Peratusan lemak badan adalah peramal yang lebih baik untuk risiko berkaitan obesiti daripada BMI

Dalam kajian yang diterbitkan baru-baru ini dalam Journal of Clinical Endocrinology & Metabolism, penyelidik menilai peratusan lemak badan (%BF) ambang untuk menentukan berat badan berlebihan dan obesiti, memeriksa perkaitan mereka dengan sindrom metabolik (MetSyn) dalam sampel besar orang dewasa.

Kajian mendapati bahawa ambang %BF adalah penunjuk yang lebih tepat daripada indeks jisim badan (BMI) untuk meramalkan penyakit berkaitan obesiti. Para penyelidik mengesyorkan menggunakan pengukuran langsung lemak badan dalam amalan klinikal dan mencadangkan mengenal pasti berat badan berlebihan pada 25% BF untuk lelaki dan 36% BF untuk wanita. Obesiti boleh ditakrifkan pada 30% BF untuk lelaki dan 42% BF untuk wanita.

Piawaian berasaskan BMI biasanya digunakan untuk menentukan obesiti, berat badan berlebihan dan berat badan normal. Walau bagaimanapun, BMI dianggap sebagai ukuran yang tidak tepat bagi lemak badan sebenar atau %BF.

Teknologi moden telah meningkatkan penilaian %BF, tetapi ambang berasaskan hasil diperlukan untuk memastikan ukuran ini boleh digunakan dengan berkesan untuk mengurus kesihatan pesakit.

Penyakit berkaitan obesiti dikaitkan dengan lemak berlebihan, tetapi cadangan semasa sering bergantung pada statistik kematian keseluruhan dan bukannya pautan terus kepada hasil kesihatan tertentu.

Kini, kaedah yang lebih tepat untuk menilai %BF, seperti analisis impedans bioelektrik berbilang frekuensi (MF-BIA), sedang dibangunkan dan mungkin memainkan peranan penting dalam penjagaan kesihatan pencegahan. Disebabkan oleh hubungan antara %BF dan MetSyn, %BF mungkin menjadi alat yang lebih tepat untuk menguruskan penyakit berkaitan obesiti berbanding BMI.

Kajian itu menjalankan analisis korelasi menggunakan data daripada Tinjauan Pemeriksaan Kesihatan dan Pemakanan Kebangsaan (NHANES) untuk menganggarkan ambang %BF untuk menentukan berat badan berlebihan dan obesiti.

Sampel termasuk 16,918 individu berumur 18 hingga 85 tahun, dengan data yang dikumpul dari 1999 hingga 2018, tidak termasuk tempoh apabila pengukuran dwi-tenaga X-ray absorptiometry (DXA) tidak dilakukan.

Data yang dikumpul termasuk demografi, ukuran makmal (termasuk glukosa puasa, trigliserida, kolesterol HDL, tekanan darah), ukuran antropometrik (BMI, berat, tinggi, lilitan pinggang) dan keputusan DXA seluruh badan.

Kesihatan metabolik setiap peserta dikelaskan berdasarkan kehadiran MetSyn, yang ditakrifkan sebagai kehadiran sekurang-kurangnya tiga daripada lima penanda utama: peningkatan lilitan pinggang, HDL rendah, glukosa puasa tinggi, tekanan darah tinggi dan trigliserida tinggi.

Data daripada 16,918 orang (8,184 wanita dan 8,734 lelaki) dengan purata umur kira-kira 42 tahun, mewakili kumpulan etnik yang berbeza, telah dianalisis.

Antara individu yang dikelaskan sebagai berat badan berlebihan (BMI >25 kg/m²) dan obes (BMI ≥30 kg/m²), 5% dan 35% masing-masing mempunyai MetSyn. Nilai ini digunakan untuk menetapkan ambang %BF baharu: 25% untuk berat badan berlebihan berbanding 30% untuk obesiti pada lelaki dan 36% untuk berat badan berlebihan berbanding 42% untuk obesiti pada wanita.

Dengan menggunakan ambang %BF ini, 27.2% wanita dan 27.7% lelaki diklasifikasikan sebagai berat normal, 33.5% wanita dan 34.0% lelaki diklasifikasikan sebagai berat badan berlebihan, dan 39.4% wanita dan 38.3% lelaki diklasifikasikan sebagai obes.

Kajian itu menekankan bahawa BMI mempunyai nilai ramalan yang rendah merentas individu disebabkan kebolehubahan yang ketara dalam%BF pada mana-mana BMI tertentu.

Selain itu, perbezaan dalam korelasi BMI dengan%BF antara lelaki dan wanita menyerlahkan batasan penggunaan BMI untuk menilai obesiti dan risiko kesihatan yang berkaitan.

Kemajuan terkini dalam MF-BIA menawarkan kaedah yang lebih dipercayai dan boleh diakses untuk menganggar %BF berbanding kaedah antropometrik tradisional.

Walaupun ketepatan peranti ini berbeza-beza, penggunaannya yang semakin meningkat dalam amalan klinikal mewakili langkah penting ke arah data epidemiologi yang lebih baik dan penggunaan yang lebih meluas.

Penambahbaikan teknologi dalam penilaian komposisi badan, termasuk model MF-BIA yang lebih tepat dan sokongan daripada masyarakat perubatan, boleh meningkatkan penggunaan klinikal dan perlindungan insurans, akhirnya meningkatkan penjagaan pesakit.

Had termasuk kebolehubahan dalam ketepatan peranti dan keperluan untuk penyelidikan lanjut tentang hubungan antara komposisi badan dan penyakit metabolik.