Persentase lemak tubuh adalah prediktor yang lebih baik untuk risiko terkait obesitas daripada BMI

Dalam studi yang diterbitkan baru-baru ini di Jurnal Endokrinologi Klinis & Metabolisme, para peneliti mengevaluasi ambang batas persentase lemak tubuh (%BF) untuk menentukan kelebihan berat badan dan obesitas, serta meneliti kaitannya dengan sindrom metabolik (MetSyn) dalam sampel besar orang dewasa.

Studi tersebut menemukan bahwa ambang batas %BF merupakan indikator yang lebih akurat daripada indeks massa tubuh (IMT) untuk memprediksi penyakit yang berhubungan dengan obesitas. Para peneliti merekomendasikan penggunaan pengukuran langsung lemak tubuh dalam praktik klinis dan menyarankan untuk mengidentifikasi kelebihan berat badan 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 umumnya digunakan untuk mendefinisikan obesitas, kelebihan berat badan, dan berat badan normal. Namun, BMI dianggap sebagai ukuran lemak tubuh atau %BF yang tidak akurat.

Teknologi modern telah meningkatkan penilaian %BF, tetapi ambang batas berbasis hasil diperlukan untuk memastikan bahwa pengukuran ini dapat digunakan secara efektif untuk mengelola kesehatan pasien.

Penyakit terkait obesitas dikaitkan dengan kelebihan lemak, tetapi rekomendasi saat ini sering kali bergantung pada statistik mortalitas secara keseluruhan daripada hubungan langsung dengan hasil kesehatan tertentu.

Kini, metode yang lebih akurat untuk menilai %BF, seperti analisis impedansi biolistrik multifrekuensi (MF-BIA), tengah dikembangkan dan dapat memainkan peran penting dalam perawatan kesehatan preventif. Karena hubungan antara %BF dan MetSyn, %BF dapat menjadi alat yang lebih akurat untuk mengelola penyakit terkait obesitas dibandingkan dengan BMI.

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

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

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

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

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

Di antara individu yang tergolong kelebihan berat badan (BMI >25 kg/m²) dan obesitas (BMI ≥30 kg/m²), masing-masing 5% dan 35% memiliki MetSyn. Nilai-nilai ini digunakan untuk menetapkan ambang batas %BF baru: 25% untuk kelebihan berat badan versus 30% untuk obesitas pada pria dan 36% untuk kelebihan berat badan versus 42% untuk obesitas pada wanita.

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

Studi ini menyoroti bahwa BMI memiliki nilai prediktif yang rendah pada setiap individu karena variabilitas yang signifikan dalam %BF pada setiap BMI.

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

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

Walaupun keakuratan perangkat ini bervariasi, meningkatnya adopsi perangkat ini 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 perkumpulan 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 tentang hubungan antara komposisi tubuh dan penyakit metabolik.