Arq Bras CardiolabcArquivos Brasileiros de CardiologiaArq. Bras. Cardiol.0066-782X1678-4170Sociedade Brasileira de Cardiologia - SBCWwTJcJZYfyZNZkwgWt3fRTDS0066-782X2021005011202S0066-782X2021001200701abc.2020036010.36660/abc.20200360Artigo OriginalDesempenho Individual e Combinado de Indicadores de Obesidade Geral e Central para Estimar Risco Coronariano em Participantes do ELSA-Brasil0000-0002-6926-4675AlmeidaRogério Tosta de12MatosSheila Maria Alvim2AquinoEstela M. L.2Universidade Estadual de Feira de SantanaDepartamento de SaúdeFeira de SantanaBABrasilUniversidade Estadual de Feira de Santana - Departamento de Saúde, Feira de Santana, BA – BrasilUniversidade Federal da BahiaInstituto de Saúde ColetivaSalvadorBABrasilUniversidade Federal da Bahia - Instituto de Saúde Coletiva, Salvador, BA – BrasilCorrespondência: Rogério Tosta Almeida • Universidade Estadual de Feira de Santana – Saúde - Av. Transnordestina, S/N. CEP 44036-900, Campus Universitário, Modulo 6, Feira de Santana, BA – Brasil. E-mail: rogertosta@yahoo.com.br
Contribuição dos autores
Concepção e desenho da pesquisa, Obtenção de dados, Análise e interpretação dos dados, Redação do manuscrito e Revisão crítica do manuscrito quanto ao conteúdo intelectual importante: Almeida RT, Matos SMA, Aquino EML; Análise estatística: Almeida RT; Obtenção de financiamento: Aquino EML.
Potencial conflito de interesse
Não há conflito com o presente artigo
300720211020211174701712220420200809202004112020This is an open-access article distributed under the terms of the Creative Commons Attribution LicenseResumoFundamento:
Indicadores antropométricos são utilizados na prática clínica e em estudos epidemiológicos para rastreamento de fatores de risco à saúde.
Objetivo:
Avaliar o poder discriminatório individual do Índice de Adiposidade Corporal (IAC), do Índice de Massa Corporal (IMC), da Circunferência da Cintura (CC) e da Razão Cintura-Quadril (RCQ) para identificar risco coronariano e investigar se a combinação de indicadores antropométricos de obesidade geral e central melhora a capacidade preditiva em adultos.
Métodos:
Avaliou-se 15 092 participantes (54,4% mulheres) com idades entre 35-74 anos na linha de base do ELSA-Brasil. Indivíduos em risco coronariano foram identificados pelo Escore de Risco de Framingham, e divididos em risco muito alto (RMA20%) e risco alto (RA10%). Medidas de acurácia diagnóstica e áreas sob curvas ROC (AUC) foram analisadas. Associações foram testadas por regressão de poisson com variância robusta, conforme sexo e idade. Foi adotada significância estatística de 5%.
Resultados:
A RCQ apresentou melhor poder discriminatório para RMA20% em todos os grupos, com maior capacidade preditiva nas mulheres (AUC: 0,802; IC95%: 0,748-0,856 vs 0,657; IC95%: 0,630-0,683 nas faixas etárias 35-59 anos e AUC: 0,668; IC95%: 0,621-0,715 vs 0,611; IC95%: 0,587-0,635 nas faixas etárias 60-74 anos). As combinações IAC+RCQ e IMC+RCQ apresentaram melhor poder preditivo em homens e mulheres, respectivamente. Combinações entre indicadores de obesidade geral e central estiveram mais fortemente associadas com RMA20% e RCA10% em todos os estratos.
Conclusões:
Indicadores combinados tiveram melhor capacidade preditiva do que um indicador isoladamente, sendo IAC+RCQ e IMC+RCQ melhores estimadores de risco coronariano em homens e mulheres, respectivamente. RCQ teve melhor desempenho individual.
Palavras-chave:Doenças CardiovasculareAntropometriaObesidadeFatores de RiscoEpidemiologiaAdiposidadeÍndice de Massa CorporalCircunferência da CinturaIntrodução
A utilização de indicadores antropométricos de obesidade tem sido reconhecida como uma boa estratégia de rastreamento de fatores de risco à saúde, sendo muito empregada na prática clínica e em estudos epidemiológicos.1-3
O Índice de Massa Corporal (IMC), proposto por Lambert Adolphe Jaques Quetelet em 1832,4 é uma das estratégias mais divulgadas para medir indiretamente obesidade em populações. Apesar de ser bastante usado em estudos sobre doenças cardiovasculares,3,5 o IMC parece não ser capaz de descrever a ampla variação que ocorre na composição corporal de indivíduos.3
Nos últimos anos, novos indicadores têm sido propostos como medidas indiretas mais precisas de obesidade. Em 2011, Bergman et al.,6 sugeriram que o Índice de Adiposidade Corporal (IAC) era melhor indicador de gordura corporal do que o IMC. No entanto, a acurácia do IAC para medir adiposidade tem variado conforme a população estudada7-9 e os resultados do seu desempenho como estratégia de rastreamento de fatores de risco cardiometabólicos ainda são controversos.10-16 Os indicadores de distribuição da gordura corporal, como a Circunferência da Cintura (CC), a Razão Cintura-Quadril (RCQ), a Razão Cintura-Estatura (RCEst) e o Índice de Conicidade (índice C) têm demonstrado bons desempenhos como preditores de risco à saúde.1,2,17 Estudo recente com participantes do ELSA-Brasil demonstrou associação positiva entre CC e RCQ com espessura da camada íntima-média da parede da carótida.17 Ademais, o uso desses indicadores tem sido consolidado em estudos epidemiológicos, e não requer cálculos matemáticos complexos, como o índice C, por exemplo, o que justifica a opção em testá-los.
É controverso se os indicadores antropométricos de obesidade geral e os de obesidade central têm maior capacidade preditiva e utilidade para identificar fatores de risco cardiometabólicos em grandes populações.18-22 Além disso, enquanto alguns estudos indicam que o uso combinado de indicadores pode melhorar sua capacidade preditiva de desfechos adversos à saúde,18,23-25 outros concluem o contrário.19,26 Na população adulta brasileira, são escassos estudos sobre o desempenho combinado de indicadores de obesidade geral e central para rastrear desfechos adversos à saúde.
Assim, os objetivos deste estudo foram: 1) avaliar o poder discriminatório individual do IAC, do IMC, da CC e da RCQ para avaliar risco coronariano e, 2) investigar se a combinação de indicadores antropométricos de obesidade geral (IMC e IAC) com indicadores de obesidade central (CC e RCQ) melhora a capacidade preditiva de risco coronariano em uma grande amostra de adultos brasileiros.
MétodosFonte de dados e população do estudo
O Estudo Longitudinal de Saúde do Adulto (ELSA-Brasil) avaliou, na linha de base (2008-2010), 15 105 servidores de instituições de ensino e pesquisa de seis cidades brasileiras (Belo Horizonte, Porto Alegre, Rio de Janeiro, Salvador, São Paulo e Vitória), com idades entre 35-74 anos. Destes, nove participantes não tinham informações completas das variáveis analisadas e quatro foram excluídos por relatarem uso de prótese de silicone no quadril. Assim, o presente estudo avaliou 15 092 participantes. Os detalhes metodológicos sobre o ELSA-Brasil foram publicados por Aquino et al.27
Dados demográficos, antropométricos e clínicos
Os dados demográficos, antropométricos e clínicos foram coletados por meio de entrevistas ou medidas, realizadas por uma equipe devidamente treinada e supervisionada por profissionais qualificados. Idade, sexo, tabagismo e história prévia de diabetes foram coletados por meio de questionários padronizados. As medidas antropométricas foram obtidas após jejum noturno de 8h-12h, com os participantes sem sapatos e de pé, vestidos com uniforme padronizado, fornecido pelo ELSA-Brasil. Um protocolo padrão, desenvolvido pelo estudo, com base nas recomendações da International Society for the Advancement of Kinanthropometry (ISAK),28 orientou as aferições.
O peso foi aferido com uma balança calibrada (Toledo 2096PP), aproximando-se para 0,1 kg mais próximo. A estatura foi medida com um estadiômetro (Seca-SE-216), e a CC e a circunferência do quadril (CQ) por uma trena antropométrica inelástica de 200cm (CESCORF), considerando o 0,1 cm mais próximo. A CC foi tomada no ponto médio entre a borda inferior do arco costal e a crista ilíaca, e a CQ na protusão máxima dos músculos glúteos (quadril). As medidas foram tomadas em triplicata e a média considerada para análise.
As amostras de sangue para dosagem de glicemia e de colesterol total e frações foram coletadas em tubos secos, após 12 horas de jejum noturno, nos próprios centros de investigação. A glicemia foi medida com método da hexoquinase (enzimático) e o colesterol com o método do colesterol oxidase (enzimático colorimétrico), ambos com equipamento calibrado e padronizado (Siemens ADVIA 1200). Para a garantia da qualidade e a padronização dos resultados, todas as amostras foram enviadas para processamento e análise em um laboratório central do ELSA-Brasil.
Foram feitas três medidas da pressão arterial com intervalo de um minuto após cinco minutos de repouso, utilizando-se aparelho automático de pressão arterial (OMRON - modelo HEM-705 CP), com os participantes sentados em ambiente silencioso com temperatura controlada (20ºC - 24ºC), em jejum e de bexiga vazia, seguindo protocolo padronizado desenvolvido pelo estudo. A média das duas últimas aferições foi considerada para análise.
Indicadores antropométricos
Os indicadores antropométricos de obesidade geral testados foram: o IMC (Kg/m2) obtido dividindo-se o peso (Kg) pela estatura (m) ao quadrado e o IAC, calculado pela seguinte equação: IAC= [(circunferência do quadril em cm/estatura em metros)1,5 - 18.6 A obesidade central foi aferida por meio da medida de CC (cm) e da RCQ, calculada pela divisão da CC (cm) pela CQ (cm).
Risco cardiovascular
O risco cardiovascular foi estimado pelo Escore de Risco de Framingham (ERF), e incluiu idade, Pressão Arterial Sistólica (PAS), Pressão Arterial Diastólica (PAD), colesterol total, lipoproteína de alta densidade (HDL)-colesterol, tabagismo e diabetes para seu cálculo.29
A presença de diabetes foi definida como: história prévia de diagnóstico médico da doença, glicemia de jejum ≥126 mg/dL, ou teste de tolerância oral à glicose 2h pós sobrecarga ≥200 mg/dL, ou hemoglobina glicada ≥6,5%.
Foram considerados fumantes aqueles que relataram o fumo atual de cigarros na entrevista.
O risco cardiovascular aumentado foi classificado em: risco muito aumentado (RMA), se o indivíduo apresentasse um risco maior que 20% de desenvolvimento de Doença Arterial Coronariana (DAC) em 10 anos (RMA20%); ou risco aumentado (RA) se o indivíduo apresentasse um risco entre 10 e 20% de desenvolvimento de DAC em 10 anos (RA10%).
Análise estatística
As medidas de tendência central e dispersão foram utilizadas para análises iniciais da distribuição dos participantes. A normalidade dos dados foi avaliada descritivamente, por análise gráfica (histograma e P-Plot) e teste de Shapiro Wilk. Analisou-se a homogeneidade da variância pelo teste F. Variáveis contínuas com distribuição normal foram expressas em média e desvio padrão e testadas com o teste t student não pareado. Aquelas com distribuição não normal foram expressas em mediana e intervalo interquartil e avaliadas com o teste de Mann-Whitney. Variáveis categóricas foram testadas com chi-quadrado de Pearson e expressas em frequências absolutas e relativas.
Na sequência, foram determinados os pontos de corte dos indicadores (IMC, IAC, RCQ e CC) para discriminar 20% a mais de risco coronariano em 10 anos (RMA20%), por meio das curvas ROC (Receiver Operating Characteristic), conforme sexo e faixa etária. Utilizou-se o maior valor do índice de Youden (sensibilidade + especificidade - 1) como critério para escolha do melhor ponto. As áreas sob as curvas ROC (AUCs), com os respectivos Intervalos de Confiança de 95% (IC95%), foram usadas para avaliar a capacidade preditiva individual e combinada dos indicadores. As AUCs foram comparadas pelo teste não paramétrico de Delong et al.,30 sendo checadas as diferenças dos indicadores individuais e combinados entre os sexos e entre as faixas etárias. Ainda, foram comparadas as AUC da melhor combinação de indicadores com as AUC do melhor indicador individual em cada grupo.
A capacidade discriminatória foi testada individualmente e por combinações entre um indicador de obesidade geral com outro de obesidade central. Primeiramente, quatro combinações foram analisadas (IAC+CC, IMC+CC, IAC+RCQ e IMC+RCQ), pontuadas e agrupadas da seguinte forma: 0 = sem valores aumentados de ambos indicadores; 1 = valor aumentado apenas do indicador de obesidade geral; 2 = valor aumentado apenas do indicador de obesidade central; e 3 = valor aumentado de ambos. Por exemplo, na combinação IAC+CC, os grupos foram: “0 = IAC0+CC0”; “1 = IAC1+CC0”; “2 = IAC0+CC1”; e “3 = IAC1+CC1”.
Em seguida, para avaliar a associação ajustada entre os indicadores de obesidade geral, de obesidade central e a combinação de ambos, novo reagrupamento em quatro categorias foi realizado, de nenhum indicador aumentado a pelo menos um indicador central e um geral juntos (isto é, 00, 01, 10, 11). Para isso, variáveis dummies foram criadas, sendo: 0 = participantes sem valores aumentados de nenhum dos indicadores analisados; 1 = aqueles que apresentaram, pelo menos, um indicador geral aumentado e nenhum central aumentado; 2 = participantes que apresentaram, pelo menos, um indicador central aumentado e nenhum geral; e 3 = as outras possíveis combinações entre, pelo menos, um indicador central e pelo menos um indicador geral aumentados.
As associações foram testadas por modelos de regressão de Poisson com variância robusta, observando-se as Razões de Prevalências (RP) e os IC95% entre as combinações dos indicadores e o RMA20%. Em função da frequência do RMA20% ser muito baixa nas mulheres mais jovens (0,8%), bem como, a quantidade de participantes em risco ser pequena em algumas combinações, realizou-se análise adicional para confirmação ou não das associações individuais e combinadas dos indicadores antropométricos com risco coronariano, sendo o desfecho o RCA10%.
O ajuste dos modelos foi verificada pela análise dos resíduos de Pearson.
O nível de significância adotado foi de 5% (p<0,05). As análises estatísticas foram realizadas utilizando o software “STATA”, versão 12.0.
Resultados
Foram investigados 6881 homens (28,5% com idade entre 60-74 anos) e 8211 mulheres (26,7% com idade entre 60-74 anos) da linha de base do ELSA-Brasil. As médias de colesterol total, PAS e PAD e as medianas de idade e HDL-colesterol foram mais altas nos participantes com idade entre 60-74 anos comparados com os mais jovens em ambos os sexos, com exceção da PAD e do colesterol total nos homens.
As prevalências de RMA20% nos homens foram de 6,3% e 40,6% e nas mulheres de 0,8% e 6,1%, nas faixas etárias 35-59 e 60-74 anos, respectivamente. Os homens apresentaram maiores frequências de obesidade central (CC1 e RCQ1) do que as mulheres, em ambas as faixas etárias, sendo mais frequentes na faixa etária de 60-74 anos em ambos os sexos. As diferenças entre os percentuais de participantes com obesidade geral variaram conforme o indicador observado (tabela 1).
Características dos participantes, conforme sexo e faixa etária – ELSA-Brasil (2008-2010)
Homens
Mulheres
Variável
35-59 anos (n= 5.354)
60-74 anos (n= 1.527)
35-59 anos (n= 6.478)
60-74 anos (n= 1.733)
Idade, mediana (IIQ)
48 (44-54)*
65 (62-69)*†
49 (44-54)
64 (61-68)†
Colesterol Total, média (DP)
214,1 (44,6)
207,1 (42,4)*†
214,5 (39,8)
224,2 (45,4)†
HDL-Colesterol, mediana (IIQ)
48 (42-56)*
50 (43-59)*†
59 (51-70)
62 (52-73)†
Pressão Arterial Sistólica, média (DP)
124,0 (15,7)*
131,1 (19,2)*†
115,1 (15,3)
127,4 (19,1)†
Pressão Arterial Diastólica, média (DP)
79,2 (10,8)*
77,9 (10,9)*†
73,8 (10,2)
74,8 (10,2)†
RCA10%, n (%)
1.711 (32,0)*
1.285 (84,2)*†
542 (8,4)
613 (35,4%)†
RMA20%, n (%)
340 (6,3)*
620 (40,6)*†
52 (0,8)
106 (6,1)†
Diabetes, n (%)
1.301 (19,3)*
569 (37,3)*†
882 (13,6)
484 (27,9)†
Fumantes, n (%)
813 (15,2)*
171 (11,2)*†
855 (13,2)
138 (7,9)†
IAC1, n (%)
1.521 (28,4)*
524 (34,3)†
2.468 (38,1)
585 (33,8)†
IMC1, n (%)
2.425 (45,3)*
542 (35,5)†
2.269 (35,0)
583 (33,6)
CC1, n (%)
2.491 (46,5)*
871 (57,0)*†
2.346 (36,2)
682 (39,3)†
RCQ1, n (%)
1.761 (32,9)*
892 (58,4)*†
1.351 (20,9)
598 (34,5)†
HDL: lipoproteína de alta densidade; RCA10%: Risco Coronariano Aumentado; RMA20%: Risco Coronariano Muito Aumentado; IAC: Índice de Adiposidade Corporal; IMC: Índice de Massa Corporal; CC: Circunferência da Cintura; RCQ: Razão Cintura-Quadril; DP: Desvio Padrão; IIQ: Intervalo Interquartil; n (%): número de observações (frequência)
p< 0,05 comparado com mulheres da mesma faixa etária;
p< 0,05 comparado com os mais jovens do mesmo sexo
Os valores dos melhores pontos de corte para cada indicador estimar RMA20% e estabelecer os agrupamentos estão listados na Tabela 2, onde “0” significa “normal” e “1” “aumentado”.
Pontos de corte de indicadores antropométricos e classificações correspondentes – ELSA-Brasil (2008-2010)
CC < 0,97 (homens) ou CC < 0,90 (mulheres 35-59 anos) ou CC < 0,91 (mulheres 60-74 anos)
RCQ0
CC ≥ 0,97 (homens) ou CC ≥ 0,90 (mulheres 35-59 anos) ou CC ≥ 0,91 (mulheres 60-74 anos)
RCQ1
IAC: Índice de Adiposidade Corporal; IMC: Índice de Massa Corporal; CC: Circunferência da Cintura; RCQ: Relação Cintura-Quadril.
“0 = normal” e “1 = aumentado”.
A RCQ foi, individualmente, o indicador antropométrico que melhor discriminou RMA20% em todos os grupos. A AUC da combinação IAC+RCQ foi maior nos homens e da combinação IMC+RCQ foi maior nas mulheres, de ambas as faixas etárias. O desempenho de todos indicadores individuais ou combinados foi melhor nas mulheres do que nos homens, com exceção do IAC1, que não apresentou diferença estatística. De forma similar, na comparação entre participantes de faixas etárias diferentes, somente o IAC1 em ambos os sexos e o IMC1 nos homens não apresentaram diferença estatística.
As análises combinadas apresentaram valores de sensibilidade maiores do que cada indicador individualmente, com exceção das combinações IAC+CC e IMC+CC nos homens mais idosos, que mostraram sensibilidade um pouco menor que a RCQ. Os valores de sensibilidade de todas as combinações ficaram acima de 70%, atingindo valores acima de 90% nas mulheres na faixa etária de 35 -59 anos (Tabela 3).
Medidas de acurácia diagnóstica de indicadores antropométricos de obesidade individuais e combinados para estimar 20% de risco coronariano em 10 anos, conforme sexo e faixa etária – ELSA-Brasil (2008-2010)
Homens 35-59 anos (n=5.354)
Homens 60-74 anos (n=1.527)
Indicadores
SEN (%)
ESP (%)
AUC (IC 95%)
SEN (%)
ESP (%)
AUC (IC 95%)
p
Individuais
IAC1
43,2
72,6
0,578 (0,551 – 0,605)
39,8
69,5
0,547 (0,522 – 0,571)
0,080
IMC1
62,9
55,9
0,594 (0,568 – 0,621)
43,2
69,8
0,565 (0,541 – 0,590)
0,116
CC1
64,9
54,7
0,598 (0,572 – 0,624)
64,2
47,9
0,560 (0,535 – 0,585)
0,041
RCQ1
62,2
69,1
0,657 (0,630 – 0,683)abc
71,6
50,6
0,611 (0,587 – 0,635)abc
0,013
Combinações
IAC + CC
70,9
49,3
0,618 (0,589 – 0,647)
70,3
41,7
0,574 (0,549 – 0,601)
0,029
IAC + RCQ
75,3
55,7
0,680 (0,652 – 0,707)1,3#
80,3
40,0
0,624 (0,597 – 0,650)1,3
0,004
IMC + CC
71,2
48,3
0,610 (0,583 – 0,638)
64,6
46,6
0,578 (0,550 – 0,605)
0,010
IMC + RCQ
77,9
48,4
0,672 (0,645 – 0,700)2,4
76,0
44,4
0,623 (0,596 – 0,650)2,4
0,013
Mulheres 35-59 anos (n=6.478)
Mulheres 60-74 anos (n=1.733)
Indicadores
SEN (%)
ESP (%)
AUC (IC 95%)
SEN (%)
ESP (%)
AUC (IC 95%)
p
Individuais
IAC1
63,5
62,1
0,628 (0,562 – 0,694)
50,9
67,4
0,592 (0,542 – 0,641)
0,389
IMC1
78,9
65,3
0,721 (0,665 – 0,777)e*
58,5
68,0
0,632 (0,584 – 0,681)*
0,020
CC1
92,3
64,2
0,783 (0,746 – 0,820)df*
68,9
62,6
0,657 (0,611 – 0,703)d*
<0,001
RCQ1
80,8
79,6
0,802 (0,748 – 0,856)ab*
66,0
67,6
0,668 (0,621 – 0,715)a*
<0,001
Combinações
IAC + CC
94,2
51,6
0,777 (0,734 – 0,820)*
75,5
52,6
0,667 (0,618 – 0,717)*
0,001
IAC + RCQ
98,1
53,2
0,846 (0,810 – 0,882)1,3*
85,8
48,1
0,709 (0,663 – 0,754)*
<0,001
IMC + CC
92,3
59,0
0,786 (0,743 – 0,829)*
70,8
57,9
0,668 (0,618 – 0,717)*
<0,001
IMC + RCQ
96,2
59,4
0,850 (0,811 – 0,889)2,4*#
82,1
52,1
0,710 (0,663 – 0,757)4*#
<0,001
IAC: Índice de Adiposidade Corporal; IMC: Índice de Massa Corporal; CC: Circunferência da Cintura; RCQ: Relação Cintura-Quadril; SEN: Sensibilidade; ESP: Especificidade; AUC: Área sob as curvas ROC; IC95%: Intervalo de Confiança 95%; p: valor de p na comparação entre faixas etárias do mesmo sexo. Negrito: Maiores valores de AUC em cada agrupamento.
p≤0,05 entre indicadores individuais por sexo
RCQ > IAC;
RCQ > IMC;
RCQ > CC;
CC > IAC;
IMC > IAC;
CC > IMC; entre combinações por sexo
IAC+RCQ > IAC+CC;
IMC+RCQ > IAC+CC;
IAC+RCQ > IMC+CC;
IMC+RCQ > IMC+CC;
com homens da mesma faixa etária;
melhor combinação com melhor individual.
A capacidade preditiva de dois indicadores juntos foi melhor do que quando avaliado um indicador isoladamente. Por exemplo, as AUCs do IMC1 e da RCQ1 nas mulheres da faixa etária 60-74 anos foram, respectivamente, 0,632 e 0,668, mas, a AUC da combinação IMC+RCQ foi de 0,710, tendo um aumento de, pelo menos, 0,042 (0,042/0,668 = 6,3%). Os ganhos com as melhores combinações variaram entre 2,1% e 6,3% (Figura 1).
Representação gráfica das áreas sob as curvas ROC de indicadores antropométricos individuals e combinados para identificar risco coronariano muito aumentado, conforme sexo e faixa etária. ELSA-Brasil 2008-2010.
As combinações entre um indicador de obesidade geral e um de obesidade central (IAC1+CC1, IAC1+RCQ1, IMC1+CC1 e IMC1+RCQ1) estiveram associadas positivamente com RMA20% em homens e mulheres de ambas as faixas etárias, independente da presença de apenas um indicador, quer seja ele, indicador geral ou central. As razões de prevalências dessas combinações também foram maiores do que as demais em todos os grupos (Tabela 4).
Razões de prevalências ajustadas de combinações de indicadores antropométricos de obesidade para estimar risco coronariano muito aumentado, conforme sexo e faixa etária no ELSA-Brasil (2008-2010)
Homens
Mulheres
35-59 anos (n=5354)
60-74 anos (n=1527)
35-59 anos (n=6478)
60-74 anos (n=1733)
Combinações de indicadores
n (risco)
RP (IC95%)
n (risco)
RP (IC95%)
n (risco)
RP (IC95%)
n (risco)
RP (IC95%)
IAC0 + CC0
2.573 (99)
1,0
562 (184)
1,0
3.321 (3)
1,0
881 (26)
1,0
IAC1 + CC0
290 (20)
1,79 (1,13 – 2,85)
94 (38)
1,23 (0,94 – 1,62)
811 (1)
1,36 (0,14 – 13,11)
170 (7)
1,40 (0,62 – 3,16)
IAC0 + CC1
1.260 (94)
1,94 (1,47 – 2,55)
441 (189)
1,31 (1,12 – 1,54)
689 (16)
25,70 (7,51 – 87,99)
267 (26)
3,30 (1,95 – 5,58)
IAC1 + CC1
1.231 (126)
2,66 (2,06 – 3,43)
430 (209)
1,48 (1,27 – 1,73)
1.657 (32)
21,38 (6,55 – 69,72)
415 (47)
3,84 (2,41 – 6,11)
IAC0 + RCQ0
2.876 (84)
1,0
485 (122)
1,0
3.420 (1)
1,0
798 (15)
1,0
IAC1 + RCQ0
717 (44)
2,10 (1,47 – 3,00)
150 (54)
1,43 (1,10 – 1,86)
1.707 (9)
18,03 (2,29 – 142,22)
337 (21)
3,32 (1,73 – 6,35)
IAC0 + RCQ1
957 (109)
3,90 (2,96 – 5,13)
518 (251)
1,93 (1,61 – 2,30)
590 (18)
104,33 (13,95 – 780,18)
350 (37)
5,62 (3,13 – 10,11)
IAC1 + RCQ1
804 (102)
4,34 (3,29 – 5,74)
374 (193)
2,05 (1,71 – 2,46)
761 (24)
107,85 (14,62 – 796,13)
248 (33)
7,08 (3,91 – 12,82)
IMC0 + CC0
2.521(98)
1,0
642 (219)
1,0
3.795 (4)
1,0
973 (31)
1,0
IMC1 + CC0
342 (21)
1,58 (1,00 – 2,50)
14 (3)
0,63 (0,23 – 1,72)
337 (0)
----
78 (2)
0,80 (0,20 – 3,30)
IMC0 + CC1
408 (28)
1,76 (1,17 – 2,65)
343 (133)
1,14 (0,96 – 1,35)
414 (7)
16,04 (4,71 – 54,61)
177 (13)
2,31 (1,23 – 4,32)
IMC1 + CC1
2.083 (192)
2,37 (1,87 – 3,00)
528 (265)
1,47 (1,28 – 1,69)
1.932 (41)
20,14 (7,22 – 56,19)
505 (60)
3,73 (2,45 - 5,68)
IMC0 + RCQ0
2.500 (75)
1,0
552 (149)
1,0
3.820 (2)
1,0
866 (19)
1,0
IMC1 + RCQ0
1.093 (53)
1,62 (1,15 – 2,28)
83 (27)
1,21 (0,86 – 1,69)
1.307 (8)
11,69 (2,48 – 54,99)
269 (17)
2,88 (1,52 – 5,46)
IMC0 + RCQ1
429 (51)
3,96 (2,82 – 5,57)
433 (203)
1,74 (1,46 – 2,06)
389 (9)
44,19 (9,58 – 203,82)
284 (25)
4,01 (2,24 – 7,18)
IMC1 + RCQ1
1.332 (160)
4,00 (3,07 – 5,22)
459 (241)
1,95 (1,65 – 2,19)
962 (33)
65,52 (15,75 – 272,60)
314 (45)
6,53 (3,88 – 10,99)
IAC: Índice de Adiposidade Corporal; IMC: Índice de Massa Corporal; CC: Circunferência da Cintura; RCQ: Relação Cintura-Quadril; RP: Razão de Prevalência; IC95%: Intervalo de Confiança 95%; n: total de participantes no estrato; risco: quantidade de participantes com risco coronariano muito aumentado no estrato.
Embora a prevalência de mulheres com RMA20% tenha sido baixa na idade entre 35-59 anos (menos de 1%), o número de mulheres tomadas como referências (sem risco) foi muito pequeno, o que explica os enormes intervalos de confiança apresentados. Além disso, em alguns estratos, a quantidade de participantes em risco foi pequena, como por exemplo, na combinação IMC1+CC0 nos homens e mulheres mais idosos, dificultando a avaliação nestes grupos. Desta forma, avaliamos ainda as associações das combinações de indicadores antropométricos com RA10%, que confirmaram os resultados que pessoas com medidas aumentadas de um indicador de obesidade geral (IAC ou IMC) e outro de obesidade central (CC ou RCQ) têm maior probabilidade de desenvolvimento de DAC em 10 anos (Tabela 5).
Razões de prevalências ajustadas de combinações de indicadores antropométricos de obesidade para estimar risco coronariano aumentado, conforme sexo e faixa etária. ELSA-Brasil (2008-2010)
Homens
Mulheres
35-59 anos (n=5.354)
60-74 anos (n=1.527)
35-59 anos (n=6.478)
60-74 anos (n=1.733)
Combinações de indicadores
n (risco)
RP (IC95%)
n (risco)
RP (IC95%)
n (risco)
RP (IC95%)
n (risco)
RP (IC95%)
IAC0 + CC0
2.573 (559)
1,0
562 (430)
1,0
3.321 (137)
1,0
881 (213)
1,0
IAC1 + CC0
290 (94)
1,49 (1,24 – 1,79)
94 (77)
1,07 (0,96 – 1,19)
811 (35)
1,05 (0,73 – 1,50)
170 (49)
1,19 (0,92 – 1,55)
IAC0 + CC1
1.260 (485)
1,77 (1,60 – 1,96)
441 (386)
1,14 (1,08 – 1,21)
689 (106)
3,73 (2,93 – 4,74)
267 (132)
2,04 (1,73 – 2,42)
IAC1 + CC1
1.231 (572)
2,14 (1,94 – 2,35)
430 (209)
1,19 (1,13 – 1,26)
1.657 (264)
3,86 (3,17 – 4,71)
415 (219)
2,18 (1,88 – 2,53)
IAC0 + RCQ0
2.876 (607)
1,0
485 (345)
1,0
3.420 (125)
1,0
798 (161)
1,0
IAC1 + RCQ0
717(239)
1,58 (1,39 – 1,79)
150 (127)
1,19 (1,09 – 1,30)
1.707 (117)
1,88 (1,47 – 2,40)
337 (122)
1,79 (1,47 – 2,19)
IAC0 + RCQ1
957 (437)
2,16 (1,96 – 2,39)
518 (471)
1,28 (1,20 – 1,36)
590 (118)
5,47 (4,32 – 6,93)
350 (184)
2,61 (2,20 – 3,09)
IAC1 + RCQ1
804 (427)
2,52 (2,29 – 2,77)
374 (342)
1,29 (1,20 – 1,37)
761 (182)
6,54 (5,28 – 8,10)
248 (146)
2,92 (2,45 – 3,47)
IMC0 + CC0
2.521 (562)
1,0
642 (498)
1,0
3.795 (146)
1,0
973 (233)
1,0
IMC1 + CC0
342 (91)
1,19 (0,99 – 1,44)
14 (9)
0,83 (0,56 – 1,23)
337 (26)
2,00 (1,34 – 3,00)
78 (29)
1,55 (1,14 – 2,12)
IMC0 + CC1
408 (154)
1,69 (1,47 – 1,96)
343 (299)
1,12 (1,06 – 1,19)
414 (57)
3,58 (2,68 – 4,78)
177 (85)
2,01 (1,66 – 2,42)
IMC1 + CC1
2.083 (903)
1,94 (1,78 – 2,12)
528 (479)
1,17 (1,11 – 1,23)
1.932 (313)
4,21 (3,49 – 5,09)
505 (266)
2,20 (1,91 – 2,53)
IMC0 + RCQ0
2.500 (512)
1,0
552 (401)
1,0
3.820 (131)
1,0
866 (172)
1,0
IMC1 + RCQ0
1.093 (334)
1,49 (1,33 – 1,68)
83 (71)
1,18 (1,06 – 1,30)
1.307 (111)
2,48 (1,94 – 3,16)
269 (111)
2,08 (1,71 – 2,53)
IMC0 + RCQ1
429 (204)
2,32 (2,05 – 2,63)
433 (396)
1,26 (1,19 – 1,34)
389 (72)
5,40 (4,13 – 7,06)
284 (146)
2,59 (2,17 – 3,08)
IMC1 + RCQ1
1.332 (660)
2,42 (2,20 – 2,66)
459 (417)
1,25 (1,18 – 1,33)
962 (228)
6,91 (5,64 – 8,47)
314 (184)
2,95 (2,51 – 3,47)
IAC: Índice de Adiposidade Corporal; IMC: Índice de Massa Corporal; CC: Circunferência da Cintura; RCQ: Relação Cintura-Quadril; RP: Razão de Prevalência; IC95%: Intervalo de Confiança 95%; n: total de participantes no estrato; risco: quantidade de participantes com risco coronariano aumentado no estrato.
A presença de obesidade central (CC1 e/ou RCQ1), na ausência de obesidade geral (IMC1 e/ou IAC1) esteve mais fortemente associada com risco coronariano aumentado e muito aumentado do que a combinação contrária. A magnitude do efeito da presença de obesidade geral e central juntas foi maior em todos os estratos, com exceção na associação com RMA20% nos homens mais jovens (Tabela 6).
Razões de prevalências de indicadores antropométricos de obesidade geral e central para estimar risco coronariano muito aumentado e aumentado em 10 anos, conforme sexo e faixa etária. ELSA-Brasil (2008-2010)
Risco coronariano muito aumentado (RMA20%)
Homens
Mulheres
35-59 anos (n=5354)
60-74 anos (n=1527)
35-59 anos (n=6478)
60-74 anos (n=1733)
Combinações de indicadores
n (risco)
RP (IC95%)
n (risco)
RP (IC95%)
n (risco)
RP (IC95%)
n (risco)
RP (IC95%)
Sem risco
2.201 (63)
1,0
421 (111)
1,0
3.079 (1)
1,0
721 (13)
1,0
Apenas Geral
438 (23)
1,83 (1,15 – 2,92)
81 (28)
1,31 (0,93 – 1,84)
850 (1)
3,62 (0,23 – 57,79)
168 (7)
2,31 (0,97 – 5,70)
Apenas Central
585 (55)
3,28 (2,31 – 4,66)
440 (199)
1,72 (1,42 – 2,07)
509 (8)
48,39 (6,06 – 386,16)
303 (25)
4,58 (2,37 – 8,83)
Central + Geral
2.130 (198)
3,25 (2,46 – 4,28)
585 (282)
1,83 (1,53 – 2,19)
2.039 (42)
63,42 (8,73 – 460,51)
541 (61)
6,25 (3,47 – 11,26)
Risco coronariano aumentado (RCA10%)
Sem risco
2.201 (425)
1,0
421 (300)
1,0
3.079 (103)
1,0
721 (135)
1,0
Apenas Geral
438 (118)
1,40 (1,17 – 1,66)
81 (63)
1,09 (0,96 – 1,24)
851 (30)
1,05 (0,71 – 1,57)
168 (48)
1,53 (1,15 – 2,03)
Apenas Central
585 (242)
2,14 (1,88 – 2,47)
440 (393)
1,25 (1,17 – 1,34)
509 (80)
4,70 (3,56 – 6,20)
303 (144)
2,54 (2,09 – 3,08)
Central + Geral
2.130 (925)
2,25 (2,04 – 2,48)
585 (529)
1,27 (1,19 – 1,36)
2.039 (329)
4,82 (3,89 – 5,98)
541 (286)
2,82 (2,38 – 3,35)
RP: Razão de Prevalência; IC95%: Intervalo de Confiança 95%; n: total de participantes no estrato; risco: quantidade de participantes com risco coronariano futuro no estrato.
Discussão
O IAC1 demonstrou capacidade preditiva apenas razoável em todos os grupos investigados, com AUC variando entre 0,547 (IC95%: 0,522-0,571) nos homens na faixa etária 60-74 anos, e 0,628 (IC95%: 0,562-0,694) nas mulheres mais jovens. Esse resultado foi semelhante ao IMC1 que, apesar dos valores de AUCs ligeiramente maiores que as AUCs do IAC1 apenas no grupo das mulheres mais jovens, essa diferença foi estatisticamente significante (p<0,05). O indicador antropométrico com melhor desempenho individual em todos os grupos foi a RCQ.
As curvas ROC são frequentemente utilizadas para avaliar o desempenho de um teste diagnóstico, e, provavelmente, constituem a análise estatística mais usada para medir a capacidade preditiva de indicadores antropométricos. Todavia, muitos estudos não realizam a comparação estatística entre os indicadores ou grupos analisados, restringindo-se à observação da maior AUC, dificultando assim, melhor avaliação do seu desempenho. Contudo, Xiao et al.,12 comparando as AUCs, assinalaram que a capacidade discriminatória de diabetes mellitus tipo II (DM2), do IAC e do IMC não foram diferentes estatisticamente entre mulheres e homens chineses, e que os indicadores de obesidade central – CC, RCEst e RCQ – foram melhores preditores de DM2 nas mulheres que nos homens.12 Similarmente, os resultados da presente análise demonstraram que IMC e IAC tiveram desempenhos parecidos em ambos os sexos e CC e RCQ estimaram melhor risco coronariano em mulheres.
Leal Neto et al.,14 não encontraram diferenças estatísticas entre as AUCs do IAC e do IMC (p=0,885) para discriminar hipertensão em idosos brasileiros de ambos os sexos, apesar das AUCs ligeiramente maiores do IAC que do IMC. Resultado similar, na comparação entre IAC e IMC, foi encontrado em mulheres colombianas para identificar níveis elevados de pressão arterial e glicemia e síndrome metabólica,10 e para incidência de hipertensão em trabalhadores participantes do Olivetti Heart Study.31 Entretanto, o IMC foi melhor do que o IAC para indicar síndrome metabólica em mulheres coreanas.32
Por outro lado, Alvim et al.,13 evidenciaram o IAC como melhor preditor de DM2 em índias e índios brasileiros do que a CC e o IMC. No entanto, em amostra da população geral, residente em uma capital brasileira, os desempenhos do IAC, do IMC e da CC foram similares entre os homens e a CC foi melhor preditor de DM2 do que IAC e IMC nas mulheres.
Em estudo longitudinal com 2981 iranianos, IAC e IMC tiveram desempenhos similares como preditores de DM2 em homens, sendo que o IAC não foi bom preditor em mulheres (AUC=0,527; IC95%: 0,484-0,569). O poder preditivo da RCQ foi razoável em ambos os sexos, sendo pior do que a CC e a RCEst nos homens e semelhante aos demais indicadores nas mulheres.33
O risco coronariano analisado de forma global ainda é um desfecho pouco investigado, dificultando a comparação dos resultados desse estudo com outros achados. Todavia, Felix-Redondo et al.,22 estudando 28 743 espanhóis, encontraram associação positiva do IMC, CC e RCQ com eventos coronarianos futuros, calculado pelo escore REGICOR, adaptado do ERF e validado para população espanhola. Almeida et al.,15 identificaram associação positiva do IAC com ERF em 14 673 participantes do ELSA-Brasil.
Wang et al.,34 analisaram o desempenho individual de oito indicadores antropométricos para estimar risco coronariano – avaliado pelo ERF –, em 11 247 chineses, e identificaram razoável poder preditivo. As AUCs variaram entre 0,59 e 0,70 nas mulheres e entre 0,52 e 0,60 nos homens, resultados parecidos aos do presente estudo. Entretanto, os indicadores que apresentaram maiores AUC foram o Body Shape Index nos homens e a RCEst e o Body Roundness Index nas mulheres, indicadores não avaliados na presente análise.
Indicadores de distribuição da gordura corporal são apontados por alguns estudos2,12,19 como melhores preditores de risco à saúde do que indicadores de obesidade geral, pois são capazes de fornecer melhor estimativa da gordura abdominal, que, por sua vez, está correlacionada à quantidade de tecido adiposo visceral, e consequentemente, com a produção de maior quantidade de adipocinas pro-inflamatórias. Entretanto, o desempenho destes indicadores em estudos populacionais variou dependendo de características como idade, etnia e sexo, bem como, dos pontos de corte utilizados e do desfecho analisado.19,23,34 Situação similar ocorreu em estudos com os indicadores de obesidade geral,10,14-16 ou seja, componentes genéticos, ambientais e comportamentais de grupos étnicos distintos podem justificar as diferenças de desempenho encontradas, reforçando a necessidade de parâmetros mais apropriados e condizentes para triagem de risco à saúde de cada grupo populacional.
Outra questão a ser destacada é que não há consenso de que a combinação de indicadores antropométricos melhore o diagnóstico de desfechos adversos à saúde, e estudos que adotaram esta metodologia de análise são restritos.19,23-26 Especialistas continuam buscando melhores indicadores ou estratégias metodológicas que permitam rastreamentos mais precisos de agravos à saúde em diferentes populações. As combinações de, pelo menos, um indicador de obesidade geral e outro de obesidade central estiveram mais fortemente associadas a um maior risco de desenvolvimento de DAC, mesmo após ajuste pela presença de apenas um indicador geral ou central. Todas as combinações apresentaram maiores valores de sensibilidade e das AUC do que cada indicador isoladamente, sendo as combinações IAC+RCQ e IMC+RCQ, aquelas que apresentaram maiores AUC em homens e mulheres, respectivamente. Esses resultados sinalizam que essa metodologia de análise parece ser uma boa alternativa para melhorar o rastreamento de risco coronariano.
Mesmo considerando a possibilidade de certo grau de colinearidade entre os indicadores gerais e centrais, o que poderia indicar perda de magnitude do efeito, observou-se em todas as associações testadas que tanto RA10%, quanto RMA20% foram mais prevalentes entre os sujeitos que apresentaram valores elevados de um indicador geral com outro central (IAC1+CC1, IAC1+RCQ1, IMC1+CC1 e IMC1+RCQ1) do que a presença de apenas um indicador aumentado.
Os resultados de estudo conduzido por Lam et al.,23 corroboram em parte esses achados, ou seja, dois indicadores juntos aumentam a detecção de sujeitos verdadeiros-positivos com fatores de risco cardiometabólicos. No entanto, a combinação do IMC com a RCEst, tal como sugerido por estes autores, foi aquela com melhor desempenho em funcionários de um hospital em Singapura. Da mesma forma, Tao et al.,25 evidenciaram que dois indicadores juntos aumentaram a capacidade preditiva em até 19,45% do que apenas um indicador isoladamente. O IMC juntamente com a CC foi a combinação com maiores AUC para detectar hipertensão e síndrome metabólica em chineses de ambos os sexos, DM2 em homens e dislipidemia em mulheres. Da mesma forma, a união IMC+CC esteve mais fortemente relacionada com fatores de risco cardiovasculares em uma amostra de indivíduos de etnia branca do Third National Health and Nutrition Examination Survey (NHANES III), do que ambos indicadores isoladamente.24 Cabe ressaltar que esses dois últimos estudos não analisaram o IAC.
A principal força deste estudo consiste em ser o primeiro a testar combinações do IAC com outros indicadores de obesidade central para estimar risco coronariano, incluindo a análise de homens e mulheres de diferentes faixas etárias em separado. Os resultados apontaram que o uso combinado de um indicador de obesidade geral com outro de obesidade central propicia melhor identificação de pessoas ou populações adultas com maior risco de desenvolver risco coronariano em 10 anos. Além disso, o estudo apresenta comparações com testes estatísticos das AUCs individuais e combinadas dos indicadores entre os sexos e faixas etárias.
Entretanto, potenciais limitações devem ser discutidas. O desenho transversal não permite inferir sobre a relação causal entre medidas antropométricas de obesidade e risco coronariano futuro. Contudo, a causalidade reversa parece improvável e as evidências de que a obesidade é um importante fator do risco cardiovascular são consistentes.5,20-22 O acompanhamento dos participantes do ELSA-Brasil permitirá avaliar melhor se a combinação de indicadores de obesidade prediz melhor o risco coronariano do que o uso isolado de algum indicador. Outra limitação diz respeito à validade externa, pois, a amostra do ELSA-Brasil não é representativa da população brasileira, pois não inclui os segmentos extremos, como os mais ricos e mais pobres, por exemplo. No entanto, é uma amostra grande, multicêntrica e heterogênea o suficiente para trazer novos conhecimentos sobre a relação entre indicadores de obesidade geral e central com risco coronariano em populações miscigenadas. Portanto, novas investigações com outras populações, assim como pesquisas longitudinais e avaliação de outras combinações de indicadores são necessárias.
Conclusão
A RCQ teve melhor desempenho individual em ambos os sexos e faixas etárias. As combinações, de pelo menos, um indicador de obesidade geral com outro de obesidade central, foram mais fortemente associadas a maior risco de desenvolvimento de DAC. As combinações IAC+RCQ e IMC+RCQ foram as que resultaram nas maiores AUCs para homens e mulheres, respectivamente. Assim, o uso combinado de um indicador de obesidade geral, IAC ou IMC, dependendo do sexo, com a RCQ é recomendado como estratégia para rastreamentos epidemiológicos de risco coronariano em adultos. Porém, em contextos de precariedade ou de indisponibilidade de uma balança para aferir o peso corporal, pode-se utilizar uma fita métrica para medir a CQ, a CC e a estatura, calcular o IAC e a RCQ e realizar a avaliação de risco, já que o desempenho desta combinação foi parecido com a combinação IMC+RCQ em mulheres.
Fontes de financiamento
O presente estudo foi financiado pelo Ministério da Saúde e Ministério da Ciência e Tecnologia do Brasil.
Vinculação acadêmica
Este artigo é parte de tese de doutorado de Rogério Tosta Almeida pelo Instituto de Saúde Coletiva da Universidade Federal da Bahia.
Aprovação ética e consentimento informado
Este estudo foi aprovado pelo Comitê de Ética do ISC/UFBA, Fiocruz, Hospital Universitário –USP, UFMG, UFES e Hospital as Clínicas de Porto Alegre sob o número de protocolo 027/06, 343/06, 669/06, 186/06, 041/06, 194/06. Todos os procedimentos envolvidos nesse estudo estão de acordo com a Declaração de Helsinki de 1975, atualizada em 2013. O consentimento informado foi obtido de todos os participantes incluídos no estudo.
ReferênciasAlmeidaRTAlmeidaMMGAraújoTMObesidade Abdominal e risco Cardiovascular: Desempenho de Indicadores Antropométricos em mulheresArq Bras Cardiol20099253753801. Almeida RT, Almeida MMG, Araújo TM. Obesidade Abdominal e risco Cardiovascular: Desempenho de Indicadores Antropométricos em mulheres. Arq Bras Cardiol. 2009;92(5):375–80.PitangaFJGLessaIIndicadores antropométricos de obesidade como instrumento de triagem para risco coronariano elevado em adultos na cidade de Salvador - BahiaArq Bras Cardiol200585126312. Pitanga FJG, Lessa I. Indicadores antropométricos de obesidade como instrumento de triagem para risco coronariano elevado em adultos na cidade de Salvador - Bahia. Arq Bras Cardiol. 2005;85(1):26–31.RezendeFRosadoLFranceschinniSRosadoGRibeiroRMarinsJCBRevisão crítica dos métodos disponíveis para avaliar a composição corporal em grandes estudos populacionais e clínicosArch Latinoam Nutr20075743273343. Rezende F, Rosado L, Franceschinni S, Rosado G, Ribeiro R, Marins JCB. Revisão crítica dos métodos disponíveis para avaliar a composição corporal em grandes estudos populacionais e clínicos. Arch Latinoam Nutr. 2007;57(4):327–34.EknoyanGAdolphe Quetelet (1796-1874) the average man and indices of obesityNephrol Dial Transplant200723147514. Eknoyan G. Adolphe Quetelet (1796-1874) the average man and indices of obesity. Nephrol Dial Transplant. 2007;23(1):47–51.DwivediAKDubeyPCistolaDPReddySYAssociation Between Obesity and Cardiovascular Outcomes: Updated Evidence from Meta-analysis StudiesCurr Cardiol Rep20202245. Dwivedi AK, Dubey P, Cistola DP, Reddy SY. Association Between Obesity and Cardiovascular Outcomes: Updated Evidence from Meta-analysis Studies. Curr Cardiol Rep. 2020;22(4).BergmanRNStefanovskiDBuchananTASumnerAEReynoldsJCSebringNGA better index of body adiposityObesity2011195108310896. Bergman RN, Stefanovski D, Buchanan TA, Sumner AE, Reynolds JC, Sebring NG, et al. A better index of body adiposity. Obesity. 2011;19(5):1083–9.LamBCCLimSCWongMTKShumEHoCYBoscoJIEA method comparison study to validate a novel parameter of obesity, the body adiposity index, in Chinese subjectsObesity20132112E634E6397. Lam BCC, Lim SC, Wong MTK, Shum E, Ho CY, Bosco JIE, et al. A method comparison study to validate a novel parameter of obesity, the body adiposity index, in Chinese subjects. Obesity. 2013;21(12):E634-9.KuhnPCVieiraJPBFilhoFrancoLDal FabbroAFrancoLJMoisesRSEvaluation of body adiposity index (BAI) to estimate percent body fat in an indigenous populationClin Nutr20143322872908. Kuhn PC, Vieira Filho JPB, Franco L, Dal Fabbro A, Franco LJ, Moises RS. Evaluation of body adiposity index (BAI) to estimate percent body fat in an indigenous population. Clin Nutr. 2014;33(2):287–90.LópezAACespedesMLVicenteTTomasMBennasar-VenyMTaulerPBody adiposity index utilization in a Spanish Mediterranean population: comparison with the body mass indexPLoS One201274e352819. López AA, Cespedes ML, Vicente T, Tomas M, Bennasar-Veny M, Tauler P, et al. Body adiposity index utilization in a Spanish Mediterranean population: comparison with the body mass index. PLoS One. 2012;7(4):e35281.Mora-GarcíaGJGómez-CamargoDMazenettEAlarioÁFortichÁGómez-AlegríaCAnthropometric parameters’ cut-off points and predictive value for metabolic syndrome in women from Cartagena, ColombiaSalud Publica Mex201456214615310. Mora-García GJ, Gómez-Camargo D, Mazenett E, Alario Á, Fortich Á, Gómez-Alegría C, et al. Anthropometric parameters’ cut-off points and predictive value for metabolic syndrome in women from Cartagena, Colombia. Salud Publica Mex. 2014;56(2):146–53.Bennasar-VenyMLopez-GonzalezAATaulerPCespedesMLVicente-HerreroTYañezABody Adiposity Index and Cardiovascular Health Risk Factors in Caucasians: A Comparison with the Body Mass Index and OthersPLoS One201385e6399911. Bennasar-Veny M, Lopez-Gonzalez AA, Tauler P, Cespedes ML, Vicente-Herrero T, Yañez A, et al. Body Adiposity Index and Cardiovascular Health Risk Factors in Caucasians: A Comparison with the Body Mass Index and Others. PLoS One. 2013;8(5):e63999.XiaoXLiuYYSunCGangXChengJTianSEvaluation of different obesity indices as predictors of type 2 diabetes mellitus in a Chinese populationJ Diabetes20157338639212. Xiao X, Liu YY, Sun C, Gang X, Cheng J, Tian S, et al. Evaluation of different obesity indices as predictors of type 2 diabetes mellitus in a Chinese population. J Diabetes. 2015;7(3):386–92.AlvimROMourao-JuniorCAOliveiraCMKriegerJEMillJGPereiraACBody mass index, waist circumference, body adiposity index, and risk for type 2 diabetes in two populations in Brazil: General and AmerindianPLoS One201496e10022313. Alvim RO, Mourao-Junior CA, Oliveira CM, Krieger JE, Mill JG, Pereira AC. Body mass index, waist circumference, body adiposity index, and risk for type 2 diabetes in two populations in Brazil: General and Amerindian. PLoS One. 2014;9(6):e100223.LealJSNetoCoqueiroRSFreitasRSFernandesMHOliveiraDSBarbosaARAnthropometric indicators of obesity as screening tools for high blood pressure in the elderlyInt J Nurs Pract201319436036714. Leal Neto JS, Coqueiro RS, Freitas RS, Fernandes MH, Oliveira DS, Barbosa AR. Anthropometric indicators of obesity as screening tools for high blood pressure in the elderly. Int J Nurs Pract. 2013;19(4):360–7.AlmeidaRTPereiraACFonsecaMJMMatosSMAAquinoEMLAssociation between body adiposity index and coronary risk in the Brazilian Longitudinal Study of Adult Health (ELSA-Brasil)Clin Nutr20203951423143115. Almeida RT, Pereira AC, Fonseca MJM, Matos SMA, Aquino EML. Association between body adiposity index and coronary risk in the Brazilian Longitudinal Study of Adult Health (ELSA-Brasil). Clin Nutr. 2020;39(5):1423-31.MussiRFFPetroskiELIndicadores de obesidade: capacidade preditiva para síndrome metabólica em adultos quilombolasCien Saude Colet20192472471248016. Mussi RFF, Petroski EL. Indicadores de obesidade: capacidade preditiva para síndrome metabólica em adultos quilombolas. Cien Saude Colet. 2019;24(7):2471–80.EickembergMAmorimLDAFAlmeidaMCCAquinoEMLFonsecaMJMSantosISIndicadores de Adiposidade Abdominal e Espessura Médio-Intimal de Carótidas: Resultados do Estudo Longitudinal de Saúde do Adulto - ELSA-BrasilArq Bras Cardiol2019112322022717. Eickemberg M, Amorim LDAF, Almeida MCC, Aquino EML, Fonseca MJM, Santos IS, et al. Indicadores de Adiposidade Abdominal e Espessura Médio-Intimal de Carótidas: Resultados do Estudo Longitudinal de Saúde do Adulto - ELSA-Brasil. Arq Bras Cardiol. 2019;112(3):220–7.CoutinhoTGoelKCorrêa de SáDCarterREHodgeDOKragelundCCombining body mass index with measures of central obesity in the assessment of mortality in subjects with coronary disease: Role of “normal weight central obesity”J Am Coll Cardiol201361555356018. Coutinho T, Goel K, Corrêa de Sá D, Carter RE, Hodge DO, Kragelund C, et al. Combining body mass index with measures of central obesity in the assessment of mortality in subjects with coronary disease: Role of “normal weight central obesity”. J Am Coll Cardiol. 2013;61(5):553–60.LeeCMYHuxleyRRWildmanRPWoodwardMIndices of abdominal obesity are better discriminators of cardiovascular risk factors than BMI: a meta-analysisJ Clin Epidemiol200861764665319. Lee CMY, Huxley RR, Wildman RP, Woodward M. Indices of abdominal obesity are better discriminators of cardiovascular risk factors than BMI: a meta-analysis. J Clin Epidemiol. 2008;61(7):646–53.WormserDKaptogeSDi AngelantonioEWoodAMPennellsLThompsonASeparate and combined associations of body-mass index and abdominal adiposity with cardiovascular disease: collaborative analysis of 58 prospective studiesLancet201137797711085109520. Wormser D, Kaptoge S, Di Angelantonio E, Wood AM, Pennells L, Thompson A, et al. Separate and combined associations of body-mass index and abdominal adiposity with cardiovascular disease: collaborative analysis of 58 prospective studies. Lancet. 2011;377(9771):1085–95.Van-DijkSBTakkenTPrinsenECWittinkHDifferent anthropometric adiposity measures and their association with cardiovascular disease risk factors: a meta-analysisNeth Hear J201220520821821. Van-Dijk SB, Takken T, Prinsen EC, Wittink H. Different anthropometric adiposity measures and their association with cardiovascular disease risk factors: a meta-analysis. Neth Hear J. 2012;20(5):208–18.Félix-RedondoFJGrauMBaena-DíezJMDéganoIRDe LeónACGuembeMJPrevalence of obesity and associated cardiovascular risk: The DARIOS studyBMC Public Health201313122. Félix-Redondo FJ, Grau M, Baena-Díez JM, Dégano IR, De León AC, Guembe MJ, et al. Prevalence of obesity and associated cardiovascular risk: The DARIOS study. BMC Public Health. 2013;13(1).LamBCCKohGCHChenCWongMTKFallowsSJComparison of Body Mass Index (BMI), Body Adiposity Index (BAI), Waist Circumference (WC), Waist-To-Hip Ratio (WHR) and Waist-To-Height Ratio (WHtR) as predictors of cardiovascular disease risk factors in an adult population in SingaporePLoS One2015104e012298523. Lam BCC, Koh GCH, Chen C, Wong MTK, Fallows SJ. Comparison of Body Mass Index (BMI), Body Adiposity Index (BAI), Waist Circumference (WC), Waist-To-Hip Ratio (WHR) and Waist-To-Height Ratio (WHtR) as predictors of cardiovascular disease risk factors in an adult population in Singapore. PLoS One. 2015;10(4):e0122985.ZhuSHeshkaSWangZShenWAllisonDBRossRCombination of BMI and Waist Circumference for Identifying Cardiovascular Risk Factors in WhitesObes Res200412463364524. Zhu S, Heshka S, Wang Z, Shen W, Allison DB, Ross R, et al. Combination of BMI and Waist Circumference for Identifying Cardiovascular Risk Factors in Whites. Obes Res. 2004;12(4):633–45.TaoYYuJTaoYPangHYuYYuYComparison of the Combined Obesity Indices to Predict Cardiovascular Diseases Risk Factors and Metabolic Syndrome in Northeast ChinaInt J Environ Res Public Health201613880180125. Tao Y, Yu J, Tao Y, Pang H, Yu Y, Yu Y, et al. Comparison of the Combined Obesity Indices to Predict Cardiovascular Diseases Risk Factors and Metabolic Syndrome in Northeast China. Int J Environ Res Public Health. 2016;13(8):801.WhitlockGLewingtonSSherlikerPClarkeREmbersonJHalseyJBody-mass index and cause-specific mortality in 900 000 adults: collaborative analyses of 57 prospective studiesLancet200937396691083109626. Whitlock G, Lewington S, Sherliker P, Clarke R, Emberson J, Halsey J, et al. Body-mass index and cause-specific mortality in 900 000 adults: collaborative analyses of 57 prospective studies. Lancet. 2009;373(9669):1083–96.AquinoEMLBarretoSMBensenorIMCarvalhoMSChorDDuncanBBBrazilian Longitudinal Study of Adult Health (ELSA-Brasil): objectives and designAm J Epidemiol2012175431532427. Aquino EML, Barreto SM, Bensenor IM, Carvalho MS, Chor D, Duncan BB, et al. Brazilian Longitudinal Study of Adult Health (ELSA-Brasil): objectives and design. Am J Epidemiol. 2012;175(4):315–24.International Society for the Advancement of Kinanthropometry (ISAK)International Standards for Anthropometric AssessmentAdelaideNational Library of Australia200128. International Society for the Advancement of Kinanthropometry (ISAK). International Standards for Anthropometric Assessment. Adelaide: National Library of Australia; 2001.WilsonPWD’AgostinoRBLevyDBelangerAMSilbershatzHKannelWBPrediction of coronary heart disease using risk factor categoriesCirculation199897181837184729. Wilson PW, D’Agostino RB, Levy D, Belanger AM, Silbershatz H, Kannel WB. Prediction of coronary heart disease using risk factor categories. Circulation. 1998;97(18):1837–47.DeLongERDeLongDMClarke-PearsonDLComparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approachBiometrics198844383784530. DeLong ER, DeLong DM, Clarke-Pearson DL. Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach. Biometrics. 1988;44(3):837–45.D’EliaLManfrediMSabinoPStrazzulloPGallettiFThe Olivetti Heart Study: Predictive value of a new adiposity index on risk of hypertension, blood pressure, and subclinical organ damageNutr Metab Cardiovasc Dis201626763063631. D’Elia L, Manfredi M, Sabino P, Strazzullo P, Galletti F. The Olivetti Heart Study: Predictive value of a new adiposity index on risk of hypertension, blood pressure, and subclinical organ damage. Nutr Metab Cardiovasc Dis. 2016;26(7):630–6.SungY-AOhJ-YLeeHComparison of the body adiposity index to body mass index in Korean womenYonsei Med J20145541028103532. Sung Y-A, Oh J-Y, Lee H. Comparison of the body adiposity index to body mass index in Korean women. Yonsei Med J. 2014;55(4):1028–35.TalaeiMSadeghiMMarshallTThomasGNIranipourRNazaratNAnthropometric indices predicting incident type 2 diabetes in an Iranian population: the Isfahan Cohort StudyDiabetes Metab201339542443133. Talaei M, Sadeghi M, Marshall T, Thomas GN, Iranipour R, Nazarat N, et al. Anthropometric indices predicting incident type 2 diabetes in an Iranian population: the Isfahan Cohort Study. Diabetes Metab. 2013;39(5):424–31.WangFChenYChangYSunGSunYNew anthropometric indices or old ones: which perform better in estimating cardiovascular risks in Chinese adultsBMC Cardiovasc Disord2018181141434. Wang F, Chen Y, Chang Y, Sun G, Sun Y. New anthropometric indices or old ones: which perform better in estimating cardiovascular risks in Chinese adults. BMC Cardiovasc Disord. 2018;18(1):14.Original ArticleIndividual and Combined Performance of Indicators of Overall and Central Obesity to Estimate Coronary Risk in ELSA-Brasil Participants0000-0002-6926-4675AlmeidaRogério Tosta de12MatosSheila Maria Alvim2AquinoEstela M. L.2Feira de SantanaBABrazilUniversidade Estadual de Feira de Santana - Departamento de Saúde, Feira de Santana, BA – BrazilSalvadorBABrazilUniversidade Federal da Bahia - Instituto de Saúde Coletiva, Salvador, BA – BrazilMailing Address: Rogério Tosta Almeida • Universidade Estadual de Feira de Santana – Saúde - Av. Transnordestina, S/N. Postal Code 44036-900, Campus Universitário, Modulo 6, Feira de Santana, BA – Brazil. E-mail: rogertosta@yahoo.com.br
Author Contributions
Conception and design of the research, Acquisition of data, Analysis and interpretation of the data, Writing of the manuscript and Critical revision of the manuscript for intellectual content: Almeida RT, Matos SMA, Aquino EML; Statistical analysis: Almeida RT; Obtaining financing: Aquino EML.
Potential Conflict of Interest
No potential conflict of interest relevant to this article was reported.
AbstractBackground:
Anthropometric indicators have been used in clinical practice and epidemiological studies for screening of health risk factors.
Objectives:
To evaluate the individual discriminatory power of body adiposity index (BAI), body mass index (BMI), waist circumference (WC) and waist-hip-ratio (WHR) to identify individuals at risk for coronary heart disease and to evaluate whether combinations of anthropometric indicators of overall obesity with indicators of central obesity improve predictive ability in adults.
Methods:
A total of 15,092 participants (54.4% women) aged 35-74years were assessed at baseline of the ELSA-Brasil study. Individuals at risk for coronary heart disease were identified using the Framingham risk score and divided into very-high risk (VHR 20%) and high risk (HR10%). Measures of diagnostic accuracy and area under the ROC curves (AUC) were analyzed. Associations were tested using Poisson regression analysis with robust variance, according to age and sex. Statistical significance was set at 5%.
Results:
WHR showed the highest discriminatory power for VHR20% in all groups, with higher predictive ability in women (AUC: 0.802; 95%CI: 0.748-0.856 vs 0.657; 95%CI: 0.630-0.683 in the age range of 35-59 years, and AUC: 0.668; 95%CI: 0.621-0.715 vs 0.611; 95%CI: 0.587-0.635 in the age range of 60-74 years). BAI + WHR and BMI + WHR had the highest predictive power in men and women, respectively. Combinations of indicators of overall obesity with indicators of central obesity were more strongly associated with VHR20% and HR10% in all subgroups.
Conclusion:
Combined indicators had greater predictive ability than indicators taken individually. BAI+ WHR and BMI + WHR were the best estimators of coronary risk in men and women, respectively, and WHR had the best individual performance.
Keywords:Cardiovascular DiseaseAnthropometryObesityRisk FactorsEpidemiologyAdiposityBody Mass IndexWaist CircumferenceIntroduction
Anthropometric indicators of obesity have been widely used in clinical practice and epidemiological studies for the screening for health risk factors.1-3
Body mass index (BMI), devised by Lambert Adolphe Jaques Quetelet in 1832,4 is one of the most popular strategies used to indirectly measure obesity in populations. Although it has been extensively used in studies on cardiovascular diseases,3,5 this tool may not be able to describe the variation in body composition among individuals.3
In recent years, new indicators have been proposed as more accurate indirect measures of obesity. In 2011, Bergman et al.6 proposed the body adiposity index (BAI) as a better indicator of body fat as compared with BMI. However, the accuracy of this index in measuring adiposity has varied among populations,7-9 and results of its performance as a screening strategy for cardiometabolic risk factors are still controversial.10-16 Indicators of body fat distribution, waist circumference (WC), waist-to-hip ratio (WHR), waist-to-hip ratio (WHtR), and the conicity index (C index) have shown good performance as predictors of health risk.12,17 A recent study with participants of the ELSA-Brasil study demonstrated a positive association of WC and WHR with carotid intima-media thickness.17 In addition, the use of these indicators has been strengthened by epidemiological studies and does not require complex mathematical calculations.
It is controversial whether anthropometric indicators of overall and central obesity have higher predictive ability and usefulness to identify cardiometabolic risk factors in large populations.18-22 Besides, while some studies have shown that the combined use of indicators can improve their predictive capacity for adverse health outcomes,18,23-25 others have shown the opposite.19,26 Few studies evaluating the combined performance of indicators of overall and central obesity have been performed in the Brazilian adult population.
Therefore, the aims of the present study were to evaluate the individual discriminatory power of BAI, WC, WHR to assess coronary risk; to investigate whether the combination of anthropometric indicators of overall obesity (BMI and BAI) with indicators of central obesity (WC and WHC) improves the predictive ability of coronary risk in a large sample of Brazilian adults.
MethodsSource of data and study population
The Brazilian Longitudinal Study of Adult Health (ELSA-Brasil), evaluated, at baseline (2008-2010), 15,105 servants of educational and research institutions of six Brazilian cities (Belo Horizonte, Porto Alegre, Rio de Janeiro, Salvador, São Paulo and Vitória), aged between 35 and 74 years. Of these, nine did not have complete information on the variables analyzed, and four reported using silicone hip implants, and were then excluded. Thus, the present study investigated 15,092 patients. Methodological details of the ELSA-Brasil study were published by Aquino et al.27
Demographic, anthropometric, and clinical data
Demographic, anthropometric, and clinical data were collected by interviews or measured, by trained personnel and supervised by highly qualified professionals. Age, sex, smoking and previous history of diabetes mellitus were collected using standardized procedures. Anthropometric measures were obtained after a 12-hour overnight fasting, with patients standing barefoot, wearing standard clothing provided by the ELSA-Brasil group. The measurements were taken based on a standardized protocol developed for the study, following the recommendations of the International Society for the Advancement of Kinanthropometry (ISAK).28
Weight was measured at the nearest 0.1 Kg using a calibrated scale (Toledo 2096PP). Height was measured using a stadiometer (Seca-SE0216), and WC and hip circumference measured at the nearest 0.1 cm using an inelastic tape. WC was measured at the midpoint between the lowest rib and the iliac crest, and HC was measured at the level of the greatest gluteus protuberance. Measures were taken in triplicate and the mean of the three measurements considered for analysis.
Blood samples were collected in dry tubes for determination of glycemia, and total cholesterol and fractions at the study centers after 12-hour overnight fasting. Plasma glucose levels were determined by a hexokinase (enzymatic) method, and cholesterol levels determined by the cholesterol oxidase method (enzymatic colorimetric method), both using standard calibrated equipment (Siemens ADVIA 1200). In order to ensure the quality and standardization of results, all samples were sent to ELSA-Brasil central laboratory for processing and analysis.
Three blood pressure measures were taken with a one-minute interval after five minutes of rest, using an automated device (OMRON – HEM-705 CP), with participants sitting in a quiet room at controlled temperature (20ºC - 24ºC), under fasting conditions and with an empty bladder, following the protocol developed for the study. The mean of the last two measurements was considered for analysis.
Anthropometric indicators
The anthropometric indicators of obesity evaluated were BMI (Kg/m2), which was calculated by dividing weight (Kg) by height (m) squared, and BAI, calculated using the equation: BAI = ([hip circumference in cm / height in meters] 1.5)-18.6 Central obesity was estimated by measurements of WC (cm) and the WHR, the latter calculated by dividing WC (cm) by hip circumference (cm).
Cardiovascular risk
The risk for cardiovascular events were calculated using the Framingham risk score (FRS), which included age, systolic blood pressure (SBP), systolic diastolic pressure (SDP), total cholesterol, high-density lipoprotein (HDL)-cholesterol, smoking and diabetes for its calculation.29
Diabetes was defined as a history of diabetes, fasting glucose ≥126 mg/dL, or a two-hour glucose ≥ 200 mg/dL (oral glucose tolerance test) or glycated hemoglobin ≥ 6.5%.
Current smokers were those who reported to smoke regularly in the interview.
An increased risk for cardiovascular events was classified as: “very high” (VH), for individuals with 20% or more 10-year coronary artery disease risk (VHR20%), of “high” for individuals with 10-20% 10-year coronary artery disease risk (HR10%).
Statistical analysis
Central tendency and dispersion measures were used for initial analyses of patient distribution. Descriptive analysis was used to analyze normality of data, by graphic (histogram and P-Plot) and the Shapiro Wilk test. The F-test was used to analyze the homogeneity of variance. Continuous variables with normal distribution were expressed as mean and standard deviation and assessed using the unpaired t-Student test. Continuous variables with non-normal distribution were expressed as median and interquartile range and assessed by the Mann-Whitney U test. Categorical variables were expressed as absolute and relative frequencies and tested by the Pearson's chi-square test.
Then, the cutoff points for the anthropometric indicators (BMI, BAI, WHR and WC) to identify individuals at 20% or more 10-year coronary artery disease risk (VHR20%) were determined by ROC (Receiver Operating Characteristic) curves by age and sex. The maximum value of the Youden index (sensitivity + specificity – 1) was used as the criterion for selecting the optimum cut-off point. Areas under the ROC curves (AUCs) and respective 95% confidence intervals (95% CI) were used to evaluate individual predictive ability of the indicators. The AUCs were compared by the non-parametric test proposed by Delong et al.,30 and differences in the indicators alone and combined were compared between sexes and age ranges. Also, the AUC of the best combination of indicators was compared with that of the best individual indicator in each group.
Discriminatory ability of indicators was tested either alone or in combinations (indicator of overall obesity with indicator of central obesity. First, four combinations were analyzed (BAI + WC, BMI + WC, BAI + WHR and BMI + WHR), rated and grouped as follows: “0 = both indicators are within normal range”; “1 = indicator of overall obesity only is increased”; “2 = indicator of central obesity only is increased”; “3 = both indicators are increased”. For example, in the combination BAI + WC, the groups were: “0 = BAI0+WC0”; “1 = BAI1+WC0”; “2 = BAI0+WC1”; and “3 = BAI1+WC1”.
Subsequently, to determine the adjusted association of indicators of overall obesity with those of central obesity and combinations, another grouping into four categories was made, varying from none to at least one indicator (either overall or central obesity) was increased, i.e., 00, 01, 10, 11. For this purpose, dummies variables were created: 0 = participants without any increased indicator; 1 = participants with at least one indicator of overall obesity increased and indicators of central obesity within normal range; 2 = participants with at least one indicator of central obesity increased and indicators of central obesity within normal range; 3 = the other possible combinations between at least one indicator of central obesity increased and at least one indicator of overall obesity increased.
Associations were tested by Poisson regression models with robust variance, with analysis of the prevalence ratio (PR) and the 95% CI between the combinations of indicators and VHR20%. Due to the low frequency of VHR20% among young women (0.8%), and the small number of participants at risk in some combinations, an additional analysis was conducted to confirm or not the associations of the anthropometric indicators (alone or in combination) with cardiovascular risk, with HR10% as the outcome.
Model adjustments were assessed by analysis of Pearson residuals.
The significance level was set at 5% (p<0.05), and the statistical analyses were performed using the STATA software program version 12.0.
Results
A total of 6,881 men (28.5% aged between 60 and 74 years) and 8,211 women (26.7% aged between 60 and 74 years) at baseline of the ELSA-Brasil study. Mean values of total cholesterol, SBP, DBP and median age and HDL-cholesterol were higher in participants of both sexes aged 60-74 years compared with younger ones, except DBP and total cholesterol in men.
The prevalence of VHR20% was 6.3% and 40.6% in men aged 35-59 years and 60-74 years, respectively, and 0.8% and 6.1% in women aged 35-59 years and 60-74 years, respectively. A higher prevalence of men with central obesity (WC1 and WHR1) was observed compared with women, in both age ranges, with higher prevalence in older (60-74 years) subjects of both sexes. Differences in the percentage of patients with overall obesity varied according to the indicator (Table 1).
Characteristics of participants by sex and age range – ELSA-Brasil (2008-2010)
Men
Women
Variable
35-59 years (n= 5,354)
60-74 years (n= 1,527)
35-59 years (n= 6,478)
60-74 years (n= 1,733)
Age, median (IQR)
48 (44-54)*
65 (62-69)*†
49 (44-54)
64 (61-68)†
Total cholesterol, mean (SD)
214.1 (44.6)
207.1 (42.4)*†
214.5 (39.8)
224.2 (45.4)†
HDL-Cholesterol, median (IQR)
48 (42-56)*
50 (43-59)*†
59 (51-70)
62 (52-73)†
Systolic blood pressure, mean (SD)
124.0 (15.7)*
131.1 (19.2)*†
115.1 (15.3)
127.4 (19.1)†
Diastolic blood pressure, mean (SD)
79.2 (10.8)*
77.9 (10.9)*†
73.8 (10.2)
74.8 (10.2)†
HR,10%, n (%)
1.711 (32.0)*
1.285 (84.2)*†
542 (8.4)
613 (35.4%)†
VHR,20%, n (%)
340 (6.3)*
620 (40.6)*†
52 (0.8)
106 (6.1)†
Diabetes, n (%)
1.301 (19.3)*
569 (37.3)*†
882 (13.6)
484 (27.9)†
Smoking, n (%)
813 (15.2)*
171 (11.2)*†
855 (13.2)
138 (7.9)†
BAI1, n (%)
1.521 (28.4)*
524 (34.3)†
2.468 (38.1)
585 (33.8)†
BMI1, n (%)
2.425 (45.3)*
542 (35.5)†
2.269 (35.0)
583 (33.6)
WC1, n (%)
2.491 (46.5)*
871 (57.0)*†
2.346 (36.2)
682 (39.3)†
WHR1, n (%)
1.761 (32.9)*
892 (58.4)*†
1.351 (20.9)
598 (34.5)†
HDL: high-density lipoprotein; HR10%: high risk (individuals with 10-20% 10-year coronary artery disease risk); VHR20%: very high risk (individuals with 20% or more 10-year coronary artery disease risk; BAI: body adiposity index; BMI: body mass index; WC: waist circumference; WHR: waist-hip ratio; SD: standard deviation; IQR: interquartile range; n (%): number of observations (frequency).
p< 0.05 compared with women within the same age group;
p< 0.05 compared with younger individuals of the same sex.
The best cutoff point of each indicator to detect VHR20% and define the groups is listed in Table 2, where 0 means “normal” and 1 “increased”.
Cutoff points of anthropometric indicators and respective classifications – ELSA-Brasil (2008-2010)
WC < 0.97 (men) or WC < 0.90 (women 35-59 years) or WC < 0.91 (women 60-74 years)
WHR0
WC ≥ 0.97 (men) or WC ≥ 0.90 (women 35-59 years) or WC ≥ 0.91 (women 60-74 years)
WHR1
BAI: body adiposity index; BMI: body mass index; WC: waist circumference; WHR: waist-hip ratio;
“0 = normal” and “1 = increased”.
Among the anthropometric indicators, WHR showed the highest discriminatory ability for VHR20% in all groups. The AUC for the combination BAI + WHR was higher in men and the AUC for BMI + WHR was higher in women in both age ranges. The performance of all indicators, either alone or in combinations, was better in women than men, except the BAI1 that did not show statistically significant difference. Likewise, in the comparison of participants between age groups, only BAI1 in both sexes and BMI1 in men did not show statistically significant difference.
Compared with individual analyses of the indicators, combined analyses yielded higher sensitivity, except for the BAI + WC and BMI + WC combinations in older men, which had lower sensitivity than the WHR. Sensitivity of all combinations were higher than 70%, reaching values higher than 90% (Table 3) in women aged 35-59 years (Table 3).
Measures of diagnostic accuracy of individual and combined anthropometric indicators of obesity to estimate 20% of coronary risk in 10 years, according to sex and age group. ELSA-Brasil (2008-2010).
Men 35-59 years (n=5,354)
Men 60-74 years (n=1,527)
Indicators
SEN (%)
SPE (%)
AUC (95%CI)
SEN (%)
SPE (%)
AUC (95%CI)
p
Individual
BAI1
43.2
72.6
0.578 (0.551 – 0.605)
39.8
69.5
0.547 (0.522 – 0.571)
0.080
BMI1
62.9
55.9
0.594 (0.568 – 0.621)
43.2
69.8
0.565 (0.541 – 0.590)
0.116
WC1
64.9
54.7
0.598 (0.572 – 0.624)
64.2
47.9
0.560 (0.535 – 0.585)
0.041
WHR1
62.2
69.1
0.657 (0.630 – 0.683)abc
71.6
50.6
0.611 (0.587 – 0.635)abc
0.013
Combinations
BAI + WC
70.9
49.3
0.618 (0.589 – 0.647)
70.3
41.7
0.574 (0.549 – 0.601)
0.029
BAI + WHR
75.3
55.7
0.680 (0.652 – 0.707)1.3#
80.3
40.0
0.624 (0.597 – 0.650)1.3
0.004
BMI + WC
71.2
48.3
0.610 (0.583 – 0.638)
64.6
46.6
0.578 (0.550 – 0.605)
0.010
BMI + WHR
77.9
48.4
0.672 (0.645 – 0.700)2.4
76.0
44.4
0.623 (0.596 – 0.650)2.4
0.013
Women 35-59 years (n=6,478)
Women 60-74 years (n=1,733)
Indicators
SEN (%)
SPE (%)
AUC (95%CI)
SEN (%)
SPE (%)
AUC (95%CI)
p
Individual
BAI1
63.5
62.1
0.628 (0.562 – 0.694)
50.9
67.4
0.592 (0.542 – 0.641)
0.389
BMI1
78.9
65.3
0.721 (0.665 – 0.777)e*
58.5
68.0
0.632 (0.584 – 0.681)*
0.020
WC1
92.3
64.2
0.783 (0.746 – 0.820)df*
68.9
62.6
0.657 (0.611 – 0.703)d*
<0.001
WHR1
80.8
79.6
0.802 (0.748 – 0.856)ab*
66.0
67.6
0.668 (0.621 – 0.715)a*
<0.001
Combinations
BAI + WC
94.2
51.6
0.777 (0.734 – 0.820)*
75.5
52.6
0.667 (0.618 – 0.717)*
0.001
BAI + WHR
98.1
53.2
0.846 (0.810 – 0.882)1.3*
85.8
48.1
0.709 (0.663 – 0.754)*
<0.001
BMI + WC
92.3
59.0
0.786 (0.743 – 0.829)*
70.8
57.9
0.668 (0.618 – 0.717)*
<0.001
BMI + WHR
96.2
59.4
0.850 (0.811 – 0.889)2.4*#
82.1
52.1
0.710 (0.663 – 0.757)4*#
<0.001
BAI: body adiposity index; BMI: body mass index; WC: waist circumference; WHR: waist-hip ratio; 95%CI: 95% confidence interval; p: p value when comparing age groups of the same sex. Bold: Highest AUC values in each grouping. p≤0.05 between individual indicators by sex – SEN: sensitivity; SPE: specificity; AUC: Area under the ROC curves.
WHR > BAI;
WHR > BMI;
WHR > WC;
WC > BAI; and BMI> BAI;
WC > BMI; between combinations by sex
BAI+WHR > BAI+WC;
BMI+WHR > BAI+WC;
BAI+WHR > BMI+WC;
BMI+WHR > BMI+WC.
with men of the same age group;
best match with best individual.
Combinations of two indicators had greater predictive capacity than the indicators alone. For example, while AUCs of BMI1 and WHR1 in women aged 60-74 years were 0.632 and 0.668, respectively, the AUC of BMI + WHR was 0.710, i.e., an increase of at least 0.042 (0.042/0.668 = 6.3%). The increment with the best combinations varied from 2.1% to 6.3% (Figure 1).
Graphic representation of areas under the ROC curve of individual and combined anthropometric indicators to identify very-high risk for coronary artery disease by sex and age ranges, ELSA-Brasil 2008-2010.
Combinations of one indicator of overall obesity with one indicator of central obesity (BAI1+WC1, BAI1 + WHR1, BMI1+WC1 and BMI1+WHC1) were positively associated with VHR20% in men and women in both, regardless of the presence of only one indicator, be it of overall or central obesity. The prevalence ratios of these combinations were also higher than in all other groups (Table 4).
Adjusted prevalence ratios of combinations of anthropometric indicators of obesity to estimate very-high risk for coronary artery disease, by sex and age ranges – ELSA-Brasil (2008-2010)
Men
Women
35-59 years (n=5,354)
60-74 years (n=1,527)
35-59 years (n=6,478)
60-74 years (n=1,733)
Combinations of indicators
n (risk)
PR (95%CI)
n (risk)
PR (95%CI)
n (risk)
PR (95%CI)
n (risk)
PR (95%CI)
BAI0 + WC0
2,573 (99)
1.0
562 (184)
1.0
3,321 (3)
1.0
881 (26)
1.0
BAI1 + WC0
290 (20)
1.79 (1.13 – 2.85)
94 (38)
1.23 (0.94 – 1.62)
811 (1)
1.36 (0.14 – 13.11)
170 (7)
1.40 (0.62 – 3.16)
BAI0 + WC1
1,260 (94)
1.94 (1.47 – 2.55)
441 (189)
1.31 (1.12 – 1.54)
689 (16)
25.70 (7.51 – 87.99)
267 (26)
3.30 (1.95 – 5.58)
BAI1 + WC1
1,231 (126)
2.66 (2.06 – 3.43)
430 (209)
1.48 (1.27 – 1.73)
1,657 (32)
21.38 (6.55 – 69.72)
415 (47)
3.84 (2.41 – 6.11)
BAI0 + WHR0
2,876 (84)
1.0
485 (122)
1.0
3,420 (1)
1.0
798 (15)
1.0
BAI1 + WHR0
717 (44)
2.10 (1.47 – 3.00)
150 (54)
1.43 (1.10 – 1.86)
1,707 (9)
18.03 (2.29 – 142.22)
337 (21)
3.32 (1.73 – 6.35)
BAI0 + WHR1
957 (109)
3.90 (2.96 – 5.13)
518 (251)
1.93 (1.61 – 2.30)
590 (18)
104.33 (13.95 – 780.18)
350 (37)
5.62 (3.13 – 10.11)
BAI1 + WHR1
804 (102)
4.34 (3.29 – 5.74)
374 (193)
2.05 (1.71 – 2.46)
761 (24)
107.85 (14.62 – 796.13)
248 (33)
7.08 (3.91 – 12.82)
BMI0 + WC0
2,521(98)
1.0
642 (219)
1.0
3,795 (4)
1.0
973 (31)
1.0
BMI1 + WC0
342 (21)
1.58 (1.00 – 2.50)
14 (3)
0.63 (0.23 – 1.72)
337 (0)
----
78 (2)
0.80 (0.20 – 3.30)
BMI0 + WC1
408 (28)
1.76 (1.17 – 2.65)
343 (133)
1.14 (0.96 – 1.35)
414 (7)
16.04 (4.71 – 54.61)
177 (13)
2.31 (1.23 – 4.32)
BMI1 + WC1
2,083 (192)
2.37 (1.87 – 3.00)
528 (265)
1.47 (1.28 – 1.69)
1,932 (41)
20.14 (7.22 – 56.19)
505 (60)
3.73 (2.45 - 5.68)
BMI0 + WHR0
2,500 (75)
1.0
552 (149)
1.0
3,820 (2)
1.0
866 (19)
1.0
BMI1 + WHR0
1,093 (53)
1.62 (1.15 – 2.28)
83 (27)
1.21 (0.86 – 1.69)
1,307 (8)
11.69 (2.48 – 54.99)
269 (17)
2.88 (1.52 – 5.46)
BMI0 + WHR1
429 (51)
3.96 (2.82 – 5.57)
433 (203)
1.74 (1.46 – 2.06)
389 (9)
44.19 (9.58 – 203.82)
284 (25)
4.01 (2.24 – 7.18)
BMI1 + WHR1
1,332 (160)
4.00 (3.07 – 5.22)
459 (241)
1.95 (1.65 – 2.19)
962 (33)
65.52 (15.75 – 272.60)
314 (45)
6.53 (3.88 – 10.99)
BAI: body adiposity index; BMI: body mass index; WC: waist circumference; WHR: waist-hip ratio; PR: prevalence ratio; 95%CI: 95% confidence interval; n: number of participants in the subgroup; risk: number of participants at very-high risk for coronary events
Although the prevalence of women with VHR20% was low (<1%) in the group aged 35-59 years, the number of women taken as reference (without risk) was very small, which may have explained the wide confidence intervals. Besides, in some strata, the number of participants at risk was small, as in the combination BMI1+WC0 in elderly men and women, which made difficult the analyses in these groups. For this reason, we also evaluated the associations of the combinations of anthropometric indicators with HR10%, which confirmed the results that individuals with an increased indicator of overall obesity (BAI or BMI) and an increased indicator of central obesity (WC or WHR) have higher 10-year coronary disease risk (Table 5).
Adjusted prevalence ratios of combinations of anthropometric indicators of obesity to estimate high risk for coronary artery disease, by sex and age ranges – ELSA-Brasil (2008-2010)
Men
Women
35-59 years (n=5,354)
60-74 years (n=1,527)
35-59 years (n=6,478)
60-74 years (n=1,733)
Combinations of indicators
n (risk)
PR (95%CI)
n (risk)
PR (95%CI)
n (risk)
PR (95%CI)
n (risk)
PR (95%CI)
BAI0 + WC0
2,573 (559)
1.0
562 (430)
1.0
3,321 (137)
1.0
881 (213)
1.0
BAI1 + WC0
290 (94)
1.49 (1.24 – 1.79)
94 (77)
1.07 (0.96 – 1.19)
811 (35)
1.05 (0.73 – 1.50)
170 (49)
1.19 (0.92 – 1.55)
BAI0 + WC1
1,260 (485)
1.77 (1.60 – 1.96)
441 (386)
1.14 (1.08 – 1.21)
689 (106)
3.73 (2.93 – 4.74)
267 (132)
2.04 (1.73 – 2.42)
BAI1 + WC1
1,231 (572)
2.14 (1.94 – 2.35)
430 (209)
1.19 (1.13 – 1.26)
1,657 (264)
3.86 (3.17 – 4.71)
415 (219)
2.18 (1.88 – 2.53)
BAI0 + WHR0
2,876 (607)
1.0
485 (345)
1.0
3,420 (125)
1.0
798 (161)
1.0
BAI1 + WHR0
717(239)
1.58 (1.39 – 1.79)
150 (127)
1.19 (1.09 – 1.30)
1,707 (117)
1.88 (1.47 – 2.40)
337 (122)
1.79 (1.47 – 2.19)
BAI0 + WHR1
957 (437)
2.16 (1.96 – 2.39)
518 (471)
1.28 (1.20 – 1.36)
590 (118)
5.47 (4.32 – 6.93)
350 (184)
2.61 (2.20 – 3.09)
BAI1 + WHR1
804 (427)
2.52 (2.29 – 2.77)
374 (342)
1.29 (1.20 – 1.37)
761 (182)
6.54 (5.28 – 8.10)
248 (146)
2.92 (2.45 – 3.47)
BMI0 + WC0
2,521 (562)
1.0
642 (498)
1.0
3,795 (146)
1.0
973 (233)
1.0
BMI1 + WC0
342 (91)
1.19 (0.99 – 1.44)
14 (9)
0.83 (0.56 – 1.23)
337 (26)
2.00 (1.34 – 3.00)
78 (29)
1.55 (1.14 – 2.12)
BMI0 + WC1
408 (154)
1.69 (1.47 – 1.96)
343 (299)
1.12 (1.06 – 1.19)
414 (57)
3.58 (2.68 – 4.78)
177 (85)
2.01 (1.66 – 2.42)
BMI1 + WC1
2,083 (903)
1.94 (1.78 – 2.12)
528 (479)
1.17 (1.11 – 1.23)
1,932 (313)
4.21 (3.49 – 5.09)
505 (266)
2.20 (1.91 – 2.53)
BMI0 + WHR0
2,500 (512)
1.0
552 (401)
1.0
3,820 (131)
1.0
866 (172)
1.0
BMI1 + WHR0
1,093 (334)
1.49 (1.33 – 1.68)
83 (71)
1.18 (1.06 – 1.30)
1,307 (111)
2.48 (1.94 – 3.16)
269 (111)
2.08 (1.71 – 2.53)
BMI0 + WHR1
429 (204)
2.32 (2.05 – 2.63)
433 (396)
1.26 (1.19 – 1.34)
389 (72)
5.40 (4.13 – 7.06)
284 (146)
2.59 (2.17 – 3.08)
BMI1 + WHR1
1,332 (660)
2.42 (2.20 – 2.66)
459 (417)
1.25 (1.18 – 1.33)
962 (228)
6.91 (5.64 – 8.47)
314 (184)
2.95 (2.51 – 3.47)
BAI: body adiposity index; BMI: body mass index; WC: waist circumference; WHR: waist-hip ratio; PR: prevalence ratio; 95%CI: 95% confidence interval; n: number of participants in the subgroup; risk: number of participants at very-high risk for coronary events
The presence of central obesity (WC1 and/or WHR1), in absence of overall obesity (BMI1 and/or BAI1) was more strongly associated with VHR20% and HR10% than the reverse combination. The magnitude of the effect of the combined presence of overall and central obesity was greater in all strata, except in the association with VHR20% in younger men (Table 6).
Prevalence ratios of anthropometric indicators of overall and central obesity to estimate very high and high 10-year coronary artery disease risk by sex and age range – ELSA-Brasil (2008-2010)
Very-high risk (VHR20%)
Men
Women
35-59 years (n=5,354)
60-74 years (n=1,527)
35-59 years (n=6,478)
60-74 years (n=1,733)
Combinations of indicators
n (risk)
PR (95%CI)
n (risk)
PR (95%CI)
n (risk)
PR (95%CI)
n (risk)
PR (95%CI)
Without risk
2,201 (63)
1.0
421 (111)
1.0
3,079 (1)
1.0
721 (13)
1.0
Overall obesity only
438 (23)
1.83 (1.15 – 2.92)
81 (28)
1.31 (0.93 – 1.84)
850 (1)
3.62 (0.23 – 57.79)
168 (7)
2.31 (0.97 – 5.70)
Central obesity only
585 (55)
3.28 (2.31 – 4.66)
440 (199)
1.72 (1.42 – 2.07)
509 (8)
48.39 (6.06 – 386.16)
303 (25)
4.58 (2.37 – 8.83)
Central + Overall
2,130 (198)
3.25 (2.46 – 4.28)
585 (282)
1.83 (1.53 – 2.19)
2,039 (42)
63.42 (8.73 – 460.51)
541 (61)
6.25 (3.47 – 11.26)
High risk (HR10%)
Without risk
2,201 (425)
1.0
421 (300)
1.0
3,079 (103)
1.0
721 (135)
1.0
Overall obesity only
438 (118)
1.40 (1.17 – 1.66)
81 (63)
1.09 (0.96 – 1.24)
851 (30)
1.05 (0.71 – 1.57)
168 (48)
1.53 (1.15 – 2.03)
Central obesity only
585 (242)
2.14 (1.88 – 2.47)
440 (393)
1.25 (1.17 – 1.34)
509 (80)
4.70 (3.56 – 6.20)
303 (144)
2.54 (2.09 – 3.08)
Central + Overall
2,130 (925)
2.25 (2.04 – 2.48)
585 (529)
1.27 (1.19 – 1.36)
2,039 (329)
4.82 (3.89 – 5.98)
541 (286)
2.82 (2.38 – 3.35)
PR: prevalence ratio; 95%CI: 95% confidence interval; n: number of participants in the subgroup; risk: number of participants at risk for future coronary events
Discussion
BAI1 showed a modest predictive ability in all groups, with an AUC varying between 0.547 (95%CI: 0.522-0.571) in men aged 60-74 years and 0.628 (95%CI:0.562-0.694) in younger women. This result was similar to BMI1, since despite the slightly greater AUC values compared with the AUCs of BAI1 only in the group of younger women, such difference was statistically significant (p<0.05). Of all anthropometric indicators analyzed, the WHR was the one with the best individual performance.
The ROC curves are frequently used to evaluate the performance of a diagnostic test, and probably the most used statistical analysis to measure the predictive ability of anthropometric indicators. Many studies, however, instead of performing a statistical comparison between indicators or the groups, they have been restricted to observing the largest AUC, making it difficult to evaluate its performance. In a Chinese study by Xiao et al.,12 the AUCs were compared, showing that the discriminatory abilities of type 2 diabetes mellitus (DM2), BAI and BMI were not statistically different between men and women. Also, central obesity indicators – WC, WHtR and WHR – were better predictors than DM2 in women than in men.12 These findings are similar to our results that demonstrated a comparable performance of BMI and BAI in both sexes, and that both WC and WHR were better predictors of coronary risk in women.
Leal Neto et al.14 did not find statistically significant differences between the AUCs of BAI and BMI (p=0.885) in discriminating hypertension in Brazilian elderly (men and women), despite slightly larger AUCs of BAI than BMI. Similar results in the comparison of the discriminatory ability of BAI and BMI were reported in a Colombian study,10 in identifying elevated blood pressure and glycemia, and metabolic syndrome in women,10 and in identifying hypertension in a sample of adult men participating in the Olivetti Heart Study.31 Nevertheless, BMI was a better discriminator of metabolic syndrome in Korean women.32
On the other hand, Alvim et al.13 pointed out that BAI, compared with WC and BMI, was a better predictor of DM2 in male and female Amerindians in Brazil. However, in a sample of the general population, residents of a capital city, the performance of BAI, BMI and WC was similar in men and WC was a better predictor of DM2 than BAI and BMI in women.
A study conducted with 2,981 Iranians, BAI and BMI had comparable performance as predictors of DM2 in men, whereas BAI was not a good predictor in women (AUC=0.527; 95%CI: 0.484-0.569). A reasonable predictive power of WHR was seen in both men and women; worse than WC and WHtR in men and similar to the other indicators in women.33
Few studies exist investigating global coronary risk as an outcome, which makes comparison of our results with others difficult. However, Felix-Redondo et al.,22 in a study with 28,743 individuals from Spain, reported a positive association of BMI, WC and WHR with future coronary events, calculated by the REGICOR score, adapted from the FRS and validated for the Spanish population. Almeida et al.15 identified a positive association between BAI and FRS in 14,673 participants of the ELSA-Brasil study.
Wang et al.,34 evaluated the individual performance of eight anthropometric indicators to estimate coronary risk (using the FRS) in 11,247 Chinese people, and identified a reasonable predictive power. The AUCs varied between 0.59 and 0.70 in women and between 0.52 and 0.60 in men, which was similar to our results. However, largest AUCs were found for the Body Shape Index in men and the WHtR and Body Roundness Index in women, which was not evaluated in the present study.
Some studies2,12,19 have suggested that indicators of body fat distribution are better predictors of health risk than indicators of overall obesity, as they provide a better estimate of abdominal fat, which is correlated with the amount of visceral adipose tissue, and consequently to greater production of pro-inflammatory adipokines. Nevertheless, the performance of these indicators in population studies has varied depending on characteristics like age, ethnicity, and sex, as well as on the cut-off points and outcomes analyzed.19,23,34 Likewise, studies10,14-16 on indicators of overall obesity have shown that genetic, environmental and behavioral components of different ethnic groups may explain differences in their performance, reinforcing the need for more appropriate parameters for screening health risk factors in each population.
In addition, there is no consensus that the combination of anthropometric indicators improves the diagnosis of adverse health effects, and studies using this methodology are scarce.19,23-26 Experts continue to search for better indicators or methodological strategies aiming at more accurate screening for diseases in different populations. Combinations of at least one indicator of overall obesity with one indicator of central obesity were more strongly associated with an increased risk of coronary artery disease, even after adjustments for the presence of either one indicator of overall obesity or of central obesity. All combinations showed higher sensitivity and larger AUCs than the indicators analyzed individually. The combinations BAI + WHR and BMI + WHR showed the largest AUC for men and women, respectively. These findings indicate that this method of analysis seems to be a good alternative to improve the screening for coronary risk factors.
Even considering certain degree of collinearity between indicators of overall and central obesity, which would indicate a reduction in the magnitude of the effect, in all associations, both HR10% and VHR20% were more prevalent in those individuals with increased values of one indicator of overall obesity and one indicator of central obesity concomitantly (BAI1+WC1, BAI1+WHR1, BMI1+WC1, and BMI1+WHR1) than the presence of only one indicator increased.
The study by Lam et al.23 partly corroborate these results in that two indicators combined improve the detection of individuals with cardiometabolic risk factors. However, in their study, the combination of BMI with WHtC, was the one with the best performance in employees of a hospital in Singapore. Likewise, Tao et al.25 showed that two indicators combined improved the predictive ability by up to 19.45% as compared with one indicator alone. The combination of BMI plus WC was the one with the largest AUC to detect hypertension and metabolic syndrome in Chinese men and women, DM2 in men and dyslipidemia in women. Also, this combination was more strongly associated with cardiovascular risk factors in a sample of white individuals from the Third National Health and Nutrition Examination Survey (NHANES III) than any of the indicators alone.24 It is worth mentioning that these two last studies did not evaluate BAI.
The main strength of the present study is the fact that this is the first study to test combinations of BAI with other indicators of central obesity to estimate coronary risk, including separate analysis of men and women in different age ranges. The results indicated that the combined use of an indicator of overall obesity with another of central obesity improves the identification of adult people or populations at higher 10-year risk of coronary events. Also, the study presents statistical comparisons of AUCs of the indicators (individually and combined) between sexes and age ranges.
However, there are potential limitations that should be considered. First, the cross-sectional design of the study does not allow inferences about the causal relationship between anthropometric measures of obesity and future coronary risk. Nevertheless, a reverse causality seems improbable, and strong evidence supports that obesity is a risk factor for cardiovascular disease.5,20-22 The follow-up of participants of the ELSA-Brasil study will allow to assess whether the combination of obesity indicators is a better predictor of coronary risk than the indicator alone. Another limitation is the external validity, since the sample population from the ELSA-Brasil study is not representative of the Brazilian population, as it does not include extreme segments such as the richer and poorer income groups. However, this is a large, multicenter and heterogenous sample, able to provide new insights of the relationship of overall and central obesity indicators with coronary risk in heterogeneous populations. Therefore, further investigations with other populations, as well as longitudinal studies and examination of other combinations of obesity indicators are warranted.
Conclusion
The WHR showed the best individual performance in both sexes and both age ranges. Combinations of at least one indicator of overall obesity with another of central obesity were more strongly associated with the risk of coronary artery disease. The combinations BAI+WHR and BMI + WHR yielded the largest AUCs in men and women, respectively. Thus, the combined use of one indicator of overall obesity (BAI or BMI, according to sex) with WHR is recommended as a screening strategy for coronary risk in adults. However, in low-income settings or in cases where a weighing scale for body weight is not available, a measuring tape can be used to measure hip circumference, WC and height, calculate BAI and WHR and perform risk assessment, since the performance of this combination was comparable to that of BMI + WHR in women.
Sources of Funding
This study was partially funded by Ministério da Saúde e Ministério da Ciência e Tecnologia do Brasil.
Study Association
This article is part of the thesis of master submitted by Rogério Tosta Almeida, from Instituto de Saúde Coletiva da Universidade Federal da Bahia.
Ethics approval and consent to participate
This study was approved by the Ethics Committee of the ISC/UFBA, Fiocruz, Hospital Universitário –USP, UFMG, UFES e Hospital as Clínicas de Porto Alegre under the protocol number 027/06, 343/06, 669/06, 186/06, 041/06, 194/06. All the procedures in this study were in accordance with the 1975 Helsinki Declaration, updated in 2013. Informed consent was obtained from all participants included in the study.