SciELO - Scientific Electronic Library Online

 
vol.26 número2Nutrición hospitalaria: características de la ingesta alimentaria en adultos con ENT (Argelia, 2020)Validación de un cuestionario de frecuencia alimentaria para estimar la ingesta de azúcares libres y alimentos ultraprocesados en población argentina 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


Revista Española de Nutrición Humana y Dietética

versión On-line ISSN 2174-5145versión impresa ISSN 2173-1292

Rev Esp Nutr Hum Diet vol.26 no.2 Pamplona abr./jun. 2022  Epub 12-Dic-2022

https://dx.doi.org/10.14306/renhyd.26.2.1513 

INVESTIGACIONES

Uso de marcadores antropométricos de obesidad para el tamizaje de diabetes mellitus tipo 2: un estudio transversal en Perú

Use of obesity anthropometrical markers for type 2 diabetes mellitus screening in Peru: a cross-sectional study in Peru

Jocelyn Chac-Camascaa  , creación de la idea de investigación, interpretación de resultados, búsqueda de literatura, escritura del primer borrador, revisión y aprobación del manuscrito; Engell Flores-Vargasa  , creación de la idea de investigación, interpretación de resultados, búsqueda de literatura, escritura del primer borrador, revisión y aprobación del manuscrito; Antonio Bernabé-Ortiza  b  *  , creación de la idea de investigación, recolección y análisis de datos, apoyo intelectual en la escritura del primer borrador, revisión y aprobación del manuscrito

aFacultad de Ciencias de la Salud, Universidad Científica del Sur, Lima, Perú

bCRONICAS Centro de Excelencia en Enfermedades Crónicas, Universidad Peruana Cayetano Heredia, Lima, Perú

Resumen

Introducción:

Existen diversos métodos para evaluar el exceso de grasa corporal, pero si alguno de ellos es mejor para detectar diabetes mellitus tipo 2 (DMT2) no ha sido completamente evaluado en Perú. El objetivo de este estudio fue explorar el rendimiento diagnóstico de ciertos marcadores antropométricos de obesidad para detectar casos recientes de DMT2 a nivel poblacional y según el sexo.

Metodología:

Se realizó un análisis secundario de un estudio transversal realizado en Tumbes; Perú, reclutando pacientes de 30 a 69 años. La variable desenlace fue el diagnóstico reciente de DMT2, determinado por la prueba de tolerancia oral a la glucosa. Las variables de exposición fueron los marcadores antropométricos: índice de masa corporal (IMC), circunferencia de cintura (CC) y razón cintura-talla (RCT). Para la valoración diagnóstica de estos marcadores, se utilizaron curvas ROC (área bajo la curva: AUC), y se estimó la sensibilidad y especificidad en base al índice de Youden.

Resultados:

Se analizaron los datos de 1.500 participantes, encontrándose una prevalencia de DMT2 recién diagnosticada del 4,7%. La edad promedio fue de 47,6 años (desviación estándar: 10,6) y el 50,1% fueron varones. El rendimiento diagnóstico de los marcadores para el tamizaje de DMT2 en la población general fueron: RCT (AUC: 0,67; IC95%: 0,60-0,73), IMC (AUC: 0,65; IC95%: 0,58-0,72) y CC (AUC: 0,65; IC95%: 0,58-0,72). Cuando se estratificó por sexo los resultados fueron similares, excepto por el valor de CC en varones cuyo rendimiento diagnóstico fue aceptable (AUC: 0,70; IC95%: 0,60-0,81).

Conclusiones:

El rendimiento diagnóstico de los marcadores de obesidad incluidos en el presente trabajo (IMC, RCT y CC) para el tamizaje de DMT2 en la población general fue pobre.

Palabras clave: Diabetes mellitus tipo 2; Obesidad; Obesidad Abdominal; Circunferencia de la Cintura; Índice de Masa Corporal

Abstract

Introduction:

There are different methods to assess the fat body excess, but whether one of them is better to detect type 2 diabetes mellitus (T2DM) cases has not been fully explored in Peru. This study aimed to explore the diagnostic accuracy of some obesity anthropometric markers for newly-diagnosed T2DM at the population level and by sex.

Methodology:

Secondary data analysis conducted using data from a population-based study carried out in Tumbes, Peru, with subjects aged between 30 and 69 years old. The outcome was newly diagnosed T2DM, defined using an oral glucose tolerance test. The index tests were obesity anthropometric markers: body mass index (BMI), waist circumference (WC), and waist-to-height ratio (WHR). Diagnostic accuracy of anthropometric markers was estimated using the area under the ROC curve (AUC); sensitivity and specificity were also estimated based on the Youden index.

Results:

Data from 1,500 participants were analyzed; and 4.7% were classified as having undiagnosed T2DM. Mean age was 47.6 (standard deviation: 10.6) and 50.1% were male. At the population level, diagnostic accuracy of anthropometric markers was: WHR (AUC: 0.67; 95%CI: 0.60-0.73), BMI (AUC: 0.65; 95%CI: 0.58-0.72), and WC (AUC: 0.65; 95%CI: 0.58-0.72). Stratified by sex, the results were similar except on the case of male WC, with an acceptable diagnostic accuracy (AUC: 0.70; 95%CI: 0.60-0.81).

Conclusions:

The diagnostic accuracy of obesity anthropometric markers (BMI, WC and WHR) for T2DM screening was poor in the general population.

Keywords: Diabetes mellitus, Type 2; Obesity; Obesity, Abdominal; Waist Circumference; Body Mass Index

Mensajes clave

  1. Los tres marcadores de obesidad evaluados tuvieron un pobre rendimiento diagnóstico para DMT2.

  2. La circunferencia de cintura en varones fue el único marcador con rendimiento diagnóstico aceptable para DMT2.

  3. Los tres marcadores de obesidad incrementan la probabilidad de presentar DMT2 en forma casi similar.

  4. Alrededor del 40% de los casos no tenían diagnóstico previo de DMT2.

Introducción

La diabetes mellitus tipo 2 (DMT2) es una de las enfermedades crónicas que genera una carga significativa para la salud pública, en términos de morbilidad, mortalidad y discapacidad1,2. A nivel mundial se reconoce un aumento en la prevalencia de esta enfermedad, según los datos de la Federación Internacional de Diabetes (IDF) en el 2021, donde se estimó que 537 millones de adultos (10,5% de la población mundial) tenía DMT23. Esta condición es responsable de casi dos millones de muertes al año y sus gastos relacionados rodean los 825 billones de dólares2.

La obesidad se caracteriza por una acumulación anormal de grasa4, por un desbalance entre calorías ingeridas y gastadas; y generalmente, está asociada a resistencia a la insulina, con papel clave en la patogénesis de la DMT25. La prevalencia de obesidad ha aumentado independientemente de la localidad geográfica, el origen étnico o el nivel socioeconómico6. Los estudios en Latinoamérica demuestran que la prevalencia en mujeres continúa siendo mayor que en varones7. Existen diversos métodos para evaluar el exceso de grasa, siendo el más conocido el índice de masa corporal (IMC), que, a pesar de no cuantificar la distribución de grasa corporal, resulta útil en estudios epidemiológicos8. De otro lado, la circunferencia de cintura (CC) y la razón cintura-talla (RCT) son medidas simples para evaluar la distribución de grasa corporal9. Otros métodos para cuantificar la grasa corporal son la bioimpedancia y la absorciometría de rayos X de doble energía (DEXA), pero ambos métodos no están aprobados para el diagnóstico de obesidad10. Similarmente, la resonancia magnética es poco útil dada su limitada disponibilidad9.

Diversos marcadores de obesidad han sido evaluados para el tamizaje de DMT2. En un estudio transversal en Bangladesh se reportó distintos puntos de corte de diversos marcadores de obesidad para detectar casos de DMT211; mientras que un estudio longitudinal encontró que las mujeres tenían mayor riesgo de DMT2 al presentar mayores valores de CC12. Sin embargo, esta información es limitada en el Perú, y aunque las guías peruanas establecen que el sobrepeso es un factor de riesgo para DMT213, no especifica que indicador podría usarse.

El objetivo de este estudio fue explorar el rendimiento diagnóstico de ciertos marcadores antropométricos de obesidad para detectar casos recientes de DMT2 a nivel poblacional y según el sexo.

Metodología

Diseño del estudio

Análisis secundario de los datos de un estudio poblacional, realizado en Tumbes (norte peruano), en el 2017, donde se determinó la prevalencia de DMT2 y la utilidad de escalas de tamizaje para detectar casos de DMT2 no diagnosticada14.

Lugar de estudio

Tumbes es una región semiurbana con 225 mil habitantes, de acuerdo al censo nacional del 201715. Esta población fue seleccionada debido a que la prevalencia de obesidad, medida por IMC, y la prevalencia de DMT2, evaluada por niveles de glucosa en ayunas, se encontraron por encima del promedio nacional16.

Población y muestra

La población de estudio estuvo constituida por individuos entre 30 a 69 años, residentes a tiempo completo (≥6 meses) en el área, y capaces de dar su consentimiento informado, considerando sólo un participante por hogar.

Para nuestro análisis se incluyó a aquellos con diagnóstico reciente de DMT2, es decir, se excluyeron a aquellos con diagnóstico previo de DMT2, y que tuvieran completos los datos sobre obesidad, y las medidas de la prueba de tolerancia oral a la glucosa (PTOG).

El muestreo fue de tipo aleatorio estratificado por sexo y fue realizado usando el censo más actualizado de la zona (2014). Con un tamaño de muestra de 1500 participantes, se tenía una precisión del 10% para detectar una sensibilidad del 75%, asumiendo una prevalencia del DMT2 reciente del 5%.

Variables

La variable desenlace fue el diagnóstico reciente de DMT2, que son los pacientes con DMT2 que no tenían diagnóstico previo de dicha condición por parte de un profesional de la salud, o que no tenían tratamiento hipoglicemiante específico. Se clasificó como individuos con DMT2, a aquellos, que tras la PTOG tenían valores de glucosa en ayunas ≥126 mg/dL, o valores de glucosa postprandial (a las 2 horas) ≥200 mg/dL17.

Se evaluó tres de los marcadores de obesidad más reconocidos, en forma numérica: IMC (kg/m2), calculado dividiendo el peso en kilogramos por el cuadrado de la estatura en metros4; CC (en cm), definido por la medida realizada entre el punto medio de la parte superior de la cresta ilíaca y el límite inferior de la última costilla, que es palpable a nivel de la línea axilar media18; y RCT calculado como el cociente entre la CC y la talla en centímetros19.

Para fines descriptivos, se evaluaron algunas variables sociodemográficas y de estilos de vida como: edad (<50 o ≥50 años); sexo (masculino o femenino); grado de instrucción (primaria [<7 años], secundaria [de 7 a 11 años] o superior [≥12 años de educación]); y el nivel socioeconómico, definido de acuerdo a la ponderación de los bienes que poseía cada familia, y el resultado se dividió en terciles (bajo, medio, alto). Otras covariables fueron trabajo actual (sí o no); seguro de salud (sí o no); fumador habitual, si es que fumaba al menos un cigarrillo diario (sí o no); alcohol dependiente, de acuerdo a la Prueba de Identificación para Desorden del Consumo de Alcohol (AUDIT: alcohol dependiente [puntaje ≥8] o no alcohol dependiente [puntaje <8]); y el nivel de actividad física, basado en la versión corta del Cuestionario Internacional de Actividad Física o IPAQ y clasificado en bajo o moderado/alto de acuerdo a los puntos de corte detallados en el protocolo de puntaje (http://www.ipaq.ki.se).

Procedimientos

Los procedimientos de este estudio se han detallado anteriormente14. Tras contactar e informar a los participantes de los procedimientos a realizar, firmaron el consentimiento informado, y se les dio una cita para que acudieran en ayunas (8 a 12 horas) para la PTOG. La primera muestra de sangre (7,5 mL) se obtuvo en el primer momento de la cita, después de verificar el periodo de ayuno. Luego, se dio al participante una carga de 75 g de glucosa anhidra en un volumen de 300 mL, y después de 2 horas se procedió a tomar una nueva muestra de sangre (glucosa postprandial).

Durante el tiempo de espera se recopilaron datos de interés por personal capacitado. Tras concluir el cuestionario, se realizó las tomas de medidas antropométricas. Para la talla en bipedestación se utilizó un estadiómetro, mientras que para el peso se contó con un dispositivo de impedancia eléctrica. En el caso de la circunferencia de la cintura, se evaluó en triplicado usando las técnicas estándar descritas.

El análisis de las muestras de sangre se realizó por un laboratorio peruano certificado ubicado en Lima, donde para medir la glucosa utilizaron un analizador automático Cobas Modular Platform y reactivos suministrados por Roche Diagnostics.

Análisis estadístico

Se usó STATA 16 para Windows (StataCorp, College Station, Texas, EEUU) para el análisis. Tras determinar la prevalencia total de DMT2, se eliminó los registros de los individuos con diagnóstico previo de DMT2 y de los que no cumplían los criterios de selección. La prevalencia de las variables de interés (DMT2 y obesidad) y sus intervalos de confianza al 95% (IC95%) fueron reportadas. Luego, se tabuló las características de la población de estudio de acuerdo al sexo mediante la prueba de Chi-cuadrado.

Para la valoración diagnóstica de los marcadores antropométricos se usó curvas ROC (Receiving Operating Characteristic), determinándose el área bajo dichas curvas (AUC) y comparándose para determinar cuál tenía mejor rendimiento. Luego, se calculó el mejor índice de Youden20, la sensibilidad y especificidad, para cada marcador empleado. El mismo proceso se usó para la muestra total como para cada subgrupo de acuerdo al sexo, incluido un gráfico mostrando el AUC de los tres marcadores de obesidad.

Finalmente, se evaluó la probabilidad de presentar DMT2 de acuerdo a diferentes puntos de corte de dichos marcadores, usando modelos de regresión logística, donde cada marcador de obesidad fue incluido en el modelo como exposición en forma numérica.

Ética

El proyecto original y sus documentos fueron aprobados por el Comité Institucional de Ética de la Universidad Peruana Cayetano Heredia, Perú y de la London School of Hygiene and Tropical Medicine, Reino Unido. Adicionalmente, este estudio fue aprobado por el Comité de Ética de la Universidad Científica del Sur, Perú (código: 808-2020-PRE15).

Resultados

Características de la población de estudio

Se analizaron los datos de 1.500 participantes de un total de 1.609, tras excluir 105 por tener diagnóstico previo de DMT2 (prevalencia total de DMT2: 11,0%; IC95%: 9,5%-12,6%), y 4 por información incompleta. La edad promedio fue de 47,6 años (desviación estándar: 10,6) y 751 (50,1%) fueron varones. Hubo diferencias en el nivel de educación, trabajo actual, seguro de salud, y en tabaquismo, consumo de alcohol y nivel de actividad física entre ambos sexos (Tabla 1).

Tabla 1: Variables sociodemográficas de la población de estudio de acuerdo al sexo del participante (N=1.500). 

Variables Sexo
Masculino Femenino
N=751 N=749
n % n %
Edad
< 50 años 431 57,4% 464 61,9%
≥ 50 años 320 42,6% 285 38,1%
Grado de instrucción
Primaria 203 27,1% 262 34,9%
Secundaria 402 53,5% 303 40,5%
Superior 146 19,4% 184 24,6%
Nivel socioeconómico
Bajo 236 31,4% 259 34,6%
Medio 266 35,4% 250 33,4%
Alto 249 33,2% 240 32,0%
Trabajo actual
732 97,5% 300 40,1%
No 19 2,5% 449 59,9%
Seguro de salud
671 89,4% 693 92,5%
No 80 10,6% 56 7,5%
Fumador habitual
82 10,9% 4 0,5%
No 669 89,1% 745 99,5%
Alcohol dependiente
117 15,6% 2 0,3%
No 634 84,4% 747 99,7%
Nivel de actividad física
Moderado / Alto 573 76,3% 379 50,6%
Bajo 178 23,7% 370 49,4%

Prevalencia de DMT2 reciente y factores asociados

Sólo 71 (4,7%; IC95%: 3,7%-5,9%) fueron clasificados como casos de DMT2 recién diagnosticados. Dicha prevalencia fue mayor en mujeres (5,6%) que en varones (3,9%), pero no fue significativa. Ninguna de las otras características evaluadas estuvo asociada a la presencia de DMT2 recién diagnosticada (Tabla 2).

Tabla 2: Variables sociodemográficas de acuerdo al diagnóstico reciente de DMT2 según la prueba de tolerancia oral a la glucosa (N=1.500). 

Variables Prueba de tolerancia oral a la glucosa
Sin DMT2 Con DMT2
N=1.429 N=71
n % n %
Sexo
Masculino 722 50,5% 29 40,8%
Femenino 707 49,5% 42 59,2%
Edad
< 50 años 859 60,1% 36 50,7%
≥ 50 años 570 39,9% 35 49,3%
Grado de instrucción
Primaria 438 30,6% 27 38,0%
Secundaria 673 47,1% 32 45,1%
Superior 318 22,3% 12 16,9%
Nivel socioeconómico
Bajo 470 32,9% 25 35,2%
Medio 496 34,7% 20 28,2%
Alto 463 32,4% 26 36,6%
Trabajo actual
990 69,3% 42 59,2%
No 439 30,7% 29 40,8%
Seguro de salud
1.300 91,0% 64 90,1%
No 129 9,0% 7 9,9%
Fumador habitual
84 5,9% 2 2,8%
No 1.345 94,1% 69 97,2%
Alcohol dependiente
111 7,8% 8 11,3%
No 1.318 92,2% 63 88,7%
Nivel de actividad física
Moderado / Alto 908 63,5% 44 62,0%
Bajo 521 36,5% 27 38,0%

Rendimiento diagnóstico de los marcadores de obesidad

Se encontró que el AUC fue mayor para RCT (0,67; IC95%: 0,60-0,73) en comparación con los otros dos marcadores evaluados (IMC: 0,65; IC95%: 0,58-0,72 y CC: 0,65; IC95%: 0,58-0,72); sin embargo, la diferencia hallada no fue significativa (p=0,51, ver Figura 1 y Tabla 3).

Figura 1: Comparación de las curvas ROC del índice de masa corporal (IMC), razón cintura-talla (RCT) y circunferencia de cintura (CC) para la detección de diabetes mellitus tipo 2 en toda la población. 

Tabla 3: Área bajo la curva (AUC) de los diferentes marcadores antropométricos de obesidad como predictores de DMT2 reciente en la población general y por sexo. 

Área bajo la curva (IC95%) Punto de corte Sensibilidad Especificidad
Población general
Índice de masa corporal (kg/m2) 0,65 28,71 0,63 0,62
(0,58-0,72)
Circunferencia de cintura (cm) 0,65 106,25 0,51 0,89
(0,58-0,72)
Razón cintura-talla 0,67 0,59 0,68 0,61
(0,60-0,73)
En varones
Índice de masa corporal (kg/m2) 0,66 27,04 0,79 0,53
(0,55-0,77)
Circunferencia de cintura (cm) 0,7 95,54 0,79 0,6
(0,60-0,81)
Razón cintura-talla 0,67 0,59 0,59 0,74
(0,56-0,79)
En mujeres
Índice de masa corporal (kg/m2) 0,63 34,72 0,33 0,9
(0,54-0,72)
Circunferencia de cintura (cm) 0,62 92,85 0,71 0,5
(0,53-0,71)
Razón cintura-talla 0,64 0,6 0,69 0,53
(0,55-0,73)

Al comparar el rendimiento de los marcadores de obesidad por sexo, la RCT presentaba un área bajo la curva (AUC=0,64; IC95%: 0,55-0,73) mayor al IMC y CC en las mujeres, pero la diferencia no fue significativa (p=0,43). De otro lado, en los varones, el marcador con una mayor área bajo la curva fue la CC (AUC=0,70; IC95%: 0,60-0,81) comparado con IMC, con una diferencia significativa (p=0,02, ver Tabla 3).

Marcadores antropométricos de obesidad y posibilidad de presentar DMT2 reciente

La asociación entre los diferentes marcadores de obesidad y la probabilidad de presentar DMT2 reciente tuvo un patrón no lineal, pero no existían diferencias entre los patrones de dicha asociación (Figura 2).

Figura 2: Probabilidad de presentar DMT2 de acuerdo a los marcadores de obesidad. 

En el caso del IMC, un valor de 25 kg/m2 estaba asociado a una probabilidad de 3,0% (IC95%: 2,0%-4,0%) de tener DMT2, mientras que el estimado era de 8,8% (IC95%: 6,2%-11,4%) para un IMC de 35 kg/m2. De igual manera, para la CC, ante un valor de 90 cm, la probabilidad de presentar DMT2 fue de 3,4% (IC95%: 2,3%-4,4%), mientras que fue de 9,6% (IC95%: 6,6%-12,5%) para una CC de 110 cm. Finalmente, para RCT, un valor de 0,6 mostró una probabilidad de 4,7% (IC95%: 3,6%-5,8%) de tener DMT2, mientras fue de 9,9% (IC95%: 6,8%-13,2%) para un valor de 0,7.

DISCUSIÓN

Hallazgos principales

De acuerdo a nuestro análisis, los tres marcadores de obesidad (IMC, CC y RCT) tuvieron rendimiento diagnóstico similar, aunque pobre21, para detectar individuos con DMT2 reciente en población general. De acuerdo al sexo, la CC tuvo un rendimiento diagnóstico aceptable comparado con los otros marcadores en varones; pero en las mujeres, todos los marcadores tuvieron un pobre rendimiento diagnóstico. Dicha diferencia podría atribuirse al hecho de que la distribución de la grasa corporal es diferente, siendo el patrón principalmente central en varones mientras que en las mujeres es periférico22.

Comparación con otros estudios

En una revisión sistemática donde se evaluó el IMC como marcador para detectar casos de DMT223, se encontró que el AUC fue aceptable en poblaciones caucásicas comparado con no caucásicas, como los enrolados en nuestro estudio. Otra revisión sistemática con estudios en poblaciones caucásicas y asiáticas en su mayoría24, reportó que el IMC y la CC tenían similares rendimientos (entre pobre y aceptable). Estos estudios previos resaltan que, al parecer, los marcadores antropométricos de obesidad pueden comportarse de forma similar en diferentes etnias. Sin embargo, otro metaanálisis demostró que los marcadores de obesidad, principalmente aquellos que hemos seleccionado, se asocian de forma diferente a DMT2, especialmente cuando se comparan poblaciones occidentales y no occidentales25. Así, se hace necesario evaluar estos marcadores antropométricos de obesidad en diversas poblaciones, especialmente en las de escasos recursos económicos donde la información es escasa.

Un estudio longitudinal26, realizado en tres regiones del Perú, encontró que el rendimiento diagnóstico de IMC, RCT y CC para la población general presentaban un AUC similar, aunque pobre para la incidencia de DMT2 cuando se utilizaron por separado. Este estudio evalúo casos incidentes de DMT2 en un periodo de 30 meses de seguimiento y cuando se evaluó dichos marcadores de acuerdo al sexo, el IMC, RCT y CC tuvieron mejor desempeño para el tamizaje de DMT2 en mujeres que en varones, donde ningún marcador tuvo una AUC mayor a otro26.

Un estudio previo realizado en población mexicana determinó los puntos de corte óptimos para predecir DMT227. Tanto en varones como en mujeres el punto de corte del IMC varió de 25,2 kg/m2 a 26,6 kg/m2, a diferencia de nuestro estudio donde el punto de corte óptimo fue de 28,7 kg/m2. Un menor IMC en población mexicana podría explicarse porque la prevalencia e incidencia de sobrepeso y DMT2 en México es mayor que en Perú, por lo que probablemente se haga necesario un punto de corte más bajo en mexicanos para la detección de casos de DMT2. En Chile, sin embargo, la RCT fue un mejor predictor de diabetes que el IMC y CC en ambos sexos, implicando diferentes puntos de corte para dicha población28.

Otros dos últimos estudios también mostraron un rendimiento diagnóstico similar de estos marcadores, a pesar de las diferencias metodológicas. El primero, realizado en Corea, evaluó 37 marcadores diferentes, aunque se usó prueba de glucosa en ayunas para detectar DMT229; mientras que el segundo estudio, en Irán, también mostró resultados similares a los nuestros30. Así, el rendimiento de las medidas antropométricas se mantiene similar a pesar de las diferencias étnicas existentes, aunque los puntos de corte elegidos parecerían depender de la prevalencia e incidencia de sobrepeso/obesidad y DMT2.

Relevancia en Salud Pública

El reporte realizado por PERUDIAB, una encuesta nacional para determinar la prevalencia de DMT2 en adultos mayores de 25 años, de áreas urbanas y suburbanas peruanas, demostró una prevalencia de DMT2 recién diagnosticada del 2,8%, equivalente al 40% de la población con DMT231. De acuerdo a nuestro estudio, el 42,7% de la población con DMT2 no tenía conocimiento de su enfermedad. Un diagnóstico temprano de DMT2 permitiría un manejo oportuno de la enfermedad, con cambios en el estilo de vida y fármacos de ser necesario.

De acuerdo a la Guía de Práctica Clínica para el Diagnóstico, Tratamiento y Control de la Diabetes Mellitus tipo 2 en el Primer Nivel de Atención publicada por el Ministerio de Salud13, se recomienda el cribado de la glucosa en los adultos entre 40-70 años de edad con sobrepeso u obesidad. Sin embargo, la limitación de recursos podría retrasar el manejo apropiado de dichos casos. La inclusión de escalas de riesgo para detectar casos de DMT2 podría ser una alternativa. Éstas podrían incluir marcadores antropométricos de obesidad y otras variables como antecedente familiar, niveles de actividad física, etc.

Una de las escalas que se podría implementar es el puntaje de riesgo finlandés para diabetes o FINDRISC de sus siglas en inglés (sensibilidad: 69%, especificidad: 67%), y que sólo requiere 8 ítems: 6 de información autoreportada por el paciente y 2 medidas antropométricas como IMC y CC14. La evaluación de las medidas antropométricas no requiere una prueba sanguínea ni servicios de laboratorio, por lo que podría ser fácilmente implementada en el primer nivel de atención como métodos de tamizaje simples y de bajo costo.

Fortalezas y Limitaciones

Los datos analizados en este estudio provienen de una muestra representativa de la población. Además, el estudio se benefició del uso de la PTOG para el diagnóstico de DMT2. Dentro de las limitaciones, el sesgo de selección puede estar presente debido a que la muestra fue sólo de una región geográfica estudiada. Además, lo ideal para el diagnóstico de DMT2 es la realización de dos pruebas en dos momentos distintos, lo cual puede ser difícil en estudios epidemiológicos y exige tomar los resultados con precaución. Finalmente, este estudio pudo caer en errores en el proceso de inferencia, al asumir que las relaciones entre los diferentes factores considerados se expresan de igual manera entre la población en ese periodo de tiempo y la actualidad.

Conclusiones

El rendimiento diagnóstico de los marcadores de obesidad IMC, RCT, CC para el tamizaje de DMT2 en general fue pobre. La CC en varones tuvo mejor rendimiento a comparación de IMC y RCT, mientras que en las mujeres ningún marcador fue mejor a otro.

Referencias

1. Carrillo-Larco RM, Bernabé-Ortiz A. [Type 2 diabetes mellitus in Peru: a systematic review of prevalence and incidence in the general population]. Rev Peru Med Exp Salud Publica. 2019; 36(1):26-36, doi: 10.17843/rpmesp.2019.361.4027. [ Links ]

2. NCD Risk Factor Collaboration (NCD-RisC). Worldwide trends in diabetes since 1980: a pooled analysis of 751 population-based studies with 4.4 million participants. Lancet. 2016; 387(10027):1513-30, doi: 10.1016/S0140-6736(16)00618-8. [ Links ]

3. International Diabetes Federation. IDF Diabetes Atlas 2021 10th edition. [accedido 6 febrero 2022]. Disponible en: https://diabetesatlas.org/atlas/tenth-edition/. [ Links ]

4. World Health Organization. Obesity: preventing and managing the global epidemic: report of a WHO consultation. [accedido 6 febrero 2022]. Disponible en: https://apps.who.int/iris/handle/10665/42330. [ Links ]

5. Barazzoni R, Gortan Cappellari G, Ragni M, Nisoli E. Insulin resistance in obesity: an overview of fundamental alterations. Eat Weight Disord. 2018; 23(2):149-57, doi: 10.1007/s40519-018-0481-6. [ Links ]

6. Chooi YC, Ding C, Magkos F. The epidemiology of obesity. Metabolism. 2019; 92:6-10, doi: 10.1016/j.metabol.2018.09.005. [ Links ]

7. Yamada G, Jones-Smith JC, Castillo-Salgado C, Moulton LH. Differences in magnitude and rates of change in BMI distributions by socioeconomic and geographic factors in Mexico, Colombia, and Peru, 2005-2010. Eur J Clin Nutr. 2020; 74(3):472-80, doi: 10.1038/s41430-019-0479-9. [ Links ]

8. Lebiedowska A, Hartman-Petrycka M, Blonska-Fajfrowska B. How reliable is BMI? Bioimpedance analysis of body composition in underweight, normal weight, overweight, and obese women. Ir J Med Sci. 2021; 190(3):993-8, doi: 10.1007/s11845-020-02403-3. [ Links ]

9. Nimptsch K, Konigorski S, Pischon T. Diagnosis of obesity and use of obesity biomarkers in science and clinical medicine. Metabolism. 2019; 92:61-70, doi: 10.1016/j.metabol.2018.12.006. [ Links ]

10. Naboush A, Hamdy O. Measuring visceral and hepatic fat in clinical practice and clinical research. Endocr Pract. 2013; 19(4):587-9, doi: 10.4158/EP12331.OR. [ Links ]

11. Bhowmik B, Munir SB, Ahmed KR, Siddiquee T, Diep LM, Wright E, et al. Anthropometric indices of obesity and type 2 diabetes in Bangladeshi population: Chandra Rural Diabetes Study (CRDS). Obes Res Clin Pract. 2014; 8(3):e201-298, doi: 10.1016/j.orcp.2013.06.001. [ Links ]

12. Huerta JM, Tormo M-J, Chirlaque M-D, Gavrila D, Amiano P, Arriola L, et al. Risk of type 2 diabetes according to traditional and emerging anthropometric indices in Spain, a Mediterranean country with high prevalence of obesity: results from a large-scale prospective cohort study. BMC Endocr Disord. 2013; 13:7, doi: 10.1186/1472-6823-13-7. [ Links ]

13. Ministerio de Salud. Guía de Práctica Clínica para el Diagnóstico, Tratamiento y Control de la Diabetes Mellitus Tipo 2 en el Primer Nivel de Atención. Lima, Perú: MINSA, 2016. Disponible en: http://bvs.minsa.gob.pe/local/MINSA/3466.pdf. [ Links ]

14. Bernabe-Ortiz A, Perel P, Miranda JJ, Smeeth L. Diagnostic accuracy of the Finnish Diabetes Risk Score (FINDRISC) for undiagnosed T2DM in Peruvian population. Prim Care Diabetes. 2018; 12(6):517-25, doi: 10.1016/j.pcd.2018.07.015. [ Links ]

15. Instituto Nacional de Estadística e Informática. Perú: Resultados definitivos de los Censos Nacionales 2017. Lima, Perú.; 2017. [ Links ]

16. Bernabé-Ortiz A, Carrillo-Larco RM, Gilman RH, Checkley W, Smeeth L, Miranda JJ, et al. Contribution of modifiable risk factors for hypertension and type-2 diabetes in Peruvian resource-limited settings. J Epidemiol Community Health. 2016; 70(1):49-55, doi: 10.1136/jech-2015-205988. [ Links ]

17. American Diabetes Association. 2. Classification and Diagnosis of Diabetes: Standards of Medical Care in Diabetes-2021. Diabetes Care. 2020; 44(Suppl. 1):S15-33, doi: 10.2337/dc21-S002. [ Links ]

18. Aráuz-Hernández AG, Guzmán-Padilla S, Roselló-Araya M. La circunferencia abdominal como indicador de riesgo de enfermedad cardiovascular. Acta Med Costarric. 2013; 55(3):122-7. [ Links ]

19. Ashwell M, Gibson S. Waist-to-height ratio as an indicator of "early health risk": simpler and more predictive than using a "matrix" based on BMI and waist circumference. BMJ Open. 2016; 6(3):e010159, doi: 10.1136/bmjopen-2015-010159. [ Links ]

20. Youden WJ. Index for rating diagnostic tests. Cancer. 1950; 3(1): 32-5, doi: 10.1002/1097-0142(1950)3:1<32::aidcncr2820030106>3.0.co;2-3 [ Links ]

21. Fischer JE, Bachmann LM, Jaeschke R. A readers' guide to the interpretation of diagnostic test properties: clinical example of sepsis. Intensive Care Med. 2003; 29(7):1043-51, doi: 10.1007/s00134-003-1761-8. [ Links ]

22. Ye M, Robson PJ, Eurich DT, Vena JE, Xu J-Y, Johnson JA. Anthropometric changes and risk of diabetes: are there sex differences? A longitudinal study of Alberta's Tomorrow Project. BMJ Open. 2019; 9(7):e023829, doi: 10.1136/bmjopen-2018-023829. [ Links ]

23. Brown N, Critchley J, Bogowicz P, Mayige M, Unwin N. Risk scores based on self-reported or available clinical data to detect undiagnosed type 2 diabetes: a systematic review. Diabetes Res Clin Pract. 2012; 98(3):369-85, doi: 10.1016/j.diabres.2012.09.005. [ Links ]

24. Mbanya V, Hussain A, Kengne AP. Application and applicability of non-invasive risk models for predicting undiagnosed prevalent diabetes in Africa: A systematic literature search. Prim Care Diabetes. 2015; 9(5):317-29, doi: 10.1016/j.pcd.2015.04.004. [ Links ]

25. Kodama S, Horikawa C, Fujihara K, Heianza Y, Hirasawa R, Yachi Y, et al. Comparisons of the strength of associations with future type 2 diabetes risk among anthropometric obesity indicators, including waist-to-height ratio: a meta-analysis. Am J Epidemiol. 2012; 176(11):959-69, doi: 10.1093/aje/kws172. [ Links ]

26. Zafra-Tanaka JH, Miranda JJ, Gilman RH, Checkley W, Smeeth L, Bernabe-Ortiz A. Obesity markers for the prediction of incident type 2 diabetes mellitus in resource-poor settings: The CRONICAS Cohort Study. Diabetes Res Clin Pract. 2020; 170:108494, doi: 10.1016/j.diabres.2020.108494. [ Links ]

27. Berber A, Gómez-Santos R, Fanghänel G, Sánchez-Reyes L. Anthropometric indexes in the prediction of type 2 diabetes mellitus, hypertension and dyslipidaemia in a Mexican population. Int J Obes Relat Metab Disord. 2001; 25(12):1794-9, doi: 10.1038/sj.ijo.0801827. [ Links ]

28. Petermann-Rocha F, Ulloa N, Martínez-Sanguinetti MA, Leiva AM, Martorell M, Villagrán M, et al. Is waist-to-height ratio a better predictor of hypertension and type 2 diabetes than body mass index and waist circumference in the Chilean population? Nutrition. 2020; 79-80:110932, doi: 10.1016/j.nut.2020.110932. [ Links ]

29. Lee BJ, Ku B, Nam J, Pham DD, Kim JY. Prediction of fasting plasma glucose status using anthropometric measures for diagnosing type 2 diabetes. IEEE J Biomed Health Inform. 2014; 18(2):555-61, doi: 10.1109/JBHI.2013.2264509. [ Links ]

30. Mirzaei M, Khajeh M. Comparison of anthropometric indices (body mass index, waist circumference, waist to hip ratio and waist to height ratio) in predicting risk of type II diabetes in the population of Yazd, Iran. Diabetes Metab Syndr. 2018; 12(5):677-82, doi: 10.1016/j.dsx.2018.04.026. [ Links ]

31. Seclen SN, Rosas ME, Arias AJ, Huayta E, Medina CA. Prevalence of diabetes and impaired fasting glucose in Peru: report from PERUDIAB, a national urban population-based longitudinal study. BMJ Open Diabetes Res Care. 2015; 3(1):e000110, doi: 10.1136/bmjdrc-2015-000110. [ Links ]

FinanciaciónAB-O fue financiado por Wellcome Trust para la realización del proyecto original que dio origen al presente trabajo (103994/Z/14/Z). El financiador no jugó ningún rol en la decisión de publicar, ni en el diseño del estudio o el contenido del manuscrito.

CitaChac-Camasca J, Flores-Vargas E, Bernabé-Ortiz A. Uso de marcadores antropométricos de obesidad para el tamizaje de diabetes mellitus tipo 2: Un estudio transversal en Perú. Rev Esp Nutr Hum Diet. 2022; 26(2): 127-36. doi: https://10.14306/renhyd.26.2.1513

Recibido: 15 de Noviembre de 2021; Aprobado: 28 de Enero de 2022; : 06 de Febrero de 2022

* Autor correspondente: Antonio Bernabé-Ortiz antonio.bernabe@upch.pe

Editora Asignada:

Fanny Petermann Rocha. Facultad de Medicina, Universidad Diego Portales, Santiago, Chile.

Contribución de autoría

JC-C, EF-V y AB-O contribuyeron a la creación de la idea de investigación. AB-O fue el encargado de la recolección de los datos y del análisis de los mismos. JC-C y EF-V interpretaron los resultados, realizaron la búsqueda de la literatura, y escribieron el primer borrador del manuscrito con apoyo intelectual de AB-O. Todos los autores revisaron críticamente esta y las versiones anteriores del documento y dieron su aprobación para publicación.

Conflicto de intereses

Los/as autores/as expresan que no existen conflictos de interés al redactar el manuscrito.

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons