ANTROPOMETRIA E FATORES DE RISCO CARDIOMETABÓLICO AGRUPADOS EM JOVENS: REVISÃO SISTEMÁTICA

RESUMO

Objetivo:

Revisar sistematicamente a literatura sobre a habilidade de indicadores antropométricos para predizer fatores de risco cardiometabólico (FRC) agrupados em crianças e adolescentes.

Fonte de dados:

Foram analisados estudos publicados de 1º de junho de 2011 até 31 de maio de 2016 nas bases PubMed, SciELO e LILACS. A pesquisa baseou-se em palavras-chave derivadas dos termos “indicadores antropométricos” AND “fatores de risco cardiometabólico”. Foram incluídos estudos observacionais sobre a habilidade de indicadores antropométricos como preditores de FRC agrupados em crianças e adolescentes, nos idiomas português, inglês e espanhol. Não foram incluídos estudos com grupo específico de pacientes com obesidade ou outras doenças.

Síntese dos dados:

Dos 2.755 registros encontrados, 31 estudos foram selecionados para revisão sistemática. Vinte e oito estudos analisaram a habilidade do índice de massa corporal (IMC) como preditor de FRC agrupados. Dos 25 estudos transversais, apenas em 3 não foi observada associação entre indicadores antropométricos e FRC agrupados. Os resultados dos seis estudos que compararam a habilidade de diferentes medidas antropométricas como preditoras de FRC agrupados foram divergentes, não sendo possível definir um único indicador como melhor preditor de FRC agrupados. Apenas seis estudos eram de coorte, e os achados sugeriram que mudanças na adiposidade na infância predizem alterações nos FRC agrupados na adolescência.

Conclusões:

O IMC, o perímetro da cintura e a relação cintura-estatura foram preditores de FRC agrupados na infância e na adolescência e apresentaram habilidade similar para predizer esses desfechos. Esses achados sugerem que indicadores antropométricos podem representar uma interessante ferramenta para triagem epidemiológica de FRC agrupados em idades precoces.

Palavras-chave:
Criança; Adolescente; Sobrepeso; Obesidade; Doenças cardiovasculares; Índice de massa corporal

ABSTRACT

Objective:

To conduct a systematic review of the literature on the ability of anthropometric indicators to predict clustered cardiometabolic risk factors (CMRF) in children and adolescents.

Data source:

Studies published from June 1^st, 2011 to May 31^st, 2016 in the PubMed, SciELO and LILACS databases were analyzed. The research was based on keywords derived from the terms “anthropometric indicators” AND “cardiometabolic risk factors”. Observational studies on the ability of anthropometric indicators as predictors of clustered CMRF in children and adolescents in Portuguese, English and Spanish languages were included. Studies with a specific group of obese patients or with other diseases were not included.

Data synthesis:

Of the 2,755 articles retrieved, 31 were selected for systematic review. Twenty-eight studies analyzed body mass index (BMI) as a predictor of clustered CMRF. Only 3 of the 25 cross-sectional studies found no association between anthropometric indicators and clustered CMRF. The results of six studies that compared the predictive ability of different anthropometric measures for clustered CMRF were divergent, and it was not possible to define a single indicator as the best predictor of clustered CMRF. Only six articles were cohort studies, and the findings suggested that changes in adiposity during childhood predict alterations in the clustered CMRF in adolescence.

Conclusions:

BMI, waist circumference and waist-to-height ratio were predictors of clustered CMRF in childhood and adolescence and exhibited a similar predictive ability for these outcomes. These findings suggest anthropometric indicators as an interesting screening tool of clustered CMRF at early ages.

Keywords:
Child; Adolescent; Overweight; Obesity; Cardiovascular diseases; Body mass index

INTRODUÇÃO

O índice de massa corporal (IMC) tem sido utilizado há décadas para avaliar o sobrepeso e a obesidade.¹ Da mesma forma, o perímetro da cintura (PC) é empregado para avaliar adiposidade central, e a relação cintura-estatura (RCEst) surgiu da necessidade de corrigir a medida do PC devido ao crescimento em estatura de crianças e adolescentes.^2,3 Com o aumento da incidência de fatores de risco cardiometabólico (FRC) na população pediátrica, métodos de avaliação de baixo custo, não invasivos, de fácil mensuração e com possibilidade de utilização em larga escala têm sido exaustivamente estudados pela comunidade científica.^4,5,6Nesse sentido, as medidas antropométricas são sugeridas como preditoras de FRC na infância e adolescência.^4,5,6

De acordo com revisão sistemática realizada com artigos publicados até 2014, com o objetivo de verificar a associação entre obesidade abdominal e FRC em crianças e adolescentes, independentemente da definição utilizada para a obesidade abdominal e dos métodos utilizados para as medidas antropométricas, a deposição de gordura central em crianças e adolescentes aumenta o risco de FRC.⁴ Duas outras importantes revisões sistemáticas foram publicadas em 2010.^5,6 Browning et al.⁵ revisaram sistematicamente estudos que suportam a RCEst como preditora de FRC em adultos e em crianças, bem como relataram relações entre a RCEst, o IMC ou o PC, ou ambos. Dos estudos revisados, 13 foram realizados com crianças e adolescentes, todos transversais. Os achados da revisão demonstraram que a RCEst e o PC foram mais fortemente associados com FRC isolados do que o IMC.⁵ Revisão sistemática conduzida por Reilly et al.,⁶ que analisaram estudos que compararam a acurácia (area under the curve - AUC) do IMC com a do PC para predizer FRC, revelou que a AUC de ambas as medidas no diagnóstico dos FRC foram similares.⁶

O acúmulo de adiposidade subcutânea medido pelas dobras cutâneas (DC) também tem se mostrado um bom preditor de FRC em jovens.⁷ Contudo, nenhuma das revisões sistemáticas supracitadas incluiu essa medida na busca. Não obstante, de acordo com a síntese dessas revisões, é possível delinear algumas lacunas. Nas revisões de Kelishadi et al.⁴ e Browning et al.,⁵ os autores não verificaram diferença entre as medidas antropométricas e não focaram a revisão em FRC agrupados. Na revisão de Reilly et al.,⁶ os autores compararam a habilidade apenas de duas medidas antropométricas e apenas três estudos apresentaram dois ou mais FRC agrupados como desfecho. De acordo com o Bogalusa Heart Study, níveis adversos de FRC agrupados tendem a coexistir em um mesmo indivíduo da infância para a idade adulta.⁸ A identificação de métodos simples que possibilitem a triagem epidemiológica de FRC agrupados na população pediátrica pode representar uma estratégia útil para diminuir a incidência de doenças cardiometabólicas no curso da vida. Nesse sentido, o objetivo da presente revisão sistemática foi verificar a habilidade de indicadores antropométricos para predizer FRC agrupados em crianças e adolescentes.

MÉTODO

O presente estudo é uma revisão sistemática conduzida conforme a metodologia Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA).⁹ Em adição, o manual Cochrane para revisões sistemáticas¹⁰ foi consultado ao longo de todo o desenvolvimento do estudo. O protocolo do estudo não foi registrado na base de dados do International Prospective Register of Systematic Reviews (PROSPERO).

Foram analisados estudos publicados de 1º de junho de 2011 até 31 de maio de 2016 nas bases de dados PubMed, SciELO e LILACS. A estratégia de busca utilizada no PubMed é mostrada a seguir, e os mesmos termos de pesquisa foram usados nas outras bases de dados: (“body mass index”[All Fields] OR “BMI”[All Fields] OR “waist circumference”[All Fields] OR “WC”[All Fields] OR “waist perimeter”[All Fields] OR “skinfolds”[All Fields] OR “skinfold thickness”[All Fields] OR “Waist-Height Ratio”[All Fields] OR “WHtR”[All Fields] OR “waist to height ratio”[All Fields]) AND (“cardiovascular risk factors”[All Fields] OR “cardiovascular disorders”[All Fields] OR “cardiovascular risk”[All Fields] OR “metabolic syndrome”[All Fields] OR “metabolic risk”[All Fields] OR “metabolic risk factors”[All Fields] OR “metabolic disorders”[All Fields] OR “cardiometabolic risk”[All Fields] OR “cardiometabolic risk factors”[All Fields] OR “cardiometabolic disorders”[All Fields]) NOT (review[Publication Type] OR randomized controlled trial[Publication Type] OR controlled clinical trial[Publication Type]) AND ((“2011/06/01”[PDAT]: “2016/05/31”[PDAT]) AND “humans”[MeSH Terms] AND (“child”[MeSH Terms:noexp] OR “adolescent”[MeSH Terms])).

No presente estudo, definiu-se FRC agrupados como a presença simultânea de duas ou mais das seguintes condições: pressão arterial elevada, hiperglicemia, sensibilidade à insulina, resistência à insulina, hipertrigliceridemia, colesterol total elevado, LDL-colesterol elevado, VLDL-colesterol elevado e HDL-colesterol baixo.

A busca bibliográfica foi realizada por dois pesquisadores independentes que fizeram inicialmente uma triagem dos títulos e resumos dos artigos, e os artigos relevantes foram selecionados para leitura na íntegra. Artigos duplicados foram removidos.

Para serem incluídos na revisão sistemática, os estudos tiveram que atender aos seguintes critérios:

1. Investigar a habilidade de indicadores antropométricos como preditores de FRC agrupados.

2. Reportar dados de crianças e adolescentes (com idade compreendida entre 6 e 17,9 anos ou parte dessa faixa etária ou média de idade compreendida nesse intervalo etário).

3. Ser estudo observacional (transversais, coortes e casos-controles).

4. Apresentar resultados de associações baseados em análises de regressão linear ou Receiver Operating Characteristics Curve (curva ROC) (para estudos com desenho transversal).

5. Ser artigo escrito em português, inglês e espanhol.

Não foram incluídos na revisão estudos com grupo específico de pacientes com obesidade ou outras doenças. As etapas para seleção dos artigos podem ser verificadas na Figura 1.

Figura 1:
Fluxograma do processo de seleção dos artigos para a revisão sistemática.

As informações selecionadas nos artigos para compor a presente revisão focaram nos seguintes itens:

1. Descritivos: estudo, ano de publicação, local do estudo, desenho do estudo, tamanho da amostra, faixa etária e sexo.

2. Metodológicos: características das medidas de exposição e de desfecho e análise estatística utilizada.

3. Descrição dos principais achados.

Tanto a síndrome metabólica (SM) quanto os outros fatores de risco agrupados foram denominados de “FRC” no decorrer do artigo, exceto nas tabelas, nas quais serão abordados de acordo com a nomenclatura utilizada pelos artigos.

RESULTADOS

Conforme apresentado na Figura 1, foram encontrados 2.755 registros, sendo 1.811 na base de dados PubMed, 526 na SciELO e 418 na LILACS. Após exclusão de registros em duplicata e leitura de títulos e resumos, permaneceram 99 artigos para a leitura na íntegra. Com base na leitura completa dos artigos, 68 foram excluídos pelas seguintes razões: não apresentaram FRC agrupados como desfecho (n=38); não apresentaram associação entre indicadores antropométricos e FRC agrupados (n=19); não apresentaram resultados de associações baseados em análises de regressão linear ou curva ROC (para estudos com desenho transversal) (n=5); e não reportaram dados de crianças e adolescentes (n=6). Ao final, 31 artigos foram selecionados para a revisão sistemática.

Dados do local, desenho e população dos estudos

Foram investigados artigos recentes, publicados nos últimos cinco anos (1º de junho de 2011 até 31 de maio de 2016). Seis estudos foram publicados em 2015, 13 em 2014, 6 em 2013, 2 em 2012 e 4 em 2011. Dos 31 estudos analisados, 18 foram realizados em países do continente americano, 6 do europeu, 5 do asiático e 2 do africano. A maioria dos estudos teve desenho transversal, e apenas 6 eram estudos de coorte. Em relação à população do estudo, 26 tinham a idade dos participantes compreendida entre 6 e 18 anos, e apenas 5 entre 6 e 20 anos. O tamanho amostral dos estudos variou de 65¹¹ a 16.914¹² participantes. Dois estudos reportaram achados da associação de indicadores antropométricos e FRC agrupados apenas para o sexo feminino^13,14 (Tabela 1).

Tabela 1:
Características dos estudos incluídos na revisão sistemática em relação ao ano de publicação, localização, desenho metodológico e população.

• DP: desvio padrão.

Dados da exposição, desfecho e análise estatística

No que diz respeito às medidas antropométricas, 28 estudos analisaram a habilidade do IMC como preditor de FRC agrupados, 20 do PC, 10 da RCEst e apenas 1 das DC do tríceps, bíceps, suprailíaca e subescapular. Dos 31 estudos, 9 compararam a habilidade do IMC, do PC e da RCEst como preditores de FRC agrupados, 8 do IMC e do PC, 1 do IMC e da RCEst e 1 do IMC, do PC e das DC. Contudo, dos nove estudos que investigaram o IMC, o PC e a RCEst, apenas cinco apresentaram teste estatístico para verificar a diferença na associação entre as três medidas. Dos oito que investigaram a habilidade preditora do IMC e do PC, apenas dois apresentaram resultados referentes à comparação estatística entre as duas medidas. O estudo que comparou a habilidade do IMC e da RCEst apresentou resultado da diferença entre as duas medidas, enquanto o estudo que investigou o IMC, o PC e as DC não. A medida de desfecho mais utilizada pelos estudos foi a SM (n=16); os outros estudos utilizaram diferentes critérios para definir FRC agrupados. No que diz respeito à análise estatística, 19 estudos utilizaram a curva ROC, 10 utilizaram a regressão linear e 2 a regressão logística (Tabela 2).

Tabela 2:
Características dos estudos incluídos na revisão sistemática em relação à medição de exposição, desfecho e análise estatística.

• IMC: índice de massa corporal; PC: perímetro da cintura; RCEst: relação cintura-estatura; DC: dobras cutâneas; SM: síndrome metabólica; FRC: fatores de risco cardiometabólico; IDF: International Diabetes Federation; NCEP: National Cholesterol Education Program; ATP: Adult Treatment Panel; ROC: receiver operating characteristic; LDL: low-density lipoprotein; VLDL: very low-density lipoprotein.

Principais achados

Estudos transversais

Dos 25 estudos transversais, apenas em 3 não foi observada associação entre algum dos indicadores antropométricos e a SM ou FRC agrupados.^11,20,27 Seis estudos utilizaram como análise a regressão linear. De acordo com 3 desses estudos, o IMC explicou de 2,4 a 35,0% os FRC agrupados.^20,34,38 Apenas no estudo de Buchan et al.²⁷ não houve associação significativa entre PC e FRC agrupados (β=0,050, p=0,118), e apenas no estudo de Duncan et al.²⁰ o IMC não foi capaz de predizer FRC agrupados em meninos (p>0,05). Nos demais estudos, houve associação significativa positiva do IMC e do PC com os FRC agrupados.^18,22 A RCEst não foi investigada por nenhum desses estudos (Tabela 3).

Tabela 3:
Principais achados dos estudos incluídos na revisão sistemática.

• IMC: índice de massa corporal; PC: perímetro da cintura; RCEst: relação cintura-estatura; DC: dobras cutâneas; SM: síndrome metabólica; FRC: fatores de risco cardiometabólico; AUC: acurácia; ERC: escore de risco cardiometabólico; RR: risco relativo.

Nos estudos que utilizaram como análise a curva ROC (n=19), a extensão dos valores de AUC para o IMC foi de 0,590 a 0,979, para o PC foi de 0,561 a 0,993 e para a RCEst foi de 0,619 a 0,986, tendo a maioria dos estudos encontrado AUC superior a 0,700, independentemente da medida antropométrica analisada. No estudo que investigou as DC do tríceps, bíceps, suprailíaca e subescapular, além do IMC e PC, como preditores de FRC agrupados, a extensão dos valores de AUC foi de 0,667 a 0,737.¹³ De acordo com os estudos que compararam o valor preditivo do IMC, do PC e da RCEst com os FRC agrupados, a RCEst foi superior ao escore Z do IMC para as meninas (p<0,001);¹² em contraposição, de acordo com Ruiz et al.,⁴⁰ o escore Z do IMC foi superior à RCEst (p=0,048). Nos estudos de Elizondo-Montemayor et al.¹⁵ e Bauer et al.³⁶ não houve diferença estatística entre os indicadores antropométricos para predizer os FRC agrupados. Por outro lado, no estudo de Matsha et al.²⁶ houve diferença significativa, e o PC foi superior ao IMC (p=0,013) e à RCEst (p=0,0003) e o IMC superior à RCEst (p=0,035). No estudo que apresentou a comparação da predição do IMC e do PC, o uso do PC sozinho (p=0,03) ou com o IMC (p=0,02) foi superior ao IMC para detecção de SM em meninas¹¹ (Tabela 3).

Estudos longitudinais

Dos seis estudos de coorte, quatro utilizaram como análise estatística a regressão linear e dois a regressão logística. Dois estudos verificaram o poder de predição do IMC para os FRC agrupados, três do IMC e do PC, e um do IMC e da RCEst. De acordo com os achados desses estudos, houve evidências de que o IMC é preditor de FRC agrupados.^21,24 Mudanças no IMC e no PC foram associadas com mudanças nos níveis dos FRC agrupados (p<0,001).^25,29 Ainda, de acordo com Wicklow et al.,⁴¹ o risco relativo da incidência de SM foi maior para um elevado escore Z do IMC do que um elevado PC tanto em meninas quanto em meninos. No único estudo que investigou a RCEst, os achados revelaram que ter um valor de RCEst≥0,5 na infância aumentou a chance para ter três ou mais FRC agrupados na adolescência e que ter sobrepeso e obesidade aumentou em aproximadamente quatro vezes a chance de ter co-ocorrência de fatores de risco durante a adolescência para meninos, com similar associação observada para meninas²⁸ (Tabela 3).

DISCUSSÃO

A presente revisão sistemática foi realizada com 31 estudos que apresentaram dados da associação entre medidas antropométricas e FRC agrupados em crianças e adolescentes. A maioria dos estudos teve desenho transversal e apenas seis eram de coorte. O IMC foi a medida antropométrica mais investigada, presente em 28 estudos, e a DC a medida menos investigada, apenas por um estudo. A SM foi utilizada pela maioria dos estudos como a medida de desfecho. De acordo com os estudos transversais, as medidas antropométricas estiveram associadas aos FRC agrupados tanto em meninos quanto em meninas, e, segundo os achados dos estudos longitudinais, mudanças na adiposidade na infância predizem mudanças nos níveis dos FRC agrupados na adolescência.

Em relação aos critérios metodológicos, pôde-se observar que não houve consenso entre os estudos para definição da variável de desfecho. A medida de desfecho mais utilizada pelos estudos foi a SM (16 estudos), contudo foram utilizados sete critérios diferentes para sua definição. Isso foi também observado entre os estudos que agruparam os FRC, alguns consideraram como agrupados a presença de dois ou mais fatores de risco, enquanto outros a partir de três fatores. A nomenclatura entre os estudos também variou, por exemplo, “escore de risco metabólico”, “escore de risco combinado”, entre outros. As diferenças metodológicas entre os critérios de definição da medida de desfecho dificultam a comparação entre os estudos e, consequentemente, impossibilitam a inferência do poder das medidas antropométricas na predição dos fatores de risco.

Dos 31 estudos analisados, apenas em 3 (todos transversais) não foi observada associação entre indicadores antropométricos e os FRC agrupados.^11,20,27 De maneira geral, entre os estudos transversais, houve associação positiva significativa do IMC, do PC e da RCEst com os FRC agrupados. Dos 25 estudos transversais, 19 utilizaram a curva ROC como análise estatística e a AUC como medida para expressar os resultados. A AUC é uma medida resumo usual do desempenho de um teste (ex.: indicadores antropométricos) para discriminar um determinado desfecho (ex.: FRC agrupados). Quanto mais próximo de 1 for o valor da AUC, maior a capacidade do teste para discriminar o desfecho; assim, valores com extensão de 0,70-0,79 podem ser considerados bons, de 0,80-0,89 muito bons e de 0,90-1,00 excelentes.^49,50 A maioria dos estudos analisados na presente revisão encontrou AUC superior a 0,7, independentemente da medida antropométrica analisada. De acordo com os estudos longitudinais, ter valores aumentados de IMC, PC e/ou RCEst na infância aumenta a chance de ter FRC agrupados na adolescência.

Os achados entre os estudos que compararam o poder de predição das medidas antropométricas com os FRC agrupados foram divergentes. Em um dos estudos, a RCEst foi superior ao escore Z do IMC para as meninas,¹² enquanto em outros dois o IMC foi superior à RCEst.^26,40 Ainda, em outros dois não houve diferença estatística entre os indicadores antropométricos para predizer os FRC agrupados.^15,36 Em relação ao PC, um estudo encontrou superioridade dessa medida em relação à RCEst²⁶ e dois estudos em relação ao IMC.^11,26 Além disso, no estudo de Weber et al.¹¹ o uso do PC isoladamente ou com o IMC foi superior ao IMC para detecção de SM em meninas.

A decisão sobre qual medida utilizar na predição de FRC agrupados tem sido alvo de inúmeras publicações e revisões prévias.^4,5,6 Na revisão sistemática de Reilly et al.,⁶ nove estudos compararam a habilidade do IMC versus PC no diagnóstico de FRC em crianças e adolescentes, e três apresentaram dois ou mais FRC como desfecho. Os achados revelaram que a AUC de ambas as medidas no diagnóstico dos FRC foi similar. Na presente revisão, de acordo com dois estudos de coorte, a magnitude das associações do IMC e do PC na predição de FRC agrupados também foi similar,^25,29 enquanto no estudo de Wicklow et al.,⁴¹ também com desenho de coorte, o risco relativo da incidência de SM foi maior para um elevado escore Z do IMC do que um elevado PC, tanto em meninos quanto em meninas. Em contraposição, houve superioridade do PC em relação ao IMC em outros dois estudos.^11,26 Contudo, ambos os estudos tiveram desenho transversal e um deles tinha uma amostra de apenas 65 adolescentes,¹¹ fato que pode diminuir a força de evidência dos achados.

Nos últimos anos a RCEst tem sido sugerida por alguns autores como melhor medida para predição de fatores de risco em crianças e adolescentes em detrimento do IMC e do PC.^3,5 De acordo com os estudos que defendem essa posição, o fato de não apresentar unidade de medida, corrigir o PC pela estatura e ter possibilidade de apresentar um único ponto de corte para crianças e adolescentes de ambos os sexos a torna mais atraente do que outros indicadores.^3,5 Na presente revisão, dos dez estudos que compararam o poder da RCEst com o IMC e/ou com o PC para predição de FRC agrupados, apenas um estudo encontrou superioridade desse indicador em relação ao IMC e o PC para o sexo feminino.¹² Em revisão sistemática realizada por Browning et al.,⁵ de acordo com 13 estudos transversais com crianças e adolescentes, a RCEst e o PC foram mais fortemente associados com FRC isolados do que o IMC. De acordo com os autores, a RCEst pode ser uma ferramenta de triagem clínica global mais útil do que o PC e o IMC, apoiando a mensagem de saúde pública: “mantenha seu perímetro da cintura em menos da metade de sua estatura”.⁵

Além do IMC, do PC e da RCEst, as DC também têm sido investigadas para predizer FRC na população pediátrica.^7,51,52 De acordo com Ali et al.,⁷ o acúmulo de adiposidade subcutânea é um forte preditor de resistência à insulina e de hipertrigliceridemia e mais forte preditor de FRC do que a gordura visceral em crianças e adolescentes. Nos estudos de Misra et al.^51,52 as DC do tríceps e suprailíaca foram mais fortemente correlacionadas com concentrações de insulina em jejum, e a DC subescapular apresentou AUC superior ao IMC para predizer FRC agrupados em adolescentes do sexo masculino e superior ao PC em adolescentes do sexo feminino. Contudo, na presente revisão apenas um estudo investigou o poder das DC para predizer FRC agrupados. De acordo com os achados do estudo, as DC associaram-se à SM com valores de AUC similares aos do IMC e PC.¹³ As DC podem apresentar erro inter e intraobservador superior às medidas de peso, estatura e PC. Além disso, em pesquisas epidemiológicas é essencial ter avaliadores treinados e experientes, fatos que podem tornar as DC menos atraentes do que outros indicadores antropométricos.⁵³

A presente revisão sistemática investigou o poder do IMC, do PC, da RCEst e das DC como preditores de FRC agrupados em crianças e adolescentes. Uma limitação da presente revisão foi a definição de busca nos últimos cinco anos, fato que pode ter impedido a inclusão de alguns artigos. Contudo, foram incluídos 31 estudos, tendo sido decrescente o número de artigos inclusos de acordo com o ano de publicação. Outra limitação foi o fato de não ter sido avaliada a qualidade dos manuscritos. Muitos dos estudos incluídos tinham amostras pequenas e diversos deles apresentaram seus resultados divididos por sexo e/ou por faixa etária, diminuindo consideravelmente o tamanho amostral em cada análise. Os tamanhos pequenos das amostras podem ter comprometido o poder de associação dos indicadores antropométricos e a capacidade dos estudos para identificar diferenças entre os indicadores para predizer FRC agrupados.

De acordo com a análise dos artigos incluídos na presente revisão, algumas lacunas do conhecimento podem ser relacionadas, como:

1. Falta de consenso para o agrupamento dos FRC, fato que dificulta a comparação dos achados entre estudos, bem como limita maiores inferências sobre o tema.

2. Escassez de estudos que investigaram o poder da RCEst e das DC como preditoras de FRC agrupados na infância e adolescência.

3. Carência de estudos que compararam outros indicadores antropométricos, além do IMC e do PC, bem como que apresentaram análise estatística de comparação.

4. Escassez de estudos com desenho de coorte que investigaram a habilidade de indicadores antropométricos na predição de FRC agrupados.

O desenvolvimento de estudos futuros considerando essas lacunas pode ser relevante para o avanço do conhecimento da área.

Com base nos achados da presente revisão, é possível inferir que o IMC, o PC e a RCEst foram preditores de FRC agrupados na infância e na adolescência e apresentaram habilidade similar para predizer esses desfechos. Esses achados sugerem que indicadores antropométricos podem representar uma interessante ferramenta para triagem epidemiológica de FRC agrupados em idades precoces. O peso corporal, a estatura e o PC são medidas simples, de fácil obtenção e de baixo custo que poderiam ter sua avaliação institucionalizada na prática rotineira de diferentes setores (ex.: escolas e unidades de saúde da família) como parte do acompanhamento integral à saúde da população pediátrica.

REFERÊNCIAS

• ¹
  Onis M, Onyango AW, Borghi E, Siyam A, Nishida C, Siekmann J. Development of a WHO growth reference for school-aged children and adolescents. Bull World Health Organ. 2007;85:660-7.
• ²
  Wang J. Waist circumference: a simple, inexpensive, and reliable tool that should be included as part of physical examinations in the doctor's office. Am J Clin Nutr. 2003;78:902-3.
• ³
  Ashwell M, Hsieh SD. Six reasons why the waist-to-height ratio is a rapid and effective global indicator for health risks of obesity and how its use would simplify the international public health message on obesity. Int J Food Sci Nutr. 2005;56:303-7.
• ⁴
  Kelishadi R, Mirmoghtadaee P, Najafi H, Keikha M. Systematic review on the association of abdominal obesity in children and adolescents with cardio-metabolic risk factors. J Res Med Sci. 2015;20:294-307.
• ⁵
  Browning LM, Hsieh SD, Ashwell M. A systematic review of waist-to-height ratio as a screening tool for the prediction of cardiovascular disease and diabetes: 0.5 could be a suitable global boundary value. Nutr Res Rev. 2010;23:247-69.
• ⁶
  Reilly JJ, Kelly J, Wilson DC. Accuracy of simple clinical and epidemiological definitions of childhood obesity: systematic review and evidence appraisal. Obes Rev. 2010;11:645-55.
• ⁷
  Ali O, Cerjak D, Kent JW Jr., James R, Blangero J, Zhang Y. Obesity, central adiposity and cardiometabolic risk factors in children and adolescents: a family-based study. Pediatr Obes. 2014;9e58-62.
• ⁸
  Chen W, Srinivasan SR, Li S, Xu J, Berenson GS. Clustering of long-term trends in metabolic syndrome variables from childhood to adulthood in Blacks and Whites: the Bogalusa Heart Study. Am J Epidemiol. 2007;166:527-33.
• ⁹
  Moher D, Liberati A, Tetzlaff J, Altman DG, PRISMA Group. Preferred reporting items for systematic reviews and meta-analyses: thePRISMA statement. Ann Intern Med. 2009;151:264-9.
• ¹⁰
  Higgins JP, Green S, editors. Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0 [updated March 2011] [cited 2016 Nov 20]. Available from: http://www.cochranelibrary.com/about/about-cochrane-systematic-reviews.html
  » http://www.cochranelibrary.com/about/about-cochrane-systematic-reviews.html
• ¹¹
  Weber DR, Levitt Katz LE, Zemel BS, Gallagher PR, Murphy KM, Dumser SM, et al. Anthropometric measures of abdominal adiposity for the identification of cardiometabolic risk factors in adolescents. Diabetes Res Clin Pract. 2014;103:e14-7.
• ¹²
  Zhou D, Yang M, Yuan ZP, Zhang DD, Liang L, Wang CL, et al. Waist-to-Height Ratio: a simple, effective and practical screening tool for childhood obesity and metabolic syndrome. Prev Med. 2014;67:35-40.
• ¹³
  Andaki AC, Tinôco AL, Mendes EL, Andaki Junior R, Hills AP, Amorim PR. Anthropometry and physical activity level in the prediction of metabolic syndrome in children. Public Health Nutr. 2014;17:2287-94.
• ¹⁴
  Faria ER, Gontijo CA, Franceschini SC, Peluzio MC, Priore SE. Body composition and risk for metabolic alterations in female adolescents. Rev Paul Pediatr. 2014;32:207-15.
• ¹⁵
  Elizondo-Montemayor L, Serrano-González M, Ugalde-Casas PA, Bustamante-Careaga H, Cuello-García C. Waist-to-height: cutoff matters in predicting metabolic syndrome in Mexican children. Metab Syndr Relat Disord. 2011;9:183-90.
• ¹⁶
  Ferreira AP, Ferreira CB, Nóbrega OT, Rodrigues Junior E, França NM. Utilização de indicadores antropométricos e metabólicos na predição da síndrome metabólica em crianças. R Bras Ci e Mov. 2011;19:5-14.
• ¹⁷
  Taylor SA, Hergenroeder AC. Waist circumference predicts increased cardiometabolic risk in normal weight adolescent males. Int JPediatr Obes . 2011;6:e307-11.
• ¹⁸
  Wang PG, Gong J, Wang SQ, Talbott EO, Zhang B, He QQ. Relationship of body fat and cardiorespiratory fitness with cardiovascular risk in Chinese children. PLoS One. 2011;6:e27896.
• ¹⁹
  Al-Attas OS, Al-Daghri NM, Alokail MS, Alkharfy KM, Draz H, Yakout S, et al. Association of body mass index, sagittal abdominal diameter and waist-hip ratio with cardiometabolic risk factors and adipocytokines in Arab children and adolescents. BMC Pediatr. 2012;12:119.
• ²⁰
  Duncan MJ, Mota J, Vale S, Santos MP, Ribeiro JC. Comparisons between inverted body mass index and body mass index as proxies for body fatness and risk factors for metabolic risk and cardiorespiratory fitness in Portuguese adolescents. Am J Hum Biol. 2012;24:618-25.
• ²¹
  Brouwer SI, Stolk RP, Liem ET, Lemmink KA, Corpeleijn E. The role of fitness in the association between fatness and cardiometabolic risk from childhood to adolescence. Pediatr Diabetes. 2013;14:57-65.
• ²²
  Buchan DS, Young JD, Boddy LM, Malina RM, Baker JS. Fitness and adiposity are independently associated with cardiometabolic risk in youth. Biomed Res Int. 2013;2013:261698.
• ²³
  Harrington DM, Staiano AE, Broyles ST, Gupta AK, Katzmarzyk PT. BMI percentiles for the identification of abdominal obesity and metabolic risk in children and adolescents: evidence in support of the CDC 95th percentile. Eur J Clin Nutr. 2013;67:218-22.
• ²⁴
  Jago R, Drews KL, McMurray RG, Baranowski T, Galassetti P, Foster GD, et al. BMI change, fitness change and cardiometabolic risk factors among 8th grade youth. Pediatr Exerc Sci. 2013;25:52-68.
• ²⁵
  Jago R, Mendoza JA, Chen T, Baranowski T. Longitudinal associations between BMI, waist circumference, and cardiometabolic risk in US youth: monitoring implications. Obesity (Silver Spring). 2013;21:E271-9.
• ²⁶
  Matsha TE, Kengne AP, Yako YY, Hon GM, Hassan MS, Erasmus RT. Optimal waist-to-height ratio values for cardiometabolic risk screening in an ethnically diverse sample of South African urban and rural school boys and girls. PLoS One. 2013;8:e71133.
• ²⁷
  Buchan DS, Young JD, Boddy LM, Baker JS. Independent associations between cardiorespiratory fitness, waist circumference, BMI, and clustered cardiometabolic risk in adolescents. Am J Hum Biol. 2014;26:29-35.
• ²⁸
  Graves L, Garnett SP, Cowell CT, Baur LA, Ness A, Sattar N, et al. Waist-to-height ratio and cardiometabolic risk factors in adolescence: findings from a prospective birth cohort. Pediatr Obes . 2014;9:327-38.
• ²⁹
  Klakk H, Grontved A, Moller NC, Heidemann M, Andersen LB, Wedderkopp N. Prospective association of adiposity and cardiorespiratory fitness with cardiovascular risk factors in healthy children. Scand J Med Sci Sports. 2014;24:e275-82.
• ³⁰
  Laurson KR, Welk GJ, Eisenmann JC. Diagnostic performance of BMI percentiles to identify adolescents with metabolic syndrome. Pediatrics. 2014;133:e330-8.
• ³¹
  Li P, Jiang R, Li L, Liu C, Yang F, Qiu Y. Prevalence and risk factors of metabolic syndrome in school adolescents of northeast China. J Pediatr Endocrinol Metab. 2014;27:525-32.
• ³²
  Moraes MM, Veiga GV. Acurácia da gordura corporal e do perímetro da cintura para predizer alterações metabólicas de risco cardiovascular em adolescentes. Arq Bras Endocrinol Metab. 2014;58:341-51.
• ³³
  Ribeiro-Silva RC, Florence TC, Conceição-Machado ME, Fernandes GB, Couto RD. Indicadores antropométricos na predição de síndrome metabólica em crianças e adolescentes: um estudo de base populacional. Rev Bras Saude Matern Infant.2014;14:173-81.
• ³⁴
  Samsell L, Regier M, Walton C, Cottrell L. Importance of android/gynoid fat ratio in predicting metabolic and cardiovascular disease risk in normal weight as well as overweight and obese children. J Obes. 2014;2014:846578.
• ³⁵
  Weber DR, Leonard MB, Shults J, Zemel BS. A comparison of fat and lean body mass index to BMI for the identification of metabolic syndrome in children and adolescents. J Clin Endocrinol Metab. 2014;99:3208-16.
• ³⁶
  Bauer KW, Marcus MD, El ghormli L, Ogden CL, Foster GD. Cardio-metabolic risk screening among adolescents: understanding the utility of body mass index, waist circumference and waist to height ratio. Pediatr Obes . 2015;10:329-37.
• ³⁷
  Benmohammed K, Valensi P, Benlatreche M, Nguyen MT, Benmohammed F, Paries J, et al. Anthropometric markers for detection of the metabolic syndrome in adolescents. Diabetes Metab. 2015;41:138-44.
• ³⁸
  Chan NP, Choi KC, Nelson EA, Chan JC, Kong AP. Associations of pubertal stage and body mass index with cardiometabolic risk in Hong Kong Chinese children: A cross-sectional study. BMC Pediatr. 2015;15:136.
• ³⁹
  Pereira PF, Faria FR, Faria ER, Hermsdorff HH, Peluzio MC, Franceschini SC, et al. Indicadores antropométricos para identificar síndrome metabólica e fenótipo cintura hipertrigliceridêmica: uma comparação entre as três fases da adolescência. Rev Paul Pediatr. 2015;33:194-203.
• ⁴⁰
  Ruiz N, Rodríguez C, Rodríguez L, Rodríguez V, Varela I, Rangel A. Relación circunferencia de cintura/talla: Predictor de insulino-resistenciay riesgo cardiometabolico agrupado en adolescentes. Arch Venez Puer Ped. 2015;78.
• ⁴¹
  Wicklow BA, Becker A, Chateau D, Palmer K, Kozyrskij A, Sellers EA. Comparison of anthropometric measurements in children to predict metabolic syndrome in adolescence: analysis of prospective cohort data. Int J Obes (Lond). 2015;39:1070-8.
• ⁴²
  Cook S, Weitzman M, Auinger P, Nguyen M, Dietz WH. Prevalence of a metabolic syndrome phenotype in adolescents: findings from the third National Health and Nutrition Examination Survey, 1988-1994. Arch Pediatr Adolesc Med. 2003;157:821-7.
• ⁴³
  Expert Panel on Detection, Evaluation and Treatment of High Blood Cholesterol in Adults. Executive Summary of The Third Report of The National Cholesterol Education Program (NCEP) Expert Panel on Detection, Evaluation, And Treatment of High Blood Cholesterol In Adults (Adult Treatment Panel III). JAMA. 2001;285:2486-97.
• ⁴⁴
  Zimmet P, Alberti G, Kaufman F, Tajima N, Silink M, Arslanian S, et al. The metabolic syndrome in children and adolescents. Lancet. 2007;369:2059-61.
• ⁴⁵
  Ferranti SD, Gauvreau K, Ludwig DS, Neufeld EJ, Newburger JW, Rifai N. Prevalence of the metabolic syndrome in American adolescents: findings from the Third National Health and Nutrition Examination Survey. Circulation. 2004;110:2494-7.
• ⁴⁶
  Ferranti SD, Gauvreau K, Ludwig DS, Newburger JW, Rifai N. Inflammation and changes in metabolic syndrome abnormalities in US adolescents: findings from the 1988-1994 and 1999-2000 National Health and Nutrition Examination Surveys. Clin Chem. 2006;52:1325-30.
• ⁴⁷
  Viner RM, Segal TY, Lichtarowicz-Krynska E, Hindmarsh P. Prevalence of the insulin resistance syndrome in obesity. Arch Dis Child. 2005;90:10-4.
• ⁴⁸
  Jolliffe CJ, Janssen I. Development of age-specific adolescent metabolic syndrome criteria that are linked to the Adult Treatment Panel III and International Diabetes Federation criteria. J Am Coll Cardiol. 2007;49:891-8.
• ⁴⁹
  Fletcher RH, Fletcher SW. Epidemiologia clínica: elementos essenciais. 4th ed. São Paulo: Artmed; 2006.
• ⁵⁰
  Tape TG.The Area Under an ROC Curve. In: Interpreting Diagnostic Tests [cited 2016 Nov 20]. Available from: http://gim.unmc.edu/dxtests/roc3.htm
  » http://gim.unmc.edu/dxtests/roc3.htm
• ⁵¹
  Misra A, Madhavan M, Vikram NK, Pandey RM, Dhingra V, Luthra K. Simple anthropometric measures identify fasting hyperinsulinemia and clustering of cardiovascular risk factors in Asian Indian adolescents. Metabolism. 2006;55:1569-73.
• ⁵²
  Misra A, Vikram NK, Arya S, Pandey RM, Dhingra V, Chatterjee A, et al. High prevalence of insulin resistance in postpubertal Asian Indian children is associated with adverse truncal body fat patterning, abdominal adiposity and excess body fat. Int J Obes Relat Metab Disord. 2004;28:1217-26.
• ⁵³
  Stomfai S, Ahrens W, Bammann K, Kovacs E, Marild S, Michels N, et al. Intra- and inter-observer reliability in anthropometric measurements in children. Int J Obes (Lond). 2011;35:45-51.

• Financiamento: Bolsa de estudos da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).

Datas de Publicação

• Publicação nesta coleção
  31 Jul 2017
• Data do Fascículo
  Jul-Sep 2017

Histórico

• Recebido
  02 Set 2016
• Aceito
  26 Jan 2017