SciELO - Scientific Electronic Library Online

 
vol.24 número7Barreiras percebidas para o consumo de frutas e de verduras ou legumes em adultos brasileirosSíndrome metabólica e fatores associados em quilombolas baianos, Brasil índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

Compartilhar


Ciência & Saúde Coletiva

versão impressa ISSN 1413-8123versão On-line ISSN 1678-4561

Ciênc. saúde coletiva vol.24 no.7 Rio de Janeiro jul. 2019  Epub 22-Jul-2019

http://dx.doi.org/10.1590/1413-81232018247.19032017 

ARTIGO

Indicadores de obesidade: capacidade preditiva para síndrome metabólica em adultos quilombolas

Ricardo Franklin de Freitas Mussi1 
http://orcid.org/0000-0003-1515-9121

Edio Luiz Petróski2 
http://orcid.org/0000-0001-8480-0846

1Programa de Pós-Graduação em Ensino, Linguagem e Sociedade (PPGELS), Grupo de Estudos, Pesquisa e Extensão em Educação, Cultura e Saúde (GEPEECS), Departamento de Ciência Humanas, Campus VI, Universidade do Estado da Bahia. Av. Contorno s/n, São José, CEP 46400-000 Caetité BA Brasil. rimussi@yahoo.com.br

2Centro de Desporto e Saúde, Universidade Federal de Santa Catarina. Florianópolis SC Brasil.

Resumo

O objetivo deste estudo foi avaliar a capacidade preditiva da síndrome metabólica (SM) por diferentes indicadores de obesidade (IO) em adultos quilombolas. Estudo transversal com amostra representativa de 850 adultos (18 à 92 anos de idade) quilombolas residentes na microrregião geográfica de Guanambi/Bahia. Foram construídas curvas Receiver Operating Characteristic (ROC) entre os IO (percentual de gordura - %G; índice de adiposidade corporal – IAC; índice de massa corporal – IMC) e a SM. O equilíbrio entre sensibilidade e especificidade definiu os melhores pontos de corte preditores da SM pelos IO. Os três IO apresentaram capacidade preditiva para SM (curva ROC significativamente > 0,5). Entre as mulheres, o %G apresentou área sob a curva ROC (0,69 - IC95%: 0,65:0,73) significativamente maior que os demais IO. Entre os homens as áreas do %G e do IMC foram iguais (0,81 - IC95%: 0,76:0,85) e maiores que a do IAC. Os melhores pontos de corte dos IO para identificar a presença da SM respectivamente em mulheres e homens foram: 24,97 e 25,36 kg/m2 para IMC, 34,30 e 26,14% para IAC e 37,7 e 23,8% para %G. Os IO testados são válidos para rastrear a SM em adultos quilombolas a partir da utilização dos pontos de corte específicos para a população estudada.

Palavras-Chave: População negra; Síndrome X Metabólica; Obesidade; Curva ROC Estudos transversais

Introdução

A síndrome metabólica (SM) é definida pela simultaneidade entre dislipidemia aterogênica (hipertrigliceridemia e/ou colesterol de lipoproteína de alta densidade baixo), pressão arterial elevada, hiperglicemia e excesso de gordura abdominal1.

Apesar da indicação de sua alta prevalência no mundo1 e no Brasil2, a SM ainda é insuficientemente diagnosticada em algumas regiões e/ou populações3, principalmente aquelas em situação de vulnerabilidade socioeconômica, devido ao custo financeiro e exigência tecnológica que envolvem seu diagnóstico. Esse quadro epidemiológico altamente negativo demanda esforços para implementação de programas eficientes de detecção precoce e minimização dos efeitos deletérios e incapacitantes da SM3,4.

O recorte étnico-racial em saúde permite que sejam identificados grupamentos populacionais mais suscetíveis à determinados riscos e enfermidades5-7, como já foi evidenciado na prevalência da SM3,8-11.

É reconhecida a importância da obesidade na etiologia da SM3,4. Neste contexto, os indicadores de obesidade (IO) emergem como testes de rastreio da SM, em virtude do seu elevado custo benefício, sobretudo em situação de baixo financiamento e restrita disponibilidade de serviços de saúde.

Estudos apontaram variações na capacidade de rastreio da SM por diferentes IO generalizada conforme os diferentes perfis populacionais12-17. Além disso, investigações com participação de vários grupos populacionais identificaram diferenças na capacidade predita dos IO conforme as características étnico-raciais18-20. Esse quadro estabelece a relevância das análises de acurácia específicas para o rastreamento da SM para grupos populacionais específicos. No entanto, não foram encontrados trabalhos que avaliaram os três principais IO generalizada (gordura por bioimpedância, índice de adiposidade corporal e índice de massa corporal) simultaneamente e que contassem com a participação de quilombolas.

São reconhecidas características nosológicas que acometem a população negra, como fatores genéticos (doenças hereditárias), clínicos (maior frequência e gravidade de doenças metabólicas e cardiovasculares) e sociais (piores condições de vida e racismo)21.

Neste sentido, ser negro aumenta a probabilidade para manifestação de enfermidades crônicas6,22-24 o preconceito determina desigualdades desfavoráveis a pretos e pardos24,25 e as iniquidades sociais amplificam a probabilidade para manifestação de distúrbios metabólicos em populações negras3,5,7,22,24,26. Mesmo entendendo que as representações socioculturais reforçam a determinação genética para manifestação de distúrbios metabólicos em negros, informações específicas sobre as condições de saúde deste grupo populacional ainda são escassas.

Destaca-se que parcela importante da população negra brasileira reside em quilombos, comunidades étnico-raciais autoatribuídas, de ancestralidade africana, vinculada à terra e resistente à opressão histórica27,28. Muitas destas comunidades ainda lutam por igualdade de direitos, posse e regularização fundiária, cidadania plena e equidade na saúde pública5,29.

Os quilombolas ainda carecem de mais e melhores informações relativas aos cuidados em saúde29,30, além de ações que visem combate à situação de vulnerabilidade socioeconômica e dificuldade para acesso aos serviços de saúde5,31,32.

Apesar da quantidade restrita de pesquisas, já foram relatadas elevadas prevalências de SM em quilombolas33-36. No mesmo sentido, estudos antropométricos também indicaram altos índices de excesso de peso e obesidade nessa população37,38. No entanto, não foram identificadas investigações que verificaram a acurácia dos IO e estabelecessem pontos de corte para a identificação daqueles sujeitos com risco aumentado e seu imediato encaminhamento para o serviço de saúde especializado, para confirmação do diagnóstico e tratamento da SM, em população quilombola.

Considerando a importância de métodos simples, de baixo custo e que viabilizem a avaliação de um maior contingente de pessoas, que permitirá o rastreio de distúrbios metabólicos em segmento populacional étnico-racial específico que ainda apresenta restrita disponibilidade de informações no campo da saúde, a presente investigação objetiva avaliar a capacidade preditiva da síndrome metabólica (SM) por diferentes indicadores de obesidade (IO) em adultos quilombolas.

Materiais e métodos

Esta análise utiliza dados do estudo transversal de base populacional intitulado “Perfil Epidemiológico dos Quilombolas baianos”, autorizado pelo Comitê de Ética em Pesquisa com Seres Humanos da Universidade do Estado da Bahia (CEP/UNEB), desenvolvido entre fevereiro e novembro de 2016.

A microrregião geográfica de Guanambi/Bahia, composta por 18 municípios e área territorial de 22.668,688 km239, com 42 quilombos contemporâneos40 certificados até o ano de 2016, distribuídos em 10 municípios41, representou o campo empírico investigado.

Diante da indisponibilidade de informações oficiais prévias relativas a quantidade de moradores dos quilombos desta microrregião baiana, a população foi estimada considerando 80 famílias por quilombo42, com dois adultos (> 18 anos) por família, totalizando 6720 adultos.

O cálculo amostral adotou correção para população finita, prevalência para desfecho desconhecido (50%), confiança de 95%, erro amostral de cinco pontos percentuais, correção de 1,5 vezes para conglomerado em um estágio (quilombo), acréscimos de 30% para recusas e 20% para perdas e confundimento43, que determinou amostra mínima de 818 sujeitos.

O desenho amostral consistiu em duas etapas: sorteio dos quilombos (conglomerado) e, em seguida, coleta censitária. Inicialmente foi realizado sorteio aleatório dos quilombos. 14 unidades sorteadas permitiram, por meio das respectivas associações de moradores (órgãos locais que representam os interesses dos quilombolas), visitações para a realização da pesquisa.

Conforme informações das 14 associações de moradores, 1025 adultos residiam nestes quilombos no período da coleta. Todos foram considerados elegíveis, sendo informados sobre os aspectos do estudo e convidados, garantindo igual probabilidade de participação. As coletas foram realizadas em sistema de mutirão, durante os finais de semana e feriados. 850 quilombolas compareceram às atividades e aceitaram participar voluntariamente, por meio da assinatura ou fornecimento da impressão digital no Termo de Consentimento Livre e Esclarecido individual, compondo a amostra final. 17,07% dos convidados não compareceram nas atividades, caracterizados como recusas.

A coleta de dados foi realizada por meio de entrevistas, coleta sanguínea, verificações da pressão arterial e mensurações antropométricas. Estas atividades foram desenvolvidas por equipes compostas por profissionais e/ou acadêmicos da área de saúde conforme suas habilitações, após treinamento para sua respectiva função.

Aqueles com deficiência cognitiva ou de comunicação independente, acamados, amputados, engessados, grávidas e nutrizes com menos de seis meses foram excluídos desta análise por não terem participado das entrevistas ou das medidas antropométricas ou exames ou ainda por ausência de resposta de alguma questão relativa à esta análise no momento da entrevista. As perdas foram definidas pela não realização de alguma medida, exame ou ausência de resposta de alguma questão da entrevista.

As medidas antropométricas (massa, estatura, perímetro do quadril e da cintura) foram obtidas em ambiente fechado, em momento único, pelo mesmo avaliador certificado ISAK, com os avaliados usando roupas leves e descalços, conforme padronização da International Society for the Advancement of Kinanthropometry (ISAK)44, em duplicata para igualdade, com terceira medida em caso de diferença, utilizando a mediana para análise.

A massa corporal foi mensurada em balança digital (Omron hbf-514c, capacidade de 150 kg e precisão de 100g), a estatura em estadiômetro metálico portátil (Sanny Caprice, resolução de 0,1mm) e os perímetros por trena metálica (Sanny sn-4010, dois metros de comprimento, 0,5 cm de largura e resolução de 0,1mm). O erro técnico de medida antropométrica intra-avaliador45 do antropometrista responsável foi de 0,20% para massa corporal, 0,12% para estatura, 0,39% para cintura e 0,20% para quadril, que indicam nível adequado das mensurações.

O %G por bioimpedância foi determinado por balança validada (Omron hbf-514c, com capacidade 150Kg e precisão de 0,1%)46. Estas mensurações ocorreram durante a manhã, antes do desjejum, em duplicata para igualdade, com terceira medida em caso de diferença, utilizando a mediana para análise. Anteriormente as mensurações foram verificadas abstinência alcoólica, de cafeína e de atividade física intensa nas últimas 24 horas. Os participantes também foram orientados a retirarem objetos metálicos e permanecerem em repouso durante cinco minutos antes dos testes.

As amostras sanguíneas de 15 ml, devidamente separadas e identificadas, foram extraídas após jejum mínimo de 8 horas, mediante punção endovenosa na veia antecubital mediana, utilizando sistema a vácuo, conforme protocolo da Sociedade Brasileira de Patologia Clínica e Medicina Laboratorial47. As amostras foram armazenadas em caixa térmica refrigerada e transportada, após a coleta, ao laboratório credenciado, onde o material foi centrifugado e analisado. A glicemia, o colesterol de lipoproteína de alta densidade (HDL) e os triglicerídeos foram determinados pelo método enzimático colorimétrico automatizado (Cobas Mira Plus, Roche®).

A pressão arterial foi aferida com esfigmomanômetro semiautomático validado (Omron HEM-742INT)48, em triplicata, após 10 minutos de repouso, com o entrevistado sentado, pés plantados no chão, braço esquerdo na altura do coração e a palma da mão voltada para cima49. A média aritmética entre as medidas definiu o valor da pressão arterial.

Para definição da SM, variável dependente, foi adotada a proposta do Joint Interim Statement1, que propõem a simultaneidade de ao menos três dos seguintes fatores: 1) triglicérides aumentado quando ≥150 mg/dL ou uso de medicamentos para tratamento de hipertrigliceridemia; 2) glicemia em jejum aumentada quando ≥ 100 mg/dL ou uso de medicamentos para diabetes; 3) HDL diminuído quando < 40 mg/dL (homem) ou < 50 mg/dL (mulher) ou uso de medicamentos para tratamento de HDL baixo; 4) pressão arterial aumentada para valores sistólico ≥ 130 mmHg e/ou diastólico ≥ 85 mmHg, ou o uso de medicamento anti-hipertensivo; 5) perímetro da cintura elevado quando > 90 cm para homens e > 80 cm para mulheres (foram adotados pontos sugeridos para América Latina)3.

Os IO, variáveis independentes, analisados foram: o %G estimado por balança de bioimpedância; o índice de adiposidade corporal (IAC) [perímetro do quadril (cm) / estatura (m)1,5 – 18]50; e o índice de massa corporal (IMC) [IMC = massa corporal (kg) / estatura2 (m)].

A análise estatística inicial consistiu na aplicação do teste de Kolmogorov-Smirnov, indicando que nenhuma das variáveis contínuas apresentaram distribuição normal (p < 0,05), determinando o teste U de Mann-Whitney para comparação das medianas dos dados. Também foi realizada estatística descritiva das variáveis.

Para avaliar a acurácia dos IO na predição da SM, foram construídas as Curvas Receiver-operating characteristic (ROC) a partir das medidas de sensibilidade e especificidade51. As áreas sob a curva ROC > 0,5, incluindo o IC95%, definiram significância estatística para rastreio da SM. Os valores de equilíbrio entre a sensibilidade e a especificidade determinaram os melhores pontos de corte discriminante da SM para cada IO separadamente. Também foram determinados os valores preditivos positivos (VPP) e negativos (VPN) dos melhores pontos de corte dos IO para identificação da SM. O teste Z foi aplicado para comparar as áreas sob as curvas ROC dos diferentes IO.

Foram apresentados resultados gerais e/ou estratificados por sexo. Para as análises descritivas e de associação empregou-se o programa Statistical Package for the Social Sciences for Windows (SPSS) versão 22. Para verificação das propriedades de rastreio dos IO utilizou-se o programa estatístico MedCalc versão 12.1.4.

Resultados

A amostra apresentou idade variando entre 18 e 92 anos (mediana de 41 anos para mulheres e 49 para homens), composta predominantemente por mulheres (61,2%, IC95%: 57,9:64,5) e prevalência de 25,8% (IC95%: 22,8:28,7) de SM. Outras informações estão descritas na Tabela 1. A variável com maior número de perdas foi o %G (21 mulheres; 15 homens).

Tabela 1 Características dos adultos quilombolas estratificadas por sexo. Bahia, Brasil, 2016. 

Variável N Mediana (mínimo-máximo) n Feminino (mínimo-máximo) n Masculino (mínimo-máximo) p-valor
Idade (anos) 850 45,0 (18,0-92,0) 520 41,0 (18,0-92,0) 330 49,0 (18,0-90,0) < 0,001
Estatura (m) 837 1,61 (1,36-1,96) 513 1,56 (1,36-1,77) 324 1,67 (1,43-1,96) < 0,001
Massa (Kg) 837 65,8 (38,8-112,2) 512 64,3 (38,8-112,2) 325 67,9 (39,7-110,8) < 0,001
Quadril (cm) 835 97,5 (77,0-132,0) 511 99,0 (77,0-132,0) 324 95,1 (79,5-120,0) < 0,001
Cintura (cm) 835 85,6 (58,7-126,6) 511 87,0 (58,7-124,5) 324 84,3 (63,5-126,6) 0,004
PAD (mmHg) 825 75,7 (46,3-140,7) 504 74,7 (47,7-129,7) 321 76,7 (46,3-140-7) < 0,001
PAS (mmHg) 825 127,0 (90,0-238,0) 504 123,5 (90,0-225,0) 321 132,3 (91,3-238,0) 0,225
Glicose 835 87,0 (47,0-342,0) 512 87,0 (47,0-305,0) 325 88,0 (55,0-342,0) 0,323
HDL 835 59,0 (20,0-112,0) 513 60,0 (20,0-109,0) 327 58,0 (20,0-112,0) 0,342
Triglicérides 835 83,0 (20,0-719,0) 513 82,0 (20,0-719,0) 327 84,0 (32,0-535,0) 0,631
%G 814 32,1 (5,0-56,2) 499 38,8 (14,0-56,2) 315 20,6 (5,0-39,4) < 0,001
IAC (%) 835 29,9 (16,3-53,3) 511 32,8 (16,3-53,3) 324 25,8 (16,8-40,7) < 0,001
IMC (Kg/m2) 836 25,2 (15,9-45,4) 512 26,2 (16,9-45,4) 324 24,2 (15,9-38,7) < 0,001

IMC: índice de massa corporal, em kg/m2; IAC: índice de adiposidade corporal, em % de gordura; %G: percentual de gordura por bioimpedância, em % de gordura; n: número de dados.

A análise da associação, estratificada por sexo, entre o desfecho (SM) e cada um dos preditores (%G, IAC e IMC) demonstrou significância estatística (p<0,001) em todos os casos.

As áreas sob as curvas ROC entre a SM e o %G, o IAC e o IMC, conforme o sexo, podem ser observadas na Figura 1. Nota-se que as áreas sob as curvas ROC entre a SM com os três IO mostraram-se significativamente > 0,5, para ambos os sexos (Figura 1; Tabela 2). Destarte, os IO apresentaram capacidade satisfatória para discriminar a presença da SM em adultos quilombolas de ambos os sexos.

Figura 1 Curva ROC, estratificadas por sexo, comparando as capacidades preditivas dos indicadores de obesidade generalizados da Síndrome Metabólica em adultos quilombolas. Bahia, Brasil, 2016. %G: percentual de gordura por bioimpedância; IAC: índice de adiposidade corporal; IMC: índice de massa corporal. 

Tabela 2 Propriedades diagnósticas dos indicadores de obesidade para rastreio da presença de síndrome metabólica em adultos quilombolas, por sexo. Bahia, Brasil, 2016. 

n Curva ROC (IC95%) Ponto de corte Sensibilidade (IC95%) Especificidade (IC95%) VPP (IC95%) VPN (IC95%)
Mulheres
% G 498 0,69 (0,65:0,73) > 37,7 81,5 (74,2:87,4) 53,7 (48,3:59,0) 42,2 (36,4:48,2) 87,5 (82,3:91,6)
IAC 510 0,67 (0,63:0,71) > 34,30 59,1 (50,7:67,0) 70,9 (65,9:75,5) 45,6 (38,4:52,9) 80,8 (76,0:84,9)
IMC 511 0,66 (0,62:0,70) > 24,97 78,5 (71,1;84,8) 46,4 (41,2:51,7) 37,6 (32,2:43,3) 84,0 (78,2:88,8)
Homens
% G 314 0,81 (0,76:0,85) > 23,8 77,9 (66,2:87,1) 74,8 (68,9:80,1) 46,1 (36,8:55,6) 92,5 (87,9:95,7)
IAC 323 0,74 (0,69:0,79) > 26,14 79,4 (67,9:88,3) 62,4 (56,1:68,3) 36,0 (28,3:44,2) 91,9 (86,8:95,5)
IMC 324 0,807 (0,76:0,85) > 25,36 77,9 (66,2:87,1) 73,8 (68,0:79,1) 44,2 (35,1:53,5) 92,6 (88,2:95,8)

%G: percentual de gordura por bioimpedância, em %; IAC: índice de adiposidade corporal, em %; IMC: índice de massa corporal, em kg/m2; IC95%: intervalo de confiança de 95%; VPP: valor preditivo positivo; VPN: valor preditivo negativo.

Entre as mulheres, a melhor área sob a curva ROC foi da SM com %G, com 0,69 (IC95%: 0,65:0,73). Entre os homens, as melhores áreas sob a curva ROC foram da SM com %G e IMC, as duas com 0,81 (IC95%: 0,76:0,85) (Tabela 2). A aplicação do teste Z indicou que entre as mulheres a curva ROC do %G com a SM é significativamente maior (p < 0,05) que as demais IO. Entre os homens as curvas do %G e do IMC com a SM são maiores (p < 0,05) que a do IAC. Portanto, o %G entre as mulheres e o %G e o IMC entre os homens apresentaram o maior poder discriminatório para a SM em adultos quilombolas.

Os melhores pontos de corte dos IO para predição da SM, com suas respectivas características, podem ser visualizados na Tabela 2. Entre as mulheres, o melhor ponto de corte do %G (37,7%) apresentou a maior sensibilidade, ou seja, é o melhor IO para detectar sujeitos com SM diante de um %G maior que este ponto. O melhor ponto de corte do IAC (71,0%) apresentou a maior especificidade, portanto, é o melhor IO para definir a ausência da SM em pessoas com valores de IAC menores que este ponto. O ponto de corte do IAC apresentou a maior proporção de verdadeiros positivos (VPP = 45,6%), enquanto o ponto do %G indicou maior proporção de verdadeiros negativos (VPN = 87,5%).

No grupo dos homens (Tabela 2), o melhor ponto de corte do IAC (26,1%) teve a maior sensibilidade (79,4%), enquanto o ponto de corte do %G (23,8%) apresentou a maior especificidade (74,8%). O ponto de corte do %G apresentou maior proporção de verdadeiros positivos (VPP = 46,1%) e o ponto do IMC (25,4 km/m2) teve a maior proporção de verdadeiros negativos (VPN = 92,6%).

Discussão

Os resultados assinalam que todos os indicadores de obesidade (IO) analisados apresentaram capacidade preditiva para SM em adultos quilombolas. É provável que este seja o primeiro estudo que investigue os IO como técnicas de rastreamento da SM em população quilombola, o que dificulta a comparação dos resultados com outros estudos.

Ressalta-se que a SM é um importante fator de risco à saúde ainda subnotificado em algumas populações3, que a população negra tem apresentado risco aumentado para distúrbios metabólicos3,5,6,22-24,26,52 os moradores de quilombos podem enfrentar dificuldades para utilização dos serviços de saúde5,31,32 e que a obesidade é um importante preditor relacionado a SM3,4. Então, esta análise é relevante ao demonstrar que os IO são confiáveis para discriminar adultos quilombolas mais suscetíveis à SM, potencializando seu diagnóstico ainda na primeira fase da prática clínica e a intervenção terapêutica precoce.

Estes resultados alinham-se a compreensão que o acúmulo de gordura corporal generalizada predispõem maior risco de adoecimento e morte populacional53,54. Além disso, estudos com diferentes populações adultas também demonstraram capacidade de rastreamento da SM pelo %G16, pelo IAC13-15 e pelo IMC12,14-17. No entanto, a presente investigação parece ser a primeira a avaliar a capacidade dos três principais IO generalizada para rastreio da SM em mesmo estudo com adultos.

Entre os IO investigados, o %G por bioimpedância apresentou a maior acurácia para discriminar a SM em adultos quilombolas de ambos os sexos. Destaca-se que essa técnica é mais precisa para análise da composição corporal que os indicadores antropométricos (como o IMC e/ou IAC)53 e, o tecido adiposo é altamente prejudicial às funções insulínicas e inflamatórias, regularmente associadas a SM1,3.

Por outro lado, estudos apontaram o IMC como melhor preditor para SM quando comparado ao %G16 e o IAC14,15. Estas diferenças entre os IO com as melhores capacidades preditivas desta pesquisa, com negros quilombolas, e nas investigações consultadas, com populações asiáticas15,16 e de descendência ameríndia14, por exemplo, podem ser parcialmente explicadas pelas distinções nos padrões de distribuição da gordura e proporcionalidades corporais presentes entre grupos étnico-raciais19,55.

Outra questão que pode explicar essas disparidades seria a diferença entre os critérios adotados para o estabelecimento SM nesta (Joint Interim Statement)1 e em outras pesquisas consultadas (National Cholesterol Education Program’s Adult Treatment Panel16; International Diabetes Federation)15, reconhecido fator de impacto para estimação da sua prevalência2,3.

Ainda deve-se considerar que a elevada sensibilidade é característica fundamental para seleção do teste de rastreamento em saúde, por minimizar a quantidade de falsos-negativos51. Com exceção do IAC no sexo feminino, com 59%, os demais IO, para ambos os sexos, apresentaram sensibilidade de aproximadamente 80%, o que demonstra boa capacidade de identificar adultos quilombolas que realmente apresentarão SM, portanto, baixa probabilidade para estimação de falsos-negativos em testes substitutos provisórios ao padrão ouro de diagnóstico. Estes valores são próximos16 ou melhores12,13,17 que os encontrados na literatura.

A análise de acurácia de diagnóstico por meio da construção de curvas ROC é recomendada para a determinação dos melhores pontos de corte discriminantes de problemas de saúde em testes alternativos ao padrão ouro51. Na presente investigação, o melhor ponto de corte do %G para rastrear SM nos homens é menor que os 25% sugeridos para o prognóstico de obesidade56, mas, bastante próximo aos 24,0% para rastreio da SM em chineses16. Entre as mulheres, o ponto do %G foi muito maior que os 30% para determinar obesidade56 e que os 31,4% discriminante da SM em estudo com chinesas16.

Para o IAC, verificou-se que os melhores pontos de corte para discriminar a SM em homens quilombolas é maior que os 25% que definem obesidade56, mas menor que os 27,1% discriminantes de SM em população rural chinesa13. Entre as mulheres, o ponto é maior que os 30% preditores de obesidade56 e que os 32,1% para rastreio de SM em mulheres chinesas de origem rural13.

As diferenças entre os pontos de corte para discriminação do risco em saúde corroboram a compreensão da influência étnico-racial na capacidade preditiva dos IO18-20, reafirmando a importância do estabelecimento de pontos de corte específicos conforme os diferentes grupos populacionais.

Além disso, os melhores pontos de corte do %G e do IAC ratificam o entendimento de que, mesmo na presença da adiposidade aumentada, alguns sujeitos encontram-se protegidos dos seus efeitos deletérios à saúde57. De maneira geral, na população quilombola a SM tende a se manifestar na presença de excessivo acúmulo de gordura corporal, marcadamente maiores que os níveis definidos para a categorização da obesidade.

Os pontos de corte do IMC, em ambos os sexos, apresentaram-se muito próximos aos 25 kg/m2, apontado pela Organização Mundial de Saúde (OMS) como discriminador de excesso de peso58. No entanto, estes pontos divergem daqueles identificados na literatura para predição da SM. Pesquisa populacional em adultos de capital brasileira identificou 26,8 kg/m2, para mulheres, e 26,0 kg/m2, para homens, como os melhores pontos discriminantes de SM17, maiores que os encontrados para os quilombolas. Estudos internacionais identificaram pontos de corte menores para as mulheres chinesas (23,9 km/m2)16, maior para homens chineses (27,5 km/m2)16, ou maiores para ambos os sexos, 31,0 kg/m2 para mulheres e 29,0 kg/m2 para homens catarianos12 que os valores definidos nesta pesquisa.

Esta pesquisa demonstra que os pontos de corte gerais para detecção de sobrepeso e obesidade a partir de levantamentos com predomínio de população caucasiana1,3,58,59 ou para rastreio da SM em outros perfis étnico-raciais12,13,16,17 apresentam limitações para aplicação em população negra quilombola. Caso fossem utilizados, promoveriam equivocadas hiper ou subestimação da probabilidade para presença da SM.

Diferente dos demais estudos que investigaram a capacidade preditiva dos IO para detectar a SM12-17, esta análise apresenta dados sobre os VPP e VPN.

A avaliação da qualidade dos testes de triagem também deve considerar a sua probabilidade de identificar pessoas com o problema de saúde investigado diante de um resultado positivo ou pessoas sem o problema quando o resultado for negativo60. Esta pesquisa encontrou VPP dos IO variando entre 36 e 45%. Ou seja, entre quatro e cinco sujeitos em cada 10 julgados com SM pelos IO, muito provavelmente terão diagnóstico da SM. Em contrapartida, o VPN variou entre 81 e 93%, o que sugere boa probabilidade dos participantes triados como sem a SM realmente não a apresentarem.

Algumas limitações da presente pesquisa devem ser consideras, como a ausência de ponto de corte para estimação da obesidade visceral pela medida da cintura específica para população negra3, o que pode influenciar na identificação da SM e no poder preditivo dos indicadores. Também é importante citar que as dificuldades metodológicas para o estabelecimento étnico-racial limitam a interpretação de sua influência nos estudos com IO61. Neste caso, por exemplo, foi adotada a autodefinição étnico-racial, dinâmica que pode apresentar diferenças ou similaridades dificilmente reprodutíveis.

Os pontos fortes desta investigação estão relacionados ao estabelecimento de critérios clínicos práticos e baratos para rastreio da SM em população étnico-racial específica e, a realização de levantamento com amostra representativa de população negra rural de microrregião geográfica de Estado nordestino que incluiu análises laboratoriais e medições presenciais.

Conclusão

Os resultados mostraram que os três IO investigados apresentaram boa acurácia para o rastreio da SM em adultos quilombolas, podendo ser aplicados na prática clínica, por meio dos seus melhores pontos de corte, em substituição provisória aos exames mais complexos e caros. Neste sentido, os IO apresentaram boa capacidade para identificar o acometido (sensibilidade), para discriminar os falsos negativos (VPN) e para indicar a síndrome a partir dos melhores pontos de corte.

Alerta-se que a validação dos IO como preditores de risco à saúde, como a SM, não substitui o diagnóstico clínico. Mas, esta estratégia permite a ampliação do número de atendimentos individuais, com menor custo e com boa precisão, definindo prioridades para encaminhamento daqueles com maior probabilidade de apresentarem os problemas de saúde investigados.

Finalmente, é importante destacar que os melhores resultados preditivos da SM em adultos quilombolas serão obtidos pela utilização conjugada dos IO, ampliando a capacidade da identificação dos verdadeiros-positivos e dos verdadeiros-negativos, ou seja, definindo melhor aqueles que realmente têm e os que verdadeiramente não têm a SM.

Agradecimentos

Agradecemos ás Associações de Moradores das Comunidades Quilombolas que aceitaram participar do estudo e colaboraram com a logística local das coletas. Agradecemos à Universidade do Estado da Bahia pela bolsa doutoral do professor RFFM. Também agradecemos a Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e Fundação de Amparo à Pesquisa do Estado da Bahia (FAPESB) pelo financiamento do Doutorado Interinstitucional (DINTER – UESC/UFSC) por meio do Edital 013/CAPES/2012.

Referências

1. Alberti KG, Eckel RH, Grundy SM, Zimmet PZ, Cleeman JI, Donato KA, Fruchart JC, James WP, Loria CM, Smith SC Jr; International Diabetes Federation Task Force on Epidemiology and Prevention; Hational Heart, Lung, and Blood Institute; American Heart Association; World Heart Federation; International Atherosclerosis Society; International Association for the Study of Obesity. 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 Atherosclerosis Society; and International Association for the Study of Obesity. Circulation 2009; 120(16):1640-1645. [ Links ]

2. Vidigal FC, Bressan J, Babio N, Salas-Salvadó J. Prevalence of metabolic syndrome in Brazilian adults: a systematic review. BMC Public Health 2013; 13(1198):1-10. [ Links ]

3. López-Jaramillo P, Sánchez RA, Díaz M, Cobos L, Bryce A, Parra-Carrillo JZ, Lizcano F, Lanas F, Sinay I, Sierra ID, Peñaherrera E, Bendersky M, Schmid H, Botero R, Urina M, Lara J, Foss MC, Márquez G, Harrap S, Ramírez AJ, Zanchetti A, em nome do Grupo de Especialistas da América Latina. Consenso latino-americano de hipertensão em pacientes com diabetes tipo 2 e síndrome metabólica. Arq. Bras. Endocrinol Metab 2014; 58(3):205-225. [ Links ]

4. Franco OH, Massaro JM, Civil J, Cobain MR, O’Malley B, D’Agostino RB. Trajectories of Entering the Metabolic Syndrome: The Framingham Heart Study. Circulation 2009; 120(20):1943-1950. [ Links ]

5. Freitas DA, Caballero AD, Marques AS, Hernández CIV, Antunes SLNO. Saúde e comunidades quilombolas: uma revisão da literatura. Rev. Cefac 2011; 13(5):937-943. [ Links ]

6. Chiu M, Austin PC, Manuel DG, Tu JV. Comparison of cardiovascular risk profiles among ethnic groups using population health surveys between 1996 and 2007. CMAJ 2010; 182:E301-10. [ Links ]

7. Volochko A, Vidal NP. Desigualdades raciais na saúde: mortalidade nas regiões de saúde paulistas, 2005. Bol Inst Saúde 2010; 12(2):143-153. [ Links ]

8. Gurka MJ, Lilly CL, Oliver MN, DeBoer MD. An examination of sex and racial/ethnic differences in the metabolic syndrome among adults: A confirmatory factor analysis and a resulting continuous severity score. Metabolism 2014; 63(2):218-225. [ Links ]

9. Gronner MF, Bosi PL, Carvalho AM, Casale G, Contrera D, Pereira MA, Diogo TM, Torquato MT, Souza GM, Oishi J, Leal AM. Prevalence of metabolic syndrome and its association with educational inequalities among Brazilian adults: a population-based study. Braz J Med Biol Res 2011; 44(7):713-719. [ Links ]

10. Barbosa PJB, Lessa I, Almeida Filho N, Magalhães LBNC, Araújo J. Influence of the Self-reported Skin Color on the Prevalence of Metabolic Syndrome in an Urban Brazilian Population. Arq. Bras. Cardiol. 2010; 94(1):33-39. [ Links ]

11. Florez H, Silva E, Fernández V, Ryder E, Sulbarán T, Campos G, Calmón G, Clavel E, Castillo-Florez S, Goldberg R. Prevalence and risk factors associated with the metabolic syndrome and dyslipidemia in White, Black, Amerindian and Mixed Hispanics in Zulia State, Venezuela. Diabetes Res Clin Pract 2005; 69(1):63-77. [ Links ]

12. Al-Thani MH, Al-Thani AAM, Cheema S, Sheikh J, Mamtani R, Lowenfels AB, Al-Chetachi WF, Almalki BA, Khalifa SAH, Bakri AO, Maisonneuve P. Prevalence and determinants of metabolic syndrome in Qatar: results from a National Health Survey. BMJ Open 2016; 6:e009514 [ Links ]

13. Guo S, Zhang X, Zhang J, He J, Yan Y, Ma J, Ma RL, Guo H, Mu LT, Li SG, Niu Q, Rui DS, Zhang M, Liu JM, Wang K, Xu SZ, Gao X, Ding YS. Visceral Adiposity and Anthropometric Indicators as Screening Tools of Metabolic Syndrome among Low Income Rural Adults in Xinjiang. Scientific Reports 2016; 26(6):36091. [ Links ]

14. Mora-Garcia, GJ, Gómez-Camargo D, Mazenett E, Alario Á, Fortich Á, Gómez-Alegría C. Anthropometric parameters’ cut-off points and predictive value for metabolic syndrome in women from Cartagena, Colombia. Salud Pública Méx. 2014; 56(2):146-153. [ Links ]

15. Zhang ZQ, Liu YH, Xu Y, Dai XW, Ling WH, Su YX, Chen YM. The validity of the body adiposity index in predicting percentage body fat and cardiovascular risk factors among Chinese. Clin. Endocrinol 2014; 81(3):356-362. [ Links ]

16. 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):2-8. [ Links ]

17. Rodrigues SL, Baldo MP, Mill JG. Associação entre a Razão Cintura-Estatura e Hipertensão e Síndrome Metabólica: Estudo de Base Populacional. Arq Bras Cardiol 2010; 95(2):186-191. [ Links ]

18. Kalk WJ, Joffe BI, Summer AE. The waist circumference of risk in black South african men is lower than in men of European ancestry. Metab Syndr Relat Disord 2011; 9(6):491-495.Links ]

19. Carroll JF, Chiapa AL, Rodriquez M, Phelps DR, Cardarelli KM, Vishwanatha JK, Bae S, Cardarelli R. Visceral fat, waist circumference, and BMI: impact of race/ethnicity. Obesity 2008; 16(3):600-607. [ Links ]

20. Chen W, Srinivasan SR, Berenson GS. Path analysis of metabolic syndrome components in black versus white children, adolescents, and adults: the Bogalusa Heart Study. Ann Epidemiol 2008; 18(2):85-91. [ Links ]

21. Varga IVD. “Racialização” das Políticas de Saúde? (nota sobre as políticas de saúde para as populações negra e indígena). Saúde Soc. 2007; 16(2):178-181. [ Links ]

22. Barros MBA, Francisco PMSB, Zanchetta LM, Cesar CLG. Tendências das desigualdades sociais e demográficas na prevalência de doenças crônicas no Brasil, PNAD: 2003- 2008. Cien Saude Colet 2011; 16(9):3755-3768. [ Links ]

23. Taylor H, Liu J, Wilson G, Golden SH, Crook E, Brunson CD, Steffes M, Johnson WD, Sung JH. Distinct component profiles and high risk among African Americans with metabolic syndrome: the Jackson Heart Study. Diabetes Care 2008; 31(6):1248-1253. [ Links ]

24. Chor D, Lima CRA. Aspectos epidemiológicos das desigualdades raciais em saúde no Brasil. Cad Saude Publica 2005; 21(5):1586-1594. [ Links ]

25. Boccolini CS, Boccolini PMM, Damacena GN, Ferreira APS, Szwarcwald CL. Fatores associados à discriminação percebida nos serviços de saúde do Brasil: resultados da Pesquisa Nacional de Saúde, 2013. Cien Saude Colet 2016; 21(2):371-378. [ Links ]

26. Giroto E, Andrade SM, Cabrera MAS, Ridão EG. Prevalência de fatores de risco para doenças cardiovasculares em hipertensos cadastrados em unidade de saúde da família. Acta Sci Health Sci 2009; 31(1):77-82. [ Links ]

27. Brasil. Programa Brasil Quilombola. Brasília: Secretaria de Políticas da Promoção da Igualdade Racial, 2015. [acessado 2016 Dez 30]. Disponível em: http://www.seppir.gov.br/comunidades-tradicionais/programa-brasil-quilombolaLinks ]

28. Calheiros FP, Stadtler HHC. Identidade étnica e poder: os quilombos nas políticas públicas brasileiras. Rev. Katálysis 2010; 13(1):133-139. [ Links ]

29. Silva JAN. Condições Sanitárias e de Saúde em Caiana dos Crioulos, uma Comunidade Quilombola do Estado da Paraíba. Saúde Soc 2007; 16(2):111-124. [ Links ]

30. Figueiredo MC, Boaz CMS, Bonacina CM, Fabricio FK, Silva KVCL. Avaliação do padrão alimentar de quilombolas da comunidade do Limoeiro de Bacupari, Rio Grande do Sul, Brasil. RFO UPF 2011; 16(2):130-135. [ Links ]

31. Gomes KO, Reis EA, Guimarães MDC, Cherchiglia ML. Utilização de serviços de saúde por população quilombola do Sudoeste da Bahia, Brasil. Cad Saude Publica 2013; 29(9):1829-1842. [ Links ]

32. Marques AS, Caldeira AP, Souza LR, Zucch P, Cardoso WDA. População quilombola no Norte de Minas Gerais: invisibilidade, desigualdades e negação de acesso ao sistema público de saúde. Bol Inst Saúde 2010; 12(2):154-161. [ Links ]

33. Barbosa MBL, Barbosa JB, Guerra LFA, Barbosa MFL, Barbosa FL, Barbosa RL, Guida DL, Martins ML, Bouskela E, Nascimento MDSB, Melo GSO, Castro MMS. Dyslipidemia and cardiovascular risk in Afro-descendants: a study of the Quilombola communities in Maranhão, Brazil. Rev. Bras. Med. Fam. Comunidade 2015; 10(36):1-10. [ Links ]

34. Aragão JA, Bós AJG, Coelho-de-Souza G. Síndrome Metabólica em adultos e idosos de comunidades quilombolas do centro-sul do Piauí, Brasil. Estud. Interdiscipl. Envelhec. 2014; 19(2):501-512. [ Links ]

35. Medeiros ALCL, Vilaça KHC, Cipriano GFB, Leite CRC, Tavares AB. Síndrome metabólica em idosos remanescentes da Comunidade dos Quilombos - Macapá, Amapá. Geriatr Gerontol Aging 2012; 6(3):226-236. [ Links ]

36. Mussi RFF, Petroski EL. Síndrome metabólica e fatores associados em quilombolas baianos. Cien Saude Colet 2017; 23(6). [ Links ]

37. Mussi RFF, Queiroz BM, Petroski EL. Excesso de peso e fatores associados em quilombolas do Médio São Francisco baiano, Brasil. Cien Saude Colet 2018; 23(4):1193-1200. [ Links ]

38. Soares DA, Barreto SM. Sobrepeso e obesidade abdominal em adultos quilombolas, Bahia, Brasil. Cad Saude Publica 2014; 30(2):341-354. [ Links ]

39. Superintendência de Estudos Econômicos e Sociais da Bahia (SEI). [acessado 2016 Fev 1]. Disponível em http://www.sei.ba.gov.br/Links ]

40. Mussi RFF, Mussi LMPT, Bahia CS, Amorim AM. Atividades físicas praticadas no tempo livre em comunidade quilombola do alto sertão baiano. Licere 2015; 18(1):157-187. [ Links ]

41. Fundação Palmares, 2016. [acessado 2016 nov. 24]. Disponível em: http://www.palmares.gov.brLinks ]

42. Brasil. Secretaria Especial de Políticas de Promoção da Igualdade Racial da Presidência da República (SEPPIR). Comunidades Quilombolas Brasileiras - Regularização Fundiária e Políticas Públicas. Brasília: SEPPIR; 2010. [ Links ]

43. Luiz RR, Magnanini MMF. A lógica da determinação do tamanho da amostra em investigações epidemiológicas. Cad Saúde Colet 2000; 8(2):9-28. [ Links ]

44. Stewart A, Marfell-Jones M, Olds T, Ridder H. International standards for anthropometric assessment. Lower Hutt: Isak; 2011. [ Links ]

45. Perini TA, Oliveira GL, Ornellas JS, Oliveira FP. Cálculo do erro técnico de medição em antropometria. Rev Bras Med Esporte 2005; 11(1):81-85. [ Links ]

46. Bosy-Westphal A, Later W, Hitze B, Sato T, Kossel E, Gluer CC, Heller M, Muller MJ. Accuracy of Bioelectrical Impedance Consumer Devices for Measurement of Body Composition in Comparison to Whole Body Magnetic Resonance Imaging and Dual X-Ray Absorptiometry. Obes Facts 2008; 1(6):319-324. [ Links ]

47. Sociedade Brasileira de Patologia Clínica/Medicina Laboratorial. Recomendações da Sociedade Brasileira de Patologia Clínica/Medicina Laboratorial (SBPC/ML): coleta e preparo da amostra biológica. Barueri: Manole/Minha Editora; 2014. [ Links ]

48. Christofaro DG, Fernandes RA, Gerage AM, Alves MJ, Polito MD, Oliveira AR. Validation of the Omron HEM 742 blood pressure monitoring device in adolescents. Arq Bras Cardiol 2009, 92(1):10-15. [ Links ]

49. Sociedade Brasileira de Cardiologia (SBC). VI Diretrizes Brasileiras de Hipertensão Arterial da Sociedade Brasileira de Cardiologia. Arq Bras Cardiol 2010; 17(Supl. 1):1-69. [ Links ]

50. Bergman RN, Stefanovski D, Buchanan TA, Sumner AE, Reynolds JC, Sebring NG, Xiang AH, Watanabe RM. A better index of body adiposity. Obesity 2011; 19(5):1083-1089. [ Links ]

51. Fletcher RH, Fletcher SW, Fletcher GS. Epidemiologia Clínica: elementos essenciais. Porto Alegre: Artmed; 2014. [ Links ]

52. Motala AA, Esterhuizen T, Pirie FJ, Omar MAK. The Prevalence of Metabolic Syndrome and Determination of the Optimal Waist Circumference Cutoff Points in a Rural South African Community. Diabetes Care 2011; 34(4):1032-1037. [ Links ]

53. Patel P, Abate N. Body fat distribution an insulin resistance. Nutrients 2013; 5(6):2019-2027. [ Links ]

54. Lorenzo A, Soldati L, Sarlo F, Calvani M, Lorenzo N, Renzo L. New obesity classification criteria as a tool for bariatric surgery indication. World J Gastroenterol 2016; 22(2):681-703. [ Links ]

55. Deurenberg P, Deurenberg-Yap M. Validity of body composition methods across ethnic population groups. Acta Diabetol 2003; 40(Supl. 1):S246-249. [ Links ]

56. US Department of Health and Human Services, National Institutes of Health. Understanding Adult Obesity. WIN Weight-control Information Network: National Institute of Diabetes and Digestive and Kidney Diseases (NIDDK) Web site. NIH Publication No. 06-3680. [acessado 2016 Nov 24]. Disponível em: https://healthfinder.gov/FindServices/Organizations/Organization.aspx?code=HR2455Links ]

57. Fabbrini E, Yoshino J, Yoshino M, Magkos F, Luecking CT, Samovski D, Fraterrigo G, Okunade AL, Patterson BW, Klein S. Metabolically normal obese people are protected from adverse effects following weight gain. J Clin Invest 2015; 125(2):787-795. [ Links ]

58. World Health Organization (WHO). Obesity and Overweight. Genebra; 2016. [acessado 2016 Nov 24]. Disponível em http://www.who.int/mediacentre/factsheets/fs311/en/Links ]

59. Jardim PC, Carneiro O, Carneiro SB, Baiocchi MN. Arterial blood pressure in the remaining isolated black community of a quilombo north of Goiás-Kalunga. Arq Bras Cardiol 1992; 58(4):289-293 [ Links ]

60. Rothman KJ, Greenland S, Lash TL. Epidemiologia Moderna. 3ª ed. Porto Alegre: Artmed; 2011. [ Links ]

61. Lear SA, James PT, Ko GT, Kumanyika S. Appropriateness of waist circumference and waist-to-hip ratio cutoffs for different ethnic groups. Eur j clin. nutr. 2010; 64(1):42-61. [ Links ]

Recebido: 21 de Janeiro de 2017; Aceito: 19 de Outubro de 2017; Revisado: 21 de Outubro de 2017

Colaboradores

RFF Mussi: concepção, delineamento do estudo, análise e interpretação dos resultados. RFF Mussi e EL Petróski: redação e revisão crítica do conteúdo. Todos os autores aprovaram a versão final do manuscrito e declaram serem responsáveis por todos os aspectos do trabalho, garantindo sua precisão e integridade.

Creative Commons License  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.