Diseño Y Validación De Un Modelo Antropométrico Para Evaluar La Masa Grasa Corporal En Mujeres Mexicanas

David Yair Martínez Romero
Facultad de Medicina y Psicología, Universidad Autónoma de Baja California Circuito Universitario Insurgentes, 22424 Tijuana, B.C., México
Marco Antonio Hernández Lepe
Facultad de Medicina y Psicología, Universidad Autónoma de Baja California Circuito Universitario Insurgentes, 22424 Tijuana, B.C., México
Arnulfo Ramos-Jiménez
Instituto de Ciencias Biomédicas, Universidad Autónoma de Ciudad Juárez, Chihuahua, México. Av. Benjamín Franklin no. 4650, Zona Pronaf Condominio La Plata, 32310 Cd Juárez, Chihuahua, México.
Juan Benito Martínez Romero
Escuela Superior de Ingeniería Química e Industrias Extractivas, Instituto Politécnico Nacional, Av. Instituto Politécnico Nacional, Lindavista, Gustavo A. Madero, 07700 Ciudad de México, CDMX.

Publicado 30-12-2023

Palabras clave

  • Antropometría,
  • Composición corporal,
  • Masa grasa,
  • Pletismografia por desplazamiento de aire,
  • Sobrepeso

Cómo citar

Martínez Romero, D. Y., Hernández Lepe, M. A., Ramos-Jiménez, A., & Martínez Romero, J. B. (2023). Diseño Y Validación De Un Modelo Antropométrico Para Evaluar La Masa Grasa Corporal En Mujeres Mexicanas. La Revista Internacional De Cineantropometría, 3(2), 112–126. https://doi.org/10.34256/ijk23213

Dimensions

Resumen

Objetivo: Desarrollar un modelo lineal múltiple, usando el método de mínimos cuadrados para correlacionar la masa grasa (kg), utilizando variables antropométricas obtenidas de una muestra de mujeres del noroeste de México. Materiales. La estandarización ISAK fue utilizada en este estudio para el levantamiento de las mediciones. Los criterios estadísticos R², EER, VIF, Cp, y RMSE se utilizaron para evaluar el desempeño del modelo. Método. Estudio transversal observacional descriptivo, para determinar la masa grasa de una muestra de 95 mujeres del noroeste de México con normopeso y sobrepeso. Resultados. El modelo ajustado (M8p) se conforma por ocho predictores estadísticamente más representativos en este estudio: peso, 6 pliegues cutáneos y el diámetro biliocrestal. La masa grasa de la muestra se determinó usando pletismografía por desplazamiento de aire (referencia), la media obtenida para la masa grasa fue de 21.3 kg con una desviación estandar de ±9.3, el modelo M8p predice 20.9±9.9 kg lo cual está 2% debajo del método de referencia utilizado. Los criterios estadísticos del modelo ajustado son, R²Adj=0.92, EER= 2.9 kg, VIF 4.8, Cp= 7.8, y RMSE= 3.08 obtenidos con la muestra de ajuste (70 mujeres), la muestra de validación (25 mujeres) obtuvo un valor RMSE de 3.15, por lo que el modelo presenta capacidad predictiva. Conclusiones. El modelo desarrollado predice adecuadamente la masa grasa de mujeres con y sin exceso de masa grasa corporal, lo cual lo hace valido para su uso en muestras similares, dando al profesional de salud una opción más de evaluar adecuadamente este tejido, lo que permitirá dar un tratamiento óptimo de forma individualizada.

Citas

  1. Ghatak, A. (2017). Machine learning with R. Springer, Singapore. https://doi.org/10.1007/978-981-10-6808-9
  2. Castro-Porras, L., Rojas-Russell, M., Villanueva-Sánchez, J., & López-Cervantes, M. (2019). An anthropometry-based equation of fat mass percentage as a valid discriminator of obesity. Public Health Nutrition, 22(7): 1250-1258. https://doi.org/10.1017/S1368980018004044
  3. Torres, D., Izquierdo, G., Cruz, B. (2015). Panorama de la obesidad en México. Revista Médica del Instituto Mexicano del Seguro Social, 53(2): 240-249.
  4. Dempster, P., Aitkens, S. (1995). A new air displacement method for the determination of human body composition. Medicine and science in sports and exercise, 27(12): 1692–1697. https://doi.org/10.1249/00005768-199512000-00017
  5. Denis, D. (2020). Univariate, Bivariate, and Multivariate Statistics Using R: Quantitative Tools for Data Analysis and Data Science. John Wiley & Sons. https://doi.org/10.1002/9781119549963
  6. Durnin, J. V., & Womersley, J. (1974). Body fat assessed from total body density and its estimation from skinfold thickness: measurements on 481 men and women aged from 16 to 72 years. British journal of nutrition, 32(1): 77–97. https://doi.org/10.1079/bjn19740060
  7. Ros, F.E., Cristóbal, R.V., Marfell-Jones, M. (2019). Protocolo internacional para la valoración antropométrica. Publicado por Sociedad Internacional para el Avance de la Cineantropometría.
  8. Faraway, J.J. (2004). Linear models with R. Chapman and Hall/CRC, Florida.
  9. Fosbøl, M.Ø., Zerahn, B. (2015). Contemporary methods of body composition measurement. Clinical physiology and functional imaging, 35(2): 81–97. https://doi.org/10.1111/cpf.12152
  10. Huerta Huerta, R., Esparza-Romero, J., Urquidez, R., Pacheco, B.I., Valencia, M.E., Alemán-Mateo, H. (2007). Validez de una ecuación basada en antropometría para estimar la grasa corporal en adultos mayores. Archivos latinoamericanos de nutrición, 57(4): 357-365.
  11. Kasper, A.M., Langan-Evans, C., Hudson, J.F., Brownlee, T.E., Harper, L.D., Naughton, R.J., Morton, J.P., Close, G.L. (2021). Come Back Skinfolds, All Is Forgiven: A Narrative Review of the Efficacy of Common Body Composition Methods in Applied Sports Practice. Nutrients, 13(4): 1075. https://doi.org/10.3390/nu13041075
  12. Kerr, D.A. (1988). An anthropometric method for fractionation of skin, adipose, bone, muscle and residual tissue masses in males and females age 6 to 77 years. M.Sc Thesis, Simon Fraser University.
  13. Lee, D.H., Keum, N., Hu, F.B., Orav, E.J., Rimm, E.B., Sun, Q., Willett, W.C., Giovannucci, E.L. (2017). Development and validation of anthropometric prediction equations for lean body mass, fat mass and percent fat in adults using the National Health and Nutrition Examination Survey (NHANES) 1999-2006. British journal of nutrition, 118(10) 858–866. https://doi.org/10.1017/S0007114517002665
  14. Lee, D.H., Keum, N., Hu, F.B., Orav, E.J., Rimm, E.B., Willett, W.C., Giovannucci, E.L. (2018). Predicted lean body mass, fat mass, and all cause and 90 cause specific mortality in men: prospective US cohort study. BMJ, 362, k2575. https://doi.org/10.1136/bmj.k2575
  15. Martin, A. (1984). An anatomical basis for assessing human body composition: evidence from 25 dissections, M.Sc thesis, Simon Fraser University.
  16. Macias, N., Alemán-Mateo, H., Esparza-Romero, J., Valencia, M.E. (2007). Body fat measurement by bioelectrical impedance and air displacement plethysmography: a cross-validation study to design bioelectrical impedance equations in Mexican adults. Nutrition journal, 6, 18. https://doi.org/10.1186/1475-2891-6-18
  17. Ramos-Jiménez, A., Hernandez-Torres, R.P. Murguía-Romero, M. (2018). Anthropometric equations for calculating body fat in young adults. Archivos Latinoamericanos de Nutricion, 68. 111-121. https://doi.org/10.37527/2018.68.2.002
  18. Romero-Martínez, M., Shamah-Levy, T., Vielma-Orozco, E., Heredia-Hernández, O., Mojica-Cuevas, J., Cuevas-Nasu, L., Rivera-Dommarco, J. (2019). Encuesta Nacional de Salud y Nutrición (Ensanut 2018): metodología y perspectivas. Salud Pública De México, 61(6), 917-923.
  19. Sandhu, J.S., Gupta, G., Shenoy, S. (2010). Prediction equation for calculating fat mass in young Indian adults. Asian journal of sports medicine, 1(2), 101–107. https://doi.org/10.5812/asjsm.34862
  20. Verzani, J. (2004). Using R for Introductory Statistics. Chapman and Hall/CRC. https://doi.org/10.4324/9780203499894
  21. Werdein, E.J., Kyle, L.H. (1960). Estimation of the constancy of density of the fat-free body. Journal of Clinical Investigation, 39(4), 626–629. https://doi.org/10.1172/JCI104077