medigraphic.com

2019, Number 2

<< Back Next >>

Rev Cuba Endoc 2019; 30 (2)

Cut-off value of the conicity index as an independent predictor of dysglycemia

Hernández RJ, Mendoza CJ, Domínguez AE, Díaz DO, Arnold DY, Martínez MI, Bosch PY, del Busto MA, García EDM, Rodríguez FL

Language: Spanish
References: 51
Page: 1-21
PDF size: 566.43 Kb.


ABSTRACT

Introduction: In Cuba, there is no consensus about the value of the conicity index that should be considered as risk to identify dysglycemia.
Objective: To determine the cut-off point of conicity index as a predictor of dysglycemia in both sexes.
Methods: Cross-sectional descriptive study was conducted with 975 people (523 women and 452 men), who attended an outpatient consultation at the National Endocrinology Institute for suspected diabetes mellitus from April 2008 to April 2013. Interrogation, physical examination and complementary studies (oral glucose tolerance test, fasting insulinemia, lipids and uric acid) were performed. Pearson's correlation coefficient, logistic regression analysis and Receiver Operator Characteristic curve analysis were used for statistical processing.
Results: In the female subjects, a directly proportional and significant correlation was observed between the conicity index and the fasting blood glucose variables and at 2 h, fasting insulinemia, cholesterol, triglycerides, uric acid and the index homeostasis model assessment of insulin resistance. In the male subjects, a directly proportional and significant correlation was observed between the conicity index and the variables studied, except with triglycerides. The conicity index had its highest predictive power of dysglycemia with a cut-off point of 1.18 in women and 1.20 in men.
Conclusions: The optimal cut-off point of conicity index as a predictor of dysglycemia was 1.18 for women and 1.20 for men; that is to say, it was a good predictor of dysglycemias in the female subjects, but not so for male subjects.


REFERENCES

  1. Colectivo de autores. Asociación Latinoamericana de Diabetes (ALAD). Guías ALAD sobre diagnóstico, control y tratamiento de la diabetes mellitus tipo 2 con medicina basada en la evidencia 2013. Revista de la ALAD. 2014 [acceso: 15 Abr 2015]. Disponible en: http://issuu.com/alad-diabetes/docs/guias_alad_2013.

  2. Coniglio RI. Relación entre la obesidad central y los componentes del síndrome metabólico. Acta bioquím clín latinoam. 2014;48(2):191-201.

  3. Serrano M, Cascales M, Martínez MT. La pandemia de obesidad. Los vínculos fisiopatológicos: disfunción endocrina de la célula adiposa, inflamación y resistencia a la insulina. An Real Acad Farm. 2016;82(Special Issue):182-94.

  4. American Diabetes Association. Diagnosis and Classification of Diabetes Mellitus. Diabetes Care. 2018;41(Suppl 1):S13-27.

  5. Díaz O, González NO. Manual para el diagnóstico y tratamiento del paciente diabético a nivel primario de salud. Rev Cubana Med Gen Integr. 2017 [acceso: 16 Mar 2018];36(2). Disponible en: http://www.bvs.sld.cu/libros/manual_diag_ttmo_paciente_diabetico/indice_p.htm

  6. Baile JI, González-Calderón MJ. Precisión del índice de masa corporal obtenido a partir de datos de peso y altura autoinformado en una muestra infantil española. Nutr Hosp. 2014;29(4):829-31.

  7. Evans J, Hons BSc, Micklesfaeld L. Diagnostic ability of obesity measures to identify metabolic risk factors in South African women. Metabolic Syndome and Related Disorders. 2011;9(5):353-60.

  8. Baile JI. ¿Es válido el uso del índice de masa corporal para evaluar la obesidad en personas musculosas? Nutr Hosp. 2015;32(5):2353-54.

  9. Marques I. Diámetro abdominal sagital: un indicador de grasa visceral que se debe tener en cuenta en la práctica clínica. Revista Española de Nutrición Humana y Dietética. 2012;16(4):121-2.

  10. Marrodán MD, Martínez JR, De Espinosa MGM, López N, Cabañas MD, Prado C. Precisión diagnóstica del índice cintura-talla para la identificación del sobrepeso y de la obesidad infantil. Medicina Clínica. 2013;140(7):296-301.

  11. Mederico M, Paoli M, Zerpa Y, Briceño Y, Gómez R, Martínez JL, et al. Valores de referencia de la circunferencia de la cintura e índice de la cintura/cadera en escolares y adolescentes de Mérida, Venezuela: comparación con referencias internacionales. Endocrinología y Nutrición. 2013;60(5):235-42.

  12. Prado C, Pérez BM, Aréchiga J, Carmenate MM, Marrodán MD, García C. El índice de conicidad y su aplicación en la determinación somática de la mujer rural española. Repositorio Institucional de la Universidad Central de Venezuela. 2015 [acceso: 16 Mar 2016]. Disponible en: http://190.169.94.11:8080/jspui/bitstream/123456789/8346/1/%c3%8dndice%20de%20conicidad%20y%20determinaci%c3%b3n%20som%c3%a1tica%20de%20la%20espa%c3%b10001.pdf

  13. Valdez R. A simple model-based index of abdominal adiposity. J Clin Epidemiol. 1991;44(9):955-6.

  14. Valdez R, Seidell JC, Ahn YI, Weiss KM. A new index of abdominal adiposity as an indicator of risk for cardiovascular disease: a cross-population study. Int J Obes Relat Metab Disord. 1993;17(2):77-82.

  15. Pitanga FJG, Lessa I. Sensibilidade e especificidade do índice de conicidade como discriminador do risco coronariano de adultos em Salvador, Brasil. Rev Bras Epidemiol. 2004 Set;7(3):259-69.

  16. Moreno I. Circunferencia de cintura: una medición importante y útil de riesgo cardiometabólico. Rev Chil Cardiol. 2010;29(1):85-7.

  17. Oficina Nacional de Estadísticas e información de la República de Cuba. Panorama Económico y Social. Cuba: Indicadores demográficos, Cuba 2016. 2016 [acceso: 16 Mar 2016]. Disponible en: http://www.one.cu/publicaciones/08informacion/panorama2014/10%20Demografia .pdf

  18. Díaz O, Valenciaga JL, Domínguez E. Comportamiento epidemiológico de la diabetes mellitus en el municipio de Güines. Año 2002. Rev Cubana Hig Epidemiol. 2004 [acceso: 16 Mar 2016];42(1). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1561- 30032004000100003&lng=es&nrm=iso&tlng=es

  19. Jiménez A, Aguilar CA, Rojas R, Hernández M. Type 2 diabetes and frecuency of prevention and control measures. Salud pública Méx. 2013;55(Suppl 2):S137-43.

  20. Colectivo de autores. II Consenso Latinoamericano de Obesidad 2017. Federación Latinoamericana de Sociedades de Obesidad. 2017 [acceso: 16 Mar 2018]. Disponible en: http://fliphtml5.com/hvov/cxpr/basic

  21. Bonet Gorbea M, Varona Pérez P. III Encuesta nacional de factores de riesgo y actividades preventivas de enfermedades no transmisibles Cuba 2010-2011. La Habana: Ecimed; 2015.

  22. Instituto Nacional de Higiene, Epidemiología y Microbiología. II Encuesta nacional de factores de riesgo y enfermedades no transmisibles. Principales resultados por provincias. La Habana: INHEM; 2002.

  23. Gómez R, Gómez F, Carrillo L, Galve E, Casanueva F, Puig M. Hacia un manejo integral del paciente con diabetes y obesidad. Posicionamiento de la SEMI, SED, redGDPS, SEC, SEEDO, SEEN, SEMERGEN y SEMFYC. Rev Clin Esp. 2015;30(20):1-10.

  24. OMS. Obesidad y sobrepeso. Centro de prensa. Nota descriptiva. 2017 [acceso: 17 Nov 2017]. Disponible en: http://www.who.int/mediacentre/factsheets/fs311/es/

  25. Ng M, Fleming T, Robinson M, Thomson B, Graetz N, Margono Ch, et al. Global, regional, and national prevalence of overweight and obesity in children and adults during 1980–2013: a systematic analysis for the Global Burden of Disease Study 2013. Lancet. 2014;384(9945):766-81.

  26. Martín A, Cabañas MD, Barca FJ, Martín P, Gómez JJ. Obesidad y riesgo de infarto de miocardio en una muestra de varones europeos. El índice cintura-cadera sesga el riesgo real de la obesidad abdominal. Nutr Hosp. 2017;34(1):88-95.

  27. Hernández J, Mendoza J, Duchi PN. Índice de conicidad y su utilidad para detectar riesgo cardiovascular y metabólico. Rev Cubana Endocrinol. 2017 [acceso: 20 Ago 2018];28(1). Disponible en: http://www.revendocrinologia.sld.cu/index.php/endocrinologia/article/view/63/65

  28. Parra MV, Duque C, Gutiérrez J, Gallego N, Campo O, Villegas A, et al. Genética de la resistencia a insulina y diabetes mellitus 2 en población antioqueña. Iatreia Revista Médica Universidad de Antioquia. 2018 [acceso: 30 Ago 2018];23(4). Disponible en: https://aprendeenlinea.udea.edu.co/revistas/index.php/iatreia/article/view/8329

  29. Pollak F. Resistencia a la insulina: Verdades y controversias. Revista Médica Clínica Las Condes. 2016;27(2):171-8.

  30. Gómez A, Perdomo L, Escribano O, Benito M. Papel del tejido adiposo blanco en las complicaciones vasculares asociadas a la obesidad. Clínica e investigación en arterioesclerosis. 2013 [acceso 8 Jul 2013];25(1). Disponible en: http://zl.elsevier.es/es/revista/clinica-e-investigacion-arteriosclerosis-15/articulo/papel-del-tejido-adiposo-blanco-90187936

  31. Díaz O, Hernández J, Domínguez E, Martínez I, Bosch Y, del Busto A. Valor de corte de la circunferencia de la cintura como predictor de disglucemia. Rev Cubana Endocrinol. 2017 [acceso: 20 Ago 2018];28(1). Disponible en: http://www.revendocrinologia.sld.cu/index.php/endocrinologia/article/view/57/59

  32. Hernández J, Duchi PN, Domínguez E, Díaz O, Martínez I, Bosch Y, et al. Valor de corte del índice cintura/talla como predictor independiente de disglucemias. Rev Cubana Endocrinol. 2017 [acceso: 20 Ago 2018];28(2). Disponible en: http://www.revendocrinologia.sld.cu/index.php/endocrinologia/article/view/68/68

  33. Hernández J, Duchi PN. Índice cintura/talla y su utilidad para detectar riesgo cardiovascular y metabólico. Rev Cubana Endocrinol. 2015;26(1):66-76.

  34. Hernández J, Moncada OM, Arnold Y. Utilidad del índice cintura/cadera en la detección del riesgo cardiometabólico en individuos sobrepesos y obesos. Rev Cubana Endocrinol. 2018 [acceso: 20 Ago 2018];29(2). Disponible en: http://www.revendocrinologia.sld.cu/index.php/endocrinologia/article/view/113/95

  35. Cedeño R, Castellanos M, Benet M, Mass L, Mora C, Parada JC. Indicadores antropométricos para determinar la obesidad, y sus relaciones con el riesgo cardiometabólico. Rev Finlay 2015; 5(1):12-23.

  36. Abulmeaty M, Almajwal A, Almadani N, Aldosari M, Alnajim A, et al. Anthropometric and central obesity indices as predictors of long-term cardiometabolic risk among Saudi young and middle-aged men and women. Saudi Med J. 2017;38(4):372-80.

  37. Mantzoros CS, Evagelopoulou K, Georgiadis EI, Katsilambros N. Conicity index as a predictor of blood pressure levels, insulin and triglyceride concentrations of healthy premenopausal women. Horm Metab Res. 1996;28(1):32-34.

  38. García Á. Proteína C reactiva, índice de conicidad y factores de riesgo cardiovascular en pacientes con diabetes tipo 2. [Tesis doctoral de la Universidad Complutense de Madrid]. 2016 [acceso: 12 Sep 2018]. Disponible en: https://eprints.ucm.es/38703/1/T37557.pdf

  39. Vila Nova L, Araújo CM, Freire MC, Freire M, Batista RA. Asociación de los indicadores antropométricos y de composición corporal en la predicción de la resistencia a la insulina en pacientes con enfermedad de las arterias coronarias. Nutr Hosp. 2016;33(4):825-31.

  40. Neufeld LM, Jones-Smith JC, García R, Fernald LC. Anthropometric predictors for the risk of chronic disease in non-diabetic, non-hypertensive young Mexican women. Public Health Nutr. 2008;11(2):159-67.

  41. Ramos N, Ortiz L, Ferreyra L. Exactitud de las mediciones de adiposidad para identificar síndrome metabólico y sus componentes. Med Int Mex. 2011;27(3):244-52.

  42. Gadelhaa AB, Myers J, Moreira S, Dutra MT, Safonsa MP, Lima RM, et al. Comparison of adiposity indices and cut-off values in the prediction of metabolic syndrome in postmenopausal women. Diabetes & Metabolic Syndrome: Clinical Research & Reviews. 2016;10(3):143-8.

  43. Gil M, Estades P, García S, González R, Campos I. Utilidad en enfermería de diferentes índices antropométricos y analíticos para valorar la existencia de síndrome metabólico con los criterios NCEP ATPIII e IDF en población mediterránea española. Medicina Balear. 2017;32(1):26-34.

  44. Nascimento L, de Vieira G, SaadoI A, Bitencourt C. Prevalence of prediabetes in patients with metabolic risk. Sao Paulo Med J. 2011;129(5):300-08.

  45. Wang H, Liu A, Zhao T, Gong X, Pang T, Zhou Y, et al. Comparison of anthropometric indices for predicting the risk of metabolic syndrome and its components in Chinese adults: a prospective, longitudinal study. BMJ. 2017 [acceso:12 Sep 2018];7(9):e016062. Disponible en: https://bmjopen.bmj.com/content/7/9/e016062

  46. Tonding SF, Silva FM, Antonio JP, Azevedo MJ, Canani LHS, Almeida JC. Adiposity markers and risk of coronary heart disease in patients with type 2 diabetes mellitus. Nutrition journal. 2014;13(1):7.

  47. Dantas M, Pruper MC, Mayumi A, Pappiani C, Caesar S, et al. Association of the conicity index with diabetes and hypertension in Brazilian women. Arch Endocrinol Metab. 2016;60(5):436-42.

  48. Gowda K, Philip KM. Abdominal volume index and conicity index in predicting metabolic abnormalities in young women of different socioeconomic class. International Journal of Medical Science and Public Health. 2016;5(4):1452-6.

  49. Caitano P, Roseli E, Nazario PR. Study of conicity index, body mass index and waist circumference as predictors of coronary artery disease. Rev Port Cardiol. 2017;36(5):357-64.

  50. Kim K, Owen W, Williams D, Adams-Campbell L. A comparison between BMI and Conicity Index on Predicting Coronary Heart Study. Disease: Framingham Heart Study. Annals of Epidemiology. 2000;10(7):424-31.

  51. Ononamadu Ch, Ihegboro G, Ezekwesili Ch, Onyeukwu O, Umeoguaju U, Ezeigwe O. Comparative analysis of anthropometric indices of obesity as correlates and potential predictors of risk for hypertension and prehypertension in a population in Nigeria. Cardiovascular J Afr. 2017;28(2):92-9.




2020     |     www.medigraphic.com