Arq Bras Cardiol abc Arquivos Brasileiros de Cardiologia Arq. Bras. Cardiol. 0066-782X 1678-4170 Sociedade Brasileira de Cardiologia - SBC YCBBGmRbzJvZHQcJ8SW5LBJ S0066-782X2023000700301 00301 10.36660/abc.20220728 Artigo Original Associação entre Hipertensão Arterial Sistêmica com Marcadores Laboratoriais, Composição Corporal, Apneia Obstrutiva do Sono e Variabilidade da Frequência Cardíaca em Adultos Obesos 0000-0001-7598-3775 Santos Clarcson Plácido Conceição Concepção e desenho da pesquisa Análise e interpretação dos dados Análise estatística Redação do manuscrito Revisão crítica do manuscrito quanto ao conteúdo intelectual importante 1 Lagares Laura Souza Obtenção de dados Análise e interpretação dos dados Redação do manuscrito Revisão crítica do manuscrito quanto ao conteúdo intelectual importante 1 0000-0002-9151-5549 Santos Sarah Rafaela Mascarenhas Obtenção de dados Redação do manuscrito Revisão crítica do manuscrito quanto ao conteúdo intelectual importante 1 0000-0001-5119-6638 Silva Mariana Sousa de Pina Obtenção de dados Análise e interpretação dos dados Redação do manuscrito Revisão crítica do manuscrito quanto ao conteúdo intelectual importante 1 Macedo Rodrigo Colares de Concepção e desenho da pesquisa Obtenção de dados Análise e interpretação dos dados Revisão crítica do manuscrito quanto ao conteúdo intelectual importante 1 Almeida Luiz Alberto Bastos de Concepção e desenho da pesquisa Análise e interpretação dos dados Redação do manuscrito Revisão crítica do manuscrito quanto ao conteúdo intelectual importante 2 0000-0001-9198-2318 Bomfim Eric Simas Concepção e desenho da pesquisa Obtenção de dados Redação do manuscrito Revisão crítica do manuscrito quanto ao conteúdo intelectual importante 1 Escola Bahiana de Medicina e Saúde Pública Grupo de Pesquisa em Doenças Metabólicas, Exercício Físico e Tecnologias em Saúde Salvador BA Brasil Escola Bahiana de Medicina e Saúde Pública – Grupo de Pesquisa em Doenças Metabólicas, Exercício Físico e Tecnologias em Saúde, Salvador, BA – Brasil Universidade Estadual de Feira de Santana Departamento de Educação Física Feira de Santana BA Brasil Universidade Estadual de Feira de Santana – Departamento de Educação Física, Feira de Santana, BA – Brasil Correspondência: Clarcson Plácido Conceição Santos • Escola Bahiana de Medicina e Saúde Pública – Av. Silveira Martins, 3386. CEP 40050-420, Cabula, Salvador, BA – Brasil E-mail: clarcson@hotmail.com

Potencial conflito de interesse

Não há conflito com o presente artigo.

 17 07 2023 2023 120 7 e20220728 27 06 2022 14 03 2023 20 04 2023 This is an Open Access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. Resumo Fundamento

A hipertensão arterial sistêmica (HAS) é uma doença multifatorial, altamente prevalente e associada a riscos à saúde.

 Objetivo

O objetivo deste estudo foi investigar a associação entre HAS e marcadores laboratoriais, antropométricos, de variabilidade da frequência cardíaca (VFC) e de apneia obstrutiva do sono e, em segundo plano, analisar a sensibilidade e especificidade das variáveis que são fatores independentes na associação.

 Métodos

Estudo transversal com 95 pacientes obesos atendidos em um ambulatório de referência em obesidade em Salvador, BA, Brasil. Os dados da HAS foram obtidos dos prontuários eletrônicos. A amostra foi estratificada em Grupo Normotenso (GN) e Grupo Hipertenso (GH), sendo medidos marcadores laboratoriais, composição corporal, polissonografia e VFC para avaliar a associação da HAS com as variáveis preditoras. Para as análises, adotou-se p<0,05.

 Resultados

A média da idade do GN foi de 36,3 ± 10,1 e GH 40,4 ± 10,6 anos, 73,7% eram mulheres no GN e 57,9% no GH; 82,4% no GH apresentavam resistência à insulina. No modelo de regressão logística multivariado com ajustes para idade, sexo, altura e saturação de oxi-hemoglobina, a HAS foi inversamente associada à glicose plasmática em jejum mg/dL (odds ratio [OR] = 0,96; intervalo de confiança de 95% [IC] = 0,92-0,99) e área de gordura visceral (AGV) cm2 (OR = 0,98; IC 95% = 0,97-0,99). A área sob a curva AGV foi de 0,728; IC 95% (0,620-0,836) e glicemia de jejum 0,693; IC 95% (0,582-0,804).

 Conclusão

Menores concentrações de AGV e glicemia de jejum foram inversamente associadas à HAS. Além disso, tanto a glicemia de jejum quanto o AGV mostraram alta sensibilidade para triagem de HAS.

 Hipertensão Biomarcadores Composição Corporal Apneia Obstrutiva Obesidade Frequência Cardíaca Adultos

: Associação entre Hipertensão Arterial Sistêmica com Marcadores Laboratoriais, Composição Corporal, Apneia Obstrutiva do Sono e Variabilidade da Frequência Cardíaca em Adultos Obesos As figuras apresentam os dados referentes à sensibilidade e especificidade da hipertensão arterial sistêmica com a gordura visceral e glicemia de jejum, respectivamente, além de seus pontos de corte para triagem de hipertensão arterial sistêmica.

Introdução

A hipertensão arterial sistêmica (HAS) é uma doença multifatorial, podendo ser proveniente de fatores ambientais e/ou genéticos, como a falta de atividade física, obesidade e hábitos alimentares.1 De acordo com a Organização Mundial da Saúde, estima-se que 1.28 bilhão de adultos com idades entre 30 e 79 anos em todo o mundo tenham hipertensão.2 Atualmente a HAS elevada está associada a um maior risco de mortalidade e é um fator significativo para intercorrências de eventos renais e cardiovasculares.3

A hipertensão pode ser induzida por possíveis alterações advindas da obesidade, como a estimulação de mecanismos que contribuem para este estado hipertensivo, podendo ser alterações a níveis hormonais, inflamatórios e endoteliais.4 A obesidade está associada a uma diminuição na expectativa de vida e sua prevalência tem se tornado um grande problema de saúde mundial, visto que o ganho de peso excessivo predispõe um aumento do risco de várias doenças, dentre essas, as doenças cardiovasculares, cerebrovasculares e metabólicas todas associadas a HAS.5 , 6

Dados prévios da literatura descrevem que alguns fatores devem ser considerados preditores de riscos para a ocorrência da HAS, entre eles estão a síndrome da apneia obstrutiva do sono, índice de massa corporal (IMC), circunferência de cintura (CC), área de gordura visceral abdominal, variabilidade da frequência cardíaca,7 - 9 alguns marcadores bioquímicos laboratoriais e comorbidades associadas.10 , 11 Em virtude da quantidade de variáveis e suas possíveis associações, ou não, torna-se necessário uma pesquisa mais aprofundada sobre as relações entre esses dados e a HAS, de forma que seja possível obter preditores mais confiáveis e independentes para tomadas de decisão na prática clínica, facilitando o prognostico de HAS nessa população.

Distúrbios respiratórios do sono como a apneia obstrutiva podem acelerar a progressão dos níveis de pressão arterial presente em adultos, especialmente de forma aguda podendo ser devido a hipóxia durante a noite.7 Já os mecanismos provocados por um maior valor de IMC, CC, massa de gordura corporal e glicemia podem provocar a estimulação do sistema nervoso simpático, alterações no sistema renina-angiotensina-aldosterona, aumento de marcadores inflamatórios e outros fatores responsáveis pelo equilíbrio no sistema circulatório, dessa forma, podendo associar-se a HAS.12 - 15 A hipertensão também está relacionada com a desregulação autonômica e, visto que a VFC pode ser caracterizada também por uma maior ativação simpática pode-se dizer que este seria o mecanismo associado a HAS.16

Diante do exposto, o objetivo do presente estudo foi investigar as associações da HAS com marcadores bioquímicos laboratoriais, medidas antropométricas e de composição corporal, variabilidade da frequência cardíaca e apneia obstrutiva do sono em adultos obesos e, em um segundo plano, de analisar a sensitividade e a especificidade das variáveis que são fatores independentes na associação, bem como seus respectivos pontos de corte.

 Materiais e métodos Desenho do estudo e amostra

Este estudo foi baseado em dados de corte transversal de 95 pacientes com idade ≥ 21 anos com diagnostico de obesidade e eletivos à cirurgia bariátrica em uma clínica particular de cirurgia e tratamento da obesidade na cidade de Salvador no Brasil. Os dados foram coletados no período de maio de 2016 a agosto de 2018. Pacientes com déficit cognitivo e sem a totalidade dos dados clínicos e laboratoriais não foram incluídos no estudo. Os voluntários do estudo foram categorizados em dois grupos de acordo com o diagnóstico clínico de hipertensão arterial sistêmica: grupo de normotensos (GN) e grupos de hipertensos (GH). O estudo foi submetido e aprovado pelo Comitê de Ética em Pesquisa da Escola Bahiana de Medicina e Saúde Pública/EBMSP, parecer número 1.530.178. Os autores declaram que todos os experimentos foram conduzidos seguindo a Declaração de Helsinque.

 Instrumentos de medidas Composição Corporal

Os dados de composição corporal foram mensurados por bioimpedância elétrica octopolar através do equipamento InBody 720 (inBody Canada Corp, Ottawa, Ontario, Canada) cumprindo os procedimentos especificados na literatura. Essa bioimpedância utiliza oito eletrodos, dois em contato com a palma (E1, E3) e o polegar (E2, E4) de cada mão e dois em contato com a parte anterior (E5, E7) e posterior (E6, E8) da planta de cada pé. Cinco impedâncias segmentares (braço direito, braço esquerdo, perna direita, perna esquerda e tronco) são medidas a 1, 5, 50, 250, 500 e 1000 KHz. Os pontos de contato do corpo com os eletrodos foram previamente limpos com um tecido eletrolítico recomendado pelo fabricante e os participantes orientados a cumprirem as seguintes normas de preparação: estar em jejum de pelo menos 4 horas, não consumir álcool 48h antes do teste, não realizar exercício de intensidade moderada à elevada nas 12 horas antes da avaliação, estar em um estado de hidratação adequada antes de realização da avaliação, não utilizar peças metálicas ou implantes dentários com metal (quando passíveis de serem removidos) e não ingerir café. Como resultado da bioimpedância, as seguintes variáveis foram determinadas: massa corporal total (kg), massa de gordura corporal (kg), massa musculo esquelético (kg), área de gordura visceral (cm2) e índice de massa corporal (kg/m2). Idade (anos), estatura (cm), circunferência da cintura (cm) e circunferência do quadril (cm) foram coletadas da base de prontuários do sistema da clínica.

 Variáveis bioquímicas

Os marcadores bioquímicos coletados foram HOMA-IR, insulina, glicose em jejum, colesterol total, colesterol HDL e triglicérides. O colesterol total, HDL, e triglicérides foram quantificados no soro, por meio de sistema colorimétrico. Os valores de referência foram considerados os da metodologia aplicada pelo laboratório, que são baseadas nos valores apresentados pela Sociedade Brasileira de Diabetes e Sociedade Brasileira de Cardiologia.17 Todas os dados foram coletados da base de prontuários do sistema da clínica, no pré-operatório.

 Análise da variabilidade da frequência cardíaca

Para os registros dos batimentos cardíacos foi utilizado o cardiofrequencimetro (v800 heart rate monitor da Polar®), calculado através da razão entre o intervalo RR, transferidos para um programa de computador com o objetivo de analisar a VFC através do software polar precision performance que foram importados para o Kubios software HRV (versão 2.0), utilizado para calcular os métodos lineares do domínio de tempo e frequência. Para a análise da VFC no domínio do tempo foi utilizado a raiz quadrada da média das diferenças ao quadrado entre os intervalos RR normais (RMSSD) e o desvio padrão da média de todos os intervalos RR normais (SDNN). Para a análise da VFC no domínio da frequência foram utilizados os componentes espectrais de baixa frequência (LF, 0,04-015 Hz) e alta frequência (HF, 0,15 a 0,40 Hz) em unidades normais (LFun e HFun, respectivamente), o que representa um valor em relação a cada componente espectral em relação à potência total menos os componentes muito baixa frequência (VLF), e a relação entre esses componentes (razão LF/HF).

A análise espectral foi calculada utilizando o algoritmo da transformada rápida de Fourier. Os participantes da amostra foram convidados a permanecerem em repouso, na posição de decúbito dorsal, sem exposição a luz excessiva e em um ambiente sem ruídos por 10 minutos para análise de um ponto de corte de 5 minutos, verificando no período pré-operatório.

 Apneia obstrutiva do sono

Os dados de polissonografia foram obtidos através de equipamento computadorizado da Respironics (Sistema Healthdyne Alice 4), sendo o laudo revisto, independentemente, por especialistas treinados. Um terceiro especialista foi consultado no caso de inconsistências no laudo final. O exame foi conduzido durante toda a noite, em sono espontâneo, sem nenhuma sedação ou privação do sono. Foram registrados: eletroencefalograma (eletrodos C3, C4), oculograma (O1, O2), eletromiograma (eletrodos nas regiões mentoniana, submentoniana e MMII), eletrocardiograma, fluxo aéreo (termistor nasal e bucal), esforço respiratório (cinta torácica e abdominal), ronco (microfone no queixo) e posição do corpo (sensor na cinta torácica).18

A saturação da oxi-hemoglobina foi mensurada através da oximetria de pulso. Os eventos respiratórios foram assim definidos: apneia, como a interrupção do fluxo aéreo por 10 segundos ou mais, e hipopneia, como a redução de 50% ou mais do fluxo aéreo inspiratório por período ≥ 10 segundos, associado a um decréscimo superior a 3% na saturação da oxi-hemoglobina e/ou a um micro despertar.

As apneias mistas foram incluídas no Índice de Apneia e Hipopneia (IAH), e definidas como aquelas que apresentavam ausência de esforço respiratório no início do período, seguido de aumento gradual. O IAH foi obtido através de exame polissonográfico, dividindo o total de eventos respiratórios pelas horas de sono. Os pacientes foram classificados de acordo com o IAH em: sem apneia – menos de 5.0 eventos/hora de sono; com apneia leve – entre 5.0 e 14.9 eventos/hora de sono; com apneia moderada – entre 15.0 e 30.0 eventos por/hora de sono e com apneia grave – mais de 30.0 eventos/hora de sono.

 Plano estatístico

Análises descritiva e analítica foram realizadas através do software Statistical Package for Social Sciences program, version 14.0 for Windows (SPSS Inc, Chicago, IL). Comparações entre pacientes normotensos e com hipertensão arterial sistêmica foram conduzidas baseado no diagnóstico clínico. A normalidade das variáveis foi verificada através da estatística descritiva e do teste de Kolmogorov-Smirnov. As variáveis categóricas foram expressas em valores absolutos e porcentagens e o teste de qui-quadrado usado para testar as diferenças entre as variáveis qualitativas. Variáveis contínuas com distribuição normal foram expressas como média e desvio padrão e as com distribuição não normal como mediana e intervalo interquartil. O test-t para amostras independentes ou o teste Mann-Whitney U foram utilizados para testar as diferenças entre as variáveis quantitativas. Modelos multivariados de regressão logística foram usados para estimativa da associação entre a hipertensão arterial sistêmica com composição corporal e marcadores laboratoriais. Para elaboração dos modelos de ajustes, as variáveis que apresentaram p<0,2 foram consideradas. A odds ratios foram ajustadas para idade, sexo, estatura e saturação de oxi-hemoglobina. Receiver Operating Characteristic Curve ( ROC curve ) foram usadas para estimativa da sensibilidade e especificidade entre hipertensão arterial sistêmica e área de gordura visceral abdominal e glicemia plasmática em jejum, assim como, os seus respectivos pontos de corte. Para inferência estatística, um valor de p<0,05 foi adotado.

 Resultados

Um total de 95 participantes de ambos os sexos foram selecionados para o estudo. O GN foi composto por 57 participantes (60%), e o GH de 38 participantes (40%), com uma média de idade 36,3 ± 10,1 e 40,4 ± 10,6 anos, respectivamente (p = 0,062). A tabela 1 apresenta as características dos pacientes de acordo com o diagnóstico clínico de HAS, categorizados como GN e GH. Comparados com os pacientes do GN, os pacientes do GH apresentaram maior massa corporal, IMC, CC, massa de gordura corporal (MGC) e AGV. A porcentagem de pacientes diagnosticados com resistência à insulina foi maior no GH. Os grupos foram homogêneos em relação aos dados laboratoriais, polissonografia, gravidade da apneia obstrutiva do sono (SAOS) e parâmetros da VFC.

– Características dos pacientes de acordo com o diagnóstico de hipertensão arterial sistêmica
GN (n = 57) GH (n = 38) Valor de p
Idade (anos) 36,3 (10,1) 40,4 (10,6) 0,062
Gênero n (%)
Homem 15 (26,3) 16 (42,1) 0,123
Mulher 42 (73,7) 22 (57,9)
Composição corporal
Massa corporal (kg) 113,3 (18,5) 124,6 (25) 0,013
Altura (cm) 166,8 (8,3) 169,6 (8,4) 0,114
IMC (kg/m2) 40,5 (4,6) 42,9 (6) 0,027
CC (cm) 117,3 (12,1) 124,6 (18,3) 0,024
MME (kg) 32,7 (7,4) 35,8 (7,6) 0,058
MGC (kg) 55,1 (9,2) 60,7 (14,9) 0,027
AGV (cm2) 202,8 (54,1) 262,2 (78,6) 0,0001
Dados Laboratoriais
Colesterol total (mg/dl) 197 (57) 201 (36,7) 0,657
HDL (mg/dl) 49,5 (11,8) 48,3 (11,5) 0,636
Triglicerídeos (mg/dl) 146 (74) 175,7 (113,4) 0,162
Glicemia em jejum (mg/dl) 96,9 (35,4) 105,5 (26,2) 0,180
Homa-IR 5 (3,9) 6,4 (3,9) 0,135
Comorbidades n (%)
Diabetes Mellitus 5 (8,8) 6 (15,8) 0,338
Resistência Insulínica 30 (57,7) 28 (82,4) 0,020
SAOS 34 (65,4) 24 (72,7) 0,633
Medidas de Polissonografia
IAH (eventos/h) 8,4 [3,8 – 15,7] 9,9 [4 – 17,5] 0,389
Frequência de SAOS 19 [13,7 – 27,5] 18 [12 – 29,2] 0,754
SO (%) 95 [93 – 96] 94 [92 – 95,7] 0,174
Severidade da SAOS n (%)
< 5 eventos/h 18 (34,6) 9 (27,3) 0,513
5 – 30 eventos/h 31 (59,6) 20 60,6)
> 30 eventos/h 3 (5,8) 4 (12,1)
VFC Parameters
Domínio de tempo
RR Médio 760,4 [638–849] 726 [647–814] 0,660
SDNN (ms) 70,7 [37,7–274] 84 [43,7–422] 0,522
RMSSD (ms) 64 [21,6–340] 117 [33,8–550] 0,373
pNN50 (ms) 18,4 [1,8–50] 13,6 [3,4–40,4] 0,861
Domínio de Frequência
LF (ms2) 56 [41–75] 51 [27–84,8] 0,601
HF (ms2) 43,6 [23,6–56] 46 [15,2–64,8] 0,443
LF/HF 1,3 [0,74–3,8] 1,4 [0,54–8,5] 0,898

IMC: índica de massa corporal; CC: circunferência abdominal; MME: massa muscular esquelética; MGC: massa de gordura corporal; AGV: área de gordura visceral; HDL: lipoproteínas de alta densidade; SAOS: apneia obstrutiva do sono; IAH: índice de apneia e hipopneia; SO: saturação de oxi-hemoglobina; VFC: variabilidade da frequência cardíaca; SDNN: desvio padrão da média de todos os intervalos RR normais; RMSSD: raiz quadrada da média das diferenças ao quadrado entre os intervalos RR normais; LF: baixa frequência; HF: alta frequência. O teste qui-quadrado foi utilizado para analisar

A tabela 2 apresenta associações significantes (p<0,05) da HAS com medidas de composição corporal, dados laboratoriais e de comorbidades, através de análises multivariadas não ajustadas e ajustadas. As variáveis massa corporal, massa muscular esquelética (MME), IMC, CC, triglicérides, HOMA-IR e resistência à insulina não apresentaram diferenças estatísticas na análise de regressão logística multivariada. No modelo de análise final, após ajustes para covariáveis, incluindo idade, sexo, estatura e saturação de oxiemoglobina, a associação entre HAS e composição corporal foi (OR = 0,98, 95% confidence interval (CI) = 0,97-0,99) para área de gordura visceral e para marcadores laboratoriais (OR = 0,96, 95% CI = 0,92-0,99) para glicemia plasmática em jejum. Ambas as variáveis demonstraram serem as únicas independentemente associadas com HAS.

– Modelo de regressão logística multivariada das variáveis de gordura corporal, laboratoriais e comorbidade entre pacientes obesos com e sem hipertensão arterial sistêmica
Variáveis Modelo Inicial Modelo Final*
β OR (95% IC) p β OR (95% IC) p
Massa Corporal -0,089 0,91 (0,75 – 1,10) 0,362 - - -
AGV -0,015 0,98 (0,97 – 0,99) 0,011 -0,014 0,98 (0,97 – 0,99) 0,026
MME 0,154 1,16 (0,84 – 1,61) 0,356 - - -
IMC -0,026 0,97 (0,76 – 1,25) 0,842 - - -
CC 0,005 1,00 (0,94 – 1,06) 0,882 - - -
Triglicerídeos -0,001 0,99 (0,99 – 1,00) 0,684 - - -
Glicemia em jejum -0,035 0,96 (0,93 – 0,99) 0,043 -0,040 0,96 (0,92 – 0,99) 0,047
Homa - IR 0,017 1,07 (0,86 – 1,19) 0,836 - - -
Resistência Insulínica -1,167 0,31 (0,08 – 1,21) 0,093 - - -

*O modelo final inclui idade, sexo, altura e saturação de oxi-hemoglobina. AGV: área de gordura visceral; MME: massa muscular esquelética; IMC: índice de massa corporal; CC: circunferência abdominal.

As figuras 1 e 2 apresentam os dados relacionados com a sensibilidade e especificidade da HAS com a área de gordura visceral e a glicemia plasmática em jejum, respectivamente, além de seus pontos de corte para screening da HAS. A área de gordura visceral apresentou área sob a curva = 0,728 (95% CI = 0,62-0,84) e ponto de corte para HAS: > 220,3 cm2, enquanto a glicemia plasmática em jejum apresentou área sob a curva = 0,69 (95% CI = 0,58-0,80) e ponto de corte para HAS: > 95 mg/dl.

– Curva ROC para área de gordura visceral como triagem para HAS. Área soba curva (AUC) = 0,728; IC 95% (0,620 – 0,836). Ponto de corte para HAS: > 220,3 cm2.

– Curva ROC para triagem de glicemia de jejum para HAS. Área sob a curva (AUC) = 0,693; IC 95% (0,582 – 0,804). Ponto de corte para HAS: > 95 mg/dl.

Discussão

No presente estudo, análises comparativas entre os grupos demonstraram que medidas de composição corporal, dados laboratoriais e de comorbidade foram maiores no GH. No entanto, as únicas variáveis independentemente associadas a HAS foi a área de gordura visceral e a glicemia plasmática em jejum. As forças dessas associações descritas nas análises não ajustadas foram levemente alteradas após ajustes para potenciais variáveis de confusão. Estes resultados fornecem suporte adicional acerca da importância da manutenção dos baixos níveis de armazenamento de gordura visceral abdominal, assim como, do controle da glicemia plasmática em jejum como potenciais fatores de proteção para a HAS.

Medidas de composição corporal, marcadores bioquímicos e comorbidades avaliados nesse estudo, impactam de diferentes formas nos mecanismos relacionados com a HAS. Estudos prévios corroboram com os nossos achados, nesse sentido, Chandra et al.,19 demonstraram que medidas maiores de IMC foram significativamente associadas a HAS incidente nos participantes.19 Nesse sentido, Lee et al.,20 encontraram que a cada aumento de 1kg/m2 no IMC houve também um aumento de 19% no risco de hipertensão arterial e Holmes et al.,21 mostraram que para cada aumento em 1kg/m2 no IMC a pressão arterial sistólica aumentou em 0,70mmHg.21 Uma provável explicação para a associação da medida de IMC com a HAS, sabendo que trata-se de um índice com pontos de corte para a classificação de obesidade com uma boa acurácia na predição,22 é o fato de que o fenótipo obeso, mesmo que metabolicamente saudável, está diretamente ligado à um risco aumentado para a hipertensão,23 , 24 visto que há mecanismos patológicos como hiperinsulinemia, estimulação do sistema nervoso simpático e níveis anormais de adipocitocinas que afetam o endotélio vascular, responsável pela manutenção da homeostase vascular.12

Ainda tratando de medidas de composição corporal, em nossos achados a circunferência de cintura também demonstrou associação com a HAS, assim como no estudo de Guilherme at al.,25 o qual demonstrou que em adolescentes brasileiros a CC obteve uma associação positiva como indicador antropométrico independente para HAS, sendo que, aqueles classificados com obesidade central tiveram 130% mais chances de ter a pressão arterial elevada quando comparados com os adolescentes sem o diagnóstico de obesidade abdominal. Carba et al.,26 encontraram que a cada aumento de 1cm na CC as chances de hipertensão aumentaram em 5% para mulheres sem sobrepeso e 3% para mulheres com sobrepeso.26 Sendo a CC um indicador de obesidade abdominal,27 pode-se dizer que uma possível explicação para a associação da CC com a HAS esteja relacionada com o excesso de depósitos de gordura nessa região, visto que o tecido adiposo visceral tem um importante papel na ativação do sistema renina-angiotensina-aldosterona, o que pode influenciar na hemodinâmica central e sistêmica.13

Como podemos observar, a mudança de um fenótipo normotenso para hipertenso envolve diferentes fatores. Além das variáveis já citadas, a MGC também interfere na hemodinâmica de forma que a distribuição de gordura pode ditar o risco de doenças cardiovasculares.28 Dessa maneira, Han et al.,29 encontraram que em comparação com indivíduos normotensos, o percentual de gordura corporal foi significativamente maior no grupo de hipertensos.29 Park et al.,30 também demonstraram que indivíduos com alta porcentagem de gordura corporal foram associados ao aumento do risco de hipertensão mesmo com baixo IMC, CC ou relação cintura-quadril, sendo que o aumento do risco foi proporcional ao aumento do percentual.30 Nesse caso, através do aumento da MGC os níveis no plasma de biomarcadores inflamatórios como proteína C-reativa e interleucinas também podem aumentar, o que consequentemente, pode predispor o desenvolvimento de doenças cardiovasculares, incluindo a hipertensão.14

Como mencionado anteriormente, a distribuição de gordura pode ditar o risco de doenças cardiovasculares e, ainda nesse sentido, indivíduos com maior tecido adiposo visceral e depósitos de gordura ectópica tem uma prevalência ainda maior de distúrbios metabólicos como a hipertensão.31 , 32 Nas figuras 1 e 2 pode-se visualizar a área sobre a curva ROC para sensibilidade e especificidade para área de gordura visceral e glicemia plasmática em jejum encontradas no nosso estudo, as quais demonstram que ambas as variáveis obtiveram associações independentes com a HAS, destacando principalmente, a área de gordura visceral. O tecido adiposo visceral em excesso realiza a secreção de hormônios e moléculas que acentuam doenças cardiovasculares e também se torna resistente à insulina e leptina, podendo contribuir para resistência vascular e disfunção do sistema nervoso simpático.31 Já o tecido adiposo intra-abdominal em níveis elevados pode ser considerado como parte de fenótipo cujo resultado associa-se a uma alteração disfuncional do tecido adiposo subcutâneo e armazenamento ectópico de triglicerídeo, levando essa alteração morfológica a fazer parte de um conjunto de fatores de risco cardiometabólicos.33

Sabendo que a resistência à insulina pode contribuir para a resistência vascular e disfunção do sistema nervoso simpático,31 é importante destacar sua relação com os níveis de glicemia plasmática em jejum, visto que, à medida que a glicemia em jejum aumenta, o índice de sensibilidade a insulina diminui.34 Em um estudo realizado em japoneses foi observado que altos níveis de glicose em jejum foi independentemente e significativamente associado à hipertensão, sendo que a taxa de risco em participantes com glicemia acima ou igual a 7,0 mmol/l foi de 1,79 comparado com os participantes com glicemia menor que 5,6 mmol/l.15 Esses resultados corroboram com os nossos achados, já que a glicemia plasmática em jejum foi associada independentemente a HAS.

As associações de glicemia plasmática em jejum e gordura visceral abdominal com a HAS descritos no presente estudo têm implicações práticas potenciais para intervenções de tratamento para melhorar os resultados em pacientes com obesidade e são provavelmente generalizáveis para populações em todo o mundo. No entanto, existem limitações para determinar se as associações estatísticas são causais e a direção das associações deve ser levada em consideração antes de se chegar a conclusões definitivas. Como o estudo é observacional, não é possível descartar os efeitos de confusão residual ou não mensurada como explicação para os resultados. Além disso, o desenho transversal não permite determinar se o quadro clínico de HAS precedeu ou foi influenciado pelo perfil metabólico e morfológico. É possível que as associações observadas da HAS com os marcadores bioquímicos e de composição corporal sejam bidirecionais.

 Conclusão

Em conclusão, o presente estudo demonstra uma associação inversa e independente entre a concentração de glicose plasmática em jejum e a área de gordura visceral abdominal com HAS em pacientes obesos. Além disso, tanto a glicemia de jejum quanto a área de gordura visceral apresentaram alta sensibilidade para triagem de HAS. Os resultados chamam a atenção para a importância de intervenções para melhorar o controle de variáveis bioquímicas e de composição corporal, prevenir alterações na glicemia plasmática e atenuar o aumento da gordura visceral abdominal em pacientes com obesidade.

 Referências 1. Padmanabhan S, Caulfield M, Dominiczak AF. Genetic and Molecular Aspects of Hypertension. Circ Res. 2015 Mar 13;116(6):937–59. doi: 10.1161/CIRCRESAHA.116.303647 Padmanabhan S Caulfield M Dominiczak AF Genetic and Molecular Aspects of Hypertension Circ Res 2015 03 13 116 6 937 959 10.1161/CIRCRESAHA.116.303647 2. World Health Organization. Hypertension. Genève; 2021. p. 1–4. World Health Organization Hypertension Genève 2021 1 4 3. Rahimi K, Emdin CA, MacMahon S. The Epidemiology of Blood Pressure and Its Worldwide Management. Circ Res. 2015 Mar 13;116(6):925–36. doi: 10.1161/CIRCRESAHA.116.304723 Rahimi K Emdin CA MacMahon S The Epidemiology of Blood Pressure and Its Worldwide Management Circ Res 2015 03 13 116 6 925 936 10.1161/CIRCRESAHA.116.304723 4. Seravalle G, Grassi G. Obesity and hypertension. Pharmacol Res. 2017 Aug;122(122):1–7. doi: 10.1016/j.phrs.2017.05.013 Seravalle G Grassi G Obesity and hypertension Pharmacol Res 2017 08 122 122 1 7 10.1016/j.phrs.2017.05.013 5. Definition T, Syndrome M. Obesity and Lipotoxicity. Engin AB, Engin A, editors. Cham: Springer International Publishing; 2017. (Advances in Experimental Medicine and Biology; vol. 960). Definition T Syndrome M Obesity and Lipotoxicity Engin AB Engin A editors Cham: Springer International Publishing 2017 Advances in Experimental Medicine and Biology; 960 6. Wang YC, McPherson K, Marsh T, Gortmaker SL, Brown M. Health and economic burden of the projected obesity trends in the USA and the UK. Lancet. 2011 Aug;378(9793):815–25. doi: 10.1016/S0140-6736(11)60814-3 Wang YC McPherson K Marsh T Gortmaker SL Brown M Health and economic burden of the projected obesity trends in the USA and the UK Lancet 2011 08 378 9793 815 825 10.1016/S0140-6736(11)60814-3 7. Peppard PE, Young T, Palta M, Skatrud J. Prospective Study of the Association between Sleep-Disordered Breathing and Hypertension. N Engl J Med. 2000 May 11;342(19):1378–84. doi: 10.1056/NEJM200005113421901 Peppard PE Young T Palta M Skatrud J Prospective Study of the Association between Sleep-Disordered Breathing and Hypertension N Engl J Med 2000 05 11 342 19 1378 1384 10.1056/NEJM200005113421901 8. Zhou W, Shi Y, Li Y, Ping Z, Wang C, Liu X, et al. Body mass index, abdominal fatness, and hypertension incidence: a dose-response meta-analysis of prospective studies. J Hum Hypertens. 2018 May 27;32(5):321–33. doi: 10.1038/s41371-018-0046-1 Zhou W Shi Y Li Y Ping Z Wang C Liu X et al Body mass index, abdominal fatness, and hypertension incidence: a dose-response meta-analysis of prospective studies J Hum Hypertens 2018 05 27 32 5 321 333 10.1038/s41371-018-0046-1 9. Reule S, Drawz PE. Heart Rate and Blood Pressure : Any Possible Implications for. 2013;14(6):478–84. doi: 10.1007/s11906-012-0306-3 Reule S Drawz PE Heart Rate and Blood Pressure : Any Possible Implications for 2013 14 6 478 484 10.1007/s11906-012-0306-3 10. Kuwabara M, Chintaluru Y, Kanbay M, Niwa K, Hisatome I, Andres-Hernando A, et al. Fasting blood glucose is predictive of hypertension in a general Japanese population. J Hypertens. 2019;37(1):167–74. doi: 10.1097/HJH.0000000000001895 Kuwabara M Chintaluru Y Kanbay M Niwa K Hisatome I Andres-Hernando A et al Fasting blood glucose is predictive of hypertension in a general Japanese population J Hypertens 2019 37 1 167 174 10.1097/HJH.0000000000001895 11. Ahn S-K, Lee J-M, Ji SM, Kim KH, Park J-H, Hyun MK. Incidence Hypertension and Fasting Blood Glucose from Real-World Data: Retrospective Cohort for 7-Years Follow-Up. Int J Environ Res Public Health [Internet]. 2021 Feb 21 [cited 2022 Feb 21];18(4):2085. doi: 10.3390/ijerph18042085 Ahn S-K Lee J-M Ji SM Kim KH Park J-H Hyun MK Incidence Hypertension and Fasting Blood Glucose from Real-World Data: Retrospective Cohort for 7-Years Follow-Up Int J Environ Res Public Health Internet 2021 02 21 cited 2022 Feb 21 18 4 2085 10.3390/ijerph18042085 12. Vaněčková I, Maletínská L, Behuliak M, Nagelová V, Zicha J, Kuneš J. Obesity-related hypertension: possible pathophysiological mechanisms. J Endocrinol. 2014 Dec;223(3):R63–78. doi: 10.1530/JOE-14-0368 Vaněčková I Maletínská L Behuliak M Nagelová V Zicha J Kuneš J Obesity-related hypertension: possible pathophysiological mechanisms J Endocrinol 2014 12 223 3 R63 R78 10.1530/JOE-14-0368 13. Krzesiński P, Stańczyk A, Piotrowicz K, Gielerak G, Uziębło-Zyczkowska B, Skrobowski A. Abdominal obesity and hypertension: a double burden to the heart. Hypertens Res. 2016 May 21;39(5):349–55. doi: 10.1038/hr.2015.145 Krzesiński P Stańczyk A Piotrowicz K Gielerak G Uziębło-Zyczkowska B Skrobowski A Abdominal obesity and hypertension: a double burden to the heart Hypertens Res 2016 05 21 39 5 349 355 10.1038/hr.2015.145 14. De Lorenzo A, Del Gobbo V, Premrov MG, Bigioni M, Galvano F, Di Renzo L. Normal-weight obese syndrome: early inflammation? Am J Clin Nutr. 2007 Jan 1;85(1):40–5. doi: 10.1093/ajcn/85.1.40 De Lorenzo A Del Gobbo V Premrov MG Bigioni M Galvano F Di Renzo L Normal-weight obese syndrome: early inflammation? Am J Clin Nutr 2007 01 1 85 1 40 45 10.1093/ajcn/85.1.40 15. Tatsumi Y, Morimoto A, Asayama K, Sonoda N, Miyamatsu N, Ohno Y, et al. Fasting Blood Glucose Predicts Incidence of Hypertension Independent of HbA1c Levels and Insulin Resistance in Middle-Aged Japanese: The Saku Study. Am J Hypertens. 2019 Nov 15;32(12):1178–85. doi: 10.1093/ajh/hpz123 Tatsumi Y Morimoto A Asayama K Sonoda N Miyamatsu N Ohno Y et al Fasting Blood Glucose Predicts Incidence of Hypertension Independent of HbA1c Levels and Insulin Resistance in Middle-Aged Japanese: The Saku Study Am J Hypertens 2019 11 15 32 12 1178 1185 10.1093/ajh/hpz123 16. Pavithran P, Madanmohan, Mithun R, Jomal M, Nandeesha H. Heart Rate Variability in Middle-Aged Men with New-Onset Hypertension. Ann Noninvasive Electrocardiol. 2008 Jul;13(3):242–8. doi: 10.1111/j.1542-474X.2008.00227.x Pavithran P Madanmohan Mithun R Jomal M Nandeesha H Heart Rate Variability in Middle-Aged Men with New-Onset Hypertension Ann Noninvasive Electrocardiol 2008 07 13 3 242 248 10.1111/j.1542-474X.2008.00227.x 17. Bertoluci MC, Moreira RO, Faludi A, Izar MC, Schaan BD, Valerio CM, et al. Brazilian guidelines on prevention of cardiovascular disease in patients with diabetes: a position statement from the Brazilian Diabetes Society (SBD), the Brazilian Cardiology Society (SBC) and the Brazilian Endocrinology and Metabolism Society (SBEM). Diabetol Metab Syndr. 2017 Dec 14;9(1):53. doi: 10.1186/s13098-017-0251-z Bertoluci MC Moreira RO Faludi A Izar MC Schaan BD Valerio CM et al Brazilian guidelines on prevention of cardiovascular disease in patients with diabetes: a position statement from the Brazilian Diabetes Society (SBD), the Brazilian Cardiology Society (SBC) and the Brazilian Endocrinology and Metabolism Society (SBEM) Diabetol Metab Syndr 2017 12 14 9 1 53 10.1186/s13098-017-0251-z 18. Punjabi NM, Shahar E, Redline S, Gottlieb DJ, Givelber R, Resnick HE. Sleep-disordered breathing, glucose intolerance, and insulin resistance: The sleep heart health study. Am J Epidemiol. 2004;160(6):521–30. doi: 10.1093/aje/kwh261 Punjabi NM Shahar E Redline S Gottlieb DJ Givelber R Resnick HE Sleep-disordered breathing, glucose intolerance, and insulin resistance: The sleep heart health study Am J Epidemiol 2004 160 6 521 530 10.1093/aje/kwh261 19. Chandra A, Neeland IJ, Berry JD, Ayers CR, Rohatgi A, Das SR, et al. The Relationship of Body Mass and Fat Distribution With Incident Hypertension. J Am Coll Cardiol. 2014 Sep 9;64(10):997–1002. doi: 10.1016/j.jacc.2014.05.057 Chandra A Neeland IJ Berry JD Ayers CR Rohatgi A Das SR et al The Relationship of Body Mass and Fat Distribution With Incident Hypertension J Am Coll Cardiol 2014 09 9 64 10 997 1002 10.1016/j.jacc.2014.05.057 20. Lee M-R, Lim Y-H, Hong Y-C. Causal association of body mass index with hypertension using a Mendelian randomization design. Medicine (Baltimore). 2018 Jul;97(30):e11252. doi: 10.1097/MD.0000000000011252 Lee M-R Lim Y-H Hong Y-C Causal association of body mass index with hypertension using a Mendelian randomization design Medicine (Baltimore) 2018 07 97 30 e11252 10.1097/MD.0000000000011252 21. Holmes M V., Lange LA, Palmer T, Lanktree MB, North KE, Almoguera B, et al. Causal Effects of Body Mass Index on Cardiometabolic Traits and Events: A Mendelian Randomization Analysis. Am J Hum Genet. 2014 Feb;94(2):198–208. doi: 10.1016/j.ajhg.2013.12.014 Holmes M V Lange LA Palmer T Lanktree MB North KE Almoguera B et al Causal Effects of Body Mass Index on Cardiometabolic Traits and Events: A Mendelian Randomization Analysis Am J Hum Genet 2014 02 94 2 198 208 10.1016/j.ajhg.2013.12.014 22. Chen Y-M, Ho SC, Lam SSH, Chan SSG. Validity of body mass index and waist circumference in the classification of obesity as compared to percent body fat in Chinese middle-aged women. Int J Obes. 2006 Jun 24;30(6):918–25. doi: 10.1038/sj.ijo.0803220 Chen Y-M Ho SC Lam SSH Chan SSG Validity of body mass index and waist circumference in the classification of obesity as compared to percent body fat in Chinese middle-aged women Int J Obes 2006 06 24 30 6 918 925 10.1038/sj.ijo.0803220 23. Zhao Y, Qin P, Sun H, Liu Y, Liu D, Zhou Q, et al. Metabolically healthy general and abdominal obesity are associated with increased risk of hypertension. Br J Nutr. 2020 Mar 14;123(5):583–91. doi: 10.1017/S0007114519003143 Zhao Y Qin P Sun H Liu Y Liu D Zhou Q et al Metabolically healthy general and abdominal obesity are associated with increased risk of hypertension Br J Nutr 2020 03 14 123 5 583 591 10.1017/S0007114519003143 24. Lee SK, Kim SH, Cho G-Y, Baik I, Lim HE, Park CG, et al. Obesity phenotype and incident hypertension. J Hypertens. 2013 Jan;31(1):145–51. doi: 10.1097/HJH.0b013e32835a3637 Lee SK Kim SH Cho G-Y Baik I Lim HE Park CG et al Obesity phenotype and incident hypertension J Hypertens 2013 01 31 1 145 151 10.1097/HJH.0b013e32835a3637 25. Guilherme FR, Molena-Fernandes CA, Guilherme VR, Fávero MTM, Reis EJB dos, Rinaldi W. Índice de massa corporal, circunferência da cintura e hipertensão arterial em estudantes. Rev Bras Enferm. 2015 Apr;68(2):214–8. Guilherme FR Molena-Fernandes CA Guilherme VR Fávero MTM Reis EJB dos Rinaldi W Índice de massa corporal, circunferência da cintura e hipertensão arterial em estudantes Rev Bras Enferm 2015 04 68 2 214 218 26. Carba DB, Bas IN, Gultiano SA, Lee NR, Adair LS. Waist circumference and the risk of hypertension and prediabetes among Filipino women. Eur J Nutr. 2013 Mar 9;52(2):825–32. doi: 10.1007/s00394-012-0390-9 Carba DB Bas IN Gultiano SA Lee NR Adair LS Waist circumference and the risk of hypertension and prediabetes among Filipino women Eur J Nutr 2013 03 9 52 2 825 832 10.1007/s00394-012-0390-9 27. Ahmad N, Adam SM, Nawi A, Hassan M, Ghazi H. Abdominal obesity indicators: Waist circumference or waist-to-hip ratio in Malaysian adults population. Int J Prev Med. 2016;7(1):82. doi: 10.4103/2008-7802.183654 Ahmad N Adam SM Nawi A Hassan M Ghazi H Abdominal obesity indicators: Waist circumference or waist-to-hip ratio in Malaysian adults population Int J Prev Med 2016 7 1 82 10.4103/2008-7802.183654 28. Koenen M, Hill MA, Cohen P, Sowers JR. Obesity, Adipose Tissue and Vascular Dysfunction. Circ Res. 2021 Apr 2;128(7):951–68. doi: 10.1161/CIRCRESAHA.121.318093 Koenen M Hill MA Cohen P Sowers JR Obesity, Adipose Tissue and Vascular Dysfunction Circ Res 2021 04 2 128 7 951 968 10.1161/CIRCRESAHA.121.318093 29. Han TS, Al-Gindan YY, Govan L, Hankey CR, Lean MEJ. Associations of body fat and skeletal muscle with hypertension. J Clin Hypertens. 2018 Dec 7;21(2):230-8. doi: 10.1111/jch.13456 Han TS Al-Gindan YY Govan L Hankey CR Lean MEJ Associations of body fat and skeletal muscle with hypertension J Clin Hypertens 2018 12 7 21 2 230 238 10.1111/jch.13456 30. Park SK, Ryoo J, Oh C, Choi J, Chung P, Jung JY. Body fat percentage, obesity, and their relation to the incidental risk of hypertension. J Clin Hypertens. 2019 Oct 9;21(10):1496–504. doi: 10.1111/jch.13667 Park SK Ryoo J Oh C Choi J Chung P Jung JY Body fat percentage, obesity, and their relation to the incidental risk of hypertension J Clin Hypertens 2019 10 9 21 10 1496 1504 10.1111/jch.13667 31. De Marco V, Aroor AR, Sowers JR. The pathophysiology of hypertension in patients with obesity. Nat Rev Endocrinol. 2014;10(6):364–76. doi: 10.1038/nrendo.2014.44 De Marco V Aroor AR Sowers JR The pathophysiology of hypertension in patients with obesity Nat Rev Endocrinol 2014 10 6 364 376 10.1038/nrendo.2014.44 32. John E. Hall, Carmo JM do, Silva AA da, Wang Z, Hall ME. Obesity-induced hypertension: interaction of neurohumoral and renal mechanisms. Physiol Behav. 2017;176(3):139–48. Hall John E. do Carmo JM Silva AA da Wang Z Hall ME. Obesity-induced hypertension: interaction of neurohumoral and renal mechanisms Physiol Behav 2017 176 3 139 148 33. Tchernof A, Després J-P. Pathophysiology of Human Visceral Obesity: An Update. Physiol Rev. 2013;93(1):359–404. doi: 10.1152/physrev.00033.2011 Tchernof A Després J-P Pathophysiology of Human Visceral Obesity: An Update Physiol Rev 2013 93 1 359 404 10.1152/physrev.00033.2011 34. Abdul-Ghani MA, Matsuda M, Jani R, Jenkinson CP, Coletta DK, Kaku K, et al. The relationship between fasting hyperglycemia and insulin secretion in subjects with normal or impaired glucose tolerance. Am J Physiol Metab. 2008 Aug;295(2):E401–6. doi: 10.1152/ajpendo.00674.2007 Abdul-Ghani MA Matsuda M Jani R Jenkinson CP Coletta DK Kaku K et al The relationship between fasting hyperglycemia and insulin secretion in subjects with normal or impaired glucose tolerance Am J Physiol Metab 2008 08 295 2 E401 E406 10.1152/ajpendo.00674.2007

Vinculação acadêmica

Não há vinculação deste estudo a programas de pós-graduação.

Aprovação ética e consentimento informado

Este estudo foi aprovado pelo Comitê de Ética em Pesquisa da Escola Bahiana de Medicina e Saúde Pública/EBMSP sob o número de protocolo 1.530.178. 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.

Fontes de financiamento: O presente estudo não teve fontes de financiamento externas.

 Original Article Association between Arterial Hypertension and Laboratory Markers, Body Composition, Obstructive Sleep Apnea and Autonomic Parameters in Obese Patients 0000-0001-7598-3775 Santos Clarcson Plácido Conceição Conception and design of the research Analysis and interpretation of the data Statistical analysis Writing of the manuscript Critical revision of the manuscript for important intellectual content 1 Lagares Laura Souza Acquisition of data Analysis and interpretation of the data Writing of the manuscript Critical revision of the manuscript for important intellectual content 1 0000-0002-9151-5549 Santos Sarah Rafaela Mascarenhas Acquisition of data Writing of the manuscript Critical revision of the manuscript for important intellectual content 1 0000-0001-5119-6638 Silva Mariana Sousa de Pina Acquisition of data Analysis and interpretation of the data Writing of the manuscript Critical revision of the manuscript for important intellectual content 1 Macedo Rodrigo Colares de Conception and design of the research Acquisition of data Analysis and interpretation of the data Critical revision of the manuscript for important intellectual content 1 Almeida Luiz Alberto Bastos de Conception and design of the research Analysis and interpretation of the data Writing of the manuscript Critical revision of the manuscript for important intellectual content 2 0000-0001-9198-2318 Bomfim Eric Simas Conception and design of the research Acquisition of data Writing of the manuscript Critical revision of the manuscript for important intellectual content 1 Brazil Escola Bahiana de Medicina e Saúde Pública – Grupo de Pesquisa em Doenças Metabólicas, Exercício Físico e Tecnologias em Saúde, Salvador, BA – Brazil Brazil Universidade Estadual de Feira de Santana – Departamento de Educação Física, Feira de Santana, BA – Brazil Mailing Address: Clarcson Plácido Conceição Santos • Escola Bahiana de Medicina e Saúde Pública – Av. Silveira Martins, 3386. Postal Code 40050-420, Cabula, Salvador, BA – Brasil E-mail: clarcson@hotmail.com

Potential conflict of interest

No potential conflict of interest relevant to this article was reported.

 Abstract Background

Systemic arterial hypertension (SAH) is a multifactorial disease, highly prevalent and associated with health risks.

 Objective

The purpose of this study was to investigate the association between SAH and laboratory, anthropometric, heart rate variability (HRV), and obstructive sleep apnea markers and, secondarily, to analyze the sensitivity and specificity of the variables that are independent factors in the association.

 Methods

Cross-sectional study with 95 obese patients treated at an obesity referral clinic in Salvador, BA, Brazil. SAH data were obtained from electronic medical records. The sample was stratified in the Normotensive Group (NG) and the Hypertensive Group (HG), and laboratory markers, body composition, polysomnography, and HRV were measured to evaluate the association of SAH with the predictor variables. For the analysis, p<0.05 was adopted.

 Results

The average age of the NG was 36.3 ± 10.1 and HG 40.4 ± 10.6 years; 73.7% were women in the NG and 57.9% in HG; 82.4% in HG had insulin resistance. In the multivarious logistics regression model with adjustments in age, sex, height, and oxyhemoglobin saturation, SAH was inversely associated with fasting plasma glucose mg/dL (odds ratio [OR] = 0.96; 95% confidence interval [CI] = 0.92-0.99) and visceral fat area (VFA) cm2(OR = 0.98; 95% CI = 0.97-0.99). The area under the VFA curve was 0.728; CI 95% (0.620-0.836); fasting plasma glucose 0.693;CI 95% (0.582-0.804).

 Conclusions

Lower VFA and fasting plasma glucose concentrations were inversely associated with SAH. In addition, fasting plasma glucose and VFA showed a high sensitivity for SAH screening.

 Hypertension Biomarkers, Body Composition Sleep Apnea, Obstructive Obesity Heart Rate Adults

: Association between Arterial Hypertension and Laboratory Markers, Body Composition, Obstructive Sleep Apnea and Autonomic Parameters in Obese Patients The figures present the data regarding the sensitivity and specificity of systemic arterial hypertension with visceral fat and fasting glucose, respectively, in addition to their cutoff points for screening for systemic arterial hypertension.

Introduction

Systemic arterial hypertension (SAH) is a multifactorial disease and can be caused by environmental and/or genetic factors, such as lack of physical activity, obesity, and eating habits.1According to the World Health Organization, it is estimated that 1.28 billion adults aged 30 to 79 years worldwide have hypertension.2Currently, SAH is associated with a higher risk of mortality and is a significant factor in complications of kidney and cardiovascular events.3

Hypertension can be induced by possible changes caused by obesity, such as the stimulation of mechanisms that contribute to the hypertensive state, such as hormonal changes and inflammatory and endothelial levels.4Obesity is associated with a decrease in life expectancy and its prevalence has become a major worldwide health problem, as excessive weight gain predisposes an increased risk of various diseases, including cardiovascular, cerebrovascular, and metabolic diseases – all of them are associated with SAH.5 , 6

Prior literature data describes that some factors should be considered as risk predictors for the occurrence of SAH; among them is obstructive sleep apnea syndrome, body mass index (BMI), waist circumference (WC), VFA, HRV,7 - 9 some laboratory biochemical markers and associated comorbidities.10 , 11 Due to the number of variables and their possible associations, further research on relationships between these data and SAH is necessary to obtain more reliable and independent predictors for decision-making in clinical practice, facilitating the prognostic of SAH in this population.

Sleep-related breathing disorders such as obstructive apnea can accelerate the elevation of blood pressure in adults, especially acutely, and may be due to hypoxia at night.7The mechanisms caused by a higher value of BMI, WC, body fat, and blood glucose can cause sympathetic nervous system stimulation, changes in the renin-angiotensin-aldosterone system, an increase of inflammatory markers, and other factors responsible for balance in the circulatory system, thus being able to associate with SAH.12 - 15 Hypertension is also related to autonomic deregulation, and since HRV can also be characterized by greater sympathetic activation, this would be the mechanism associated with SAH.16

Given the above, the objective of the present study was to investigate the SAH associations with laboratory biochemical markers, anthropometric and body composition measures, heart rate variability, and obstructive sleep apnea in obese adults, and secondarily, to analyze the sensitivity and specificity of the variables that are independent factors in the association, as well as their respective cut-off points.

 Methods Study design and sample

The present study was based on cross-sectional data of 95 patients aged ≥ 21 years with obesity diagnosis and elective to bariatric surgery in a private clinic of surgery and treatment of obesity in the city of Salvador in Brazil. Data were collected from May 2016 to August 2018. This study did not include patients with a cognitive deficit and without all clinical and laboratory data. The study volunteers were categorized into two groups according to the clinical diagnosis of SAH: Normotensive Group (NG) and Hypertensive Group (HG). The study was submitted and approved by the Research Ethics Committee of the Bahiana School of Medicine and Public Health under number 1.530.178. The authors declare that all experiments were conducted following the Declaration of Helsinki.

 Measuring Instruments Body composition

Body composition data were measured by octopolar electrical bioimpedance through the Inbody 720 equipment (Inbody Canada Corp, Ottawa, Ontario, Canada), fulfilling the procedures specified in the literature. The bioimpedance uses eight electrodes: two are positioned in contact with the palm (E1, E3) and the thumb (E2, E4) of each hand, and two are in contact with the anterior (E5, E7) and posterior (E6, E8) of the plant of each foot. Five segmental impedances (right arm, left arm, right leg, left leg, and trunk) are measured at 1, 5, 50, 250, 500, and 1000 kHz. The body contact points were previously cleaned with an electrolytic fabric recommended by the manufacturer, and participants were told to comply with the following preparation standards: to fast for at least 4 hours, no alcohol consumption within 48 hours before testing, no moderate-to-high intensity exercise within 12 hours before evaluation, must be adequately hydrated to perform the exam, must not have metal parts or dental implants (when possible to remove) and no coffee ingestion. As a result of bioimpedance, the following variables were determined: total body mass (kg), body fat mass (kg), skeletal muscle mass (kg), VFA (cm2), and body mass index (kg/m2). Age (years), height (cm), waist circumference (cm), and hip circumference (cm) were collected from the base of the clinic system medical records.

 Laboratory biochemical variables

The collected biochemical markers were HOMA-IR, insulin, fasting blood glucose, total cholesterol, HDL cholesterol, and triglycerides. The coloring system quantified total cholesterol, HDL, and triglycerides in the serum. The values of the methodology applied by the laboratory were considered references based on the values presented by the Brazilian Diabetes Society and the Sociedade Brasileira de Cardiologia. 17All data were collected from the clinic system of medical records preoperatively.

 Analysis of heart rate variability

A heart rate monitor (V800 Polar Heart Rate Monitor®) was used for cardiac beats, they were calculated through the ratio between the RR interval and transferred to a computer program to analyze HRV through the Polar Precision Performance, which was imported into the Kubios HRV software (version 2.0), and it was used to calculate linear time and frequency domain methods. For the analysis of HRV in the time domain, the square root of the average of square differences between the normal RR intervals (RMSSD) and the standard deviation of the average of all normal RR intervals (SDNN) was used. For HRV analysis in the frequency domain, low-frequency spectral components (LF, 0.04-015 Hz) and high frequency (HF, 0.15 to 0.40 Hz) were used in normal units (LFun and HFun, respectively), which represents a value for each spectral component to the total power minus the very low-frequency components (VLF), and the relationship between these components (LF/HF ratio).

Spectral analysis was calculated using the Fast Fourier Transform algorithm. The sample participants were invited to remain at rest, supine position, without exposure to excessive light, and in a no-noise environment for 10 minutes to analyze a 5-minute cutting point, checking in the preoperative period.

 Obstructive sleep apnea

Polysomnography data were obtained through computed equipment from Respironics (Healthdyne Alice System 4), and the report was reviewed independently by trained experts. A third expert would be consulted in case of inconsistencies in the final report. The exam was conducted all night, in spontaneous sleep, without sedation or sleep deprivation. It was recorded: electroencephalogram (electrodes C3, C4), oculogram (O1, O2), electromyogram (electrodes in the Mentonian, Submention, and MMII), electrocardiogram, airflow (nasal and oral thermistor), respiratory effort (thoracic and abdominal strap), snoring (microphone on the chin) and body position (sensor in the thoracic strap).18

Oxyhemoglobin saturation was measured through pulse oximetry. Respiratory events were thus defined: apnea, such as airflow interruption for 10 seconds or more, and hypopneas, such as the 50% or more reduction of inspiratory airflow per period ≥ 10 seconds, associated with a decrease than 3% in oxyhemoglobin saturation and/or a micro awakening.

Mixed apneas were included in the AHI and defined as those without respiratory effort at the beginning of the period, followed by a gradual increase. The AHI was obtained through polysomnographic examination, dividing the total respiratory events by sleep hours. Patients were classified according to AHI: without apnea - less than 5.0 events/sleep hour; with light apnea - between 5.0 and 14.9 events/sleep time; with moderate apnea - between 15.0 and 30.0 events per/hour of sleep and severe apnea - over 30.0 events/sleep time.

 Statistical plan

Descriptive and analytical analyzes were performed through the Statistical Package for Social Sciences Program software, Version 14.0 for Windows (SPSS Inc, Chicago, IL). Comparisons between Normotensive patients with SAH were conducted based on clinical diagnosis. The normality of the variables was verified through descriptive statistics and the Kolmogorov-Smirnov test. The categorical variables were expressed in absolute values and percentages, and the chi-square test was used to test the differences between the categorical variables. Continuous variables with normal distribution were expressed as mean and standard deviation, and non-normal distribution as median and interquartile range. Test-T for independent samples or the Mann-Whitney U test was used to test the differences between the continuous variables. Multivariate logistic regression models were used to estimate the association between SAH, body composition, and laboratory markers. The variables that presented p <0.2 were considered for elaborating the adjustment models. The odds ratio has been adjusted to age, sex, height, and oxyhemoglobin saturation. Receiver Operating Characteristic Curve (ROC Curve) were used to estimate the sensitivity and specificity between systemic arterial hypertension, abdominal visceral fat area, fasting plasma glucose, and their respective cutting points. For statistical inference, a value of p<0.05 was adopted.

 Results

A total of 95 participants of both sexes were selected for the study. NG included 57 participants (60%), and HG included 38 participants (40%), with an average age of 36.3 ± 10.1 and 40.4 ± 10.6 years, respectively (p = 0.062). Table 1 presents the characteristics of patients according to the clinical diagnosis of SAH, categorized as NG and HG. Compared to NG, HG had higher body mass, BMI, WC, BFM, and VFA. The percentage of patients diagnosed with insulin resistance was higher in the HG. The groups were homogeneous regarding laboratory data, polysomnography, and the severity of OSAS and HRV parameters.

– Characteristics of patients according to the diagnosis of systemic arterial hypertension
NG (n = 57) HG (n = 38) p-value
Age (years) 36.3 (10.1) 40.4 (10.6) 0.062
Gender n (%)
Male 15 (26.3) 16 (42.1) 0.123
Women 42 (73.7) 22 (57.9)
Body composition
Body mass (kg) 113.3 (18.5) 124.6 (25) 0.013
Height (cm) 166.8 (8.3) 169.6 (8.4) 0.114
BMI (kg/m2) 40.5 (4.6) 42.9 (6) 0.027
WC (cm) 117.3 (12.1) 124.6 (18.3) 0.024
SMM (kg) 32.7 (7.4) 35.8 (7.6) 0.058
BFM (kg) 55.1 (9.2) 60.7 (14.9) 0.027
VFA (cm2) 202.8 (54.1) 262.2 (78.6) 0.0001
Laboratory Data
Total cholesterol (mg/dl) 197 (57) 201 (36.7) 0.657
HDL (mg/dl) 49.5 (11.8) 48.3 (11.5) 0.636
Triglycerides (mg/dl) 146 (74) 175.7 (113.4) 0.162
Fasting blood glucose (mg/dl) 96.9 (35.4) 105.5 (26.2) 0.180
Homa-IR 5 (3.9) 6.4 (3.9) 0.135
Comorbidities n (%)
Diabetes Mellitus 5 (8.8) 6 (15.8) 0.338
Insulin Resistance 30 (57.7) 28 (82.4) 0.020
OSAS 34 (65.4) 24 (72.7) 0.633
Polysomnography measures
AHI (events/h) 8.4 [3.8 – 15.7] 9.9 [4 – 17.5] 0.389
OSAS frequency 19 [13.7 – 27.5] 18 [12 – 29.2] 0.754
OS (%) 95 [93 – 96] 94 [92 – 95.7] 0.174
OSAS severity n (%)
< 5 events/h 18 (34.6) 9 (27.3) 0.513
5 – 30 events/h 31 (59.6) 20 60.6)
> 30 events/h 3 (5.8) 4 (12.1)
HRV Parameters
Time-domain
Average RR 760.4 [638–849] 726 [647–814] 0.660
SDNN (ms) 70.7 [37.7–274] 84 [43.7–422] 0.522
RMSSD (ms) 64 [21.6–340] 117 [33.8–550] 0.373
pNN50 (ms) 18.4 [1.8–50] 13.6 [3.4–40.4] 0.861
Frequency domain
LF (ms2) 56 [41–75] 51 [27–84.8] 0.601
HF (ms2) 43.6 [23.6–56] 46 [15.2–64.8] 0.443
LF/HF 1.3 [0.74–3.8] 1.4 [0.54–8.5] 0.898

BMI: body mass index; WC: waist circumference; SMM: skeletal muscle mass; BFM: body fat mass; VFA: visceral fat area; HDL: high-density lipoprotein; AHI: apnea-hypopnea index; OS: oxyhemoglobin saturation; SDNN: standard deviation of the average of all normal RR intervals; RMSSD: square root of the average of square differences between the normal RR intervals; LF: low-frequency; HF: high frequency. Chi-square test was used to analyze diabetes mellitus, insulin resistance, and OSAS; Values presented as mean (standard deviation) or median [interquartile range].

Table 2 presents significant associations (p<0.05) between SAH and measures of body composition, laboratory data, and comorbidities through unadjusted and adjusted multivariate analyzes. The variables body mass, SMM, BMI, WC, triglycerides, HOMA-IR, and insulin resistance showed no statistical differences in multivariate logistic regression analysis. In the final analysis model, after covariable adjustments, including age, gender, stature, and oxyhemoglobin saturation, the association between SAH and body composition was (OR = 0.98, 95% confidence interval (CI) = 0.97-0.99) for the area of visceral fat and laboratory markers (or = 0.96, 95% CI = 0.92-0.99) for fasting plasma glucose. Both variables proved to be the only ones independently associated with HAS.

– Multivariate logistic regression model of body fat, laboratories, and comorbidity variables among obese patients with and without SAH
Variables Initial Model Final Model*
β OR (IC 95%) p β OR (IC 95%) p
Body mass -0.089 0.91 (0.75 – 1.10) 0.362 - - -
Visceral Fat Area -0.015 0.98 (0.97 – 0.99) 0.011 -0.014 0.98 (0.97 – 0.99) 0.026
SMM 0.154 1.16 (0.84 – 1.61) 0.356 - - -
BMI -0.026 0.97 (0.76 – 1.25) 0.842 - - -
WC 0.005 1.00 (0.94 – 1.06) 0.882 - - -
Triglycerides -0.001 0.99 (0.99 – 1.00) 0.684 - - -
Fasting blood glucose -0.035 0.96 (0.93 – 0.99) 0.043 -0.040 0.96 (0.92 – 0.99) 0.047
Homa - IR 0.017 1.07 (0.86 – 1.19) 0.836 - - -
Insulin Resistance -1.167 0.31 (0.08 – 1.21) 0.093 - - -

*The final model includes age, sex, height, and oxyhemoglobin saturation.

Figures 1 and 2 present the data related to the sensitivity and specificity of SAH with the visceral fat and fasting plasma glucose, respectively, in addition to its cutting points for screening of SAH. The visceral fat area had an area under the curve = 0.728 (95% CI = 0.62-0.84) and Cut-off Point for SAH: > 220.3 cm2, while fasting plasma glucose presented an area under the curve = 0.69 (95% CI = 0.58-0.80) and the cut-off point for SAH: > 95 mg/dl.

– ROC curve for the visceral fat area as screening for SAH. Area under the curve = 0.728; IC 95% (0.620 – 0.836). Visceral fat area cut-off point for SAH: > 220.3 cm2.

– ROC curve for fasting blood glucose screening for SAH. Area under the curve = 0.693; CI 95% (0.582 – 0.804). Fasting blood glucose cut-off point for SAH: > 95 mg/dl.

Discussion

In the present study, comparative analyzes between the groups showed that body composition measures, laboratory data, and comorbidity were higher in the HG. However, the only variables independently associated with SAH were visceral fat area and fasting plasma glucose. The strength of these associations described in the unadjusted analyzes was slightly changed after adjustments to potential confusion variables. These results provide additional support for the importance of maintaining low abdominal visceral fat storage levels, as well as the control of fasting plasma glucose as potential SAH protection factors.

Body composition measures, biochemical markers, and comorbidities evaluated in this study impact the mechanisms related to SAH differently. Pre-studies corroborate our findings. In this sense, Chandra et al.19demonstrated that higher measures of BMI were significantly associated with SAH in participants.19Still, in this sense, Lee et al.20found that at each 1kg/m2increase in BMI, there was also a 19% increase in the risk of arterial hypertension, and Holmes et al.21showed that for each increase in 1kg/m2in IMC the systolic blood pressure increased by 0.70mmHg.21A likely explanation for the association of IMC measure with SAH, knowing that it is an index with cutting points for the obesity classification with good accuracy in prediction,22is the fact that the obese phenotype, even when metabolically healthy, is directly linked to an increased risk for hypertension,23 , 24 since there are pathological mechanisms such as hyperinsulinemia, stimulation of sympathetic nervous system and abnormal levels of adipocytokines that affect vascular endothelium, responsible for maintaining vascular homeostasis.12

Still dealing with measures of body composition, in our findings, the waist circumference also demonstrated an association with SAH, as well as in the study by Guilherme et al.,25which demonstrated that in Brazilian adolescents, the WC obtained a positive association as an independent anthropometric indicator for SAH, and those classified with central obesity were 130% more likely to have high blood pressure compared to adolescents without the diagnosis of abdominal obesity. Carba et al.26found that for every 1cm increase in WC, the chances of hypertension increased by 5% for non-overweight women and 3% for overweight women.26Since WC is an indicator of abdominal obesity,27it can be said that a possible explanation for the association between WC and HAS is related to the excess fat deposits in this part of the body since visceral adipose tissue plays an important role in activating the renin-angiotensin-aldosterone system, which can influence central and systemic hemodynamics.13

As we can see, changing a normotensive phenotype to hypertensive involves multiple factors. In addition to the variables already mentioned, BFM also interferes with hemodynamics, so that fat distribution can dictate the risk of cardiovascular disease.28Similarly, Han et al.29found that the body fat percentage was significantly higher in the hypertensive group 29 compared to normotensive individuals.29Park et al.30also demonstrated that individuals with a high percentage of body fat were associated with an increased risk of hypertension even with low BMI, WC, or waist-hip ratio, and the increased risk was proportional to the increased percentage.30In this case, by increasing BFM, levels in the plasma of inflammatory biomarkers such as C-reactive protein and interleukins may also increase, which may predispose to cardiovascular disease development, including hypertension.14

As mentioned earlier, fat distribution can dictate the risk of cardiovascular disease, and, in this sense, individuals with higher levels of visceral adipose tissue and ectopic fat deposits have an even greater prevalence of metabolic disorders such as hypertension.31 , 32 Figures 1 and 2 are visualized the area under the ROC curve for sensitivity and specificity for the visceral fat area and fasting plasma glucose found in our study, demonstrating that both variables obtained independent associations with SAH, highlighting mainly the area of visceral fat. Excessive visceral adipose tissue produces hormones and molecules that accentuate cardiovascular disease, become resistant to insulin and leptin, and may contribute to vascular resistance and sympathetic system dysfunction.31Intra-abdominal adipose tissue at high levels can be considered as part of a phenotype whose result is associated with a dysfunctional alteration of subcutaneous adipose tissue and ectopic storage of triglyceride, leading to this morphological change to be part of a set of cardiometabolic risk factors.33

Once insulin resistance can contribute to vascular resistance and sympathetic system dysfunction,31it is important to highlight its relationship with fasting plasma glucose levels since the insulin sensitivity rate decreases as fasting blood glucose increases.34In a study conducted in Japan, it was observed that high fasting glucose levels were independently and significantly associated with hypertension, and the risk rate in participants with glucose levels above or equal to 7.0 mmol/L was 1.79 compared to participants with glycemia rate above 5.6 mmol/l.15These results corroborate our findings, as fasting plasma glucose has been independently associated with SAH.

The associations between fasting plasma glycemia plus abdominal visceral fat and SAH described in the present study have potential implications for treatment interventions to improve results in obese patients and are probably generalizable for populations worldwide. However, there are limitations to determining whether statistical associations are causal, and the direction of associations should be considered before definitive conclusions are reached. Since the study is observational, it is not possible to rule out the effects of residual or unsuccessful confusion as an explanation for the results. In addition, the transverse design does not allow us to determine whether the clinical picture of SAH preceded or was influenced by the metabolic and morphological profile. The observed SAH associations with biochemical and body markers may be bidirectional.

 Conclusion

In conclusion, the present study demonstrates an inverse and independent association between fasting plasma glucose concentration, abdominal visceral fat area, and SAH in obese patients. In addition, fasting plasma glucose and visceral fat area showed a high sensitivity for SAH screening. The results draw attention to the importance of interventions to improve the control of biochemical and body composition variables, prevent changes in plasma blood glucose, and attenuate increased abdominal visceral fat in obese patients.

Study association

This study is not associated with any thesis or dissertation work.

Ethics approval and consent to participate

This study was approved by the Ethics Committee of the Pesquisa da Escola Bahiana de Medicina e Saúde Pública/EBMSP under the protocol number 1.530.178. 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.

Sources of funding: There were no external funding sources for this study.