Persentase lemak tubuh merupakan prediktor risiko terkait obesitas yang lebih baik dibandingkan BMI

Dalam penelitian yang baru-baru ini diterbitkan di Journal of Clinical Endocrinology & Peneliti metabolisme menilai ambang batas persentase lemak tubuh (% BF) untuk menentukan kelebihan berat badan dan obesitas, serta menguji hubungannya dengan Sindrom Metabolik (MetSyn) pada sampel besar orang dewasa.

Studi ini menemukan bahwa ambang batas %BF merupakan indikator yang lebih akurat dibandingkan indeks massa tubuh (BMI) dalam memprediksi penyakit yang berhubungan dengan obesitas. Para peneliti merekomendasikan penggunaan pengukuran lemak tubuh langsung dalam praktik klinis dan menyarankan bahwa kelebihan berat badan didefinisikan pada 25% BF untuk pria dan 36% BF untuk wanita. Obesitas dapat didefinisikan pada 30% BF untuk pria dan 42% BF untuk wanita.

Standar berbasis BMI biasanya digunakan untuk mendefinisikan obesitas, kelebihan berat badan, dan berat badan normal. Namun, BMI dianggap sebagai ukuran lemak tubuh atau %BF sebenarnya yang tidak akurat.

Teknologi modern telah meningkatkan estimasi %BF, namun ambang batas berdasarkan hasil diperlukan agar pengukuran ini dapat digunakan secara efektif untuk mengelola kesehatan pasien.

Penyakit yang berhubungan dengan obesitas berhubungan dengan kelebihan lemak, namun rekomendasi saat ini sering kali mengandalkan statistik kematian secara umum dibandingkan hubungan langsung dengan hasil kesehatan tertentu.

Sekarang, metode yang lebih akurat untuk memperkirakan %BF, seperti pengujian impedansi bioelektrik multifrekuensi (MF-BIA), sedang dikembangkan dan mungkin memainkan peran penting dalam perawatan kesehatan preventif. Karena hubungan antara %BF dan MetSyn, %BF dapat memberikan alat yang lebih akurat untuk pengelolaan penyakit terkait obesitas dibandingkan dengan BMI.

Studi ini melakukan analisis korelasi menggunakan data dari Survei Pemeriksaan Kesehatan dan Gizi Nasional (NHANES) untuk memperkirakan ambang batas %BF untuk menentukan kelebihan berat badan dan obesitas.

Sampelnya mencakup 16.918 orang berusia 18 hingga 85 tahun, dengan data yang dikumpulkan dari tahun 1999 hingga 2018, tidak termasuk periode ketika pengukuran absorptiometri sinar-X (DXA) energi ganda tidak dilakukan.

Data yang dikumpulkan meliputi demografi, pengukuran laboratorium (termasuk glukosa puasa, trigliserida, kolesterol HDL, tekanan darah), pengukuran antropometri (BMI, berat badan, tinggi badan, lingkar pinggang), dan hasil DXA seluruh tubuh.

Kesehatan metabolisme setiap peserta diklasifikasikan berdasarkan keberadaan MetSyn, yang ditentukan oleh adanya setidaknya tiga dari lima penanda utama: peningkatan lingkar pinggang, HDL rendah, glukosa puasa tinggi, tekanan darah tinggi, dan trigliserida tinggi. hal>

Data dari 16.918 orang (8.184 perempuan dan 8.734 laki-laki) dengan usia rata-rata sekitar 42 tahun, mewakili berbagai kelompok etnis, dianalisis.

Di antara individu yang diklasifikasikan kelebihan berat badan (BMI >25 kg/m²) dan obesitas (BMI ≥30 kg/m²), masing-masing 5% dan 35% menderita MetSyn. Angka-angka ini digunakan untuk menetapkan ambang batas %BF baru: 25% untuk kelebihan berat badan dibandingkan dengan 30% untuk pria yang mengalami obesitas dan 36% untuk kelebihan berat badan dibandingkan dengan 42% untuk wanita yang mengalami obesitas.

Dengan menggunakan ambang batas %BF ini, 27,2% wanita dan 27,7% pria diklasifikasikan sebagai berat badan normal, 33,5% wanita dan 34,0% pria diklasifikasikan sebagai kelebihan berat badan, dan 39,4% wanita dan 38,3% pria dianggap obesitas.

Studi ini menyoroti bahwa BMI memiliki nilai prediksi yang rendah bagi individu karena variabilitas signifikan dalam %BF pada BMI tertentu.

Selain itu, perbedaan korelasi BMI dengan %BF antara pria dan wanita menyoroti keterbatasan penggunaan BMI untuk menilai obesitas dan risiko kesehatan yang terkait.

Kemajuan terkini dalam MF-BIA menawarkan metode yang lebih andal dan mudah diakses untuk memperkirakan %BF dibandingkan dengan metode antropometrik tradisional.

Meskipun keakuratan perangkat ini bervariasi, peningkatan penerapannya dalam praktik klinis menunjukkan langkah signifikan menuju peningkatan data epidemiologi dan penggunaan yang lebih luas.

Peningkatan teknologi dalam penilaian komposisi tubuh, termasuk model MF-BIA yang lebih akurat dan dukungan dari komunitas medis, dapat meningkatkan penggunaan klinis dan cakupan asuransi, yang pada akhirnya meningkatkan perawatan pasien.

Keterbatasannya mencakup variabilitas dalam keakuratan perangkat dan perlunya penelitian lebih lanjut mengenai hubungan antara komposisi tubuh dan penyakit metabolik.