Anthropometric and analytical variables predictive of cardiometabolic risk in pregnant women who begin pregnancy with overweight and obesity

[Anthropometric and analytical variables predictive of cardiometabolic risk in pregnant women who begin pregnancy with overweight and obesity]

Juan Antonio Suarez Gonzalez1, Mario Gutierrez Machado 1

1. Hospital Provincial Universitario Gineco-Obstétrico Mariana Grajales, Santa Clara, Villa Clara, Cuba.

Published: 2022-08-24

Abstract

Introducción: La prevalencia de obesidad pregestacional es un problema de salud. Objetivo: determinar mediante variables antropométricas y analíticas, el riesgo cardio metabólico en mujeres que inician el embarazo con sobrepeso y obesidad Método: estudio analítico transversal en el Hospital Mariana Grajales de Santa Clara, del 2019 al 2021, en 404 gestantes que iniciaron su gestación con sobrepeso y obesidad. Resultados: Predominó la obesidad en las mujeres con edad fértil (78.2%) y en las de edad avanzada (82%). La circunferencia abdominal mayor de 80 cms, el índice cintura cadera mayor de 85 y el producto de acumulación de lípidos LAP mayor de 34.2 resultaron las tres variables antropométricas que se asociaron significativamente a la edad, presentando valores significativamente mayores en las gestantes de edad avanzada. La circunferencia abdominal mayor de 80, el índice cintura cadera mayor de 85, la glicemia en la captación mayor de 4,4 mmol/L, los niveles de triglicéridos mayor de 1,7 mmol/L y el LAP mayor de 34.2 fueron las cinco variables antropométricas que se asociaron significativamente a la obesidad. Del total de 404 gestantes con sobrepeso y obesidad el 59.4% tiene un fenotipo cintura hipertrigliceridemica y dentro de la clasificación de la obesidad en las obesas clase III el 90.9% así como en el subtotal de obesidad el 63.6%. Predominó la salud metabólica en el 94.8%. Conclusiones: Se encontró asociación de variables antropométricas y analíticas predictoras de riesgo cardio metabólico en mujeres con obesidad pregestacional.


Abstract

Introduction: The prevalence of pregestational obesity is a health problem. Objective: to determine by means of anthropometric and analytical variables, the cardiometabolic risk in women who start pregnancy with overweight and obesity Method: cross-sectional analytical study in the Mariana Grajales Hospital of Santa Clara, from 2019 to 2021, in 404 pregnant women who started their pregnancy with overweight and obesity. Results: Obesity predominated in women of childbearing age (78.2%) and in those of advanced age (82%). Abdominal circumference greater than 80 cm, waist hip index greater than 85 cm and lipid accumulation product LAP greater than 34.2 were the three anthropometric variables significantly associated with age, with significantly higher values in older pregnant women. Abdominal circumference greater than 80, waist-to-hip ratio greater than 85, uptake glycemia greater than 4.4 mmol/L, triglyceride levels greater than 1.7 mmol/L and LAP greater than 34.2 were the five anthropometric variables significantly associated with obesity. Of the total of 404 overweight and obese pregnant women, 59.4% had a hypertriglyceridemic waist phenotype and within the classification of obesity in obese class III, 90.9%, as well as in the subtotal of obesity, 63.6%. Metabolic health predominated in 94.8%. Conclusions: We found association of anthropometric and analytical variables predictive of cardiometabolic risk in women with pregestational obesity.

References

[1] OMS. Obesidad y sobrepeso [Internet]. Centro de Prensa OMS; 2016 [citado 4 Abr 2016]. Disponible en: http://www.who.int/mediacentre/factsheets/fs311/es/

[2] Bryce A, Alegría E, San Martín MG. Obesidad y riego cardiovascular. An Fac Med. 2017;78(2):2026. [[FALTA DOI]]

[3] Molina de Salazar DI, Muñoz-Gómez D. Síndrome metabólico en la mujer. Rev Colomb Cardiol. 2018;25(Supl 1):21-9.

[4] https://doi.org/10.1016/j.rccar.2017.12.006

[5] United Nations. World Population Prospects: The 2017 Revision, Key Findings and Advance Tables [Internet]. Working Paper Nº ESA/P/WP/248. New York: UN Department of Economic and Social Affairs, Population Division; 2017 [citado 3 Mar 2020]. Disponible en: https://population.un.org/wpp/publications/files/wpp2017_keyfindings.pdf

[6] Ignell C, Ekelund M, Anderberg E, Berntorp K. Model for individual prediction of diabetes up to 5 years after gestational diabetes mellitus. Springerplus [Internet]. 2016 [citado 4 Mar 2020];5:318. Disponible en: https://dx.doi.org/10.1186/s40064016-1953-7

[7] Nielsen TRH, Lausten-Thomsen U, Fonvig CE, Bøjsøe C, Pedersen L, Bratholm PS, et al . Dyslipidemia and reference values for fasting plasma lipid concentrations in Danish/North-European White children and adolescents. BMC Pediatr [Internet]. 2017 [citado 5 Mar 2020];17(1):1 Disponible en: https://doi.org/10.1186/s12887-017-0868-y

[8] Lartey A, Marquis GS, Aryeetey R, Nti H. Lipid profile and dyslipidemia among school-age children in urban Ghana. BMC Public Health [Internet]. 2018 [citado 6 Mar 2020];18(1):320. Disponible en: https://doi.org/10.1186/s12889-018-5196-0

[9] Ninatanta JA, Núñez LA, García SA, Romaní F. Factores asociados a sobrepeso y obesidad en estudiantes de educación secundaria. Rev Pediatr Aten Primaria. 2017;19(75):209-21. [FALTA DOI]

[10] Orozco Muñoz C, Sarasa Muñoz NL, Cañizares Luna O, Hernández Díaz D, Limas Pérez Y, Machado Díaz B. Retención de peso postparto y riesgo cardiovascular. CorSalud [Internet]. 2016 [citado 17 marzo 2022];8:94-101. Disponible en: http://www.revcorsalud.sld.cu/index.php/cors/article/view/105/248

[11] James M, Varghese TP, Sharma R, Chand S. Association between metabolic syndrome and diabetes mellitus according to International Diabetic Federation and National Cholesterol Education Program Adult Treatment Panel III criteria: a Cross-sectional study. J Diabetes Metab Disord. 2020;19(1):437-43.

[12] https://doi.org/10.1007/s40200-020-00523-2

[13] von Bibra H, Saha S, Hapfelmeier A, Müller G, Schwarz PEH. Impact of the Triglyceride/HighDensity Lipoprotein Cholesterol Ratio and the Hypertriglyceremic-Waist Phenotype to Predict the Metabolic Syndrome and Insulin Resistance. Horm Metab Res. 2017;49(7):542-9.

[14] https://doi.org/10.1055/s-0043-107782

[15] Abbs ES, Viñoles J, Alarcón JO, Johnson HM, Zunt JR. High prevalence of cardiovascular risk factors in Peruvian adolescents living in a periurban shantytown: a cross-sectional study. J Health Popul Nutr [Internet]. 2017 [citado 7 Mar 2020];36(1):19. Disponible en: https://doi.org/10.1186/s41043-017-0093-1

[16] Ninatanta JA, Núñez LA, García SA, Romaní F. Frecuencia de síndrome metabólico en residentes de una región andina del Perú. Rev Peru Med Exp Salud Pública. 2016;33(4):640-50.

[17] https://doi.org/10.17843/rpmesp.2016.334.2546]

[18] Dhuper S, Bayoumi NS, Shah YD, Mehta S. Ethnic Differences in Lipid Profiles of Overweight, Obese, and Severely Obese Children and Adolescents 6-19 Years of Age. Child Obes. 2017;13(3): 236-41.

[19] https://doi.org/10.1089/chi.2016.0208

[20] Miguel Soca PE. Predictores de riesgo cardiometabólico. Rev Finlay [Internet]. 2015 [citado 16 Jun 2020];5(2):80-1. Disponible en: http://www.revfinlay.sld.cu/index.php/finlay/arti cle/view/357/1400

[21] 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(Núm. Espec.):182-94

[22] Suarez González JA y Gutiérrez Machado M. Indicadores de riesgo aterogénico en la preeclampsia. CorSalud, [S.l.], v. 13, n. 4, p. 408-413, dic. 2021. ISSN 2078-7170. Disponible en: http://www.revcorsalud.sld.cu/index.php/cors/article/view/629 Fecha de acceso: 19 ene. 2022

[23] Sánchez JC, Romero CR, Muñoz LV, Alonso Rivera R. El órgano adiposo, un arcoiris de regulación metabólica y endocrina. Rev Cubana Endocrinol [internet]. ene.-abr. 2016 [citado 3 ago. 2020];27(1):[aprox. 7 p.]. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S156129532016000100010&lng=es&nrm=iso&tlng=es

[24] Hernández Rodríguez J, Mendoza Choqueticlla J, Duchi Jimbo PN. Índice de conicidad y su utilidad para detectar riesgo cardiovascular y metabólico. Rev Cubana Endocrinol [internet]. 2017 [citado 21 sep. 2020];28(1):[aprox. 12 p.]. Disponible en: http://www.revendocrinologia.sld.cu/index.php/endocrinologia/article/view/63/65

[25] Suarez González JA y Gutiérrez Machado M. Fenotipo hipertrigliceridemia / cintura abdominal alterada en mujeres de edad mediana con antecedentes de gestaciones con preeclampsia. Revista Cubana de Obstetricia y Ginecología. 2020;46(3):e573

×