ijcs International Journal of Cardiovascular Sciences Int. J. Cardiovasc. Sci. 2359-5647 2359-4802 Sociedade Brasileira de Cardiologia bbjgKg7fRHdXJKS7gJ3LxKK S2359-56472017000400343 10.5935/2359-4802.20170059 REVIEW ARTICLE Predictors of Metabolic Syndrome in the Elderly: A Review Oliveira Carolina Cunha de 1 2 Costa Emanuelle Dias da 3 Roriz Anna Karla Carneiro 4 Ramos Lilian Barbosa 4 Gomes Mansueto Neto 1 Universidade Federal da Bahia Programa de Pós-Graduação Medicina e Saúde BA Brazil Programa de Pós-Graduação Medicina e Saúde - Universidade Federal da Bahia (UFBA), BA Universidade Federal da Bahia Universidade Federal de Sergipe SE Brazil Universidade Federal de Sergipe, SE Universidade Federal de Sergipe UFBA Residência em Nutrição Clínica Brazil Residência em Nutrição Clínica - UFBA Universidade Federal da Bahia UFBA Programa de Pós-Graduação em Alimentos, Nutrição e Saúde Salvador BA Brazil Programa de Pós-Graduação em Alimentos, Nutrição e Saúde- UFBA, Salvador, BA - Brazil Universidade Federal da Bahia Mailing Address: Carolina Cunha de Oliveira, Rua Conego José Felix de Olieira, 485, Ap 10. Postal Code: 49035-170, Coroa do Meio, Aracaju, SE - Brazil. E-mail: carol_cunh@yahoo.com.br, carol_cunh104@hotmail.com

Author contributions

Conception and design of the research: Oliveira CC, Roriz AKC, Ramos LB, Gomes Neto M. Acquisition of data: Oliveira CC, Costa ED. Analysis and interpretation of the data: Oliveira CC, Roriz AKC, Ramos LB, Gomes Neto M. Statistical analysis: Oliveira CC. Obtaining financing: Ramos LB. Writing of the manuscript: Oliveira CC, Costa ED, Gomes Neto M. Critical revision of the manuscript for intellectual content: Oliveira CC, Roriz AKC, Ramos LB, Gomes Neto M.

Potential Conflict of Interest

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

 Jul-Aug 2017 30 4 343 353 03 07 2016 17 10 2016 28 02 2017 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. Abstract

The article aimed to critically analyse studies which evaluated the capacity of anthropometric and clinical indicators to predict MetS in the elderly. Bibliographical research was performed using the electronic databasese Medline/PubMed, LILACS e SciELO , references from selected articles and contact with several authors. Twenty one articles involving anthropometric and clinical indicators in the elderly were analysed, using different MS criteria. Fourteen studies report anthropometric indicators, being the waist circumference (WC) and waist-to-height ratio (WHtR), described as the best MS predictors, with the area under the ROC curve (AUC) over 0.70 (p < 0.05). The neck circumference was also described as an alternative indicator but with less discriminatory power. Lipid accumulation product (LAP) was the parameter with the best performance to identify MS, with an AUC over 0.85 and efficiency greater than 70%. The WC, WHtR and LAP indicators were the most sensitive for predicting MS. The use of these parameters may facilitate the early identification of MS, with good accuracy and low cost. In addition, it is important to determine specific cutoff points for the elderly, since obesity alone does not appear to be a strong predictor of MS in the elderly.

 Keywords Aged Body weights and Measures Risk Factors Anthropometry Obesity Metabolic Syndrome Indicators FAPESB - Fundação de Amparo à Pesquisa do Estado da Bahia 007/2013 This study was funded by FAPESB - Fundação de Amparo à Pesquisa do Estado da Bahia (parecer nº 0007/2013). Introduction

Metabolic syndrome (MetS) is defined as a set of risk factors that includes resistance to insulin, dyslipidemia, abdominal obesity and high blood pressure, and increases the risk of cardiovascular diseases and diabetes.1,2 The most up-to-date criteria to define MetS were prepared by the International Diabetes Federation (IDF) task force.2 In their guidelines, it has been established that abdominal obesity is no longer a compulsory component, and specific cut-off points should be used to classify waist circumference (WC) by ethnic groups, in addition to criteria for changes in glucose and lipid metabolism and high blood pressure.2

The use of clinical and anthropometric indicators can help to identify the presence of MetS.3-5 Clinical indicators are those which associate biochemical parameters to analysis measurements, particularly the lipid accumulation product (LAP) and visceral adiposity index (VAI).3,4 Anthropometric indicators include body mass index (BMI), WC, waist-to-hip ratio (WHR), waist-to-height ratio (WHtR), the sagittal abdominal indicator (SAD) and neck circumference (NC).5,6

The use of indicators to predict MetS may facilitate its identification in clinical practice, as they are simple, quick and functional. However, there is no consensus on the best indicator able to identify MetS in the elderly due to different functional characteristics and varied cut-off points, many of which are specific to young adults, and with different criteria for defining MetS.1,2 Nevertheless, early identification of MetS is important in this age group since it may assist health teams to decide on strategies aimed at reducing global cardiovascular risk.1

This review aimed to critically analyse studies that evaluated the capability of anthropometric and clinical indicators to predict MetS in the elderly.

 Methods Search strategy

The search was performed on the MEDLINE/PUBMED, LILACS and SciELO bibliographic databases, using the following word combinations: ("metabolic syndrome" or "syndrome X" or "plurimetabolic syndrome") and ("elderly" or "older adults" or "aged") and ("predict" or "identify" or "ability"). These expressions were searched either in combination with each other or alone. Articles of interest listed in the references were also identified and reviewed. Several authors were contacted for relevant information not provided in the articles.

 Criteria for including the articles

Only original articles written in English, Spanish or Portuguese were included in the review. Articles published between January 2010 and January 2016 were selected and classic studies published on the topic prior to this period were also included. Population-based studies in the elderly or studies on institutionalised elderly people that evaluated anthropometric and clinical indicators (LAP, VAI or lipid ratios) as predictors of MetS were included.

 Data extraction

After screening of titles and abstracts according to eligibility criteria, relevant articles were selected for full-text reading (Figure 1).

Flowchart of selection of papers for the review.

The following data were extracted independently: 1) characteristics of the article (authors, journal and year of publication); 2) location where the study was performed (city and country); 3) characteristics of the population studied (number of participants, sex and age range); 4) indicators studied (anthropometric indicators: BMI, WC, WHR, WHtR, SAD, NC and clinical indicators: LAP, VAI and lipid ratios: HDLc/TC, HDL/LDL and TG/LDL); 5) MetS classification criteria (IDF, National Cholesterol Education Program-Adult Treatment Panel III or the harmonized criteria2 for MetS); 6) main results (area under the ROC curve: AUC; 95% CI: Confidence Interval; Cut-off points, SENS: sensitivity and SPEC: specificity).

 Results

Two hundred and eighty-nine studies were identified on the bibliographic databases searched. After reading the titles and abstracts, 244 studies were excluded. Thus, 45 articles were eligible for evaluation, and 26 of these papers were excluded as: 7 presented data on a young adult population; 5 evaluated global cardiovascular risk; 4 evaluated isolated MetS components (dyslipidemia, high blood pressure, diabetes or obesity); 2 evaluated predictors of resistance to insulin; 5 evaluated complete blood count components as predictors of MetS; 1 were with patients admitted to hospital and 2 studies written in Chinese. Finally, after reviewing the bibliographic references for articles of interest, two further papers were included. Thus, 21 articles were analysed in this review (Figure 1).

Of the articles analysed, 13 discussed anthropometric indicators (Tables 1 and 2), 7 evaluated clinical indicators (LAP, VAI and lipid ratios) (Tables 3 and 4) and one article7 compared anthropometric indicators and lipid ratios to predict MetS in the elderly (and hence is cited in anthropometric and clinical indicators' tables).

Studies evaluating the anthropometric indicators as predictors of metabolic syndrome in the elderly
Authors and publication year (Ref. nº.) City, country Number of participants (W, M) Age range (years) Indicator Criteria for MetS diagnosis
Gharipour et al. 2014 5 Isfahan, Iran 206 men 71.85±5.44 BMI, WC*, WHR, and WHtR 2 or more factors of NCEP ATPIII without WC
Liang et al. 2013 7 Canton, China 4706 women ≥ 50 WC*, WHR, WHtR, BMI Harmonized criteria for MetS
Yan et al. 2014 8 Shanghai,China 2092 subjects(1121 W, 971 M) ≥ 65 NC Harmonized criteria for MetS
Guasch-Ferré et al. 2012 9 Spain 7447 subjects M: 55-80 W: 60-80 WC*, WHR, WHtR, BMI Harmonized criteria for MetS
Chu et al. 2012 11 Taipei, Taiwan 2848 women ≥65 BMI, WC*, WHR and WHtR IDF without WC
Gharipour et al. 2013 12 Isfahan, Iran 468 subjects(232 W; 236 M) > 60 WC*, BMI, WHR NCEP ATPIII
Zeng et al. 2014 13 China 221270 subjects (84014 W; 137256 M) 45-79 BMI, WC*, WHtR 2 or more factors
Paula et al. 2012 14 Viçosa, Brazil 113 women 60-83 BMI, WC†, WHR, SS NCEP ATPIII without WC
Risérus et al. 2010 16 Stockholm, Sweden 4032 subjects(2096 W; 1936 M) ≥ 60 SAD, BMI, WC* and WHR Cardiometabolic risk score
Sharda et al. 2014 17 Kota, India 400 subjects(200 W, 200 M) 60-90 SAD IDF
Aoi et al. 2014 18 Mihara, Japan 64 women 63.6 ± 7.1 BMI, %BF, WC† and NC MetS components
Limpawattana et al. 2016 19 Khon Kaen, Thailand 587 subjects(386 W, 201 M) ≥ 50 NC NCEP ATPIIIand IDF
Hoebel et al. 2012 20 North West ProvinceSouth Africa 409 subjects(207 W, 202 M) 25-65 NC, WC* IDF
Liu et al. 2013 21 Beijing, China 1698 subjects(593 W; 1689 M) 20-79 BMI, FMI and %BF NCEP ATPIII

W: women; M: men; MetS: metabolic syndrome; IDF: International Diabetes Federation; NCEP ATPIII: National Cholesterol Education Programme Adult Treatment Panel III; BMI: body mass index; WC: waist circumference; WHR: waist-to-hip ratio; WHtR: waist-to-height ratio; SAD: sagittal abdominal diameter; NC: neck circumference; SS: sum of the four skinfolds; %BF: percentage of body fat; FMI: fat mass index.

plane the midpoint between the lower costal rib and the iliac crest, perpendicular to the long axis of the trunk.

at the level of the umbilicus.

 Cut-offs and areas under the ROC curve, sensitivity and specificity of anthropometric indicators to determine metabolic syndrome in the elderly
Authors and publication year (Ref. nº.) Indicator Men Women
AUC (95% CI) Cut-off point Sens (%) Spec (%) AUC (95% CI) Cut-off point Sens (%) Spec (%)
Gharipour et al. 2014 5 WC 0.683 (0.606-0.761) 94.5 cm 64.0 68.0
WHR 0.645 (0.563-0.727) 0.96 6.0 69.0
BMI 0.641 (0.561-0.722) 26.65 kg/m2 48.0 76.0
WHtR 0.680 (0.602-0.758) 58.66 52.0 79.0
Liang et al. 2013 7 WC 0.76 79.5 cm 72.7 76.7
WHR 0.70 0.86 62.8 72.1
WHtR 0.74 0.53 67.6 72.9
BMI 0.71 22.47 kg/m2 64.8 67.3
Yan et al. 2014 8 NC 0.76 > 38 cm 80.0 55.0 0.73 > 35 cm 75.0 67.0
Guasch-Ferré et al. 2012 9 WHtR 0.74 (0.72-0.75)
WC 0.72 (0.71-0.73) Presented results without stratification by sex
BMI 0.69 (0.68-0.70)
Chu et al. 2012 11 WHtR 0.66 (0.58-0.74) 0.54 70 70
WC 0.68 (0.60-0.76) 82.4 cm 75 69
WHR 0.63 (0.56-0.71) 0.84 58 72
BMI 0.58 (0.50-0.68) 24.4 kg/m2 78 60
Gharipour et al. 2013 12 WC 0.78 (0.70-0.85) 92.0cm 81.4 55.8
WHR 0.76 (0.68-0.83) 0.93 82.9 52.3 Presented results without stratification by sex
BMI 0.77 (0.70-0.84) 28.8 kg/m2 80.0 61.6
Zeng et al. 2014 13 BMI 0.640 (0.648-0.666)⸗ 0.665 (0.654-0.675) 24.2 kg/m2 ⸗ 23.3 kg/m2 69.171.7 54.352.3 0.637 (0.624-0.650)⸗ 0.665 (0.648-0.682) 23,3 kg/m223,5 kg/m2 70.465.3 49.759.9
WC 0.640 (0.631-0.654)⸗ 0.646 (0.636-0.657) 83.5 cm82.3 cm 74.374.0 45.847.3 0.641 (0.628-0.645)⸗ 0.668 (0.651-0.685) 78,5 cm78,5 cm 65.270.1 55.654.7
WHtR 0.645 (0.636-0.654)⸗ 0.651 (0.641-0.662) 0.520.50 62.371.9 58.450.2 0.640 (0.627-0.653)⸗0.659 (0.642-0.676) 0,490,52 76.065.2 44.559.6
Paula et al. 2012 14 WC 0.694 (0.600-0.777) 92.0 cm 80 58.2
BMI 0.619 (0.523-0.708) 25.4 kg/m2 66.7 55.1
WHR 0.752 (0.662-0.829) 0.98 80 59.2
SS 0.669 (0.574-0.726) 108 mm 66.7 64.3
Risérus et al. 2010 16 SAD 0.80 (0.77-0.82) 22.2 cm 0.77 (0.75-0.80) 20.1 cm
WC 0.78 (0.75-0.80) 100 cm 0.77 (0.75-0.80) 88.4 cm
WHR 0.74 (0.71-0.77) 0.97 0.76 (0.74-0.79) 0.82
BMI 0.78 (0.76-0.81) 27.9 kg/m2 0.74 (0.72-0.77) 27.6 kg/m2
Sharda et al. 2014 17 SAD > 22 cm 88.0 83.0 > 20 cm 87.0 80.0
Aoi et al. 2014 18 NC NC was associated with BMI (r = 0.747, p < 0.0001), %BF (r = 0.715, p < 0.0001), TG (r = 0.276, p = 0.028), decrease in HDLc (r = -0.401, p < 0.001) and HbA1c (r = 0.298, p = 0.019), HOMA-R and leptin (r = 0.488, p < 0.001)
Limpawattana et al. 2016 19 NC 0.84 (0.79-0.90)‡0.71 (0.64-0.78)§ > 39 cm‡ 70.89 81.15 0.79 (0.75-0.84)‡0.77(0.72-0.82)§ > 33 cm‡ 86.54 59.39
Hoebel et al. 2012 20 NC 0.70 (0.50-1.00)*0.70 (0.60-0.90)† > 35 cm*> 41 cm† 0.60 (0.40-0.80)*0.80 (0.70-0.90)† > 35 cm*> 33 cm†
Liu et al. 2013 21 BMI 0.904 (0.882-0.925) 27.45 kg/m2 80.6 84.3 0.869 (0.869-0.928) 23.85 kg/m2 92.7 72.9
BF 0.883 (0.859-0.908) 23.95% 84.1 7.8 0.855 (0.818-0.892) 31.35% 77.1 81.4
FMI 0.920 (0.900-0.940) 7.00 kg/m2 80.2 86.9 0.898 (0.869-0.927) 7.90 kg/m2 78.9 85.7

AUC: area under ROC curve; 95% CI: 95% confidence interval; Sens: sensitivity; Spec: specificity; BMI: body mass index; WC: waist circumference; WHR: waist-to-hip ratio; WHtR: waist-to-height ratio; SAD: sagittal abdominal diameter; NC: neck circumference; SS: sum of the four skinfolds; %BF: percentage of body fat; FMI: fat mass index; HbA1c: glycated haemoglobin.

Older African group;

Older caucasian group;

IDF Criteria;

NCEP ATP III Criteria;

60-69 years;

70-79 years.

 Studies evaluating the clinical indicators as predictors of metabolic syndrome in the elderly
Authors and publication year (Ref. nº.) City, country Number of participants Age range (anos) Indicator Criteria for MetS diagnosis
Liang et al. 2013 7 Canton, China 4706 women ≥ 50 TG/HDL, HDL/TC, HDL/LDL Harmonized criteria for MetS
Arthur et al. 2012 10 Kumasi, Ghana 250 women 20-78 TG/HDL, HDL/TC Harmonized criteria for MetS
Tellechea et al. 2009 22 Buenos Aires, Argentina 601 men 18-65 LAP NCEP ATPIII
Taverna et al. 2011 23 Province of Segovia, Central Spain 768 subjects (416 W; 352 M) 36-77 LAP, TG/HDL, TG, WC and BMI NCEP ATPIII vs. IDF
Chiang & Koo 2012 24 Taiwan 513 subjects (247 W; 266 M) > 50 LAP, WHtR, BMI and WC MetS criteria for Taiwanese people
Ejike 2011 25 Abia State, Nigeria 40 men 65-84 LAP, VAI, BMI, WHtR and WHR IDF
Motamed et al. 2015 26 Amol, Iran 5511 subjects (2392 W; 3119 M) 18-90 LAP, WC, BMI, WHtR, WHR IDF
Amato et al. 2011 27 Alcamo, Italy 1764 subjects (1179 W; 585 M) 16-99 VAI NCEP ATPIII

W: women; M: men; MetS: metabolic syndrome IDF: international diabetes federation; NCEP ATPIII: National Cholesterol Education Programme Adult Treatment Panel III; LAP: lipid accumulation product; VAI: visceral adiposity index; WC: waist circumference; WHR: waist to-hip ratio; WHtR: waist-to-height ratio. BMI: body mass index; HDLc/TC: HDL-cholesterol to total cholesterol ratio; HDL/LDL:HDL-cholesterol to LDL: cholesterol ratio; TG/LDL: triglyceride to HDL: cholesterol ratio.

Cut-offs and areas under the ROC curve, sensitivity and specificity of clinical indicators to determine metabolic syndrome in the elderly
Authors (Ref. nº.) Indicators Men Women
AUC (95% CI) Cut-off point Sens (%) Spec (%) AUC (95% CI) Cut-off point Sens (%) Spec (%)
Amato et al. 2010 4 VAI 0.840 (0.98-1.00)‡ 1.93 77.0 82.3 No stratification by sex
0.783 (0.73-0.82)§ 2.00 68.5 76.0
Liang et al. 2013 7 TG/HDLc 0.84 0.88 77.7 76.0
HDLc/TC 0.73 0.73 70.1 64.6
HDLc/LDLc 0.74 0.68 78.3 65.7
Arthur et al. 2012 10 TG/HDLc 0.80 (0.70-0.90) 0.61 87.2 80.0
HDLc/TC 0.80 (0.70-0.90) 0.34 96.6 83.3
Tellechea et al. 2010 22 LAP 0.91 (p < 0.05) 53.63 83.0 83.0
Taverna et al. 2011 23 LAP 61-70 years old: > 51.82† 61-70 years old: > 33.28†
0.89 (0.82-0.97)† 0.79 (0.69-0.90)†
0.84 (0.74-0.93)* 0.78 (0.67-0.89)Δ
71-77 years old: 71-77 years old:
0.89 (0.77-1.01)† > 48.09 * 0.88 (0.76-0.99)† > 31.7*
0.91 (0.82-1.00)* 0.85 (0.74-0.99)*
WC 61-70 years old: 61-70 years old:
0.82 (0.72-0.93)† 0.78 (0.68-0.87)†
BMI 0.85 (0.75-0.95)† 0.74 (0.63-0.85)†
Chiang & Koo 2012 24 LAP 0.916 (0.880-0.953) 31.6 88.0 82.0 0.901 (0.855-0.946) 31.6 66.0 93.0
WHtR 0.827 (0.762-0.892) 0.819 (0.755-0,883)
BMI 0.776 (0.709-0.844) 0.793 (0.726-0.859)
WC 0.825 (0.760-0.890) 0.817 (0.755-0.879)
Ejike 2011 25 LAP 0.937 (p < 0.05) 43.91 100 81.0
VAI 0.640 4.44 67.0 84.0
BMI 0.793 30.47 kg/m2 100 73.0
WHtR 0.905 (p < 0.05) 0.61 100 78.0
WHR 0.635 1.08 67.0 76.0
Motamed et al. 2015 26 LAP 0.901 (0.890-0.913) 39.89 86.0 79.6 0.904 (0.892-0.916) 49.71 85.2 82.3
WC 0.907 (0.897-0.917) 0.782 (0.764-0.801)
BMI 0.862 (0.849-0.876) 0.701 (0.680-0.722)
WHtR 0.878 (0.868-0.889) 0.788 (0.769-0.806)
WHR 0.840 (0.826-0.855) 0.785 (0.766-0.803)

AUC: area under ROC curve; 95% CI: 95% confidence interval; Sens: sensitivity; Spec: specificity; LAP: Lipid Product Accumulation; VAI: Visceral Adiposity Index; WC: waist circumference; WHR: waist-to-hip ratio; WHtR: waist-to-height ratio; BMI: body mass index; HDLc/TC: HDL-cholesterol to total cholesterol ratio; HDL/LDL: HDL-cholesterol to LDL: cholesterol ratio; TG/LDL: triglyceride to HDL-cholesterol ratio.

IDF Criteria;

NCEP ATP III Criteria

52 - 66 years old;

> 66 years old.

The IDF's and the NCEP-ATP III's criteria were most commonly used criteria for definition of MetS). Only 5 articles used the most recent harmonized criteria for MetS.7-10 The harmonized criteria states that obesity itself is not a prerequisite for diagnosis of MetS, which should be established based on the presence of any 3 or 5 risk factors (among which obesity is included).

Anthropometric indicators

Fourteen studies reported anthropometric indicators as predictors of MetS (Tables 1 and 2). Among the anthropometric indicators, those most cited were BMI, WC and WHR. The most recent studies analysed WHtR, SAD and NC.

The majority of the papers5,7,11-13 which evaluated anthropometric indicators highlight WC and WHtR as the best predictors of MetS in the elderly, when compared to BMI and WHR.

The works of Liang et al.7 and Guasch-Ferré et al.9 reported an AUC over 0.70 for WC and WHtR to detect MetS, considering the harmonized criteria for MetS. For women, Liang et al.7 identified the cut-off points of 79.5 cm for WC (sens: 72.7%; spec: 76.7%) and 0.53 for WHtR (sens: 67.6%; spec: 72.9%), with efficiency higher than 70%. Zeng et al,.13 evaluating the presence of a minimum of two MetS components and stratifying the results by sex and age, observed similar AUCs and cut-off points for elderly women at the age range of 60-69 and 70-79 years (Table 2).

Among the indicators with unsatisfactory performance, Paula et al.14 established that the BMI and the sum of four skinfolds were the anthropometric parameters of adiposity which presented the least efficiency in identifying MetS.

Another indicator cited was SAD, which is able to estimate the excess of visceral fat and, consequently, is a better predictor of cardiometabolic risk than classic indicators.15 Only two studies16,17 evaluated SAD in the elderly; Sharda et al.17 aimed to identify the best SAD cut-off points to predict MetS, and suggested the cut-off points of 22 cm for men and 20 cm for women, with sensitivity and specificity higher than 80% for both sexes. Similar cut-offs were found by Risérus et al.16 using a cardiometabolic risk in elderly subjects.

In relation to NC, the articles analysed its performance in identifying MetS and its isolated components. Aoi et al.18 showed that the increase in NC is associated to a rise in metabolic risk factors, such as resistance to insulin (leptin, HbA1c and HOMA-IR) and lipid profile (TG and HDL).

In the studies8,19,20 which evaluated the predictive capacity of the NC, the cut-off points suggested by the authors were quite similar, varying between 35 and 41 cm for men and 33 and 35 cm for women (Table 2). Hoebel et al.20 observed that white men presented a higher cut-off point (41 cm) when compared to black men (35 cm). The cut-off points for women were similar between white and black women, although the cut-off point for black women did not predict MetS, in contrast to what was observed for men. Limpawattana et al.19 and Yan et al.8 presented similar cut-off points for NC to predict MetS in individuals aged over 50 and 65 respectively, and Limpawattana et al.19 showed an efficiency over 72% for the cut-off point suggested for men (sens: 70.89%; spec: 81.15%) and women (sens: 86.54%; spec: 59.39%).

A parameter that has been insufficiently investigated was the Fat Mass Index (FMI), which is normalizes body fat for individual's height. This index has been suggested to independently evaluate body fat from changes in fat free mass. In the study performed by Liu et al.,21 FMI was the parameter with the highest AUC, and high FMI showed significantly higher odds ratio for MetS than the low FMI in both sexes. These authors suggested that a FMI of 7.00 kg/m2 for men and 7.90 kg/m2 for women, evaluated by bioelectrical impedance analysis, could predict the presence of MetS.

 Clinical indicators

Tables 3 and 4 demonstrate the characteristics and results, respectively, of the eight studies which evaluated LAP and VAI clinical indicators and lipid ratios as predictors of MetS according to NCEP and IDF criteria and harmonized criteria for MetS.

LAP is an indicator proposed to estimate lipid concentration in adults, described for the first time by Kahn.3 It is an emerging cardiovascular risk index based on the product of WC multiplied by fasting triglyceride concentration. LAP has proven to be a reliable marker for cardiovascular disease in adults, outperforms other predictors of this risk as BMI.3 Most of the studies analysed evaluated a mixed population, stratified by sex and/or age range. The cut-off point for LAP suggested by the authors22-26 varied from 31.6 to 51.8, with a difference between the sexes (Table 4). Among men, the LAP AUC to predict MetS varied from 0.84 to 0.937, while for women the lowest AUC was 0.78 and highest was 0.904 (Table 4).

Taverna et al.23 reported a lower AUC for men and women in the 61-70 age range, considering the IDF criteria (area under the curve, AUC: 0.84; 95% CI: 0.74-0.93 for men and 0.78; 95% CI: 0.76-0.99 for women) when compared to the other studies.

Ejike CECC25 investigated LAP as a predictor of MetS in the elderly (aged between 65 and 84); the authors reported an AUC of 0.937 (p=0.013) and suggested a LAP cut-off point of 43.9 (sens: 100%; spec: 81%). Tellechea et al.22, Chiang & Koo24 and Motamed et al.26 also observed the high predictive capacity of LAP to identify MetS (AUC higher than 0.90). Among these studies, the lowest LAP cut-off point to identify MetS was reported by Chiang & Koo24 (31.6 for both sexes).

VAI is a gender-specific, empirical-mathematical model based on a combination of anthropometric measurements (WC and BMI) with biochemical parameters (TG and HDLc), which may be and indicator of fat distribution and function.4 The Alkam Metabolic Syndrome Study4 introduced VAI as a new marker of adipose tissue dysfunction, independently associated with cardiovascular events, which was not observed for WC and BMI. Only two studies investigated this indicator in MetS.25,27 For Amato et al.27, a VAI value higher than 2.00 (sens: 68.5% and spec: 76.0%) for individuals aged over 66 was able to predict MetS. However, in the study by Ejike CECC,25 VAI showed an AUC of 0.640 but without statistical significance (p = 0.426), suggesting a cut-off point higher than 4.4, with relatively better sensitivity and specificity to identify MetS in the elderly (sens: 67% and spec: 84%).

Two papers7,10 described the results of lipid ratios, with different cut-off points between the studies. Arthur et al.10 observed that the TG/HDL and HDL/CT ratios presented AUC of 0.80 (95% IC: 0.70-0.90) for both ratios, suggesting a cut-off point of 0.61 (sens: 87.2% and spec: 80%) for the TG/HDL ratio and 0.34 (sens: 96.6% and spec: 83.3%) for the HDL/CT ratio, therefore demonstrating efficiency of over 83%.

 Discussion

The anthropometric indicators that showed a better performance in identifying MetS were WC and WHtR (among the classic indicators) and NC (among the recently studied indicators). Regarding the clinical parameters, LAP was the best indicator, followed by the HDL/CT ratio.

An important point to be discussed is the criteria used to define MetS (IDF, NCEP ATPIII and harmonized criteria), which may justify the diversity of results discussed in this review. In addition, the use of different criteria and measurement techniques, particularly in relation to WC, does not ensure comparability between the studies.

WC and WHtR were the best parameters evaluated,5,7,9,13 with WC showing higher sensitivity among the obesity indexes. In addition, it was observed that the WC cut-off points suggested were lower than those proposed by the MetS criteria used, revealing that non-specific cut-off points for ethnic and age groups can underestimate the presence of MetS, depending on the criterion used for its classification. However, Chu et al.11 observed that WC and WHtR showed similar results to BMI and WHR, with an AUC lower than 0.70 to detect a minimum of three MetS criteria in women. This divergence could be attributed to the age of the elderly (average of 71.9 years), with high prevalence of other comorbidities, apart from obesity, that contribute to the development of MetS. Therefore, obesity appears not to be a decisive criterion for MetS detection in this age range.

A further indicator discussed in the literature is SAD. Although very few studies have evaluated this indicator as a predictor of MetS, the cut-off points suggested by Risérus et al.16 and Sharda et al.17 are in line with other studies that evaluated SAD as a predictor of visceral fat.15,28 Despite being related to visceral abdominal fat deposits, SAD has not been widely used in clinical practice since it requires a specific measuring instrument (abdominal caliper - Holtain, Ltd, Dyfed, Wales, U.K).

NC was also evaluated, with similar cut-off points suggested by the authors,8,19,20 which can be explained by the fact that this measurement is little affected by aging-related changes in body composition. The association between NC and MetS may be related to the fact that subcutaneous fat in the neck area is responsible for higher systemic release of free fatty acids.19 This excess of free fatty acids is associated with resistance to insulin, hypertriglyceridemia, vascular lesion and high blood pressure, and could predict MetS.

Differences between sexes and ethnic groups were reported in the study by Hoebel et al.20 The authors observed that a NC cut-off point of 35 cm was not able to predict MetS in black women, in contrast with what was observed in men, suggesting a concept of "healthy obesity". However, a limitation of this study was that the authors considered individuals aged between 46 and 65 as the elderly group and, for this reason, their results cannot be extrapolated to individuals aged over 65. Altogether, the studies8,18-20 suggested the use of NC, as it is a simple and practical anthropometric parameter, able to identify MetS. Another advantage of the NC is the fact that it is not affected during respiratory movement or in the postprandial period.

FMI was only discussed in the study by Liu et al.21 Although the authors suggested a cut-off point, it is worth pointing out that there was no stratification by age group in the data analysis. In addition, the study was conducted in China, in a smaller population with brevilineal biotype, which limit the extrapolation of results to other populations.

The studies included showed that the cut-off points for obesity indicators need to be specific for the elderly, with higher values when compared to other age groups, as obesity does not appear to be a strong predictor of MetS in the elderly.

With regards to clinical indicators, LAP was the parameter most discussed in the studies. Kahn3 highlights that the WC and TG levels tend to increase with age, accumulating over time. From this perspective and considering that lipid accumulation intensifies cardiometabolic consequences, the use of LAP seems an advantageous approach in evaluating MetS and cardiovascular risk.

The cut-off points for LAP suggested by the studied showed a wide variety, which could be justified by ethnic diversity, extensive age ranges and different criteria used to define MetS. In addition, two studies22,26 did not adequately define the age group of the elderly. While Motamed et al.26 did not stratify the results between adults and the elderly, Tellechea et al.22 considered the elderly group to be aged between 45 and 65. These facts limit the understanding of this indicator's performance, specifically among the elderly.

Although Taverna et al.23 has reported the lowest LAP AUC for the elderly aged between 61-70 years when compared with other studies, these authors show a better performance of LAP as a predictor of MetS in the elderly. Besides, although Ejike CECC25 demonstrated good results using the LAP indicator, a small sample (only 40 men) was included, which was an important limitation of the study.

The lowest LAP cut-off point to predict MetS suggested by Chiang & Koo,24 could be related to the criterion used to define MetS and the physical characteristics of the population evaluated. The capacity of LAP to identify MetS, compared with that of other parameters, is associated to the fact that this indicator reflects anatomical and physiological alterations associated to visceral fat and its accumulation,22,25 indicating that, regardless of how excess lipids are stored, it will be identified by LAP.25

Another clinical indicator also related to the dysfunction of the adipose tissue is VAI, which uses WC, BMI, TG and LDL measurements for its calculation. Only two studies25,27 have analysed its performance and proposed a VAI cut-off point to identify MetS. However, the cut-off points suggested diverged among the authors. It is of note that three of the variables on which VAI is based (WC, TG and HDL) are also MetS components, which makes the use of this index in patients with clear MetS pointless.29 The studies7,10 using lipid ratios showed that the use of this indicator in isolation is not able to identify MetS, particularly among the elderly, but rather to identify isolated cardiovascular risk factors.

The results were clear in showing that WC, WHtR and LAP indicators were the most sensitive ones for predicting MetS. Therefore, the use of these parameters may facilitate the early identification of MetS through easily-applied, precise and low cost diagnostic methods. The use of these indicators by health professionals is important to optimise MetS prevention and treatment, and to minimize its complications.

To summarise, the studies included propose different indicators to predict MetS. However, the cut-off points suggested vary between each other, as they are linked to different populations, with different age and ethnic characteristics. Further studies are required to identify the best practical, validated method to predict MetS. Also, studies comparing different indicators are needed, considering specific aspects, such as sex, well-defined age ranges and ethnic groups.

Different MetS classification criteria have been adopted, which makes the comparison between the studies problematic and the standardisation of the criteria essential. In addition, there is no consensus on the best indicator to predict MetS in the elderly, and studies in this population is still scare. These data affect the understanding of the indicators' performance in predicting MetS in this age group.

The most of these studies presented to methodological differences and study designs, as well as limitations inherent to observational studies, which make the comparison between results and the control of population biases difficult.

 Conclusion

Analysis of the studies included in this review allowed us to infer that the WC, WHtR and LAP indicators presented the best predictive power for MetS in the elderly because they are strongly related to visceral abdominal fat deposits. However, the disparate values between the studies substantiated that the prevalence of other comorbidities, rather than obesity, may be contributing to the development of MetS in this population. Thus, the results revealed that the distribution of abdominal fat, instead of overweight appears to be a fundamental criterion for this age group, but the distribuition of abdominal fat. The need to identify a simple method which facilitates the approach and detection of high risk for MetS in the elderly is highlighted, allowing the early prevention of cardiovascular events.

Sources of Funding

This study was funded by FAPESB - Fundação de Amparo à Pesquisa do Estado da Bahia (parecer nº 0007/2013).

Study Association

This article is part of the thesis of Doctoral submitted by Carolina Cunha de Oliveira, from Programa de Pós Graduação em Medicina e Saúde da Universidade Federal da Bahia.

 References 1 Akbulut G, Köksal E, Bilici S, Acar Tek N, Yildiran H, Karadag MG, et al. Metabolic syndrome (MS) in the elderly: A cross sectional survey. Arch Gerontol Geriatr. 2011;53(3):e263-6. Akbulut G Köksal E Bilici S Acar Tek N Yildiran H Karadag MG Metabolic syndrome (MS) in the elderly: A cross sectional survey Arch Gerontol Geriatr 2011 53 3 e263 e266 2 Alberti KG, Eckel RH, Grundy SM, Zimmet PZ, Cleeman JI, Donato K A, et al. Harmonizing the Metabolic Syndrome: A Joint Interim Statement of the International Diabetes Federation Task Force on Epidemiology and Prevention; National Heart, Lung, and Blood Institute; American Heart Association; World Heart Federation; International. Circulation. 2009;120(16):1640-5. Alberti KG Eckel RH Grundy SM Zimmet PZ Cleeman JI Donato K A Harmonizing the Metabolic Syndrome: A Joint Interim Statement of the International Diabetes Federation Task Force on Epidemiology and Prevention; National Heart, Lung, and Blood Institute; American Heart Association; World Heart Federation; International Circulation 2009 120 16 1640 1645 3 Kahn H. The "lipid accumulation product" performs better than the body mass index for recognizing cardiovascular risk: a population-based comparison. BMC Cardiovasc Disord. 2005;5(26):10. Kahn H The "lipid accumulation product" performs better than the body mass index for recognizing cardiovascular risk: a population-based comparison BMC Cardiovasc Disord 2005 5 26 10 10 4 Amato MC, Giordano C, Galia M, Criscimanna A, Vitabile S, Midiri M, et al. Visceral Adiposity Index: a reliable indicator of visceral fat function associated with cardiometabolic risk. Diabetes Care. 2010;33(4):920-2. Amato MC Giordano C Galia M Criscimanna A Vitabile S Midiri M Visceral Adiposity Index: a reliable indicator of visceral fat function associated with cardiometabolic risk Diabetes Care 2010 33 4 920 922 5 Gharipour M, Sadeghi M, Dianatkhah M, Bidmeshgi S, Ahmadi A, Tahri M, et al. The Cut-Off Values of Anthropometric Indices for Identifying Subjects at Risk for Metabolic Syndrome in Iranian Elderly Men. J Obes. 2014;2014:1-6. Gharipour M Sadeghi M Dianatkhah M Bidmeshgi S Ahmadi A Tahri M The Cut-Off Values of Anthropometric Indices for Identifying Subjects at Risk for Metabolic Syndrome in Iranian Elderly Men J Obes 2014 2014 1 6 6 Zhou J, Ge H, Zhu M, Wang L, Chen L, Tan Y, et al. Neck circumference as an independent predictive contributor to cardio-metabolic syndrome. Cardiovasc Diabetol. 2013;12:76. Zhou J Ge H Zhu M Wang L Chen L Tan Y Neck circumference as an independent predictive contributor to cardio-metabolic syndrome Cardiovasc Diabetol 2013 12 76 76 7 Liang H, Chen X, Chen Q, Wang Y, Wu X, Li Y, et al. The metabolic syndrome among postmenopausal women in rural canton: prevalence, associated factors, and the optimal obesity and atherogenic indices. PLoS One. 2013;8(9):e74121. Liang H Chen X Chen Q Wang Y Wu X Li Y The metabolic syndrome among postmenopausal women in rural canton: prevalence, associated factors, and the optimal obesity and atherogenic indices PLoS One 2013 8 9 e74121 8 Yan Q, Sun D, Li X, Zheng Q, Li L, Gu C, et al. Neck circumference is a valuable tool for identifying metabolic syndrome and obesity in Chinese elder subjects: a community-based study. Diabetes Metab Res Rev. 2014;30(1):69-76. Yan Q Sun D Li X Zheng Q Li L Gu C Neck circumference is a valuable tool for identifying metabolic syndrome and obesity in Chinese elder subjects: a community-based study Diabetes Metab Res Rev 2014 30 1 69 76 9 Guasch-Ferré M, Bulló M, Martínez-González MÁ, Corella D, Estruch R, Covas M-I, et al. Waist-to-height ratio and cardiovascular risk factors in elderly individuals at high cardiovascular Rrsk. PLoS One .2012; 7(8):e43275. Guasch-Ferré M Bulló M Martínez-González MÁ Corella D Estruch R Covas M-I Waist-to-height ratio and cardiovascular risk factors in elderly individuals at high cardiovascular Rrsk PLoS One 2012 7 8 e43275 10 Arthur FKN, Adu-Frimpong M, Osei-Yeboah J, Mensah FO, Owusu L. Prediction of metabolic syndrome among postmenopausal Ghanaian women using obesity and atherogenic markers. Lipids Health Dis. 2012;11:101. Arthur FKN Adu-Frimpong M Osei-Yeboah J Mensah FO Owusu L Prediction of metabolic syndrome among postmenopausal Ghanaian women using obesity and atherogenic markers Lipids Health Dis 2012 11 101 101 11 Chu F-L, Hsu C-H, Jeng C. Low predictability of anthropometric indicators of obesity in metabolic syndrome (MS) risks among elderly women. Arch Gerontol Geriatr. 2012;55(3):718-23. Chu F-L Hsu C-H Jeng C Low predictability of anthropometric indicators of obesity in metabolic syndrome (MS) risks among elderly women Arch Gerontol Geriatr 2012 55 3 718 723 12 Gharipour M, Sarrafzadegan N, Sadeghi M, Andalib E, Talaie M, Shafie D, et al. Predictors of metabolic syndrome in the iranian population: waist circumference, body mass index, or waist to hip ratio? Cholesterol. 2013;2013:198384. Gharipour M Sarrafzadegan N Sadeghi M Andalib E Talaie M Shafie D Predictors of metabolic syndrome in the iranian population: waist circumference, body mass index, or waist to hip ratio? Cholesterol 2013 2013 198384 198384 13 Zeng Q, He Y, Dong S, Zhao X, Chen Z, Song Z, et al. Optimal cut-off values of BMI, waist circumference and waist:height ratio for defining obesity in Chinese adults. Br J Nutr. 2014;112(10):1735-44. Zeng Q He Y Dong S Zhao X Chen Z Song Z Optimal cut-off values of BMI, waist circumference and waist:height ratio for defining obesity in Chinese adults Br J Nutr 2014 112 10 1735 1744 14 Paula HA A, Ribeiro RCL, Rosado LE, Abranches MV, Franceschini S C. Classic anthropometric and body composition indicators can predict risk of metabolic syndrome in the elderly. Ann Nutr Metab. 2012;60(4):264-71. Paula HA HA A Ribeiro RCL Rosado LE Abranches MV Franceschini S C Classic anthropometric and body composition indicators can predict risk of metabolic syndrome in the elderly Ann Nutr Metab 2012 60 4 264 271 15 Carneiro Roriz AK, Santana Passos LC, Cunha de Oliveira C, Eickemberg M, de Almeida Moreira P, Ramos Sampaio L. Discriminatory power of indicators predictors of visceral adiposity evaluated by computed tomography in adults and elderly individuals. Nutr Hosp 2014;29(6):1401-7. Carneiro Roriz AK Santana Passos LC Cunha de Oliveira C Eickemberg M de Almeida Moreira P Ramos Sampaio L. Discriminatory power of indicators predictors of visceral adiposity evaluated by computed tomography in adults and elderly individuals Nutr Hosp 2014 29 6 1401 1407 16 Risérus U, de Faire U, Berglund L, Hellénius M-L. Sagittal abdominal diameter as a screening tool in clinical research: cut-offs for cardiometabolic risk. J Obes. 2010;Pii:757939. Risérus U de Faire U Berglund L Hellénius M-L Sagittal abdominal diameter as a screening tool in clinical research: cut-offs for cardiometabolic risk J Obes 2010 Pii 757939 17 Sharda M, Nagar D, Soni A. Sagittal abdominal diameter as a predictor of metabolic syndrome in the elderly. J Indian Acad Geriatr. 2014 Mar;10:5-9. Sharda M Nagar D Soni A Sagittal abdominal diameter as a predictor of metabolic syndrome in the elderly J Indian Acad Geriatr 03 2014 10 5 9 18 Aoi S, Miyake T, Harada T, Ishizaki F, Ikeda H, Nitta Y, et al. Neck circumference has possibility as a predictor for metabolic syndrome in postmenopausal women. Hiroshima J Med Sci. 2014;63(4):27-32. Aoi S Miyake T Harada T Ishizaki F Ikeda H Nitta Y Neck circumference has possibility as a predictor for metabolic syndrome in postmenopausal women Hiroshima J Med Sci 2014 63 4 27 32 19 Limpawattana P, Manjavong M, Sopapong R. Can neck circumference predict metabolic syndrome? An experience from a university community. Endocr Pract. 2016;22(1):8-15. Limpawattana P Manjavong M Sopapong R Can neck circumference predict metabolic syndrome? An experience from a university community Endocr Pract 2016 22 1 8 15 20 Hoebel S, Malan L, de Ridder JH. Determining cut-off values for neck circumference as a measure of the metabolic syndrome amongst a South African cohort: the SABPA study. Endocrine. 2012;42(2):335-42. Hoebel S Malan L de Ridder JH Determining cut-off values for neck circumference as a measure of the metabolic syndrome amongst a South African cohort: the SABPA study Endocrine 2012 42 2 335 342 21 Liu P, Ma F, Lou H, Liu Y. The utility of fat mass index vs. body mass index and percentage of body fat in the screening of metabolic syndrome. BMC Public Health. 2013;13:629. Liu P Ma F Lou H Liu Y The utility of fat mass index vs. body mass index and percentage of body fat in the screening of metabolic syndrome BMC Public Health 2013 13 629 629 22 Tellechea ML, Aranguren F, Martinez-Larrad MT, Serrano-Rios M, Taverna MJ, Frechtel GD. Ability of lipid accumulation product to identify metabolic syndrome in healthy men from Buenos Aires. Diabetes Care. 2009;32(7):e85. Tellechea ML Aranguren F Martinez-Larrad MT Serrano-Rios M Taverna MJ Frechtel GD Ability of lipid accumulation product to identify metabolic syndrome in healthy men from Buenos Aires Diabetes Care 2009 32 7 e85 23 Taverna MJ, Martinez-Larrad MT, Frechtel GD, Serrano-Rios M. Lipid accumulation product: a powerful marker of metabolic syndrome in a healthy population. Eur J Endocrinol. 2011;164(4):559-67. Taverna MJ Martinez-Larrad MT Frechtel GD Serrano-Rios M Lipid accumulation product: a powerful marker of metabolic syndrome in a healthy population Eur J Endocrinol 2011 164 4 559 567 24 Chiang J-K, Koo M. Lipid accumulation product: a simple and accurate index for predicting metabolic syndrome in Taiwanese people aged 50 and over. BMC Cardiovasc Disord. 2012;12:78. Chiang J-K Koo M Lipid accumulation product: a simple and accurate index for predicting metabolic syndrome in Taiwanese people aged 50 and over BMC Cardiovasc Disord 2012 12 78 78 25 Ejike CECC. Lipid accumulation product and waist-to-height ratio are predictors of the metabolic syndrome in a nigerian male geriatric population. J Rural Trop Public Health. 2011;10:101-5. Ejike CECC Lipid accumulation product and waist-to-height ratio are predictors of the metabolic syndrome in a nigerian male geriatric population J Rural Trop Public Health 2011 10 101 105 26 Motamed N, Razmjou S, Hemmasi G, Maadi M, Zamani F. Lipid accumulation product and metabolic syndrome: a population-based study in northern Iran, Amol. J Endocrinol Invest. 2016;39(4):375-82. Motamed N Razmjou S Hemmasi G Maadi M Zamani F Lipid accumulation product and metabolic syndrome: a population-based study in northern Iran, Amol J Endocrinol Invest 2016 39 4 375 382 27 Amato MC, Giordano C, Pitrone M, Galluzzo A. Cut-off points of the visceral adiposity index (VAI) identifying a visceral adipose dysfunction associated with cardiometabolic risk in a Caucasian Sicilian population. Lipids Health Dis. 2011;10:183. Amato MC Giordano C Pitrone M Galluzzo A Cut-off points of the visceral adiposity index (VAI) identifying a visceral adipose dysfunction associated with cardiometabolic risk in a Caucasian Sicilian population Lipids Health Dis 2011 10 183 183 28 Roriz AKC, de Oliveira CC, Moreira PA, Eickemberg M, Medeiros JMB, Sampaio LR. Methods of predicting visceral fat in Brazilian adults and older adults: a comparison between anthropometry and computerized tomography. Arch Latinoam Nutr. 2011;61(1):5-12. Roriz AKC de Oliveira CC Moreira PA Eickemberg M Medeiros JMB Sampaio LR Methods of predicting visceral fat in Brazilian adults and older adults: a comparison between anthropometry and computerized tomography Arch Latinoam Nutr 2011 61 1 5 12 29 Amato MC, Giordano C. Clinical indications and proper use of the Visceral Adiposity Index. Nutr Metab Cardiovasc Dis 2013;23(8):e31-2. Amato MC Giordano C Clinical indications and proper use of the Visceral Adiposity Index Nutr Metab Cardiovasc Dis 2013 23 8 e31 e32 Artigo de Revisão Preditores de Síndrome Metabólica em Idosos: Uma Revisão Oliveira Carolina Cunha de 1 2 Costa Emanuelle Dias da 3 Roriz Anna Karla Carneiro 4 Ramos Lilian Barbosa 4 Gomes Mansueto Neto 1 Programa de Pós-Graduação Medicina e Saúde - Universidade Federal da Bahia (UFBA), BA Universidade Federal de Sergipe, SE Residência em Nutrição Clínica - UFBA Programa de Pós-Graduação em Alimentos, Nutrição e Saúde - UFBA, Salvador, BA - Brasil Correspondência: Carolina Cunha de Oliveira, Rua Conego José Felix de Olieira, 485, Ap 10. CEP: 49035-170, Coroa do Meio, Aracaju, SE - Brasil. E-mail: carol_cunh@yahoo.com.br, carol_cunh104@hotmail.com

Contribuição dos autores

Concepção e desenho da pesquisa: Oliveira CC, Roriz AKC, Ramos LB, Gomes Neto M. Obtenção de dados: Oliveira CC, Costa ED. Análise e interpretação dos dados: Oliveira CC, Roriz AKC, Ramos LB, Gomes Neto M. Análise estatística: Oliveira CC. Obtenção de financiamento: Ramos LB. Redação do manuscrito: Oliveira CC, Costa ED, Gomes Neto M. Revisão crítica do manuscrito quanto ao conteúdo intelectual importante: Oliveira CC, Roriz AKC, Ramos LB, Gomes Neto M.

Potencial Conflito de Interesse

Declaro não haver conflito de interesses pertinentes.

 Resumo

O artigo teve como objetivo analisar criticamente estudos que avaliaram a habilidade dos indicadores antropométricos e clínicos enquanto capazes de predizer a SM em idosos. Foi realizado uma pesquisa bibliográfica nas bases de dados Medline/PubMed, LILACS e SciELO, além das referências de artigos selecionados e contato com autores. Foram analisados 21 artigos envolvendo indicadores antropométricos e clínicos em idosos, através de diferentes critérios da SM. Catorze estudos reportam aos indicadores antropométricos, sendo a circunferência da cintura (CC) e a razão cintura-estatura (RCEst) descritos como os melhores preditores de SM, com área sob a curva ROC (AUC) superior a 0,70 (p < 0,05). A circunferência do pescoço também foi descrita como indicador alternativo, porém com menor poder discriminatório. Para os indicadores clínicos, o lipid product accumulation (LAP) foi o parâmetro com melhor desempenho em identificar a SM em idosos, com AUC superior 0,85 e eficiência superior a 70%. Os indicadores CC, RCEst e LAP foram os mais sensiveis na predicação da SM. Desta forma, o emprego desses parâmetros podem facilitar a identificação precoce da SM através de métodos diagnósticos de fácil aplicação, boa precisão e baixo custo. Além disso, é importante a determinação de pontos de corte específicos para idosos, uma ver que a obesidade por si só, parece não ser forte preditor de SM em idosos.

 Palavras-chave: Idoso Pesos e Medidas Corporais Fatores de Risco Antropometria Obesidade Síndrome Metabólica Indicadores Introdução

A síndrome metabólica (SM) é definida como um conjunto de fatores de risco que inclui resistência à insulina, dislipidemia, obesidade abdominal e hipertensão, e aumenta o risco de doenças cardiovasculares e diabetes.1,2 Os critérios mais atuais utilizados para definir SM foram preparados pela Federação Internacional do Diabetes (International Diabetes Federation, IDF).2 Em seu relatório, foi definido que a obesidade abdominal deixa de ser um componente obrigatório, e pontos de corte específicos devem ser usados para classificar circunferência da cintura (CC) por grupo étnico, além de critérios para alterações no metabolismo de glicose e lipídios, e pressão arterial elevada.2

O uso de indicadores clínicos e antropométricos pode auxiliar na identificação da SM.3-5 Indicadores clínicos são aqueles que associam parâmetros bioquímicos a medidas analíticas, particularmente o produto da acumulação lipídica (PAL) e o índice de adiposidade visceral (IAV).3,4 Indicadores antropométricos incluem índice de massa corporal (IMC), CC, relação cintura-quadril (RCQ), relação cintura-estatura (RCE), diâmetro abdominal sagital (DAS) e circunferência do pescoço (CP).5,6

O uso de indicadores como preditores de SM pode facilitar a identificação dessa condição na prática clínica, por sua simplicidade, rapidez e funcionalidade. No entanto, não existe um consenso sobre qual melhor indicador capaz de identificar SM em idosos, dada às características funcionais e diferentes pontos de corte, muitos deles específicos para jovens adultos, e com diferentes critérios para definir SM.1,2 Contudo, a identificação precoce da SM é importante nessa população, ao auxiliar as equipes de saúde na decisão de estratégias direcionadas à redução do risco cardiovascular global.1

Esta revisão teve como objetivo analisar criticamente estudos que avaliaram a capacidade de indicadores clínicos e antropométricos em predizer SM em idosos.

 Métodos Estratégia de busca

A busca por artigos foi realizada nas bases de dados MEDLINE/PUBMED, LILACS e SciELO, usando as seguintes combinações: ("metabolic syndrome" ou "syndrome X" ou "plurimetabolic syndrome") e ("elderly" ou "older adults" ou "aged") e ("predict" ou "identify" ou "ability"). Essas expressões foram pesquisadas combinadas entre si ou isoladas. Artigos listados nas referências também foram identificados e revisados. Vários autores foram contatados para obtenção de informações relevantes não informadas nos artigos.

 Critérios para inclusão dos artigos

Somente artigos escritos em inglês, espanhol ou português foram incluídos nesta revisão. Foram selecionados artigos publicados entre janeiro de 2010 e janeiro de 2016, e estudos clássicos sobre o tópico, publicados antes desse período, também foram incluídos. Foram incluídos estudos de base populacional em idosos e estudos em idosos institucionalizados que avaliaram indicadores antropométricos e clínicos (PAL, IAV ou razões lipídicas) como preditores de SM.

 Extração dos dados

Após triagem dos títulos e resumos de acordo com os critérios de elegibilidade, os artigos considerados relevantes foram selecionados para serem lidos na íntegra (Figura 1).

Fluxograma da seleção dos artigos para a revisão.

Os seguintes dados foram extraídos de maneira independente: 1) características dos artigos (autores, revista e ano de publicação); 2) local onde o estudo foi realizado (cidade e país); 3) características da população estudada (número de participantes, sexo e faixa etária); 4) indicadores estudados (indicadores antropométricos: IMC, CC, RCQ, RCE, DAS, CP, e indicadores clínicos: PAL, IAV e as razões lipídicas: HDLc/TC, HDL/LDL e TG/LDL); 5) critérios de classificação da SM seguidos: IDF, Programa Nacional de Educação do Colesterol-Painel de Tratamento do Adulto III (NCEP-ATP III), ou o critério harmonizado;2 6) principais resultados: AUC (área sob a curva ROC); IC 95%, pontos de corte, sensibilidade (SEN) e especificidade (ESP).

 Resultados

Duzentos e oitenta e nove estudos foram identificados nas bases de dados pesquisadas. Após a leitura dos títulos e resumos, 244 estudos foram excluídos. Assim, 45 artigos foram considerados elegíveis para análise, e 26 desses foram excluídos: 7 por avaliarem jovens adultos em vez de idosos, 5 por avaliarem o risco cardiovascular global, 4 por avaliarem componentes isolados da SM (dislipidemia, hipertensão, diabetes ou obesidade), 2 por avaliarem preditores de resistência à insulina, 5 por avaliarem componentes do hemograma como preditores de SM; 1 por avaliar pacientes admitidos no hospital, e 2 artigos escritos em chinês. Ainda, após a revisão das referências bibliográficas dos artigos de interesse, dois outros foram incluídos. Ao final, 21 artigos foram analisados nesta revisão (Figura 1).

Dos artigos analisados, 13 abordaram indicadores antropométricos (Tabelas 1 e 2), 7 avaliaram indicadores clínicos (PAL, IAV e razões lipídicas) (Tabelas 3 e 4) e um artigo7 comparou indicadores antropométricos e razões lipídicas na predição de SM em idosos (por isso, encontra-se citado nas tabelas de indicadores antropométricos e clínicos).

Estudos que avaliaram indicadores antropométricos como preditores de síndrome metabólica em idosos
Autores e ano de publicação (Ref. nº.) Cidade, país Número de participantes Faixa etária (anos) Indicadores Critérios para diagnóstico de SM
Gharipour et al. 2014 5 Isfahan, Iran 206 homens 71.85±5.44 IMC, CCC*, RCQ e RCE 2 ou mais fatores do NCEP ATPIII sem CC
Liang et al. 2013 7 Cantão, China 4706 mulheres ≥ 50 CC*, RCQ, RCE, IMC Critério harmonizado para SM
Yan et al. 2014 8 Xangai,China 2092 indivíduos (1121M, 971 H) ≥ 65 CP Critério harmonizado para SM
Guasch-Ferré et al. 2012 9 Espanha 7447 indivíduos M: 55-80 W: 60-80 CC*, RCQ, RCE, IMC Critério harmonizado para SM
Chu et al. 2012 11 Taipé, Taiwan 2848 M ≥65 CC*, RCQ, RCE, IMC IDF sem CC
Gharipour et al. 2013 12 Isfahan, Iran 468 indivíduos(232 M; 236 H) > 60 CC*, IMC, RCQ NCEP ATPIII
Zeng et al. 2014 13 China 221270 indivíduos (84014 M; 137256 H) 45-79 IMC, CC*, RCE 2 ou mais fatores
Paula et al. 2012 14 Viçosa, Brasil 113 M 60-83 IMC, CC, RCQ, SP (Somatório de quatro pregas) NCEP ATPIII sem CC
Risérus et al. 2010 16 Estocolmo, Suécia 4,032 indivíduos (2096 M; 1936 H) ≥ 60 DAS, IMC, CC* e RCQ Score de risco cardiometabólico
Sharda et al. 2014 17 Kota, Índia 400 indivíduos(200 M, 200 H) 60-90 DAS IDF
Aoi et al. 2014 18 Mihara, Japão. 64 M 63.6 ± 7.1 IMC, %GC, CC† e CP Componentes da SM
Limpawattana et al. 2016 19 Khon Kaen, Tailândia 587 indivíduos(386 M, 201 H) ≥ 50 CP NCEP ATPIII e IDF
Hoebel et al. 2012 20 Província Noroeste, África do Sul 409 indivíduos(207 M, 202 H) 25-65 CP, CC* IDF
Liu et al. 2013 21 Pequim, China 1698 indivíduos(593 M; 1689 H) 20-79 IMC, IMG e %GC NCEP ATPIII

M: mulheres; H: homens; SM: síndrome metabólica; IDF: International Diabetes Federation (Federação Internacional de Diabetes); NCEP ATPIII: National Cholesterol Education Programme Adult Treatment Panel III (Programa Nacional de Educação do Colesterol-Painel de Tratamento do Adulto III); IMC: índice de massa corporal; CC: circunferência da cintura; RCQ: relação cintura-quadril; RCE: relação cintura-estatura, DAS: diâmetro abdominal sagital; CP: circunferência do pescoço; SP: soma de quatro pregas cutâneas; %GC: porcentagem de gordura corporal; IMG: índice de massa gorda.

ponto médio entre a última costela e a crista ilíaca, perpendicular ao eixo corporal.

na altura do umbigo.

 Pontos de cortes e áreas sob a curva ROC, sensibilidade e especificidade dos indicadores antropométricos para determinar a síndrome metabólica em idosos
Autores e ano de publicação (Ref. º.) Indicadores Homens Mulheres
AUC (95% CI) Ponto de corte SEN (%) ESP (%) AUC (95% CI) Ponto de corte SEN (%) ESP (%)
Gharipour et al. 2014 5 CC 0,683 (0,606-0,761) 94,5 cm 64,0 68,0
RCQ 0,645 (0,563-0,727) 0,96 6,0 69,0
IMC 0,641 (0,561-0,722) 26,65 kg/m2 48,0 76,0
RCE 0,680 (0,602-0,758) 58,66 52,0 79,0
Liang et al. 2013 7 CC 0,76 79,5 cm 72,7 76,7
RCQ 0,70 0,86 62,8 72,1
RCE 0,74 0,53 67,6 72,9
IMC 0,71 22,47 kg/m2 64,8 67,3
Yan et al. 2014 8 CP 0,76 > 38 cm 80,0 55,0 0,73 > 35 cm 75,0 67,0
Guasch-Ferré et al. 2012 9 RCE 0,74 (0,72-0,75)
CC 0,72 (0,71-0,73) Resultados apresentados sem estratificação por sexo
IMC 0,69 (0,68-0,70)
Chu et al. 2012 11 RCE 0,66 (0,58-0,74) 0,54 70 70
CC 0,68 (0,60-0,76) 82,4 cm 75 69
RCQ 0,63 (0,56-0,71) 0,84 58 72
IMC 0,58 (0,50-0,68) 24,4 kg/m2 78 60
Gharipour et al. 2013 12 CC 0,78 (0,70-0,85) 92,0cm 81,4 55,8
RCQ 0,76 (0,68-0,83) 0,93 82,9 52,3 Resultados apresentados sem estratificação por sexo
IMC 0,77 (0,70-0,84) 28,8 kg/m2 80,0 61,6
Zeng et al. 2014 13 IMC 0,640 (0,648-0,666)⸗0,665 (0,654-0,675) 24,2 kg/m2 ⸗ 23,3 kg/m2 69,171,7 54,352,3 0,637 (0,624-0,650)⸗0,665 (0,648-0,682) 23,3 kg/m223,5 kg/m2 70,465,3 49,759,9
CC 0,640 (0,631-0,654)⸗0,646 (0,636-0,657) 83,5 cm82,3 cm 74,374,0 45,847,3 0,641 (0,628-0,645)⸗0,668 (0,651-0,685) 78,5 cm78,5 cm 65,270,1 55,654,7
RCE 0,645 (0,636-0,654)⸗0,651 (0,641-0,662) 0,520,50 62,371,9 58,450,2 0,640 (0,627-0,653)⸗0,659 (0,642-0,676) 0,490,52 76,065,2 44,559,6
Zeng et al. 2014 13 IMC 0,640 (0,648-0,666)⸗0,665 (0,654-0,675) 24,2 kg/m2 ⸗ 23,3 kg/m2 69,171,7 54,352,3 0,637 (0,624-0,650)⸗0,665 (0,648-0,682) 23,3 kg/m223,5 kg/m2 70,465,3 49,759,9
CC 0,640 (0,631-0,654)⸗0,646 (0,636-0,657) 83,5 cm82,3 cm 74,374,0 45,847,3 0,641 (0,628-0,645)⸗0,668 (0,651-0,685) 78,5 cm78,5 cm 65,270,1 55,654,7
RCE 0,645 (0,636-0,654)⸗0,651 (0,641-0,662) 0,520,50 62,371,9 58,450,2 0,640 (0,627-0,653)⸗0,659 (0,642-0,676) 0,490,52 76,065,2 44,559,6
Paula et al. 2012 14 CC 0,694 (0,600-0,777) 92,0 cm 80 58,2
IMC 0,619 (0,523-0,708) 25,4 kg/m2 66,7 55,1
RCQ 0,752 (0,662-0,829) 0,98 80 59,2
SP 0,669 (0,574-0,726) 108 mm 66,7 64,3
Risérus et al. 2010 16 DAS 0,80 (0,77-0,82) 22,2 cm 0,77 (0,75-0,80) 20,1 cm
CC 0,78 (0,75-0,80) 100 cm 0,77 (0,75-0,80) 88,4 cm
RCQ 0,74 (0,71-0,77) 0,97 0,76 (0,74-0,79) 0,82
IMC 0,78 (0,76-0,81) 27,9 kg/m2 0,74 (0,72-0,77) 27,6 kg/m2
Sharda et al. 2014 17 DAS > 22 cm 88,0 83,0 > 20 cm 87,0 80,0
Aoi et al. 2014 18 CP CP foi associada com IMC (r = 0,747, p < 0,0001), %GC (r = 0,715, p < 0,0001), TG (r = 0,276, p = 0,028), redução em HDLc (r = -0,401, p < 0,001) e HbA1c (r = 0,298, p = 0,019), HOMA-R e leptina (r = 0,488, p < 0,001),
Limpawattana et al. 2016 19 CP 0,84 (0,79-0,90)‡0,71 (0,64-0,78)§ > 39 cm‡ 70,89 81,15 0,79 (0,75-0,84)‡0,77(0,72-0,82)§ > 33 cm‡ 86,54 59,39
Hoebel et al. 2012 20 CP 0,70 (0,50-1,00)*0,70 (0,60-0,90)† > 35 cm*> 41 cm† 0,60 (0,40-0,80)*0,80 (0,70-0,90)† > 35 cm*> 33 cm†
Liu et al. 2013 21 IMC 0,904 (0,882-0,925) 27,45 kg/m2 80,6 84,3 0,869 (0,869-0,928) 23,85 kg/m2 92,7 72,9
GC 0,883 (0,859-0,908) 23,95% 84,1 7,8 0,855 (0,818-0,892) 31,35% 77,1 81,4
IMG 0,920 (0,900-0,940) 7,00 kg/m2 80,2 86,9 0,898 (0,869-0,927) 7,90 kg/m2 78,9 85,7

AUC: área sob a curva ROC: IC 95%: intervalo de confiança de 95%; SEN: sensibilidade; ESP: especificidade; IMC: índice de massa corporal; CC: circunferência da cintura; RCQ: relação cintura-quadril; RCE: relação cintura-estatura; DAS: diâmetro abdominal sagital; CP: circunferência do pescoço; SP: soma de quatro pregas cutâneas; %GC: porcentagem de gordura corporal; IMG: índice de massa gorda

Grupo de idosos africanos;

Grupo de idosos caucasianos;

Critérios da IDF;

Critérios da NCEP ATP III;

60:69 anos;

70-79 anos.

 Estudos que avaliaram os indicadores clínicos como preditores da síndrome metabólica em idosos
Autores e anos de publicação (Ref. nº.) Cidade, país Número de participantes Faixa etária (anos) Indicadores Critérios para diagnóstico de SM
Liang et al. 2013 7 Cantão, China 4706 M ≥ 50 TG/HDL, HDL/TC, HDL/LDL Critério harmonizado para SM
Arthur et al. 2012 10 Kumasi, Ghana 250 M 20-78 TG/HDL, HDL/TC Critério harmonizado para SM
Tellechea et al. 2009 22 Buenos Aires, Argentina 601 H 18-65 PAL NCEP ATPIII
Taverna et al. 2011 23 Província de Segóvia, Espanha central 768 indivíduos (416 M; 352 H) 36-77 PAL, TG/HDL, TG, CC e IMC NCEP ATPIII vs. IDF
Chiang & Koo 2012 24 Taiwan 513 indivíduos (247 M; 266 H) > 50 PAL, RCE, IMC e CC Critérios de SM para a população de Taiwan
Ejike 2011 25 Estado de Abia, Nigéria 40 H 65-84 PAL, IAV, IMC, RCE e RCQ IDF
Motamed et al. 2015 26 Amul, Irã 5511 indivíduos (2392 M; 3119 H) 18-90 PAL, CC, IMC, RCE, RCQ IDF
Amato et al. 2011 27 Alcamo, Itália 1764 indivíduos (1179 M; 585 H) 16-99 IAV NCEP ATPIII

M: mulheres; H: homens; SM: síndrome metabólica; IDF: International Diabetes Federation (Federação Internacional de Diabetes); NCEP ATPIII: National Cholesterol Education Programme Adult Treatment Panel III (Programa Nacional de Educação do Colesterol-Painel de Tratamento do Adulto III); PAL: produto de acumulação lipídica; IAV: índice de adiposidade visceral; IMC: índice de massa corporal; CC: circunferência da cintura; RCQ: relação cintura-quadril; RCE: relação cintura-estatura; HDLc/TC: HDL- razão entre colesterol e colesterol total; HDL/LDL: HDL- razão entre HDL colesterol e LDL: colesterol; TG/LDL: razão entre triglicerídeos e HDL-colesterol.

 Pontos de corte e áreas sob a curva ROC, sensibilidade e especificidade dos indicadores clínicos para determinar síndrome metabólica em idosos
Autores e anos de publicação (Ref. nº.) Indicadores Homens Mulheres
AUC (IC95%) Ponto de corte Sen (%) Esp (%) AUC (IC95%) Ponto de corte Sen (%) Esp (%)
Amato et al. 2010 4 IAV 0,840 (0,98-1,00)‡ 1,93 77,0 82,3 Sem estratificação por sexo
0,783 (0,73-0,82)§ 2,00 68,5 76,0
Liang et al. 2013 7 TG/HDLc 0,84 0,88 77,7 76,0
HDLc/TC 0,73 0,73 70,1 64,6
HDLc/LDLc 0,74 0,68 78,3 65,7
Arthur et al. 2012 10 TG/HDLc 0,80 (0,70-0,90) 0,61 87,2 80,0
HDLc/TC 0,80 (0,70-0,90) 0,34 96,6 83,3
Tellechea et al. 2010 22 PAL 0,91 (p<0,05) 53,63 83,0 83,0
Taverna et al. 2011 23 PAL 61-70 anos: 61-70 anos:
0,89 (0,82-0,97)† 0,79 (0,69-0,90)†
0,84 (0,74-0,93)* 0,78 (0,67-0,89)Δ
71-77 anos:0,89 (0,77-1,01)† 71-77 anos:0,88 (0,76-0,99)†
0,91 (0,82-1,00)* 0,85 (0,74-0,99)*
CC 61-70 anos: 0,82 (0,72-0,93)† 61-70 anos:0,78 (0,68-0,87)†
IMC 0,85 (0,75-0,95)† 0,74 (0,63-0,85)†
Chiang & Koo 2012 24 PAL 0,916 (0,880-0,953) 31,6 88,0 82,0 0,901 (0,855-0,946) 31,6 66,0 93,0
RCE 0,827 (0,762-0,892) 0,819 (0,755-0,883)
IMC 0,776 (0,709-0,844) 0,793 (0,726-0,859)
CC 0,825 (0,760-0,890) 0,817 (0,755-0,879)
Ejike 2011 25 PAL 0,937 (p < 0,05) 43,91 100 81,0
IAV 0,640 4,44 67,0 84,0
IMC 0,793 30,47 kg/m2 100 73,0
RCE 0,905 (p < 0,05) 0,61 100 78,0
RCQ 0,635 1,08 67,0 76,0
Motamed et al. 2015 26 PAL 0,901 (0,890-0,913) 39,89 86,0 79,6 0,904 (0,892-0,916) 49,71 85,2 82,3
CC 0,907 (0,897-0,917) 0,782 (0,764-0,801)
IMC 0,862 (0,849-0,876) 0,701 (0,680-0,722)
RCE 0,878 (0,868-0,889) 0,788 (0,769-0,806)
RCQ 0,840 (0,826-0,855) 0,785 (0,766-0,803)

AUC: área sob a curva ROC; IC 95%: Intervalo de confiança de 95%; Sen: sensibilidade; Esp: especificidade; PAL: produto da acumulação lipídica; IAV: índice de adiposidade visceral; IMC: índice de massa corporal; CC: circunferência da cintura; RCQ: relação cintura-quadril; RCE: relação cintura-estatura;

Critérios da IDF;

Critérios da NCEP ATP III

52 - 66 anos;

> 66 anos

Os critérios do IDF e da NCEP-ATP III foram os mais utilizados para a definição de SM. O mais recente critério harmonizado foi usado em somente 5 artigos.7-10 Segundo os critérios harmonizados, a obesidade em si não é um pré-requisito para o diagnóstico de SM, o qual deve ser estabelecido com base na presença de 3 dos 5 fatores de risco (entre os quais a obesidade está incluída).

Indicadores antropométricos

Quatorze estudos relataram indicadores antropométricos como preditores de SM (Tabelas 1 e 2). Entre os indicadores antropométricos, os mais citados foram IMC, CC e RCQ. Estudos mais recentes analisaram RCE, DAS e CP.

A maioria dos artigos5,7,11-13 que avaliaram indicadores antropométricos destacam a CC e a RCE como os melhores preditores de SM em idosos, em comparação ao IMC e RCQ.

Os estudos de Liang et al.7 e Guasch-Ferré et al.,9 relataram uma AUC maior que 0,70 para CC e RCE para detectar SM, considerando o critério harmonizado para SM. Para mulheres, Liang et al.,7 identificaram os pontos de corte de 79,5 cm para CC (SEN: 72,7%; ESP: 76,7%) e 0,53 para RCE (SEN: 67,6%; ESP: 72,9%), com eficiência superior a 70%. Zeng et al.,13 avaliando a presença de pelo menos dois componentes da SM e estratificando os resultados por sexo e idade, observaram valores similares de AUCs e pontos de corte para mulheres nas faixas etárias 60-69 e 70-79 anos (Tabela 2).

Entre os indicadores com desempenho insatisfatório, Paula et al.,14 estabeleceram que o IMC e a soma de quatro dobras cutâneas foram os parâmetros antropométricos de adiposidade com a menor eficiência para identificar SM.

Outro indicador citado foi DAS, capaz de estimar o excesso de gordura visceral e, por isso, um melhor preditor de risco cardiometabólico em comparação aos indicadores clássicos.15 Somente dois estudos16,17 avaliaram DAS em idosos. Sharda et al.,17 com o objetivo de identificar os melhores pontos de corte do DAS na predição de SM, sugeriram os pontos de corte de 22 cm para homens e de 20 cm para mulheres, com sensibilidade e especificidade superior a 80% para ambos os sexos. Pontos de corte similares foram encontrados por Risérus et al.,16 usando um risco cardiometabólico em pacientes idosos.

Em relação à CP, os estudos analisaram seu desempenho em identificar SM e seus componentes isolados. Aoi et al.,18 mostraram que o aumento na CP está associado com um aumento nos fatores de risco metabólico, tais como resistência à insulina (leptina, HbA1c e HOMA-IR) e perfil lipídico (TG e HDL).

Nos estudos8,19,20 que avaliaram a capacidade preditiva da CP, o ponto de corte sugerido pelos autores foram similares, variando entre 35 e 41 cm para homens e 33 e 35 cm para mulheres (Tabela 2). Hoebel et al.,20 observaram que homens brancos apresentaram um ponto de corte maior (41 cm) que homens da raça negra (35 m). Os pontos de corte para mulheres foram similares entre mulheres brancas e negras, apesar do fato de que o ponto de corte não predisseram SM nas mulheres negras, diferente do observado em homens. Limpawattana et al.,19 e Yan et al.,8 apresentaram pontos de corte semelhantes da CP na predição de SM em indivíduos com idade superior a 50 e 65 anos, respectivamente. No entanto, Limpawattana et al.,19 mostraram uma eficiência superior a 72% do ponto de corte sugerido para homens (SEN: 70,89%; ESP: 81,15%) e mulheres (SEN: 86,54%; ESP: 59,39%).

Um parâmetro que não foi investigado de modo suficiente pelos estudos foi o Índice de Massa Gorda (IMG), que considera a altura do indivíduo na estimativa da gordura corporal. Esse índice parece avaliar, independentemente, a gordura corporal a partir de mudanças na massa livre de gordura. No estudo realizado por Liu et al.,21 o IMG foi o parâmetro com a maior AUC, e IMG elevado mostrou valores de razão de chances (odds ratio) significativamente mais altos para SM em comparação a IMG baixo em ambos os sexos. Esses autores sugeriram que um IMG de 7,00 kg/m2 para homens e 7,90 kg/m2 para mulheres, avaliado por bioimpedância elétrica, pode predizer SM.

 Indicadores clínicos

As Tabelas 3 e 4 apresentam as características e resultados, respectivamente, dos oito estudos que avaliaram os indicadores clínicos PAL e IAV e razões lipídicas como preditores de SM segundo critérios do NCEP, IDF e o critério harmonizado.

PAL é um indicador proposto para estimar a concentração de lipídios em adultos, descrito pela primeira vez por Kahn.3 Trata-se de um índice de risco cardiovascular emergente baseado no produto da CC multiplicada pela concentração de triglicerídeos em jejum. O PAL é um marcador de doença cardiovascular confiável em adultos e supera outros preditores do risco, tal como o IMC.3 A maioria dos estudos analisados avaliaram uma população mista, estratificada por sexo e/ou faixa etária. O ponto de corte de PAL sugerido pelos autores22-26 variou de 31,6 a 51,8, com uma diferença entre os sexos (Tabela 4). Entre os homens, a AUC para predizer SM variou de 0,84 a 0,937 e, entre as mulheres, a área sob a curva ROC mais baixa foi 0,78 e a mais alta 0,904 (Tabela 4).

Taverna et al.,23 apresentaram uma AUC mais baixa para homens e mulheres na faixa etária de 61 a 70 anos, considerando os critérios do IDF (área sob a curva, AUC: 0,84; IC 95%: 0,74-0,93 para homens e 0,78; IC95%: 0,76-0,99 para mulheres) quando comparada àquela relatada em outros estudos.

Ejike CECC25 investigou o PAL como um preditor de SM em idosos (idade entre 65 e 84 anos); os autores relataram uma AUC de 0,937 (p = 0,013) e sugeriram um ponto de corte para PAL de 43,9 (SEM: 100%; ESP: 81%). Tellechea et al.,22 Chiang & Koo24 e Motamed et al.,26 também observaram a alta capacidade preditiva do PAL na identificação de SM (AUC > 0,90). Entre esses estudos, o ponto de corte mais baixo do PAL para identificar SM foi relatado por Chiang & Koo24 (31,6 para ambos os sexos).

O IAV é um modelo matemático empírico, específico por sexo, baseado em uma combinação de medidas antropométricas (CC e IMC) com parâmetros bioquímicos (TG e HDLc), que pode ser um indicador de distribuição e função lipídica.4 O estudo Alkam Metabolic Syndrome4 introduziu o IAV como um novo marcador de disfunção do tecido adiposo independentemente associado com eventos cardiovasculares, o que não foi observado com CC e IMC. Somente dois estudos investigaram esse indicador na SM.25,27 Para Amato et al.,27 um valor de IAV maior que 2,00 (SEM: 68,5% e ESP: 76,0%) para indivíduos com idade superior a 66 anos foi capaz de predizer SM. No entanto, no estudo de Ejike CECC,25 IAV mostrou uma AUC de 0,640, mas sem significância estatística (p = 0,426), sugerindo um ponto de corte maior que 4,4, com melhores sensibilidade e especificidade para identificar SM em idosos (SEN: 67% e ESP: 84%).

Dois artigos7,10 descreveram resultados das razões lipídicas, com diferentes pontos de cortes entre os estudos. Arthur et al.,10 observaram que TG/HDL e HDL/CT apresentaram AUC de 0,80 (IC95%: 0,70-0,90) para ambas as razões, sugerindo um ponto de corte de 0,61 (SEN: 87,2% e ESP: 80%) para TG/HDL e 0,34 (SEN: 96,6% e ESP: 83,3%) para HDL/CT, e eficiência superior a 83%.

 Discussão

Os indicadores antropométricos que apresentaram melhor desempenho na identificação de SM foram CC e RCE (entre os indicadores clássicos), e CP (entre os indicadores recentes). Quanto aos parâmetros clínicos, PAL foi o melhor indicador, seguido da razão HDL/CT.

Um ponto importante a ser discutido são os critérios utilizados para definir SM (IDF, NCEP ATPIII e o critério harmonizado), os quais podem justificar a diversidade dos resultados apresentados nesta revisão. Além disso, o uso de diferentes critérios e técnicas de medidas, particularmente em relação à CC, não garante a comparabilidade entre os estudos.

A CC e a RCE foram os melhores parâmetros avaliados,5,7,9,13 com a CC apresentando a maior sensibilidade entre os indexes de obesidade. Além disso, observou-se que os pontos de corte da CC sugeridos foram mais baixos que aqueles propostos pelos critérios de definição de SM, indicando que o uso de pontos de cortes não específicos para grupos étnicos e etários pode subestimar a presença de SM, dependendo do critério de classificação utilizado. Contudo, Chu et al.,11 observaram que a CC e a RCE apresentaram resultados semelhantes ao IMC e à RCQ, com uma AUC menor que 0,70 para detectar um mínimo de três critérios de SM em mulheres. Tal divergência pode ser atribuída à idade dos idosos (média de 71,9 anos), com alta prevalência de outras comorbidades além de obesidade, que contribuem para o desenvolvimento da SM. Portanto, a obesidade parece não ser um critério decisivo para a detecção de SM nessa faixa etária.

Outro indicador discutido na literatura é o DAS. Apesar de muitos poucos estudos terem avaliados esse indicador como um preditor de SM, os pontos de corte sugeridos por Risérus et al.,16 e Sharda et al.,17 estão de acordo com aqueles apresentados em outros estudos que avaliaram esse parâmetro como preditor de gordura visceral.15,28 Apesar de estar relacionado a depósitos de gordura abdominal visceral, o DAS não tem sido amplamente utilizado na prática clínica, já que requer um instrumento de medida específico (caliper abdominal - Holtain, Ltd, Dyfed, Wales, Reino Unido).

A CP também foi avaliada, com pontos de corte similares sugeridos pelos autores,8,19,20 o que pode ser explicado pelo fato de essa medida ser pouco afetada por mudanças na composição corporal relacionadas com a idade. A associação entre CP e SM pode estar relacionada com o fato de gordura subcutânea na área do pescoço ser responsável por maior liberação de ácidos graxos livres.19 Esse excesso de ácidos graxos livres está associado com resistência à insulina, hipertrigliceridemia, lesão vascular e hipertensão, e pode predizer a SM.

Diferenças entre sexos e grupos étnicos foram relatadas no estudo de Hoebel et al.,20 Os autores observaram que um ponto de corte para a CP de 35 cm não foi capaz de predizer SM em mulheres negras, diferentemente do observado em homens, sugerindo o conceito de "obesidade saudável". No entanto, uma limitação desse estudo foi o fato de os autores considerarem indivíduos com idade entre 46 e 65 como o grupo de idosos e, por esse motivo, esses resultados não podem ser extrapolados a indivíduos com idade maior que 65 anos. De modo geral, os estudos8,18-20 sugeriram o uso da CP por ser um parâmetro antropométrico simples e prático, capaz de identificar a SM. Outra vantagem da CP é o fato de o índice não ser afetado durante movimentos respiratórios ou no período pós-prandial.

O IMG foi discutido apenas no estudo de Liu et al.,21 Apesar de os autores sugerirem um ponto de corte, vale destacar que não houve estratificação por faixa etária na análise dos dados. Além disso, o estudo foi conduzido na China, em uma amostra menor, de uma população com biótipo brevilíneo, o que limita a extrapolação dos resultados a outras populações.

Os estudos analisados nesta revisão mostraram que os pontos de corte para os indicadores de obesidade precisam ser específicos para idosos, com valores mais altos quando comparados a outros grupos, uma vez que a obesidade parece não ser um forte preditor de SM nos idosos.

Em relação aos indicadores clínicos, o PAL foi o parâmetro mais discutido nos estudos. Kahn3 destaca que a CC e níveis de TG tendem a aumentar com a idade, acumulando ao longo do tempo. A partir dessa perspectiva e considerando que o acúmulo de lipídios intensifica consequências cardiometabólicas, o uso do PAL parece ser uma abordagem vantajosa na avaliação de SM e risco cardiovascular.

Houve uma grande variedade nos pontos de cortes para PAL sugeridos nos estudos, o que pode ser justificado pela diversidade étnica, amplas faixas de idade e diferentes critérios utilizados para definir a SM. Ainda, dois estudos22,26 não definiram adequadamente a faixa de idade dos idosos. Enquanto Motamed et al.,26 não estratificaram os resultados entre adultos e idosos, Tellechea et al.,22 consideraram como idosos, indivíduos com idade entre 45 e 65 anos. Esses fatos limitam o entendimento do desempenho desse indicador em idosos especificamente.

Apesar de Taverna et al.,23 relatarem os menores valores da AUC para o PAL em idosos com idade entre 61 e 70 anos em comparação a outros estudos, esses autores mostraram um melhor desempenho do PAL como um preditor de SM em idosos. Além disso, apesar de resultados satisfatórios terem sido descritos no estudo de Ejike CECC,25 uma pequena amostra (40 homens) foi estudada, o que constituiu uma importante limitação do estudo.

O ponto de corte mais baixo do PAL para prever a SM sugerido por Chiang & Koo24 poderia estar relacionado aos critérios usados para definir a SM e as características físicas da população avaliada. A capacidade do PAL em identificar a SM, comparada a de outros parâmetros, está associada ao fato de esse indicador refletir mudanças anatômicas e fisiológicas associadas à gordura visceral e seu acúmulo.22,25 Tal fato indica que o PAL é capaz de identificar o acúmulo de lipídios em excesso, independentemente de como o esteja armazenado.25

Outro indicador clínico relacionado à disfunção do tecido adiposo é o IAV, o qual é calculado a partir de CC, IMC, TG e LDL. Somente dois estudos25,27 analisaram seu desempenho e propuseram um ponto de corte para o IAV na identificação de SM. Contudo, os pontos de corte sugeridos divergem ente os autores. Vale ressaltar que três das variáveis em que o IAV se baseia (WC, TG e HDL) também são componentes da SM, o que torna a utilização desse índice nos pacientes com características claras de SM sem fundamento.29

Os estudos7,10 que utilizaram as razões lipídicas mostraram que o uso desse indicador isoladamente não é capaz de identificar a SM, particularmente em idosos, e sim identificar fatores de risco cardiovasculares isolados.

Os resultados demonstraram claramente que os indicadores mais sensíveis na predição de SM foram CC, RCE e PAL. Portanto, o uso desses parâmetros pode facilitar a identificação precoce da SM por meio de métodos diagnósticos precisos, de baixo custo, e de fácil aplicação. O uso desses indicadores por profissionais de saúde é importante para otimizar a prevenção e o tratamento da SM, bem como para minimizar suas complicações.

Em resumo, os estudos incluídos na revisão propõem diferentes indicadores na predição de SM. Contudo, os resultados são divergentes quanto aos pontos de corte sugeridos, por estarem associados a diferentes populações, com idade e características étnicas distintas. Mais estudos são necessários para identificar o método mais prático, válido, e adequado para a predição de SM. Ainda, são necessários novos estudos que comparem diferentes indicadores, considerando aspectos específicos como sexo, faixas etárias bem definidas e grupos étnicos.

Diferentes critérios de classificação da SM foram usados, o que torna a comparação entre os estudos difícil e a padronização dos critérios essencial. Além disso, não há consenso sobre o melhor indicador para predizer SM em idosos, e estudos nessa população ainda não escassos. Esses dados afetam o entendimento do desempenho dos indicadores em predizer SM nessa população.

A maioria desses estudos apresentam diferenças metodológicas e delineamento dos estudos, bem como limitações inerentes aos estudos observacionais, o que torna difícil a comparação entre resultados e o controle de vieses das populações.

 Conclusão

A análise dos estudos incluídos nessa revisão permite-nos concluir que a CC, a RCE, e o PAL apresentaram o melhor poder preditivo para SM em idosos dada à forte relação com depósitos de gordura visceral abdominal. No entanto, a discrepância nos valores entre os estudos indica que a prevalência de outras comorbidades, além da obesidade, pode estar contribuindo para o desenvolvimento da SM nessa população. Portanto, os resultados sugerem que a distribuição de gordura abdominal, e não o sobrepeso em si, é um critério fundamental para esse grupo etário. Destaca-se a necessidade de se identificar um método simples que facilite a abordagem e a detecção de alto risco para a SM em idosos, permitindo a prevenção precoce de eventos cardiovasculares.

Fontes de Financiamento

O presente estudo foi financiado por FAPESB - Fundação de Amparo à Pesquisa do Estado da Bahia (parecer nº 0007/2013

Vinculação Acadêmica

Este artigo é parte de tese de Doutorado de Carolina Cunha de Oliveira pelo Programa de Pós Graduação em Medicina e Saúde da Universidade Federal da Bahia