Skip to main content
NCBI home page
Colombia Médica : CM logoLink to Colombia Médica : CM
. 2018 Jun 30;49(2):154–159. doi: 10.25100/cm.v49i2.3643

Development and validation of anthropometric equations to estimate body composition in adult women

Desarrollo y validación de ecuaciones antropométricas para estimar la composición corporal en mujeres adultas

Juan C Aristizabal 1,2,✉, Alejandro Estrada-Restrepo 2,3, Argenis Giraldo García 2
PMCID: PMC6084924  PMID: 30104807

Abstract

Objective:

To develop anthropometric equations to predict body fat percentage (BF%).

Methods:

In 151 women (aged 18-59) body weight, height, eight- skinfold thickness (STs), six- circumferences (CIs), and BF% by hydrodensitometry were measured. Subjects data were randomly divided in two groups, equation-building group (n= 106) and validation group (n= 45). The equation-building group was used to run linear regression models using anthropometric measurements as predictors to find the best prediction equations of the BF%. The validation group was used to compare the performance of the new equations with those of Durnin-Womersley, Jackson-Pollock and Ramirez-Torun.

Results:

There were two preferred equations: Equation 1= 11.76 + (0.324 x tricipital ST) + (0.133 x calf ST) + (0.347 x abdomen CI) + (0.068 x age) - (0.135 x height) and Equation 2= 11.37 + (0.404 x tricipital ST) + (0.153 x axilar ST) + (0.264 x abdomen CI) + (0.069 x age) - (0.099 x height). There were no significant differences in BF% obtained by hydrodensitometry (31.5 ±5.3) and Equation 1 (31.0 ±4.0) and Equation 2 (31.2 ±4.0). The BF% estimated by Durning-Womersley (35.8 ±4.0), Jackson-Pollock (26.5 ±5.4) and Ramirez-Torun (32.6 ±4.8) differed from hydrodensitometry (p <0.05). The interclass correlation coefficient (ICC) was high between hydrodensitometry and Equation 1 (ICC= 0.77), Equation 2 (ICC= 0.76), and Ramirez-Torun equation (ICC= 0.75). The ICC was low between hydrodensitometry and Durnin-Womersley (ICC= 0.51) and Jackson-Pollock (ICC= 0.53) equations.

Conclusion:

The new Equations-1 and 2, performed better than the commonly used anthropometric equations to predict BF% in adult women.

Keywords: Women, body composition, obesity, anthropometry, skinfold thickness, body weight

Introduction

Colombian adult women (age range 18 to 64 years) had a high prevalence of overweight (35.0%) and obesity (20.1%) that coexists with less proportion of underweight people (3.0%) 1 . These prevalences are based on the body mass index (BMI) application 1 . The BMI is a body weight-height index that does not differentiate the fat mass from the fat free mass 2 , 3 . This is relevant since it is the excess of fat mass, nor necessarily the excess of body weight, that represents higher risk of developing cardiovascular diseases and type 2 diabetes 2 , 4 . Correspondingly, is the deficit of fat free mass, frequently observed in underweight, but also in normal weight and overweight people, that associates with negative clinical outcomes, lower functional capacities, and impairment of overall health 3 . Therefore, in sceneries looking to prevent, diagnose, and treat underweight, overweight, and obesity, the application of methods to assess body composition (i.e. fat mass and fat free mass) are preferred than the body weight-height indices like BMI 2 , 3 .

Anthropometric equations are widely used to estimate body composition and recently new equations have been developed for specific populations 5 - 9 . The equations are developed following three general steps 10 . First, body composition is determined in a group of people by a reference method (i.e. a highly acute laboratory method). Second, in the same group of people measurements such as body weight, height, skinfold thickness and circumferences are collected. Third, the collected body measurements are used as predictors to obtain the best equation estimating the quantities of fat mass or fat free mass 10 . In general, anthropometric equations are population specific, given that the relation between body measurements and body components (i.e. fat mass and fat free mass calculated from body density) are modified by age, sex, and ethnicity 2 , 11 . Therefore, an anthropometric equation should not be applied to a population different from it was derivate without a previous validation 2 , 11 . Durning-Womersly 12 and Jackson-Pollock 13 are traditional equations commonly used to evaluate body composition worldwide. These equations and the more recently published by Ramirez-Torun 14 have shown poor validity to estimate body composition in Colombian women 15 .

This study aimed to develop and validate practical anthropometric equations to estimate body composition in women living in Medellín-Colombia. The study hypothesized the new equations will perform better in Colombian women than the equations developed in foreign countries.

Materials and Methods

Study design and participants

This is a cross-sectional study with a convenience sample of 151 women with ages between 18 to 59 years. Participants were students, teachers and volunteers attending the outreach programs from the University of Antioquia, Medellín-Colombia. No athletes were included in the study or women with implants (e.g. silicon, plastic, metal), in pregnancy or having any other physiological conditions that might have altered the results. The study was approved by the Bioethics Committee of the Faculty of Medicine from the University of Antioquia and was performed according to the Helsinki Declaration. Written consent was obtained from each participant.

Hydrodensitometry and anthropometric measurements were done in the Human Body Composition Laboratory, at the School of Nutrition and Dietetics from the University of Antioquia, Medellín-Colombia. Participants were scheduled to attend the laboratory a day that did not include five days before or after menses. Volunteers were asked to avoid intense physical activity and food that produces gases (e.g. beans, broccoli, and cabbage) the day before the test. Participants arrived at the laboratory between 7:00 am and 9:00 am after a fast period of at least four hours. After urinating/defecating volunteers removed garments, jewels, and wore a bathing suit for anthropometric and hydrodensitometry measurements.

Anthropometry

Measurements were carried out by two trained anthropometrists following the standard techniques described by Lohman, et al 16 . Body weight was measured to the nearest 0.05 kg using a digital scale (Detecto CN20LS, USA). Height was measured to the nearest 0.1 cm using an anthropometer (GPM 101, Switzerland). Arm, waist, abdominal, hip, thigh, and calf circumferences were measured to the nearest 0.1 cm using a metal tape (Lufkin W606PM, USA). Skinfold thickness was measured to the nearest 0.2 mm with a caliper (Harpenden CE0120, England) including biceps, triceps, subscapular, midaxillary, suprailiac, abdominal, medium thigh, and medial calf. Anthropometric measurements were done at least by duplicate or by triplicate when the difference between the first and the second values were higher than 0.05 kg in body weight, 0.5 cm in height, 1% in circumferences, and 5% in skinfold thickness. Body composition was calculated using Durning-Womersly 12 , Jackson-Pollock 13 , and Ramirez-Torun 14 equations.

Hydrodensitometry

Body density was determined by underwater weighing with simultaneous measurement of residual lung volume. Volunteers entered to a tank filled with water at 36 ±0.2ºC and sat on a plastic chair suspended from a scale with 0.02 kg of sensitivity (Chatillon, C-103616, USA). Participants submerged completely in water using a nose clip and breathing through a mouthpiece connected to a spirometer (Sensor Medics, VMAX 22, USA). Residual lung volume and underwater weight were recorded simultaneously at the end of a maximal exhalation. Body volume was calculated by subtracting underwater body weight (UBW) from body weight, and dividing the difference by water density at 36º C [i.e. body volume = (body weight - UBW) / water density]. Then, body volume was adjusted by subtraction of the residual lung volume and 0.1 L of estimated intestinal gas, as recommended 17 . Body density was calculated dividing body weight by the adjusted body volume. The whole procedure was repeated at least twice or up to obtain two body densities with a difference ≤ 0.002 g/mL in each participant. The selected body densities were averaged and the BF% was calculated with the Siri equation, BF% = 4.95 / body density - 4.50 17 .

Statistical analysis

Normal distribution of data was tested with the Kolmogorov-Smirnov test. Means, standard deviation and range were calculated for all variables. Participants´ data were randomly divided in two groups; equation-building group (n=106) and validation group (n= 45). Multiple linear regression models were ran using anthropometric data in the equation-building group as predictors, to identify the best prediction equations of the BF%. The equations were ascertained by identifying the models that meet the normality, collinearity, variance homogeneity and the Durbin Watson´s criterion. The Akaike information criterion (AIC) that estimates the quality of the statistical models was also calculated for each equation. Two selected equations using two skinfold thickness, one circumference, height, and age, showed a good adjusted determination coefficient (adjusted r2) and a low standard error of the estimate (SEE). Using the same criteria, a third equation that did not include skinfold thickness among the predictors was also selected. These equations were used to estimate the BF% in the validation group and the adjusted r2 and the SEE were obtained. Averages of BF%, fat mass, and fat free mass estimated by the new equations and those of Durning-Womersley, Jackson-Pollock and Ramirez-Torun were compared with hydrodensitometry using paired t-test. Pearson correlation coefficient and Intraclass correlation coefficient (ICC) for BF% were also calculated. Data analyses were made using The Statistical Package for Social Sciences for Windows (SPSS. 22.0, 2013, SPSS, Inc, Chicago, IL).

Results

Twelve subjects did not successfully complete the underwater weighing test, mainly for being unable to breathe underwater through the mouthpiece. These subjects were excluded from the analysis and did no differ in any anthropometric measurements from the participants used to develop and validate the equations. Complete anthropometric measurements and underweight weighing were obtained in 151 women, ranging from 18 to 59 years old. Participants´ data were randomly divided in two groups, equation-building group (n= 106) and validation group (n= 45). There were not significant differences between groups in age (33.5 ±12.9; 35.0 ±11.9 y, p= 0.656), BMI (23.6 ±3.0; 23.7 ±3.4 kg/m2, p= 0.833), BF% (31.2 ±5.9; 31.3 ±6.1, p= 0.975) or any anthropometric measurement (Table 1). The BF% ranged between 19% to 44% in the equation-building group, and between 21% to 44% in the validation group (Table 1).

Table 1. Subject characteristics by group.

Characteristics Equation-building group (n= 106) Validation group (n= 45) p-value
Mean ± SD Range Mean ± SD Range
Age (yrs)* 33.5 ± 12.9 18-59 35.0 ± 11.9 19-59 0.656
Body weight (kg)* 58.6 ± 8.0 42-83 59.6 ± 8.2 43-72 0.669
Height (cm) 157.6 ± 6.5 143-175 158.5 ± 6.4 143-174 0.309
Body mass index (kg/m2)* 23.6 ± 3.0 18-31 23.7 ± 3.4 19-32 0.833
Arm circumference (cm)* 27.7 ± 2.6 22-34 28.2 ± 3.1 23-36 0.333
Waist circumference (cm)* 74.4 ± 7.8 59-93 74.5 ± 8.4 61-89 0.851
Abdominal circumference (cm)* 84.2 ± 7.6 69-105 85.4 ± 6.9 69-101 0.528
Hip circumference (cm) 97.5 ± 5.6 84-105 97.9 ± 5.7 84-112 0.726
Medium-thigh circumference (cm) 49.4 ± 4.0 41-60 49.9 ± 3.6 41-58 0.456
Calf circumference (cm) 35.3 ± 2.5 30-44 35.8 ± 2.5 31-42 0.391
Bicipital skinfold (mm)* 10.2 ± 3.4 4-25 10.5 ± 4.7 4-17 0.372
Tricipital skinfold (mm) 19.5 ± 4.9 11-32 21.3 ± 5.7 9-30 0.072
Subscapular skinfold (mm)* 22.5 ± 8.8 8-47 22.9 ± 9.1 8-50 0.085
Midaxillary skinfold (mm)* 17.7 ± 7.0 7-38 18.5 ± 7.6 7-36 0.801
Suprailiac skinfold (mm) 34.0 ± 8.0 18-52 34.8 ± 7.6 12-52 0.187
Abdominal skinfold (mm)* 28.2 ± 7.8 14-59 27.4 ± 7.1 14-51 0.723
Medium-thigh skinfold (mm) 27.1 ± 7.9 11-48 29.7 ± 9.8 13-51 0.092
Medial-calf skinfold (mm) 19.5 ± 6.4 6-33 19.8 ± 7.9 5-43 0.866
Body density (g/mL) 1.028 ± 0.012 1,003-1,055 1.029 ± 0.013 1,005-1,055 0.820
Body Fat (%) 31.2 ± 5.9 19-44 31.3 ± 6.1 21-44 0.975
Open in a new tab

Differences between groups were calculated by T-test.

*In non-normally distributed variables the Mann-Whitney U test was used.

The selected anthropometric equations for estimating BF% are showed in Table 2. Equation 1 includes the measurements of body height, abdominal circumference, triceps- and calf- skinfold thickness plus age. Equation 2 includes the same measurements than Equation 1 except for the calf skinfold that was replaced by the midaxillary skinfold. Equation-3 included body weight, height and abdominal circumference measurements. Equations 1 and 2 had similar determination coefficients and SEE in the equation-building group (Table 2). Equation 1 showed a slightly better performance than Equation 2 during the validation process with a higher determination coefficient (0.71 Vs 0.67) and lower SEE (2.84 Vs 3.06). Equation 3 had lower determination coefficient and higher SEE than Equations 1 and 2, in both, equation-building and validation group (Table 2). The Akaike information criterion was similar between Equation 1 and 2 (549 vs 547). The Equation 3 had higher AIC than Equations 1 and 2 (AIC= 569; p <0.001) presenting a lower quality statistical model (Table 2).

Table 2. Developed anthropometrics equations to predict body fat percentage .

Equations Equation-building group § Validation group
Adjusted r 2 SEE AIC r 2 SEE
1: Body fat (%) = 11.76 + (0,324 x triceps ST) + (0.133 x calf ST) + (0.347 x abdomen CI) + (0.068 x age in years) - (0.135 x height in cm.) 0.72 3.12 549 0.71 2.84
2: Body fat (%) = 11.37 + (0.404 x triceps ST) + (0.153 x midaxillary ST) + (0.264 x abdomen CI) + (0.069 x age in years) - (0.099 x height in cm.) 0.72 3.08 547 0.67 3.06
3: Body fat (%) = 27.39 + (0.264 x body weight in kg) + (0.381 x abdomen CI) - (0.279 x height in cm) 0.66 3.44 569* 0.55 3.55
Open in a new tab

SEE: Standard error of estimate. AIC: Akaike Information Criterium. r2: determination coefficient. ST: skinfold thickness in mm, CI: circumference in cm.

*Different from Equation 1 and Equation 2 (p <0.001).

§Assumption models (p value).

Equation 1: Shapiro Wilk test= 0.9543; Durbin-Watson test= 0.9023; Homogeneity of variances test= 0.4803; Variance Inflate Factor <2.8.

Equation 2: Shapiro Wilk test= 0.1318; Durbin-Watson test= 0.9535; Homogeneity of variances test=0.8445; Variance Inflate Factor <3.4.

Equation 3: Shapiro Wilk test= 0.1489; Durbin-Watson test= 0.8721; Homogeneity of variances test= 0.5135; Variance Inflate Factor <4.5.

The BF% obtained by hydrodensitometry and anthropometric equations in the validation group are shown in Table 3. There were not significant differences (p >0.05) between the BF% assessed by hydrodensitometry (31.5 ±5.3) and the estimated by Equation 1 (31.0 ±4.0), Equation 2 (31.2 ±4.0) and Equation 3 (31.0 ±4.6). The BF% was over estimated by the equations of Durning-Womerley (+4.26; p <0.001) and Ramirez-Torun (+1.10; p <0.05) and underestimated by the equation of Jackson-Pollock (-5.03; p <0.001) (Table 3). The BF% estimated by the anthropometric equations significantly correlated (p <0.001) with the hydrodensitometry results, the higher correlations were observed for Equation 1 (r= 0.81; p <0.001, ICC= 0.77; p <0.001) and Equation 2 (r= 0.79; p <0.001, ICC= 0.76; p <0.001) (Table 3).

Table 3. Comparison of body fat percentage obtained by hydrodensitometry and anthropometric equations.

Validation group (n= 45) Body fat (%) Differences from Hydro† Pearson correlation Intraclass correlation
Hydrodensitometry 31.5 ± 5.3 --- --- ---
Equation 1 31.0 ± 4.0 0.50 0.81** 0.77**
Equation 2 31.2 ± 4.0 0.31 0.79** 0.76**
Equation 3 31.0 ± 4.6 0.49 0.74** 0.73**
Durnin-Womersley 35.8 ± 4.0 4.26** 0.75** 0.51**
Jackson-Pollock 26.5 ± 5.4 -5.03** 0.77** 0.53**
Ramirez-Torun 32.6 ± 4.8 1.10* 0.77** 0.75**
Open in a new tab

†Differences from hydrodensitometry calculated by paired T-test.

*p <0.05. **p <0.001.

Body composition obtained by hydrodensitometry and anthropometric equations in the validation group are shown in Table 4. There were not significant differences (p >0.05) between the kilograms of fat mass and fat free mass obtained by hydrodensitometry (19.0 ±4.9; 40.5 ±4.2, respectively) and those estimated by Equation 1 (18.7 ±4.4; 40.8 ±3.7, respectively), Equation 2 (18.8 ±4.4; 40.7 ±3.6, respectively) and Equation 3 (18.7 ±4.8; 40.7±3.4, respectively). The equations of Durning-Womerley, Jackson-Pollock and Ramirez-Torun estimated quantities of fat mass and fat free mass significantly different (p <0.05) from those obtained by the reference method (Table 4).

Table 4. Comparison of body fat mass and fat free mass obtained by hydrodensitometry and anthropometric equations.

Validation group (n= 45) Fat Mass (kg) Fat Free Mass (kg)
Mean (±SD) Diff. from Hydro† Mean (±SD) Diff. from Hydro†
Hydrodensitometry 19.0 ± 4.9 --- 40.5 ± 4.2 ---
Equation 1 18.7 ± 4.4 -0.30 40.8 ± 3.7 0.30
Equation 2 18.8 ± 4.4 -0.18 40.7 ± 3.6 0.18
Equation 3 18.7 ± 4.8 -0.24 40.7 ± 3.4 0.23
Durnin-Womersley 21.5 ± 4.5 2.50** 38.0 ± 3.7 -2.50**
Jackson-Pollock 16.0 ± 4.8 -2.96** 43.4 ± 4.2 2.96**
Ramirez-Torun 19.7 ± 5.1 0.72* 39.7 ± 3.1 -0.73*
Open in a new tab

†Differences from hydrodensitometry calculated by paired T-test.

*p <0.05. **p <0.001.

Discussion

The objective of this study was to develop and validate anthropometric equations to estimate body composition in adult women. Two equations including measurements of body height, abdominal circumference, and two skinfolds thickness were developed and validated. These equations are advised to be applied in clinical settings. A third equation without skinfold thickness measurement was also developed and it is suggested to be use in epidemiological settings. The three equations meet the criteria that good anthropometric equations should have according to Heyward and Stolarczyk 18 , as follows: a) the use of an acceptable reference method like hydrodensitometry, b) the use of a large sample size higher than 100 subjects, c) to show high multiple correlations between the reference method and the predicted scores, d) to have a small SEE, and e) to be cross-validated on additional, independent sample from the population 18 .

The developed anthropometric equations meet statistical and practicality criteria. Multiple anthropometric equations were identified by combining age with the sixteen body measurements collected (Table 1). First, the equations were ascertained by identifying the models that meet the statistical criteria (see statistical analysis section). Then, looking for practical equations, those that included lower body measurements were selected. Equations 1 and 2 used the same number of measurements, but Equation 1 is the first option since includes skinfold measurement at triceps and calf, sites that are easier to access than the midaxillary skinfold required for Equation 2. In addition, Equation 1 showed a slightly better performance than Equation 2 in the validation group. Nonetheless, both equation are classified as very good, according to the Lohman´s classification system to evaluate new methods, given their SSE of 3.12 and 3.08, respectively 19 . Equations 1 and 2 explained 72% of the variance in BF%, probably due to the lower number of body measurements they included; two skinfolds and one circumference. This theory is supported by the findings of Ramirez-Torun who developed equations in Guatemalan women; they reported that models including three skinfolds and two circumferences explain up to 88% of the variance in BF%, and equations with lower body measurements explained lower variances 14 . Equation 3 is the easiest to be applied since it uses only three body measurements and does not include skinfold thickness. Although this equation with an SEE of 3.44 is classified as good according to the Lohman´s classification system 19 its performance in the validation group was lower than Equations 1 and 2, and it had also a lower quality statistical model. The Equation 3 was design to be applied in epidemiological settings where it is harder to have trained anthropometrics for skinfold measurements and to maintain good quality- calibrated calipers.

The developed anthropometric equations performed better than the foreign equations estimating body composition in adult Colombian women. The Equations 1, 2 and 3 produced body composition results similar to hydrodensitometry, and they showed substantial correlation and agreement with this reference method according to Landis criteria 20 . Contrarily, the equations of Durning-Womersley, Jackson-Pollock and Ramirez-Torun showed significant differences with the reference method, results in agreement with previous studies 9 , 14 , 15 , 21 - 23 . The poor results of the foreign equations could be due to differences among ethnic groups in density of body components, body fat distribution or body segment proportions, characteristics that affect equations´ performance 9 - 11 . It seems that the equations of Durning-Womersley and Jackson-Pollock developed in Caucasian, and the Ramirez-Torun designed in Guatemalan people (a mixture of European and Amerindian) are not appropriated for Colombian women who are described as a mixture of European, African and Native American 24 , 25 .

According to the authors´ knowledge, this study is unique in developing and validating anthropometric equations to estimate BF% in women living in Colombia and using hydrostatic weighing. Strength of this study is the development of an anthropometric equation without skinfold thickness measurement, which is suggested to be applied in epidemiological settings where skinfold thickness is not commonly measured. The study has some limitations. The use of a convenience sample, given that hydrostatic weighing is a demanding test where voluntaries remain underwater during 2 to 4 minutes breathing through a mouthpiece. This makes the reference test unfeasible for representative population samples. Therefore, careful interpretation of the results from the new equations is recommended when they are applied to general population, particularly to individuals who significantly differ from the participants of this study; differences in anthropometric measurements, ethnicity and physical activity level should be especially considered. Another study limitation is the use of a two-compartmental model that assumes constant densities of the fat mass and the fat free mass; it is known that there are variations in the density of these components with age, ethnicity and fitness level 17 . The use of a four-compartmental model would overcome this difficulty but it was not applied in this study due to unavailability of resources. It is important to highlight that the Equations 1, 2 and 3 showed good performance in the validation group with averages of BMI and BF% of 23.7 kg/m2 and 31.3%, respectively. Future studies should validate these equations in groups of women with wider BMI and fat mass distribution.

In summary, the new developed Equations 1 and 2 performed better than the commonly used anthropometric equations to predict body composition in women from Medellin-Colombia. The Equation 3 has a higher SEE and lower quality statistical model than Equations 1 and 2, and it was design to be applied in epidemiological settings. Careful interpretation of the equations´ results is recommended when they are applied to individuals with physical characteristics that significantly differ from the participants of this study.

Acknowledgments:

The authors greatly thank to all the women who participate in the study, and to the School of Nutrition and Dietetics from the University of Antioquia for funding the project.

References

  • 1.Instituto Colombiano de Bienestar Familiar . Encuesta Nacional de la Situación Nutricional en Colombia 2010. Bogotá, Colombia: Da Vinci Editores & CÍA S N C; 2011. [Google Scholar]
  • 2.Cornier MA, Després JP, Davis N, Grossniklaus DA, Klein S, Lamarche B. Assessing adiposity a scientific statement from the American Heart Association. Circulation. 2011;124(18):1996–2019. doi: 10.1161/CIR.0b013e318233bc6a. [DOI] [PubMed] [Google Scholar]
  • 3.Thibault R, Genton L, Pichard C. Body composition why, when and for who? Clin Nutr. 2012;31(4):435–447. doi: 10.1016/j.clnu.2011.12.011. [DOI] [PubMed] [Google Scholar]
  • 4.Grundy SM. Adipose tissue and metabolic syndrome too much, too little or neither. Eur J Clin Invest. 2015;45(11):1209–1217. doi: 10.1111/eci.12519. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 5.Kanellakis S, Skoufas E, Khudokonenko V, Apostolidou E, Gerakiti L, Andrioti MC. Development and validation of two equations based on anthropometry, estimating body fat for the Greek adult population. Obesity. 2017;25(2):408–416. doi: 10.1002/oby.21736. [DOI] [PubMed] [Google Scholar]
  • 6.Waidyatilaka I, de Silva A, de Lanerolle-Dias M, Atukorala S, Lanerolle P. A field tool for prediction of body fat in Sri Lankan women skinfold thickness equation. J Health Popul Nutr. 2016;35(1):31–31. doi: 10.1186/s41043-016-0069-6. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 7.Hastuti J, Kagawa M, Byrne NM, Hills AP. Development and validation of anthropometric prediction equations for estimation of body fat in Indonesian men. Asia Pac J Clin Nutr. 2013;22(4):522–529. doi: 10.6133/apjcn.2013.22.4.14. [DOI] [PubMed] [Google Scholar]
  • 8.Stevens J, Ou FS, Cai J, Heymsfield SB, Truesdale KP. Prediction of percent body fat measurements in Americans 8 years and older. Int J Obes (Lond) 2016;40(4):587–594. doi: 10.1038/ijo.2015.231. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 9.Nevill AM, Metsios GS, Jackson AS, Wang J, Thornton J, Gallagher D. Can we use the Jackson and Pollock equations to predict body density/fat of obese individuals in the 21st century. Int J Body Compos Res. 2008;6(3):114–121. [PMC free article] [PubMed] [Google Scholar]
  • 10.Bellisari A, Roche AF. Antropometría y ecografía. In: Heymsfield SB, Lohman TG, Wang Z, Going S, editors. Composición Corporal. Mexico, D.F.: McGraw-Hill; 2007. pp. 109–128. [Google Scholar]
  • 11.Deurenberg P, Deurenberg-Yap M. Validity of body composition methods across ethnic population groups. Acta Diabetol. 2003;40(Suppl 1):S246–S249. doi: 10.1007/s00592-003-0077-z. [DOI] [PubMed] [Google Scholar]
  • 12.Durnin JV, Womersley J. 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. Br J Nutr. 1974;32(1):77–97. doi: 10.1079/bjn19740060. [DOI] [PubMed] [Google Scholar]
  • 13.Jackson AS, Pollock ML. Practical assessment of body composition. Physician Sport med. 1985;13(5):76–90. doi: 10.1080/00913847.1985.11708790. [DOI] [PubMed] [Google Scholar]
  • 14.Ramirez-Zea M, Torun B, Martorell R, Stein AD. Anthropometric predictors of body fat as measured by hydrostatic weighing in Guatemalan adults. Am J Clin Nutr. 2006;83(4):795–802. doi: 10.1093/ajcn/83.4.795. [DOI] [PubMed] [Google Scholar]
  • 15.Aristizabal JC, Restrepo MT, Lopez A. Validación por hidrodensitometría de ecuaciones de pliegues cutáneos utilizadas para estimar la composición corporal en mujeres. Biomedica. 2008;28(3):404–413. [PubMed] [Google Scholar]
  • 16.Lohman T, Roche A, Martorell R, editors. Antropometric Standardization reference manual. Human Kinetics Publishers; 1988. pp. 2–80. [Google Scholar]
  • 17.Going S. Hidrodensitometría y pletismografía de desplazamiento de aire. In: Heymsfield SB, Lohman TG, Wang Z, Going S, editors. Composición Corporal. Mexico, D.F.: McGraw-Hill; 2007. pp. 17–34. [Google Scholar]
  • 18.Heyward VH. Practical body composition assessment for children, adults, and older adults. Int J Sport Nutr. 1998;8(3):285–307. doi: 10.1123/ijsn.8.3.285. [DOI] [PubMed] [Google Scholar]
  • 19.Lohman T. Advances in Body Composition Assessment. Champaign: IL. Human Kinetics Publishers; 1992. [Google Scholar]
  • 20.Landis JR, Koch GG. The measurement of observer agreement for categorical data. Biometrics. 1977;33(1):159–174. [PubMed] [Google Scholar]
  • 21.Sandhu J, Giniya G, Shenoy S. Estimation of body composition in Indian population using skin-fold thickness and body-mass-index-based prediction equations comparison and validation using under-water weighing machine. Internat J Body Composition Res. 2010;8(2):51–56. [Google Scholar]
  • 22.Medoua GN, Nana ES, Essa´a VJ, Ntsama PM, Matchawe C, Rikong HA. Body composition of Cameroonian lactating women determined by anthropometry, bioelectrical impedance, and deuterium dilution. Nutrition. 2011;27(4):414–419. doi: 10.1016/j.nut.2010.09.008. [DOI] [PubMed] [Google Scholar]
  • 23.Jackson AS, Ellis KJ, McFarlin BK, Sailors MH, Bray MS. Cross-validation of generalised body composition equations with diverse young men and women the Training Intervention and Genetics of Exercise Response (TIGER) Study. Br J Nutr. 2009;101(6):871–878. doi: 10.1017/S0007114508047764. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 24.Rojas W, Parra MV, Campo O, Caro MA, Lopera JG, Arias W. Genetic make up and structure of Colombian populations by means of uniparental and biparental DNA markers. Am J Phys Anthropol. 2010;143(1):13–20. doi: 10.1002/ajpa.21270. [DOI] [PubMed] [Google Scholar]
  • 25.Price AL, Patterson N, Yu F, Cox DR, Waliszewska A, McDonald GJ. A genomewide admixture map for Latino populations. Am J Hum Genet. 2007;80(6):1024–1036. doi: 10.1086/518313. [DOI] [PMC free article] [PubMed] [Google Scholar]
Colomb Med (Cali). 2018 Jun 30;49(2):154–159. [Article in Spanish]

Desarrollo y validación de ecuaciones antropométricas para estimar la composición corporal en mujeres adultas

Introducción

Las mujeres adultas colombianas (18 a 64 años) tienen una alta prevalencia de sobrepeso (35.0%) y obesidad (20.1%) que coexiste con una menor proporción de personas con bajo peso (3.0%) 1. Estas prevalencias están basadas en la aplicación del índice de masa corporal (IMC) 1. El IMC es un índice que no puede diferenciar la cantidad de masa grasa de la masa libre de grasa 2,3. Esto es relevante porque es el exceso de masa grasa, no necesariamente el exceso de peso corporal, lo que representa un mayor riesgo para desarrollar enfermedades cardiovasculares y diabetes tipo 2 2,4. De forma similar, es el déficit de masa libre de grasa, observado en las personas con bajo peso pero también en las de peso normal y en sobrepeso, el que se asocia a resultados clínicos negativos, baja capacidad funcional y deterioro de la salud en general 3. Por lo tanto, en escenarios de prevención, diagnóstico y tratamiento del bajo peso, el sobrepeso y la obesidad, se prefiere la evaluación de la composición corporal (masa grasa y masa libre de grasa) que la sola aplicación del IMC 2,3.

Las ecuaciones antropométricas son ampliamente usadas para estimar la composición corporal y, recientemente, nuevas ecuaciones han sido desarrolladas para poblaciones específicas 5-9. Las ecuaciones son desarrolladas generalmente en tres pasos 10. Primero, la composición corporal es determinada en un grupo de personas por un método de referencia, estos métodos son de alta precisión y, por lo general, son complejos y se realizan en laboratorios. Segundo, en el mismo grupo de personas se hacen medidas antropométricas como peso corporal, estatura, pliegues cutáneos y perímetros corporales. Tercero, las medidas antropométricas recolectadas son usadas como predictores para obtener la mejor ecuación que estime la cantidad de masa grasa o masa libre de grasa 10. En general, las ecuaciones antropométricas son específicas de población, dado que la relación entre las medidas corporales y los componentes (masa grasa y masa libre calculados a partir de la densidad corporal) es modificada por la edad, el sexo y el grupo étnico 2,11. Por lo tanto, las ecuaciones antropométricas no deberían ser utilizadas en poblaciones diferentes de las cuales fueron derivadas, sin una previa validación 2,11. Las ecuaciones de Durning-Womersly 12 y Jackson-Pollock 13 son las más comúnmente utilizadas para evaluar la composición corporal. Estas ecuaciones y la más reciente publicada por Ramírez-Torun 14 han mostrado una pobre validez para estimar la composición corporal en mujeres colombianas 15.

El objetivo de este estudio fue desarrollar y validar ecuaciones antropométricas prácticas para estimar la composición corporal en mujeres que viven en Medellín-Colombia. La hipótesis del estudio es que las nuevas ecuaciones tendrán un mejor desempeño en mujeres colombianas que las ecuaciones desarrolladas en países foráneos.

Materiales y métodos

Diseño del estudio y participantes

Estudio transversal con una muestra a conveniencia de 151 mujeres con edades entre 18 y 59 años. Las participantes fueron estudiantes, profesoras y personas que asisten a los programas de extensión de la Universidad de Antioquia, Medellín-Colombia. Fueron excluidas mujeres atletas, con implantes de silicona, plástico o metal, embarazadas o que tuvieran alguna condición fisiológica que pudiera alterar los resultados. El estudio fue aprobado por del Comité de Bioética de la Facultad de Medicina de la Universidad de Antioquia y realizado de acuerdo a la Declaración de Helsinki. Se obtuvo el consentimiento informado de todas las participantes.

Las pruebas de antropometría e hidrodensitometría fueron realizadas en el Laboratorio de Composición Corporal Humana de la Escuela de Nutrición y Dietética de la Universidad de Antioquia, Medellín-Colombia. Se programó a cada participante para que el día de las pruebas no estuviera entre los cinco días previos o posteriores al periodo menstrual. Se solicitó a las voluntarias no realizar actividad física moderada-intensa o consumir alimentos productores de gases (por ejemplo, frijoles, brócoli, repollo, etc.) el día antes de la prueba. Las participantes ingresaron al laboratorio entre las 7:00 a.m. y las 9:00 a.m. con un periodo de ayuno mayor a cuatro horas. Después de haber eliminado orina y materia fecal, las voluntarias se despojaron de joyas y accesorios, y se colocaron un traje de baño de dos piezas.

Antropometría

Las mediciones fueron realizadas por dos antropometristas entrenados y siguiendo las técnicas descritas por Lohman, et al 16. El peso corporal fue medido con una báscula digital (Detecto CN20LS, USA) con una precisión de 0.05 kg. La estatura con un antropómetro (GPM 101, Suiza), con una precisión de 0.1 cm. Los perímetros de brazo, cintura, abdomen, cadera, muslo medio y pantorrilla fueron medidos con una cinta métrica (Lufkin W606PM, USA) con una precisión de 0.1 cm. Los pliegues cutáneos fueron medidos con un calibrador (Harpenden CE0120, Inglaterra) con una precisión de 0.2 mm. Se midieron los pliegues bíceps, tríceps, subescapular, axilar, suprailiaco, abdominal, muslo medio y pantorrilla medial. Las mediciones fueron hechas por duplicado o por triplicado cuando la diferencia entre la primera y la segunda medición fue mayor a 0.05 kg en el peso corporal, 0.5 cm en la estatura, 1% en los perímetros y 5% en los pliegues cutáneos. La composición corporal fue calculada con las ecuaciones de Durning-Womersly 12, Jackson-Pollock 13 y Ramírez-Torun 14.

Hidrodensitometría

La densidad corporal fue determinada por pesaje bajo el agua con la medición simultánea del volumen residual pulmonar. Las voluntarias ingresaron a un tanque de fibra de vidrio lleno de agua a 36±0.2° C y permanecieron sentadas sobre un silla plástica suspendida de una báscula (Chatillon, C-103616, USA) de 0.02 kg de sensibilidad. Las participantes se sumergieron completamente en el agua con la nariz tapada con un clip nasal y utilizando una boquilla para respirar a través de un espirometro (Sensor Medics, VMAX 22, USA). El volumen residual y el peso bajo el agua fueron registrados de manera simultánea al final de una expiración máxima. El volumen corporal fue calculado restando del peso corporal el peso bajo el agua (PBA) y dividiendo esta diferencia por la densidad del agua a 36° C [volumen corporal= (peso corporal - PBA) / densidad del agua]. Luego, el volumen corporal fue ajustado con la sustracción del volumen residual pulmonar y el volumen del gas intestinal (0.1 L valor promedio) como es recomendado 17. La densidad corporal fue calculada dividiendo el peso corporal por el volumen corporal ajustado. Todo el proceso fue repetido, dos veces o más en cada participante, hasta obtener mediciones de la densidad corporal con una diferencia ≤0.002 g/mL. Los valores de la densidad corporal que se encontraban en la diferencia permitida fueron promediados para calcular el %GC con la ecuación de Siri, %GC= 4.95/densidad corporal -4.50 17.

Análisis estadístico

Se evaluó la normalidad de los datos con la prueba de Kolmogorov-Smirnov. El promedio y la desviación estándar fueron calculados para cada variable. Los datos de las participantes fueron asignados de manera aleatoria a uno de dos grupos: grupo para desarrollo de ecuaciones (n= 106) y grupo de validación (n= 45). En el grupo de desarrollo de ecuaciones se calcularon modelos de regresión lineal con las medidas antropométricas como predictores para encontrar la mejor ecuación de predicción del %GC. Se seleccionaron los modelos de predicción que cumplieran los criterios de normalidad, colinealidad, homegenidad de varianza y el criterio de Durbin-Watson. El criterio de información de Akaike (AIC) que estima la calidad de los modelos estadísticos, fue calculado para cada ecuación. Dos de las ecuaciones seleccionadas, las cuales utilizan dos pliegues cutáneos, un perímetro, la estatura y la edad, presentaron un coeficiente de determinación ajustado (r2 ajustado) adecuado y un error estándar de estimación (SEE) bajo. Usando los mismos criterios de selección una tercera ecuación, que no incluyó pliegues cutáneos en el modelo de predicción, fue también seleccionada. Estas ecuaciones fueron utilizadas para estimar el %GC en el grupo de validación y se calculó el valor de r2 ajustado y el SEE. El promedio del %GC, la masa grasa y la masa libre de grasa estimado por las nuevas ecuaciones y las de Durning-Womersley, Jackson-Pollock y Ramírez-Torun fueron comparados con el obtenido por hidrodensitometría utilizando la prueba t. Se calculó el coeficiente de correlación de Pearson y el ICC para el %GC. El análisis de los datos se hizo con el paquete estadístico Statistical Package for Social Sciences for Windows (SPSS 22.0, 2013, SPSS, Inc, Chicago, IL).

Resultados

Doce sujetos no completaron la prueba de pesaje hidrostático, principalmente por no ser capaces de respirar bajo el agua a través de la boquilla. Estos sujetos fueron excluidos del análisis y no se diferenciaron, en ninguna medida antropométrica, de los individuos que conformaron los grupos para el desarrollo y la validación de las ecuaciones. Las mediciones antropométricas completas y el pesaje bajo el agua fueron obtenidos para 151 mujeres, de 18 a 59 años. Los datos de las participantes fueron divididos aleatoriamente en dos grupos, grupo de desarrollo de ecuaciones (n= 106) y grupo de validación (n= 45). No se observaron diferencias significativas entre los grupos en edad (33.5 ±12.9; 35.0 ±11.9 años, p= 0.656), IMC (23.6 ±3.0; 23.7 ±3.4 kg/m2, p = 0.833), %GC (31.2 ±5.9; 31.3 ±6.1, p= 0.975) u otras variables (Tabla 1). El rango de %GC estuvo entre 19% y 44% en el grupo de desarrollo de ecuaciones, y entre 21% y 44% en el grupo de validación (Tabla 1).

Tabla 1. Características de los sujetos por grupos.

Characteristicas Grupo desarrollo (n= 106) Grupo validación (n= 45) valor p
Media ±DE Rango Media ±DE Rango
Edad (años)* 33.5 ± 12.9 18-59 35.0 ± 11.9 19-59 0.656
Peso (kg)* 58.6 ± 8.0 42-83 59.6 ± 8.2 43-72 0.669
Estatura (cm) 157.6 ± 6.5 143-175 158.5 ± 6.4 143-174 0.309
Índice de masa corporal (kg/m2)* 23.6 ± 3.0 18-31 23.7 ± 3.4 19-32 0.833
Perímetro brazo medio (cm)* 27.7 ± 2.6 22-34 28.2 ± 3.1 23-36 0.333
Perímetro cintura (cm)* 74.4 ± 7.8 59-93 74.5 ± 8.4 61-89 0.851
Perímetro abdomen (cm)* 84.2 ± 7.6 69-105 85.4 ± 6.9 69-101 0.528
Perímetro cadera (cm) 97.5 ± 5.6 84-105 97.9 ± 5.7 84-112 0.726
Perímetro muslo medio (cm) 49.4 ± 4.0 41-60 49.9 ± 3.6 41-58 0.456
Perímetro pantorrilla (cm) 35.3 ± 2.5 30-44 35.8 ± 2.5 31-42 0.391
Pliegue bíceps (mm)* 10.2 ± 3.4 4-25 10.5 ± 4.7 4-17 0.372
Pliegue tríceps (mm) 19.5 ± 4.9 11-32 21.3 ± 5.7 9-30 0.072
Pliegue subscapular (mm)* 22.5 ± 8.8 8-47 22.9 ± 9.1 8-50 0.085
Pliegue axilar (mm)* 17.7 ± 7.0 7-38 18.5 ± 7.6 7-36 0.801
Pliegue suprailiaco (mm) 34.0 ± 8.0 18-52 34.8 ± 7.6 12-52 0.187
Pliegue abdominal (mm)* 28.2 ± 7.8 14-59 27.4 ± 7.1 14-51 0.723
Pliegue muslo medio (mm) 27.1 ± 7.9 11-48 29.7 ± 9.8 13-51 0.092
Pliegue pantorrilla medial (mm) 19.5 ± 6.4 6-33 19.8 ± 7.9 5-43 0.866
Densidad corporal (g/mL) 1.028 ± 0.012 1,003-1,055 1.029 ± 0.013 1,005-1,055 0.820
Porcentaje de grasa corporal (%) 31.2 ± 5.9 19-44 31.3 ± 6.1 21-44 0.975
Open in a new tab

Los valores son promedio ± desviación estándar y rango en paréntesis (Min = mínimo, Max. = máximo). Las diferencias entre grupos fueron calculadas por la prueba t.

*Para las variables que no se distribuyeron de forma normal se aplicó la prueba U de Mann-Whitney.

Las ecuaciones antropométricas seleccionadas para estimar el %GC se muestran en la Tabla 2. La Ecuación 1 incluye las mediciones de estatura, perímetro de abdomen, pliegues cutáneos de tríceps y pantorrilla medial, y la edad. La Ecuación 2 incluye las mismas medidas de la ecuación 1 excepto el pliegue pantorrilla medial que fue remplazado por el pliegue axilar. La Ecuación 3 incluyó el peso corporal, la estatura y el perímetro de abdomen. Las Ecuaciones 1 y 2 tuvieron un coeficiente de determinación y un SEE similar en el grupo de desarrollo de ecuaciones (Tabla 2). La Ecuación 1 mostró un desempeño ligeramente superior que la Ecuación 2 en el grupo de validación, con un coeficiente de determinación más alto (0.71 Vs 0.67) y un SEE más bajo (2.84 Vs 3.06). La Ecuación 3 presentó el coeficiente de determinación más bajo y el SEE más alto, en comparación con las Ecuaciones 1 y 2, en ambos grupos, desarrollo y validación (Tabla 2). El criterio de información de Akaike fue similar en las Ecuaciones 1 y 2 (549 Vs 547). La Ecuación 3 tuvo un criterio de información mayor que las ecuaciones 1 y 2 (AIC= 569; p <0.001) mostrando una inferior calidad del modelo estadístico (Tabla 2).

Tabla 2. Ecuaciones antropométricas desarrolladas para predecir el porcentaje de grasa corporal.

Grupo desarrollo § Grupo validación
Ecuaciones r 2 ajustado SEE AIC r 2 ajustado SEE
1: Porcentaje de grasa (%) = 11.76 + (0,324 x PC tríceps) + (0.133 x PC pantorrilla medial) + (0.347 x PE abdomen) + (0.068 x edad en años) - (0.135 x estatura en cm) 0.72 3.12 549 0.71 2.84
2: Porcentaje de grasa (%) = 11.37 + (0.404 x PC tríceps) + (0.153 x PC axilar) + (0.264 x PE abdomen) + (0.069 x edad en años) - (0.099 x estatura en cm) 0.72 3.08 547 0.67 3.06
3: Porcentaje de grasa (%) = 27.39 + (0.264 x Peso en kg.) + (0.381 x PE abdomen) - (0.279 x estatura en cm) 0.66 3.44 569** 0.55 3.55
Open in a new tab

SEE: Error estándar del estimado. AIC: Criterio de información de Akaike. r2: coeficiente de determinación. PC: pliegue cutáneo en mm, PE: perímetro en cm.

**Diferencia con Ecuación 1 y Ecuación 2 (p <0.001).

§Supuestos del modelo. Ecuación 1: Prueba de Shapiro Wilk=0.9543; Prueba de Durbin-Watson= 0.9023; Prueba de homogeneidad de la varianza=0.4803; Factor de inflación de la varianza: <2.8. Ecuación 2: Prueba de Shapiro Wilk=0.1318; Prueba de Durbin-Watson= 0.9535; Prueba de homogeneidad de la varianza=0.8445; Factor de inflación de la varianza: <3.4. Ecuación 3: Prueba de Shapiro Wilk=0.1489; Prueba de Durbin-Watson= 0.8721; Prueba de homogeneidad de la varianza=0.5135; Factor de inflación de la varianza: <4.5.

El %GC obtenido por hidrodensitometría y las ecuaciones antropométricas en el grupo de validación se muestran en la Tabla 3. No hubo diferencias significativas (p >0.05) entre el %GC medido por hidrodensitometría (31.5 ±5.3) y el estimado por la Ecuación 1 (31.0 ±4.0), Ecuación 2 (31.2 ±4.0) y Ecuación 3 (31.0 ±4.6). Los %GC fueron sobreestimados por Durning-Womersley (+4.26; p <0.001) y Ramírez-Torun (+1.10; p <0.05) y subestimados por la ecuación de Jackson-Pollock (-5.03; p <0.001) (Tabla 3). El %GC estimado por las ecuaciones antropométricas correlacionó con los resultados de la hidrodensitometría, la correlación más alta se observó con la Ecuación 1 (r= 0.81; p <0.001, ICC= 0.77; p <0.001) y la Ecuación 2 (r= 0.79; p <0.001, ICC= 0.76; p <0.001) (Tabla 3).

Tabla 3. Comparación del porcentaje de grasa corporal obtenido por hidrodensitometría y las ecuaciones antropométricas.

Grupo validación (n=45) Porcentaje de grasa (%) Diferencia con Hidro† Correlación de Pearson Correlación intraclase
Hidrodensitometría 31.5 ± 5.3 --- --- ---
Ecuación 1 31.0 ± 4.0 0.50 0.81** 0.77**
Ecuación 2 31.2 ± 4.0 0.31 0.79** 0.76**
Ecuación 3 31.0 ± 4.6 0.49 0.74** 0.73**
Durnin-Womersley 35.8 ± 4.0 4.26** 0.75** 0.51**
Jackson-Pollock 26.5 ± 5.4 -5.03** 0.77** 0.53**
Ramírez-Torun 32.6 ± 4.8 1.10* 0.77** 0.75**
Open in a new tab

†Diferencias de la hidrodensitometría calculadas por la prueba t.

*p <0.05. **p <0.001.

La composición corporal obtenida por hidrodensitometría y las ecuaciones antropométricas en el grupo de validación se muestran en la Tabla 4. No hubo diferencias significativas (p >0.05) en la masa grasa y la masa libre de grasa obtenida por hidrodensitometría (19.0 ±4.9; 40.5 ±4.2, respectivamente) con las estimadas por la Ecuación 1(18.7 ±4.4; 40.8 ±3.7, respectivamente), la Ecuación 2 (18.8 ±4.4; 40.7 ±3.6, respectivamente) y la Ecuación 3 (18.7 ±4.8 kg; 40.7±3.4 kg, respectivamente). Las ecuaciones de Durning-Womerley, Jackson-Pollock y Ramírez-Torun estimaron cantidades de masa grasa y masa libre de grasa diferentes (p <0.05) de aquellas obtenidas por el método de referencia (Tabla 4).

Tabla 4. Comparación de la masa grasa y la masa libre de grasa obtenida por hidrodensitometría y las ecuaciones antropométricas.

Grupo validación (n=45) Masa grasa (kg) Masa libre de grasa (kg)
Promedio (±DE) Dif. con Hidro† Promedio (±DE) Dif. con Hidro†
Hidrodensitometría 19.0 ± 4.9 --- 40.5 ± 4.2 ---
Ecuación 1 18.7 ± 4.4 -0.30 40.8 ± 3.7 0.30
Ecuación 2 18.8 ± 4.4 -0.18 40.7 ± 3.6 0.18
Ecuación 3 18.7 ± 4.8 -0.24 40.7 ± 3.4 0.23
Durnin-Womersley 21.5 ± 4.5 2.50** 38.0 ± 3.7 -2.50**
Jackson-Pollock 16.0 ± 4.8 -2.96** 43.4 ± 4.2 +2.96**
Ramírez-Torun 19.7 ± 5.1 0.72* 39.7 ± 3.1 -0.73*
Open in a new tab

† Diferencias de la hidrodensitometría calculadas por la prueba t.

*p <0.05. **p <0.001.

Discusión

El objetivo de este estudio fue desarrollar y validar ecuaciones antropométricas para estimar la composición corporal en mujeres adultas. Dos ecuaciones incluyendo mediciones de estatura, perímetro de abdomen y dos pliegues cutáneos fueron desarrolladas y validadas. Se sugiere que estas ecuaciones sean aplicadas en la evaluación individual. Una tercera ecuación, la cual no incluye pliegues cutáneos, fue desarrollada para la evaluación de grupos poblacionales en estudios epidemiológicos. Las tres ecuaciones cumplen los criterios que una buena ecuación antropométrica debe poseer, según Heyward y Stolarczyk 18, los cuales son: a) el uso de un método de referencia adecuado para su desarrollo como es la hidrodensitometría, b) el uso de un tamaño de muestra mayor a 100 sujetos, c) las ecuaciones deben mostrar una alta correlación con los resultados del método, d) las ecuaciones deben tener un SEE bajo, y e) las ecuaciones deben tener una validación cruzada en una muestra independiente de la población 18.

Las ecuaciones antropométricas seleccionadas cumplen los criterios estadísticos y son prácticas. Se obtuvieron numerosas ecuaciones para estimar el %GC al utilizar la edad y las dieciséis medidas corporales como predictores (Tabla 1). Para seleccionar las ecuaciones primero se escogieron los modelos que cumplían los criterios estadísticos (normalidad, colinealidad, homegenidad de varianza y el criterio de Durbin-Watson). Luego, se valoró la practicidad de las ecuaciones, aquellas que incluyeron el menor número de medidas corporales fueron seleccionadas. Las Ecuaciones 1 y 2 utilizan el mismo número de mediciones, pero la Ecuación 1 es la primera opción dado que incluye pliegues de tríceps y de pantorrilla medial, sitios que son de fácil acceso comparado con el pliegue axilar requerido para la Ecuación 2. Adicionalmente, la Ecuación 1 mostró un comportamiento ligeramente superior que la Ecuación 2 en el grupo de validación. Sin embargo, ambas ecuaciones son clasificadas como muy buenas, de acuerdo al Sistema de clasificación de Lohman para evaluar nuevos métodos, debido a sus SEE de 3.12 y 3.08 respectivamente 19. Las Ecuaciones 1 y 2 explican el 72% de la varianza del %GC, probablemente por el bajo número de medidas corporales que incluyen; dos pliegues cutáneos, un perímetro y la estatura. Esta teoría es soportada por los hallazgos de Ramírez-Torun quienes desarrollaron ecuaciones para mujeres guatemaltecas 14. Los autores reportaron que las ecuaciones que incluían tres pliegues cutáneos y dos perímetros explicaban más del 88% de la varianza del %GC, y las ecuaciones con menor número de medidas corporales explicaban menores varianzas 14. La Ecuación 3 es la más práctica pues sólo requiere tres medidas corporales y no incluye pliegues cutáneos. Si bien, esta ecuación con un SEE de 3.44 es clasificada como buena de acuerdo al Sistema de clasificación de Lohman 19, su rendimiento en el grupo de validación fue inferior a las ecuaciones 1 y 2, y explicó una menor varianza del %GC. La Ecuación 3 fue diseñada para la evaluación de grupos poblacionales en estudios epidemiológicos, donde usualmente es difícil contar con antropometristas estandarizados y mantener los equipos en óptimas condiciones.

Las ecuaciones antropométricas desarrolladas presentaron mejor rendimiento en la evaluación de la composición corporal que las ecuaciones foráneas. Las Ecuaciones 1, 2 y 3 produjeron resultados de composición corporal similares a los de hidrodensitometría y, presentaron una correlación y grado de acuerdo sustancial con el método de referencia, según los criterios de Landis 20. Por el contrario, las ecuaciones de Durning-Womersley, Jackson-Pollock y Ramírez-Torun mostraron diferencias significativas con el método de referencia, resultados similares a estudios previos 9,14,15,21-23. Los pobres resultados de las ecuaciones foráneas pueden obedecer a diferencias entre grupos étnicos en la densidad de los componentes corporales, en la distribución de la grasa corporal y/o en la proporcionalidad corporal, características que afectan el rendimiento de las ecuaciones 9-11. Así, las ecuaciones de Durning-Womersley y Jackson-Pollock desarrolladas en personas caucásicas, y las de Ramírez-Torun diseñadas en guatemaltecas, que son una mezcla de europeas y americanas nativas, mostraron ser inexactas en mujeres colombianas que se describen como una mezcla de europeas, africanas y americanas nativas 24,25.

De acuerdo al conocimiento de los autores, este estudio es único en desarrollar y validar ecuaciones antropométricas para estimar el %GC en mujeres Colombianas utilizando la hidrodensitometría como método de referencia. Otra fortaleza del estudio es el desarrollo de una ecuación antropométrica sin pliegues de grasa cutáneos, la cual se sugiere aplicar en grupos poblacionales en estudios epidemiológicos, donde los pliegues cutáneos generalmente no son medidos. El estudio tiene algunas limitaciones. El uso de una muestra a conveniencia, dado que la hidrodensitometría es una prueba que demanda a los sujetos estar bajo el agua 2 a 4 minutos respirando a través de una boquilla, por esto, la prueba no es práctica para evaluar muestras representativas de la población. Por lo tanto, se recomienda una interpretación cuidadosa de los resultados de las nuevas ecuaciones cuando se apliquen a la población general, en especial, cuando se utilicen con individuos que difieran significativamente de los sujetos de éste estudio, tanto en medidas corporales como en grupo étnico y nivel de actividad física. Otra limitación del estudio es el uso de un modelo de dos componentes que asume una densidad constante de la masa grasa y de la masa libre de grasa, se sabe que la densidad de estos componentes se modifica con la edad, la etnia y el nivel de actividad física 17. El uso de un modelo de cuatro componentes puede superar esta dificultad, pero no fue posible realizarlo en éste estudio por limitación de recursos tecnológicos. Es importante destacar que las Ecuaciones 1, 2 y 3 presentaron buen rendimiento en el grupo de validación, el cual tenía un IMC promedio de 23.7 kg/m2 y un %GC promedio de 31.3%. Se requieren estudios futuros para validar estas ecuaciones en grupos de mujeres con una mayor variación del IMC y del %GC.

En resumen, las ecuaciones desarrolladas, Ecuación 1 y 2, presentaron mejor rendimiento que las ecuaciones tradicionales para predecir la composición corporal en mujeres de Medellín-Colombia. La Ecuación 3 tiene más alto SEE y menor calidad estadística que las Ecuaciones 1 y 2, por lo que se sugiere aplicarla a grupos de personas en investigaciones epidemiológicas. Se recomienda una interpretación cuidadosa de los resultados de las nuevas ecuaciones cuando se aplique a individuos con características significativamente diferentes de los participantes de éste estudio

Articles from Colombia Médica : CM are provided here courtesy of Universidad del Valle

RESOURCES