, what data analysis method has been used?, and how has been the model evaluated? The search was limited to journals found in repositories in the areas of Medicine, Nursing, Biochemistry, Biology, Health, Pharmacology, Immunology, Engineering, and Mathematics. Four hundred and twenty-four articles were found, which were reduced to 30 by applying the systematic literature review process. The analyzed studies are oriented to the prediction of variables related to body fat mass. The evaluation results found for fat-free mass, fat mass and metabolic rate differ according to the comparison technique and the body segments analyzed. The evaluation is mainly based on the intraclass correlation, the Pearson correlation and the coefficient of determination (r2), and they present a good correlation for the population under study.

Keywords: Anthropometry; Body composition; Body composition models

INTRODUCCIÓN

El análisis de la composición corporal constituye una parte fundamental en la valoración del estado nutricional de los seres vivos. Para llevar a cabo un adecuado análisis es necesario delimitar los diferentes componentes, fraccionamiento del que resultarán distintos modelos de composición corporal. El primero de ellos, propuesto por Matiegka en 1921, desarrolla un modelo tetracompartimental (1), basado en cuatro componentes básicos: la masa grasa, la masa muscular, la masa ósea y la masa residual. Posteriormente, Behnke (2) postula el análisis de la composición corporal bicompartimental basado en la aplicación del principio de Arquímedes, en el cual el peso corporal estaba representado por dos componentes fundamentales, la masa grasa y la masa libre de grasa. A partir de este, se desarrolla el modelo de Keys y Brozek (3), quienes dividen la composición corporal en cuatro componentes básicos: masa grasa, masa ósea, agua y proteína. Estos modelos cambiarían en los noventa, cuando Berral (4) desarrolla el modelo pentacompartimental, que cuenta con un primer nivel atómico o elemental (O2, Ca2+, H-, N+); un segundo nivel, conocido como molecular o químico, compuesto por agua, lípidos, proteínas, glucógeno y minerales; el tercer nivel o celular, que se refiere a masa celular, líquidos extracelulares, sólidos extracelulares y grasa; el cuarto nivel, conocido como histológico o tisular, que contempla elementos como músculo esquelético, músculo no esquelético, tejidos blandos, el tejido adiposo y el hueso; y finalmente, el quinto nivel, que se conoce como nivel corporal total o global.

Al determinar los compartimientos corporales, y clasificar al individuo según su morfotipo y fenotipo corporal, se debe realizar una adecuada valoración del estado nutricional, pues esta permite cuantificar las reservas corporales y, por tanto, detectar y corregir problemas en los que existe un exceso de grasa indistintamente del índice de masa corporal (IMC) o condiciones donde se puede observar masa muscular disminuida (sarcopenia). Así, a través del estudio de la composición corporal, contextualizada con los datos clínicos y metabólicos del paciente, se pueden evaluar y sugerir opciones nutricionales que podrían mejorar los hallazgos observados, además de optimizar la actividad física con una prescripción de ejercicio más individualizada según compartimentos corporales.

Los métodos de análisis de composición corporal pueden ser directos, indirectos y doblemente indirectos (5). Los directos están relacionados con la manipulación de tejidos en una práctica que solo puede ser realizada con cadáveres, mientras que los indirectos corresponden a la tomografía axial computarizada (TAC), la resonancia magnética nuclear (RMN), la absorciometría dual de rayos X (DEXA), la hidrodensitometría y la pletismografía. Estos métodos tienen la desventaja de requerir equipos especializados y ser de alto costo. Los métodos doblemente indirectos son los más utilizados, y corresponden a los métodos de análisis por impedancia bioeléctrica (BIA) y antropometría (6).

El TAC determina el área muscular de sección transversal y grasa abdominal mediante el uso de un escáner de emisión de rayos X (7) y tiene una precisión r2 de 0,99 y un coeficiente de variación entre 1,2 % y 4,3 % (8). La RMN permite la acción de un campo magnético en núcleos atómicos de hidrógeno aplicados a los tejidos del cuerpo, de tal forma que se generan imágenes relacionadas con la distribución del tejido musculoesquelético y adiposo (9). La DEXA estima masa muscular, masa grasa y densidad mineral ósea mediante la aplicación del efecto fotoeléctrico y el efecto Compton, debido a la modificación de la longitud de onda de un fotón de rayos X (8,10). La hidrodensitometría permite medir el volumen corporal de acuerdo al principio de Arquímedes, mediante el desplazamiento del volumen de agua generado cuando un cuerpo se sumerge en un depósito de agua. El cuerpo del individuo se pesa antes de ser sumergido y, una vez sumergido, se mide el volumen residual corporal. La densidad corporal se calcula dividiendo el peso corporal por el volumen corporal ajustado (11,12). La pletismografía utiliza la ley de Boyle para determinar la relación entre presión y volumen y, por medio de la densitometría, establece la composición corporal; cuenta con una precisión r2 de entre 0,84 y 0,9 (13,14).

La BIA mide la resistencia o impedancia del cuerpo a una corriente eléctrica pequeña, indetectable para el sujeto. Debido a que el tejido magro contiene un alto nivel de agua y electrolitos, actúa como un conductor eléctrico, mientras que el tejido graso actúa como aislante. A partir de esta diferencia, se logra estimar compartimientos como la masa libre de grasa restando la masa grasa del peso corporal total (15).

Todas las técnicas de medición indirecta dependen de equipos cuyo costo puede ser elevado, con acceso restringido y requerimiento de entrenamiento para su adecuada operación. En el caso del TAC y la DEXA, no es factible su uso continuo en un mismo paciente para hacer múltiples mediciones en cortos periodos de tiempo, dado el riesgo de afectar la salud por radiación. Aunque la BIA es de bajo o nulo riesgo en salud, requiere un mínimo nivel de entrenamiento e interpretación para su realización. En el mercado se dispone de diferentes marcas de dispositivos BIA, sin embargo, su uso en el contexto médico requiere de equipos con comprobada validación para la medición de los diferentes compartimientos, sumado a un número suficiente de frecuencias y canales de corriente que permitan discriminar la distribución del agua intracelular y extracelular como estimadora de la integridad celular.

Las técnicas basadas en antropometría, mediante la medición de las dimensiones corporales como peso, talla, pliegues cutáneos y circunferencias, sumado al cálculo de índices como el IMC, el índice cintura-cadera (ICC) y el índice cintura-altura (ICA), permiten una cuantificación de los compartimentos que, aunque menos precisa, es económica y no es compleja ni riesgosa para los pacientes (16). El grosor de pliegues cutáneos, que puede medirse en más de 19 lugares, es un predictor de obesidad debido a que entre el 40 % y el 60 % de la grasa se encuentra en la región subcutánea (17). La medición de circunferencia se puede realizar en más de 17 lugares y estiman la masa musculoesquelética (MME) y la distribución de grasa. La medición del ancho de los huesos no es tan utilizada, pero permite evaluar crecimiento en niños y tamaño del marco corporal (17).

Existen modelos de composición corporal basados en antropometría que utilizan ecuaciones o sistemas de ecuaciones matemáticas para determinar una variable corporal no medible, específicamente masa grasa y muscular, a partir de las mediciones antropométricas como el índice de conicidad o índice cadera-cintura (18). Para el desarrollo de estos modelos, los diferentes autores correlacionan los valores antropométricos con los resultados de los métodos indirectos y doblemente indirectos, para luego hacer validaciones en poblaciones específicas, logrando mejorar la confiabilidad del modelo en estas poblaciones.

El presente artículo presenta un proceso de revisión sistemática de literatura de 30 artículos que desarrollan modelos de composición corporal basados en antropometría, para determinar variables específicas como porcentaje de grasa corporal (PGC), masa grasa corporal (MGC), masa libre de grasa (MLG), masa musculoesquelética (MME) y tasa metabólica basal (TMB), comparados con alguna de las técnicas directas o indirectas y evaluados mediante el test Bland-Altman, análisis de correlación de Pearson, índice de correlación intraclase, coeficiente de Lin, t de Student, los coeficientes de determinación (r2) y el error relativo.

MÉTODOS

Este trabajo utiliza la metodología de revisión sistemática de literatura (RSL) de la Universidad de Keele, la cual permite resumir la evidencia existente de los modelos de composición corporal basados en antropometría, proporcionando un marco de entendimiento y una delimitación de la evidencia empírica, identificando las brechas en la literatura actual que permitan sugerir áreas para futuras investigaciones en este campo (19).

CRITERIOS DE INCLUSIÓN Y EXCLUSIÓN

Los criterios de inclusión para la selección de los estudios científicos fueron: a) estudios observacionales descriptivos (estudios de correlaciones, serie de casos, estudios poblacionales; estudios analíticos: estudio de casos y controles y pruebas diagnósticas; y estudios experimentales; b) literatura que diera respuesta a cinco preguntas: 1. ¿cuál es la variable corporal que el modelo predice?, 2. ¿cuáles son las variables de entrada para el desarrollo del modelo?, 3. ¿cómo es la tipificación de pacientes en cada modelo?, 4. ¿qué método de análisis de datos es utilizado en cada estudio? y 5. ¿cuál es la métrica de evaluación utilizada en cada uno de los modelos?; c) estudios en humanos, independiente de su peso; y e) sujetos adultos (mayores de 18 años).

Por otro lado, como criterios de exclusión se establecieron: a) estudios científicos publicados en forma de resumen, comunicaciones cortas y/o cuyos datos no estuviesen publicados; b) reportes de caso; c) estudios sin resultados publicados; d) estudios en infantes; e) estudios en animales; y f) estudios con pacientes con otras enfermedades que puedan afectar la composición corporal, como anorexia, enfermedades oncológicas o reumatológicas y población con limitaciones en movilidad por amputaciones, entre otros.

ESTRATEGIA DE BÚSQUEDA BIBLIOGRÁFICA

La búsqueda de artículos se realizó en bases de datos informatizadas on-line relevantes en áreas de Medicina, Enfermería, Bioquímica, Biología, Salud, Farmacología, Inmunología, Ingeniería y Matemáticas, hasta 2022, en idiomas inglés, español, francés y portugués. Las bases usadas fueron: PubMed, Scopus, Science Direct e IEEE Xplore. La cadena de búsqueda contiene palabras y frases clave acompañadas de sinónimos, expresiones alternativas y operadores booleanos. La búsqueda y la cadena de palabras utilizada fue la siguiente: (body AND composition AND models OR body AND index) AND (anthropometric AND equations OR kineanthropometric). El no modificar la cadena de búsqueda, en los diferentes repositorios, asegura una revisión imparcial de resultados y el uso de diferentes repositorios asegura una búsqueda exhaustiva (20,21).

EXTRACCIÓN DE DATOS

Todas las variables metodológicas fueron extraídas, registradas y analizadas en todos los artículos por los investigadores. Aquellos artículos que no especificaron explícitamente alguna de las variables anteriores recibieron la categorización en dicha sección de “no encontrado”, sin ser eliminados del proceso de análisis por este hecho. Este método de extracción de datos ha sido recomendado por Cochrane Collaboration Back Review Group para la realización de revisiones sistemáticas (20).

SELECCIÓN Y ESPECIFICACIÓN DE ARTÍCULOS SEGÚN CRITERIOS DE INCLUSIÓN Y EXCLUSIÓN

En la primera búsqueda se encontró un total de 424 artículos, y al aplicar criterios de inclusión y exclusión se redujo la cifra a 216 documentos. De estos artículos preseleccionados, se descartaron 144 por estar repetidos o por revisión de título y resumen.

A continuación, se procedió a descargar los documentos resultantes y se empleó la escala Physiotherapy Evidence Database (PEDro) (23) para analizar la calidad metodológica de todos los artículos seleccionados. La escala PEDro es una herramienta diseñada para evaluar la calidad metodológica de los diseños clínicos y empleada en numerosas revisiones bibliográficas. La escala PEDro presenta un total de once ítems. El ítem 1 hace referencia a la validez externa del estudio, mientras que los ítems 2-9 hacen referencia a la validez interna y los ítems 10 y 11 indican si la información estadística aportada por los autores permite interpretar los resultados de forma adecuada. Todos los ítems de esta lista están dicotomizados como “sí”, “no” o “no informa”. Cada ítem contestado como “sí” suma un punto, mientras que los ítems contestados como “no” o “no informa” no reciben puntuación alguna. Esto permitió realizar una selección más específica, corroborando que los artículos respondieran las preguntas de investigación, principalmente las preguntas 1, 2 y 5. De esta forma, se llegó a una selección de un total de 72 artículos, es decir, un 16,9 % del material original.

EVALUAR LA CALIDAD DE LOS RESULTADOS

Los criterios de calidad para la evaluación de los artículos seleccionados corresponden a la claridad de la respuesta a las preguntas formuladas en el literal a, especialmente las preguntas 1, 2 y 5.

Se realizó la lectura completa de los 72 artículos, teniendo en cuenta el rigor en el análisis e interpretación de los datos para la elaboración de los modelos, la metodología utilizada, el método de análisis de datos y la validación. De esta forma, se obtuvieron 38 artículos y de estos, se descartaron ocho debido a que su población corresponde a menores de 18 años. El repositorio final es de 30 artículo analizados.

INTERPRETAR, ANALIZAR Y DESARROLLAR UNA SÍNTESIS DE LOS RESULTADOS

Los documentos filtrados y depurados se organizaron teniendo en cuenta los metadatos correspondientes a autores, título, año de publicación y resumen. El análisis se realiza a partir de las respuestas a los elementos del literal a, organizando los artículos por variables de salida, específicamente de carácter muscular o graso; variables de entrada, teniendo en cuenta la cantidad o complejidad de las medidas; tipo de población, debido a que los modelos pueden ser válidos únicamente para poblaciones con características particulares; el método de análisis numérico, generalmente estadístico; y la forma de evaluación de estos proyectos, que se relacionan con herramientas cuantitativas como el Test Bland-Altman, análisis de correlación de Pearson, índice de correlación intraclase, coeficiente de Lin, t de Student, los coeficientes de determinación (r2) y el error relativo. Esta evaluación se realiza comparando los resultados obtenidos por las ecuaciones y los valores de la variable de salida medidos por la técnica indirecta utilizada en cada uno de los trabajos.

RESULTADOS

GENERALIDADES

Los documentos analizados presentan dos tipos de metodología: la primera corresponde al desarrollo de ecuaciones a partir de valores encontrados por los métodos de análisis de composición corporal basados en equipos médicos y la segunda permite la validación de ecuaciones, desarrolladas por otros autores, en contextos específicos. La figura 1 presenta de manera cuantitativa el total de documentos resultantes de cada etapa y denota que solo el 7 % del total artículos encontrados se determinó apto para análisis de datos.

Figura 1. Diagrama de flujo de PRISMA para selección de artículos. 

VARIABLE DE PREDICCIÓN

Analizadas las 30 fuentes, se observa una tendencia general orientada al cálculo de grasa corporal, bien sea MGC o PGC. El 66 % de los artículos revisados predice una de estas variables, 14 de ellos (47 %) calculan PGC, 13 lo hacen de manera exclusiva y uno incluye la variable MGC. Siete calculan MGC (23 %), cuatro de ellos lo hacen de manera exclusiva, dos incluyen la predicción de músculo representado por MME y el restante incluye PGC. Ocho artículos (27 %) elaboran ecuaciones para determinar músculo (MME) y cinco de estos lo hacen de manera exclusiva. Un artículo calcula MLG en conjunto con MME. Finalmente, solo dos artículos (7 %) se enfocan en el cálculo de energía representada en la tasa metabólica basal (TMB).

La tabla I presenta el resumen cuantitativo de las variables de predicción por artículo. Estas se agrupan de acuerdo al conjunto de variables que procesa cada documento.

Tabla I. Resultados variables de predicción. 

MGC: masa grasa corporal; MME: masa musculoesquelética; MLG: masa libre de grasa; PGC: porcentaje de grasa corporal; TMB: tasa metabólica basal.

VARIABLES DE ENTRADA

Las variables de entrada o variables independientes utilizadas por los artículos para el desarrollo de sus sistemas de ecuaciones fueron disímiles entre sí. A pesar de que los documentos predicen una misma variable, los parámetros utilizados para su cálculo no necesariamente fueron los mismos.

Las variables independientes utilizadas para el desarrollo de los modelos varían de acuerdo con la variable de predicción y los procesos metodológicos propios de cada proyecto.

Las variables encontradas se clasifican según sexo, edad, raza y medidas antropométricas como: peso, talla, circunferencias, pliegues, ancho de huesos y otras medidas como impedancia, volumen corporal, agua, contenido mineral y disolución isotópica.

La tabla II detalla la cantidad de documentos que incluyen una determinada variable. La talla es el elemento que más se repite en las ecuaciones revisadas, pero no corresponde a un 100 % de inclusión; 23 de los 30 la utilizan en sus ecuaciones, lo que corresponde a un 77 %. La segunda variable más usada fue el peso (63 %) y el 43 % de los estudios incluyen la edad. La medida antropométrica de pliegues de tríceps también tuvo una participación significativa dentro documentos, con un 30 %, al igual que la de circunferencia de cintura, con un 43,3 %; el sexo se registra ocho veces (26,7 %), pero las demás variables son utilizadas por menos de diez documentos.

Tabla II. Cuantificación de variables de entrada por proyecto. 

Además de las variables antropométricas, cuatro de los referentes (21-25) incluyen dentro de sus ecuaciones medidas de impedancia o resistencia. Se observó que dos artículos (26,27) basan sus cálculos en el modelo de cuatro componentes de Fuller 4C, que incluye datos de volumen corporal, agua y contenido mineral.

Once de 18 estudios que predicen grasa, bien sea a nivel de masa en kilogramos o porcentaje, se apoyan en la medida de circunferencias para la realización de sus cálculos y cuatro referentes que calculan músculo hacen uso de estas mediciones. Ocho estudios de 18 que predicen grasa utilizan las medidas de pliegues y solo uno que predice músculo utiliza los pliegues en sus ecuaciones. En la tabla VI se encuentran las ecuaciones por referente.

TIPIFICACIÓN DE PACIENTES

La población analizada total suma 13.130 pacientes, sin embargo, las poblaciones entre los estudios no son comparables entre sí, dadas las diferencias en las características demográficas y las condiciones físicas y de morbilidad de cada grupo poblacional.

La tabla III contiene la tipificación de pacientes de cada uno de los 30 estudios analizados: siete de ellos solo analizan mujeres, siete solo analizan hombres, cuatro no especifican el sexo y el resto incluyen información de ambos sexos. El estudio que menos participantes reclutó corresponde a una población de 34 individuos italianos con obesidad (IMC > 30 kg/m2). La mayor densidad de población de los estudios revisados fue de 2.225 pacientes italianos con obesidad (IMC > 30 kg/m2).

Tabla III. Caracterización población estudios revisados. 

NE: no especificada.

En cuanto a particularidades, los estudios no son específicos en ellas, de manera explícita: cuatro estudios trabajan con población completamente sana; dos, con atletas en formación o de alto rendimiento; dos, con población que padece algún tipo de morbilidad; y cinco estudios se enfocan en población con sobrepeso y obesidad.

MÉTODOS DE ANÁLISIS

Todos los estudios desarrollan un comparativo cuantitativo con alguno de los métodos de análisis de composición corporal, directos, indirectos o doblemente indirectos, e incluso se observan trabajos que comparan con más de un método. De los 30 trabajos analizados, 20 utilizan DEXA; 15 lo hacen de manera exclusiva, pero cinco lo utilizan en conjunto con otros métodos como BIA (5), pletismografía (1) e hidrodensitometría (1). En once artículos se correlacionan los resultados de las ecuaciones con el método de impedancia bioeléctrica; seis lo hacen de manera exclusiva y cinco lo combinan con DEXA. Los cuatro artículos restantes utilizan otros métodos, como se observa en la tabla IV.

Tabla IV. Herramientas de análisis de composición corporal, directos, indirectos o doblemente indirectos, usadas como comparador cuantitativo. 

DEXA: absorciometría rayos x; BIA: impedancia bioeléctrica; RMN: resonancia magnética nuclear.

MÉTRICA DE EVALUACIÓN

La tabla V, presenta las métricas de evaluación de cada uno de los documentos consultados. Las técnicas utilizadas pueden ser muy diferentes entre sí, pero todos los trabajos parten del análisis de Bland-Altman para comparación de técnicas de medición sobre una misma variable o para verificación de reproducibilidad y la evaluación la realizan mediante diversas técnicas como el índice de correlación intraclase (ICC) (cinco estudios lo utilizan), el coeficiente (r) de correlación de Pearson (nueve estudios), el coeficiente de determinación (r2) (14 estudios), el error relativo (SEE) (cinco estudios), la distribución de probabilidad ρ de la t de Student (cuatro estudios), el coeficiente de Lin (tres estudios) y el área bajo la curva (un estudio). Dos documentos no reportan la técnica de evaluación utilizada.

Tabla V. Evaluación de modelos. 

Los resultados de evaluación encontrados difieren dependiendo de la técnica de comparación y la variable de salida. Los valores del índice de correlación intraclase reportados por los estudios analizados se encuentran entre 0,62 y 0,976. Los índices de correlación de Pearson revisados se encuentran entre 0,7 y 0,96, pero la mayoría de los estudios sitúan esta métrica por encima de 0,8, es decir, que la correlación encontrada es significativamente acertada. En cuanto al coeficiente de determinación (r2), sus valores son diversos para cada estudio, pero principalmente son mayores de 0,7 y menores de 0,93. En la mayoría de los casos se realiza una segregación por sexo, de tal forma que la métrica de evaluación para una misma técnica difiere para hombres y mujeres.

La tabla VI sintetiza las ecuaciones resultantes en cada uno de los estudios analizados. Para aquellos estudios que trabajan con ecuaciones de terceros, se presenta el nombre de la ecuación utilizada con mejor evaluación.

Tabla VI. Ecuaciones desarrolladas por los estudios revisados. 

MGC: masa grasa corporal; MME: masa musculoesquelética; MLG: masa libre de grasa; PGC: porcentaje de grasa corporal; TMB: tasa metabólica basal; IMC: índice de masa corporal; S7SF: suma del grosor de pliegues cutáneos en pecho, axilar, tríceps, subescapular, abdominal, suprailiaco, hermético; CAG: pliegues cutáneos de brazo; CTG: pliegues cutáneos de muslo; CCG: pliegues cutáneos de pantorrilla; VC: volumen corporal en litros (pletismografía); ACT: agua corporal total en litros (dilución isotópica); CMO: contenido mineral óseo en kg (DEXA); BI-Index: índice de bioimpedancia; PhA: ángulo de fase; R: resistencia del cuerpo; Z: impedancia del cuerpo; ΣSF: sumatoria de ancho de pliegues tríceps, bíceps, subescapular y suprailiaco.

DISCUSIÓN

Al analizar la literatura en relación a composición corporal, se advierte que los investigadores se encuentran interesados específicamente en la cuantificación de masa corporal, principalmente, los compartimientos de grasa y músculo, siendo este último menos valorado. Esto podría deberse a que los investigadores asocian los compartimientos analizados como predictores adecuados de enfermedades, entre ellas, obesidad, sarcopenia y enfermedades asociadas.

Cada uno de los referentes consultados, salvo aquellos que se basan en el modelo 4C que utiliza agua y contenido mineral, no utilizan las mismas variables antropométricas para el cálculo de MGC, PGC, MME, MLG o TMB, por lo tanto, no se evidencia un estándar proveniente de una correlación significativa entre variables de entrada y variables de salida.

El principal método de comparación es DEXA, pero también es muy común el uso de BIA. En ambos casos se requieren equipos especializados que pueden ser de diferentes características. En el caso del DEXA, no se considera prudente su uso frecuente debido al peligro de afectar la salud del paciente por exposición a la radiación. También es importante mencionar que DEXA es adecuado para la cuantificación de masa grasa, pero a nivel de masa muscular no es tan específica, para lo cual el TAC provee el estándar adecuado (7).

Las métricas de evaluación son variadas, pero se analizan las variables principalmente mediante el coeficiente de determinación (r2) y el coeficiente de correlación de Pearson (r). Los valores resultantes pueden no ser comparables entre estudios debido a que las poblaciones son diferentes y con muchas especificidades, es decir, que cada población tiene características particulares especialmente relacionadas con edades, condiciones físicas y condiciones de salud.

CONCLUSIONES

Los estudios analizados se orientan mayoritariamente a la predicción de variables relacionadas con la masa de grasa corporal, específicamente MGC o PGC, siendo en realidad una variable similar pues el PGC es la cuantificación porcentual del MGC. Su validación puede realizarse con base en cualquier método indirecto o doblemente indirecto, siendo los más utilizados DEXA y BIA. Las ecuaciones encontradas se evalúan principalmente mediante el coeficiente de determinación y el de correlación, pero los resultados, en todos los estudios positivos, se adaptan a las poblaciones objeto de estudio y sus especificidades. La generalización de estos modelos no es aconsejable en otro tipo de poblaciones.

BIBLIOGRAFÍA

1. Matiegka J. The testing of physical efficiency. Am J Phys Anthropol 1921;4(3):1-70. [ Links ]

2. Behnke R, Feen BG, Welham WC. The specific gravity of healthy men. J Am Med Assoc 1942;118(7):495. DOI: 10.1001/jama.1942.02830070001001 [ Links ]

3. Keys A, Brozek J. Body fat in adult man. Physiol Rev 1953;33(3). DOI: 10.1152/physrev.1953.33.3.245 [ Links ]

4. Berral FJ, Escribano A, Berral CJ, Lancho JL. Body composition of top performance athletes determined by a modification of Kerr's method. Med Sci Sport Exerc 1992;4-6. [ Links ]

5. Costa O, Alonso D, Patrocinio C, Candia R, Paz J. Organización de la composición corporal. Arch Med Deport 2015;32(6):387-94. [ Links ]

6. Martínez EG. Composición corporal: su importancia en la práctica clínica y algunas técnicas relativamente sencillas para su evaluación. Salud Uninorte 2010;26(1):98-116. [ Links ]

7. Ayvaz G, Çimen AR. Methods for body composition analysis in adults. Open Obes J 2011;3. 62-9. DOI: 10.2174/1876823701103010062 [ Links ]

8. Thibault R, Genton L, Pichard C. Body composition: why, when and for who? Clin Nutr 2012;31(4):435-47. DOI: 10.1016/j.clnu.2011.12.011 [ Links ]

9. Lukaski H. Sarcopenia: assessment of muscle mass. J Nutr 1997;127(5):994-7. DOI: 10.1093/jn/127.5.994S [ Links ]

10. Pietrobelli A, Formica C, Wang Z, Heymsfield SB. Dual-energy X-ray absorptiometry body composition model: review of physical concepts. Am J Physiol Endocrinol Metab 1996;271(6):34-6. DOI: 10.1152/ajpendo.1996.271.6.E941 [ Links ]

11. Provyn S, SesboüáB, Sutton L, Scafoglieri A, Tresignie J, Bautmans I, et al. Contrôle de qualitáglobal de 157 formules de prádiction de l'adipositáchez l'homme - Une átude originale. Sci Sport 2011;26(3):131-42. DOI: 10.1016/j.scispo.2010.08.005 [ Links ]

12. Aristizabal JC, Estrada-Restrepo A, García AG. Development and validation of anthropometric equations to estimate body composition in adult women. Colomb Med 2018;49(2):154-9. DOI: 10.25100/cm.v49i2.3643 [ Links ]

13. Fields DA, Goran MI, McCrory MA. Body-composition assessment via air-displacement plethysmography in adults and children: a review. Am J Clin Nutr 2002;75(3):453-67. DOI: 10.1093/ajcn/75.3.453 [ Links ]

14. Sant'Anna MSL, Priore SE, Franceschini SCC. métodos de avaliação da composição corporal em crianças. Rev Paul Pediatr 2009;27(3):315-21. DOI: 10.1590/S0103-05822009000300013 [ Links ]

15. Lee SY, Gallagher D. Assessment methods in human body composition. Curr Opin Clin Nutr Metab Care 2008;11(5):566-72. DOI: 10.1097/MCO.0b013e32830b5f23 [ Links ]

16. González Jimánez E. Composición corporal: estudio y utilidad clínica. Endocrinol Nutr 2013;60(2):69-75. DOI: 10.1016/j.endonu.2012.04.003 [ Links ]

17. Wang J, Thornton JC, Kolesnik S, Pierson RN. Anthropometry in body composition. An overview. Ann N Y Acad Sci 2000;904:317-26. DOI: 10.1111/j.1749-6632.2000.tb06474.x [ Links ]

18. Bose K, Mascie-Taylor CGN. Conicity index and waist-hip ratio and their relationship with total cholesterol and blood pressure in middle-aged European and migrant Pakistani men. Ann Hum Biol 1998;25(1):11-6. DOI: 10.1080/03014469800005392 [ Links ]

19. Keele S. Guidelines for performing systematic literature reviews in software engineering. Tech Report. Ver. 2.3 EBSE Tech Report. EBSE;2007. [ Links ]

20. van Tulder M, Furlan A, Bombardier C, Bouter L. Updated method guidelines for systematic reviews in the Cochrane Collaboration Back Review Group. Spine (Phila. Pa.) 1976;28(12):1290-9. DOI: 10.1097/01.BRS.0000065484.95996.AF [ Links ]

21. Marra M, Cioffi I, Sammarco R, Santarpia L, Contaldo F, Scalfi L, et al. Are raw BIA variables useful for predicting resting energy expenditure in adults with obesity? Nutrients 2019;11(2):216. DOI: 10.3390/nu11020216 [ Links ]

22. Deurenberg P, Van Der Kooij K, Evers P, Hulshof T. Assessment of body composition by bioelectrical impedance in a population aged > 60 y. Am J Clin Nutr 1990;51(1):3-6. DOI: 10.1093/ajcn/51.1.3 [ Links ]

23. Buscemi S, Maneri R, Di Noto A, Verga S. Assessment of body composition in humans with different body size. Comparison of plicometry and bio-impedance methods. Ann Ital Med Int 1994;9(4):223-7. [ Links ]

24. Ballesteros-Pomar MD, González Arnáiz E, Pintor de la Maza B, Barajas Galindo D, Ariadel Cobo D, González Roza L, et al. Bioelectrical impedance analysis as an alternative to dual-energy x-ray absorptiometry in the assessment of fat mass and appendicular lean mass in patients with obesity. Nutrition 2022;93:111442. DOI: 10.1016/j.nut.2021.111442 [ Links ]

25. Gulatava N, Tabagari N, Tabagari S. Bioelectrical impedance analysis of body composition in patients with chronic heart failure. Georgian Med News 2001;315:94-8. Available from: www.geomednews.orgLinks ]

26. Smith-Ryan E, Blue MNM, Hirsch KR, Brewer GJ. Application of a dual energy x-ray absorptiometry derived 4-compartment body composition model: non-discriminatory against leanness and sex. Clin Nutr ESPEN 2020;40:401-5. DOI: 10.1016/j.clnesp.2020.09.033 [ Links ]

27. Smith-Ryan E, Mock MG, Ryan ED, Gerstner GR, Trexler ET, Hirsch KR. Validity and reliability of a 4-compartment body composition model using dual energy x-ray absorptiometry-derived body volume. Clin Nutr 2017;36(3):825-30. DOI: 10.1016/j.clnu.2016.05.006 [ Links ]

28. Al-Gindan YY, Hankey CR, Govan L, Gallagher D, Heymsfield SB, Lean MEJ. Derivation and validation of simple anthropometric equations to predict adipose tissue mass and total fat mass with MRI as the reference method. Br J Nutr 2015;114(11):1852-67. DOI: 10.1017/S0007114515003670 [ Links ]

29. Kanellakis S, Kourlaba G, Moschonis G, Vandorou A, Manios Y. Development and validation of two equations estimating body composition for overweight and obese postmenopausal women. Maturitas 2010;65(1):64-8. DOI: 10.1016/j.maturitas.2009.10.012 [ Links ]

30. Hastuti J, Kagawa M, Byrne NM, Hills AP. Anthropometry to assess body fat in Indonesian adults. Asia Pac J Clin Nutr 2018;27(3):592-8. [ Links ]

31. Knechtle B, Wirth A, Knechtle P, Rosemann T, Rüst CA, Bescós R. Comparación de la masa grasa y muscular estimada en atletas varones de ultra-resistencia utilizando la bioimpedancia eláctrica y diferentes métodos antropomátricos. Nutr Hosp 2011;26(6):1420-7. [ Links ]

32. Chien KY, Chen CN, Chen SC, Wang HH, Zhou WS, Chen LH. A community-based approach to lean body mass and appendicular skeletal muscle mass prediction using body circumferences in community-dwelling elderly in Taiwan. Asia Pac J Clin Nutr 2020;29(1):94-100. [ Links ]

33. Yu S, Appleton S, Chapman I, Adams R, Wittert G, Visvanathan T, et al. An anthropometric prediction equation for appendicular skeletal muscle mass in combination with a measure of muscle function to screen for sarcopenia in primary and aged care. J Am Med Dir Assoc 2015;16(1):25-30. DOI: 10.1016/j.jamda.2014.06.018 [ Links ]

34. Wen X, Wang M, Jiang CM, Zhang YM. Anthropometric equation for estimation of appendicular skeletal muscle mass in Chinese adults. Asia Pac J Clin Nutr 2011;20(4):551-6. [ Links ]

35. Cavedon V, Milanese C, Zancanaro C. Are body circumferences able to predict strength, muscle mass and bone characteristics in obesity? A preliminary study in women. Int J Med Sci 2020;17(7):881. DOI: 10.7150/ijms.41713 [ Links ]

36. Kawakami R, Miyachi M, Tanisawa K, Higuchi M, Muraoka I, Oka K, et al. Development and validation of a simple anthropometric equation to predict appendicular skeletal muscle mass. Clin Nutr 2021;40(11):5523-30. DOI: 10.1016/j.clnu.2021.09.032 [ Links ]

37. Gobbo LA, Cyrino ES, Petroski EL, Cardoso JR. Validation of anthropometric equations for the estimation of muscular mass by dual energy X-ray absorptiometry in male college students. Rev Bras Med Esporte 2008;14(4):376-80. DOI: 10.1590/S1517-86922008000400011 [ Links ]

38. De Lorenzo A, Nardi A, Iacopino L, Domino E, Murdolo G, Gavrila C, et al. A new predictive equation for evaluating women body fat percentage and obesity-related cardiovascular disease risk. J Endocrinol Investig 2014;37:511-24. DOI: 10.1007/s40618-013-0048-3 [ Links ]

39. Lahav Y, Epstein Y, Kedem R, Schermann H. A novel body circumferences-based estimation of percentage body fat. Br J Nutr 2018;119(6):720-5. DOI: 10.1017/S0007114518000223 [ Links ]

40. Minematsu K, Takamura N, Goto K, Honda S, Aoyagi K, Moji K, et al. A proposed method for the evaluation of body fat in Japanese adults that predicts obesity. Nutr Res 2011;31(2):113-21. DOI: 10.1016/j.nutres.2011.01.008 [ Links ]

41. Lara J, Siervo M, Bertoli S, Mathers JC, Battezzati A, Ferraris C, et al. Accuracy of three novel predictive methods for measurements of fat mass in healthy older subjects. Aging Clin Exp Res 2014;26(3):319-25.DOI: 10.1007/s40520-013-0169-8 [ Links ]

42. Silveira EA, Barbosa LS, Rodrigues APS, Noll M, De Oliveira C. Body fat percentage assessment by skinfold equation, bioimpedance and densitometry in older adults. Arch Public Heal 2020;78(1). DOI: 10.1186/s13690-020-00449-4 [ Links ]

43. Silveira EA, Barbosa LS, Noll M, Pinheiro HA, De Oliveira C. Body fat percentage prediction in older adults: agreement between anthropometric equations and DXA. Clin Nutr 2021;40(4):2091-9. DOI: 10.1016/j.clnu.2020.09.032 [ Links ]

44. Martins GQ, Matheus SC, Dos Santos DL, Both DR, Farinha JB, Da Silveira Martins M. Comparação de equações antropomátricas para estimativa da gordura corporal em indivíduos com excesso de peso. Nutr Clin Diet Hosp 2015;35(3):27-33. [ Links ]

45. Kanellakis S, Kouriaba G, Moschonis G. Development and validation of two equations based on anthropometry, estimating body fat for the Greek adult population. Obesity 2017;25(2):408-16. DOI: 10.1002/oby.21736 [ Links ]

46. Salamunes CC, Stadnik AMW, Neves EB. Estimation of female body fat percentage based on body circumferences. Rev Bras Med Esporte 2018;24(2):97-101. DOI: 10.1590/1517-869220182402181175 [ Links ]

47. Leahy S, O'Neill C, Sohun R, Toomey C, Jakeman P. Generalised equations for the prediction of percentage body fat by anthropometry in adult men and women aged 18-81 years. Br J Nutr 2013;109(4):678-85. DOI: 10.1017/S0007114512001870 [ Links ]

48. De Oliveira AP, Ferreira Nicoletti C, Cortes de Oliveira C, De Souza Pinhel MA, Gomes Quinhoneiro DC, Yumi Noronha N, et al. A new resting metabolic rate equation for women with class III obesity. Nutrition 2018;49:1-6. DOI: 10.1016/j.nut.2017.11.024 [ Links ]

49. Douglas TD, Kennedy MJ, Quirk ME, Yi SH, Singh RH. Accuracy of six anthropometric skinfold formulas versus air displacement plethysmography for estimating percent body fat in female adolescents with phenylketonuria. JIMD Rep 2013;10:23-31. DOI: 10.1007/8904_2012_196 [ Links ]

Eraso-Checa F, Rosero R, González C, Cortés D, Hernández E, Polanco J, Díaz-Tribaldos C. Modelos de composición corporal basados en antropometría: revisión sistemática de literatura. Nutr Hosp 2023;40(5):1068-1079

Recibido: 27 de Julio de 2022; Aprobado: 12 de Febrero de 2023

Correspondencia: Francisco Eraso-Checa. Grupo de investigación RAMPA. Universidad CESMAG. Ctra. 20a, 14-54. Pasto, Colombia e-mail: feraso@unicesmag.edu.co

Conflicto de intereses:

los autores declaran no tener conflicto de interés.

Creative Commons License This is an open-access article distributed under the terms of the Creative Commons Attribution License