Kehon rasvaprosentti ennustaa lihavuuteen liittyviä riskejä paremmin kuin painoindeksi.

Äskettäin Journal of Clinical Endocrinology & Metabolism -lehdessä julkaistussa tutkimuksessa tutkijat arvioivat kehon rasvaprosentin (%BF) kynnysarvoja ylipainon ja lihavuuden määrittämiseksi ja tarkastelivat niiden yhteyttä metaboliseen oireyhtymään (MetSyn) suuressa aikuisten otoksessa.

Tutkimuksessa havaittiin, että prosentuaalisen kehon rasvaprosentin kynnysarvot ovat tarkempi indikaattori lihavuuteen liittyvien sairauksien ennustamisessa kuin painoindeksi (BMI). Tutkijat suosittelevat kehon rasvaprosentin suorien mittausten käyttöä kliinisessä käytännössä ja ehdottavat ylipainon tunnistamista 25 %:n kehon rasvaprosentista miehillä ja 36 %:n naisen rasvaprosentista. Lihavuus voidaan määritellä 30 %:n kehon rasvaprosentista miehillä ja 42 %:n naisen rasvaprosentista.

Painoindeksiin perustuvia standardeja käytetään yleisesti lihavuuden, ylipainon ja normaalipainon määrittämiseen. Painoindeksiä pidetään kuitenkin epätarkkana mittarina todelliselle kehon rasvaprosentille eli prosentuaaliselle rasvaprosentille.

Nykyaikainen teknologia on parantanut %BF:n arviointia, mutta tarvitaan tulosperusteisia kynnysarvoja sen varmistamiseksi, että näitä mittauksia voidaan käyttää tehokkaasti potilaan terveyden hallintaan.

Lihavuuteen liittyvät sairaudet liittyvät liikalihavuuteen, mutta nykyiset suositukset perustuvat usein kokonaiskuolleisuustilastoihin sen sijaan, että ne liittyisivät suoraan tiettyihin terveystuloksiin.

Nyt kehitetään tarkempia menetelmiä %BF:n arvioimiseksi, kuten monitaajuinen bioelektrinen impedanssianalyysi (MF-BIA), ja niillä voi olla merkittävä rooli ennaltaehkäisevässä terveydenhuollossa. %BF:n ja MetSynin välisen suhteen vuoksi %BF:stä voi tulla tarkempi työkalu lihavuuteen liittyvien sairauksien hallinnassa kuin painoindeksistä.

Tutkimuksessa tehtiin korrelaatioanalyysi käyttämällä National Health and Nutrition Examination Survey (NHANES) -tutkimuksen tietoja ylipainon ja lihavuuden määrittelevien %BF-kynnysarvojen arvioimiseksi.

Otokseen osallistui 16 918 henkilöä, jotka olivat 18–85-vuotiaita. Tiedot kerättiin vuosina 1999–2018, pois lukien ajanjaksot, jolloin kaksoisenergiaröntgenabsorptiometriaa (DXA) ei tehty.

Kerättyihin tietoihin sisältyivät demografiset tiedot, laboratoriomittaukset (mukaan lukien paastoverensokeri, triglyseridit, HDL-kolesteroli, verenpaine), antropometriset mittaukset (painoindeksi, paino, pituus, vyötärön ympärysmitta) ja koko kehon DXA-tulokset.

Kunkin osallistujan aineenvaihdunnan terveys luokiteltiin MetSynin esiintymisen perusteella, joka määriteltiin vähintään kolmen viidestä keskeisestä markkerista esiintymisenä: suurentunut vyötärön ympärysmitta, matala HDL, korkea paastoverensokeri, korkea verenpaine ja korkeat triglyseridiarvot.

Analysoitiin tiedot 16 918 ihmiseltä (8 184 naista ja 8 734 miestä), joiden keski-ikä oli noin 42 vuotta ja jotka edustivat eri etnisiä ryhmiä.

Ylipainoisiksi (BMI >25 kg/m²) ja lihaviksi (BMI ≥30 kg/m²) luokitelluista henkilöistä 5 %:lla ja 35 %:lla oli MetSyn. Näitä arvoja käytettiin uusien %BF-kynnysarvojen määrittämiseen: miehillä 25 % ylipainoisille ja 30 % lihaville ja naisilla 36 % ylipainoisille ja 42 % lihaville.

Näitä %BF-kynnysarvoja käyttäen 27,2 % naisista ja 27,7 % miehistä luokiteltiin normaalipainoisiksi, 33,5 % naisista ja 34,0 % miehistä luokiteltiin ylipainoisiksi ja 39,4 % naisista ja 38,3 % miehistä luokiteltiin lihaviksi.

Tutkimuksessa korostettiin, että painoindeksillä (BMI) on alhainen ennustearvo eri yksilöillä, koska %BF:ssä on merkittävää vaihtelua millä tahansa painoindeksillä.

Lisäksi miesten ja naisten painoindeksin ja prosentuaalisen rentouden korrelaation erot korostavat painoindeksin käytön rajoituksia lihavuuden ja siihen liittyvien terveysriskien arvioinnissa.

MF-BIA:n viimeaikaiset edistysaskeleet tarjoavat luotettavampia ja helppokäyttöisempiä menetelmiä %BF:n arvioimiseksi verrattuna perinteisiin antropometrisiin menetelmiin.

Vaikka näiden laitteiden tarkkuus vaihtelee, niiden lisääntyvä käyttöönotto kliinisessä käytännössä on merkittävä askel kohti epidemiologisen tiedon parantamista ja laajempaa käyttöä.

Kehonkoostumuksen arvioinnin tekniset parannukset, mukaan lukien tarkemmat MF-BIA-mallit ja lääketieteellisten yhdistysten tuki, voisivat parantaa kliinistä käyttöä ja vakuutusturvaa, mikä lopulta parantaisi potilaiden hoitoa.

Rajoituksia ovat laitteiden tarkkuuden vaihtelu ja tarve lisätutkimuksille kehon koostumuksen ja aineenvaihduntasairauksien välisestä yhteydestä.