www.nature.

com/scientificreports

ABIERTO Masa grasa relativa (RFM) como nueva

estimador del porcentaje de grasa corporal ─

Un corte transversal
estudiar en adultos estadounidenses
Recibido: 3 de mayo de 2018

Aceptado: 9 de julio de 2018

Publicado: xx xx xxxx
OrisonO.Woolcott y RichardN. Bergman

Un alto porcentaje de grasa corporal se asocia independientemente con una mayor mortalidad. Nuestro objetivo fue identificar una
ecuación lineal antropométrica simple que sea más precisa que el índice de masa corporal (IMC) para estimar el porcentaje de grasa
corporal total entre individuos adultos. Salud Nacional
y los datos de la Encuesta de Examen de Nutrición (NHANES) 1999-2004 (n = 12.581) se utilizaron para el desarrollo del modelo y los datos del NHANES

2005-2006 (n = 3.456) se utilizaron para la validación del modelo. De los 365 índices antropométricos generados, la ecuación final seleccionada fue la

siguiente: 64 - ( 20 × altura / circunferencia de la cintura) + ( 12 × sexo), denominada masa grasa relativa (RFM); sexo = 0 para hombres y 1 para mujeres. En

el conjunto de datos de validación, en comparación con el IMC, RFM predijo mejor el porcentaje de grasa corporal total, medido por absorciometría de

rayos X de energía dual (DXA), entre mujeres y hombres. El RFM mostró una mayor precisión que el IMC y tuvo menos casos de falsos negativos de

obesidad definida por la grasa corporal entre mujeres y hombres. La RFM redujo la clasificación errónea de la obesidad total entre todas las mujeres y

todos los hombres y, en general, entre los estadounidenses de origen mexicano, estadounidense de origen europeo y afroamericano. En la población

estudiada,

El RFM sugerido fue más preciso que el IMC para estimar el porcentaje de grasa corporal total entre las mujeres.
hombres y una mejor clasificación errónea de la obesidad definida por la grasa corporal entre los adultos estadounidenses de origen mexicano,
europeo o africano.

El alto porcentaje de grasa corporal (masa de tejido adiposo en relación con el peso corporal total) está asociado con la mortalidad 1 , 2 .
Recientemente, un gran estudio de cohorte en individuos adultos con un seguimiento de 14 años informó que un índice de masa corporal de referencia bajo (IMC,
peso en kilogramos dividido por el cuadrado de los metros de estatura) y un porcentaje alto de grasa corporal se asocian independientemente con una mayor
mortalidad. 3 . Por tanto, la estimación precisa del porcentaje de grasa corporal es de gran relevancia desde una perspectiva clínica y de salud pública, aspecto que
ha sido avalado por el Comité de Obesidad de la American Heart Association. 4 .

La obesidad, un estado de acumulación excesiva de grasa corporal, es un factor de riesgo importante para múltiples patologías crónicas que incluyen diabetes,
enfermedad de las arterias coronarias, hipertensión y ciertos tipos de cáncer. 5 - 7 . Curiosamente, la definición de obesidad ha cambiado durante el último siglo. Por
ejemplo, los primeros informes han definido la obesidad como el exceso de peso del 20% al 40% sobre lo normal de 300 gramos por centímetro de altura. 8 . Otros han
propuesto arbitrariamente la obesidad definida por la grasa corporal como un porcentaje de grasa corporal> 35% para las mujeres y> 25% para los hombres. 9 . Hasta la
fecha, no existe consenso para la definición de obesidad basada en el porcentaje de grasa corporal. 10 , 11 . Un IMC ≥ 30 se utiliza actualmente para definir la obesidad. 12 . De
hecho, el IMC se usa ampliamente para evaluar la grasa corporal. 12 , 13 , a pesar de su precisión limitada para estimar el porcentaje de grasa corporal 9 , 14 , 15 . Un problema
inherente del IMC debido a su precisión limitada para estimar el porcentaje de grasa corporal es la clasificación errónea de la obesidad definida por la grasa corporal.
Por ejemplo, un IMC ≥ 30 pasarían por alto casi el 50% de las mujeres que tenían un porcentaje de grasa corporal superior al 35% 9 . Entre los participantes de la Tercera
Encuesta Nacional de Examen de Salud y Nutrición, la precisión diagnóstica del IMC para la obesidad definida por la grasa corporal se estimó en 94% entre las
mujeres en comparación con 82% entre los hombres 9 . Por lo tanto, serían de considerable importancia alternativas simples y de bajo costo al IMC con mejor precisión
diagnóstica para la obesidad en ambos sexos.

Aunque se encuentran disponibles varias técnicas sofisticadas para obtener estimaciones precisas del porcentaje de grasa corporal total dieciséis ; estos métodos
no son adecuados para fines clínicos de rutina y estudios de grandes poblaciones. Por consiguiente,

Sports Spectacular Diabetes andObesityWellness and Research Center, Cedars-Sinai Medical Center, Los Ángeles,
CA, 90048, Estados Unidos. La correspondencia y las solicitudes de materiales deben dirigirse a OOW (correo electrónico: Oración. Woolcott@cshs.org )

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 1

www.nature.com/scientificreports/

Figura 1. Diagrama de flujo de selección de participantes para los conjuntos de datos de desarrollo y validación. DXA, absorciometría de rayos X de energía dual.

Se han propuesto numerosas ecuaciones basadas en la antropometría como alternativas al IMC para estimar mejor el porcentaje de grasa corporal 17 - 25 . Algunas
ecuaciones publicadas requieren más de 10 medidas antropométricas diferentes 19 , otros requieren hasta cuatro medidas diferentes de pliegues cutáneos 21 ; algunas
son ecuaciones relativamente complejas con numerosos términos 20 , 25 . Por tanto, un problema común entre las ecuaciones existentes es la falta de
simplicidad, que muestra un potencial limitado para su uso en la práctica clínica habitual o en la salud pública.

En el presente estudio, exploramos sistemáticamente más de 350 índices antropométricos con el objetivo de identificar una ecuación lineal
antropométrica simple que sea más precisa que el IMC como una herramienta alternativa potencial con fines clínicos y epidemiológicos para estimar el
porcentaje de grasa corporal total entre mujeres y hombres adultos. individuos. El segundo objetivo del estudio fue evaluar su utilidad clínica.

Resultados
Población de estudio. Para el análisis, incluimos datos de personas adultas de 20 años de edad o más que participaron en la Encuesta Nacional de Examen
de Salud y Nutrición (NHANES) 1999-2006. Los datos de NHANES 1999-2004 (n = 12.581) se utilizaron para el desarrollo del modelo y los datos de NHANES
2005-2006 (n = 3.456) se utilizaron para la validación del modelo. La selección de participantes para los conjuntos de datos de desarrollo y validación se muestra
en la Fig. 1 . Las características de los participantes estudiados se describen en la tabla 1 . Los valores medios del porcentaje de grasa corporal total medidos por
absorciometría de rayos X de energía dual (DXA) en los conjuntos de datos de desarrollo y validación fueron 39,9% y 39,4% en mujeres, y 28,0% y 27,8% en
hombres, respectivamente. Las frecuencias de los datos imputados de forma múltiple por DX en los conjuntos de datos de desarrollo y validación se describen
en las Tablas complementarias 1 y 2, respectivamente.

Desarrollo, desempeño y selección de modelos. La Tabla complementaria 3 muestra la matriz de correlación entre las antropometrías comúnmente
utilizadas, incluidos el peso corporal, la altura, el IMC, los pliegues cutáneos subescapulares y tríceps, la longitud de los brazos y las piernas, y las circunferencias de
la cintura, la pantorrilla, el brazo y el muslo. Dado que la longitud de los brazos y las piernas mostró una mala correlación con el porcentaje de grasa corporal, se
excluyeron de un análisis adicional. En total, se generaron empíricamente 365 índices antropométricos y se probó su correlación con el porcentaje de grasa corporal
(consulte la Tabla complementaria 4 para obtener una lista completa de todos los índices generados).

Las ecuaciones se derivaron mediante regresión lineal. Nuestros modelos de regresión seleccionados incluyeron aquellos basados en los índices más
simples con la mayor correlación con el porcentaje de grasa corporal entre mujeres y hombres. Entre los 365 índices generados, la altura 3 / ( cintura × peso)
mostró la mayor correlación con el porcentaje de grasa corporal total entre las mujeres (r = - 0,81; P <0,001). ( √ La ecuación altura) / cintura mostró la mayor
correlación con el porcentaje de grasa corporal total entre los hombres (r = - 0,85; P <0,001). Altura 3 / ( cintura × peso) mostró una correlación ligeramente más
fuerte que el simple 1 / IMC (r = - 0,79; P <0,001) entre las mujeres. Entre hombres, ( √ altura) / cintura mostró una correlación ligeramente más fuerte que el
índice más simple altura / cintura (r = - 0,84; P <0,001). Altura 2 / ( cintura × √ peso) mostraron altas correlaciones tanto entre mujeres como entre hombres. Por
lo tanto, finalmente seleccionamos los cinco índices antes mencionados para evaluar el desempeño del modelo.

Dado que la altura / cintura es el recíproco de la relación cintura / altura ampliamente utilizada, también examinamos la
capacidad de predicción del índice cintura / altura. La altura / cintura predijo mejor el porcentaje de grasa corporal total y mostró
un error cuadrático medio (RMSE) menor que la cintura / altura entre hombres y mujeres, y entre grupos étnicos (Tabla
complementaria 5) y categorías de edad (Tabla complementaria 6). Por lo tanto, descartamos cintura / altura de un análisis más
detallado. La Fig. 1 complementaria muestra una relación lineal mejorada entre el porcentaje de grasa corporal total y la altura /
cintura por sexo y etnia. Todos los modelos seleccionados mostraron una predicción más baja del porcentaje de grasa corporal
en las personas mayores (Tabla complementaria 6). Encontramos una disminución progresiva del peso corporal, la altura y la
masa libre de grasa después de los 50 años,

Por razones prácticas, los análisis de rendimiento de todos los modelos seleccionados presentados aquí se probaron utilizando su expresión redondeada y más
simple (los detalles se proporcionan en el material complementario). Las ecuaciones en bruto se muestran en la Tabla complementaria 7. Los coeficientes de
concordancia entre el porcentaje de grasa corporal total medido con DXA y los modelos seleccionados finales se muestran en la Tabla complementaria 8.

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 2

www.nature.com/scientificreports/

NHANES 1999–2004 NHANES 2005–2006

(Conjunto de datos de desarrollo) (Conjunto de datos de validación) Valor p

Mujer Hombres Mujer Hombres Para mujeres Para los hombres

N = 6.261 N = 6.320 N = 1.700 N = 1.756

(51%) (49%) (50,3%) (49,7%)

Edad, año 47,2 ± 0,3 45,0 ± 0,3 43.3 ± 0.4 42,1 ± 0,6 < 0,001 < 0,001

Etnicidad 0,23 0,54

Mejicano americano, % 6.4 ± 0,9 8.0 ± 0,9 7.3 ± 0,9 9.5 ± 1.3

Europeo-americano,% 71,7 ± 1.8 72,2 ± 1,6 69,7 ± 3.1 71,2 ± 2.8

Afroamericano, % 11,3 ± 1.1 9,9 ± 0,9 12,4 ± 2.2 10,8 ± 1,7

Categoría de edad < 0,001 < 0,001

20 a 39 años,% 40 a 36,6 ± 1.0 41,3 ± 1.0 39,7 ± 1.3 44,1 ± 1,9

59 años,% 39,1 ± 0,9 39,1 ± 0,7 46,9 ± 1.4 43,9 ± 1.4

≥ 60 años de edad, % 24,2 ± 0,7 19,7 ± 0,6 13,4 ± 1.1 12,1 ± 1.3

Categoría de IMC 0,10 0,02

< 18,5% 2.5 ± 0,3 1.2 ± 0,2 2.2 ± 0,5 1.2 ± 0,3

18,5-24,9,% 35,8 ± 1.1 30,0 ± 0,7 36,6 ± 1,9 25,4 ± 1.8

25–29,9% 28,8 ± 0,9 40,9 ± 0,8 24,8 ± 1.2 39,6 ± 1.4

≥ 30,% 32,9 ± 1.0 28,0 ± 0,7 36,4 ± 1,7 33,8 ± 2.3

Antropometría

Peso corporal, kg 74,1 ± 0.4 86,8 ± 0,3 75,8 ± 0,9 89,5 ± 0,9 0,08 0,005

Altura (cm 162,2 ± 0,1 176,2 ± 0,1 162,6 ± 0,2 176,6 ± 0,2 0,05 0,08

IMC, kg / m 2 28,2 ± 0,1 27,9 ± 0,1 28,7 ± 0,3 28,6 ± 0,3 0,17 0,01

Circunferencia de la cintura, cm 93,1 ± 0.4 99,5 ± 0,3 93,9 ± 0,8 100,8 ± 0,8 0,37 0,12

Masa de grasa corporal total, kg Masa libre 30,8 ± 0,3 25,3 ± 0,2 31,2 ± 0,6 26,0 ± 0,5 0.47 0,23

de grasa corporal total, kg Porcentaje de 41,9 ± 0,2 59,5 ± 0,2 43,1 ± 0,3 61,6 ± 0.4 0,002 < 0,001

grasa corporal total 39,9 ± 0,2 28,0 ± 0,1 39,4 ± 0,3 27,8 ± 0,3 0,17 0.48

Porcentaje de grasa del tronco 38,2 ± 0,2 29,1 ± 0,1 37,5 ± 0,3 28,8 ± 0.4 0,13 0,38

Tabla 1. Características de los adultos ( ≥ 20 años) incluidos en el estudio *. * Los valores representan estimaciones medias ponderadas agrupadas (o
porcentajes, como se indica) ± errores estándar. Es posible que los porcentajes no sumen 100 debido al redondeo. IMC, índice de masa corporal (peso en
kilogramos dividido por el cuadrado de la altura en metros). Los valores de p se calcularon mediante la prueba de Wald.

Todos los modelos seleccionados mostraron mayor precisión que el IMC entre las mujeres, mientras que la precisión se mejoró solo en modelos basados
en tres antropometría y 1 / BMI (Tabla complementaria 9). Entre los hombres, la ecuación altura / cintura mostró la mayor precisión y también fue superior al IMC.
Los modelos basados en tres antropometrías pero no en 1 / IMC también fueron más precisos que el IMC. Todos los modelos, pero no 1 / IMC, fueron más
precisos que el IMC entre los hombres (Tabla complementaria 9).

La ecuación altura / cintura, denominada como la masa grasa relativa (RFM), fue el modelo final seleccionado debido a su simplicidad (solo requiere dos
antropometrías comunes), fue superior al IMC en la predicción del porcentaje de grasa corporal entre los hombres, tuvo resultados similares predecir la capacidad
relativa al IMC entre las mujeres y tuvo un rendimiento general mejor que el IMC entre mujeres y hombres, de forma independiente.

Las ecuaciones finales son las siguientes:

Ecuación para mujeres: 76 - ( 20 × ( altura / cintura)) Ecuación para (1)

hombres: 64 - ( 20 × ( altura / cintura)) (2)

RFM: 64 - ( 20 × ( altura / cintura)) + (12 × sexo) (3)

En ecuaciones ( 1 - 3 ), la altura y la cintura (circunferencia) se expresan en metros. En (3), sexo = 0 para hombre y 1 para
hembra. Los coeficientes de las ecuaciones ( 1 ) y ( 2 ) se redondearon con fines prácticos. La Fig. 3 complementaria
muestra una buena concordancia entre RFM y DXA.
Aunque encontramos una interacción significativa entre la edad y la RFM entre las mujeres (P <0,001), ese no fue el caso entre los hombres (P
= 0,088). Sin embargo, la inclusión de la edad en el modelo final no mejoró R 2 entre las mujeres (modelo RFM: R 2 = 0,66; Modelo RFM y AGE: R 2 = 0,66)
o entre hombres (modelo RFM: R 2 = 0,75; Modelo RFM y AGE: R 2 = 0,75). Asimismo, la inclusión de la etnia en el modelo final no aumentó
sustancialmente R 2 entre los hombres (modelo RFM y etnia: R 2 = 0,76). Entre las mujeres, la inclusión de la etnia en el modelo no mejoró la predicción
de la grasa corporal (R 2 = 0,66). Por lo tanto, la edad y la etnia no se incluyeron en nuestro modelo final seleccionado.

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 3

www.nature.com/scientificreports/

Figura 2. Predicción del porcentaje de grasa corporal total mediante regresión lineal RFMusing en NHANES 2005-2006 (conjunto de datos de validación).
RFM, masa grasa relativa, que se basa en la altura / cintura. R 2, coeficiente de determinación; RMSE, error cuadrático medio. Los gráficos de datos
corresponden a la imputación 1 de DXA.

Validación y rendimiento del modelo. En el conjunto de datos de validación, en comparación con el IMC, la RFM tuvo una relación más lineal con el
porcentaje de grasa corporal total de DXA entre las mujeres (coeficiente de determinación ajustado, R 2: 0,69; IC del 95%, 0,67 a 0,72; frente a 0,65; IC del 95%,
0,63-0,67) y hombres (R 2: 0,75; IC del 95%, 0,72-0,77 frente a 0,61; 95%
CI, 0,59-0,63) (Fig. 2 y Cuadro complementario 10). La RFM tuvo menos sesgo que el IMC entre las mujeres (0,9%; 95%
IC, 0,6% a 1,1% vs. - 10,9%; IC del 95%, - 11,2% a - 10,5%) y un sesgo bajo similar entre los hombres (RFM: 0,5%; IMC: 0,7%) (Tabla 2 ). Entre las
mujeres, la RFM mostró una mayor precisión que el IMC (91,5% frente a 21,6%; P <0,001). La RFM también fue más precisa que el IMC (4,9%; IC del
95%, 4,6–5,2% frente al 5,8%; IC del 95%, 5,5–6,2%). Entre los hombres, el RFM mostró una mayor precisión que el IMC (88,9% frente al 81,9%; P
<0,001) y mejor precisión (RFM: 4,2%; 95%
IC, 3,9-4,6% frente a IMC: 5,1%; IC del 95%, 4,9–5,4%) (Tabla 2 y complementaria Fig.4). Entre las mujeres, el RFM fue más preciso que el IMC en todos los
grupos étnicos (P <0,001 para todas las comparaciones). Entre los hombres, la RFM también fue más precisa entre los estadounidenses de origen europeo (P
<0,001) y los afroamericanos (P <0,001) (Tabla 2 ). La RFM también mostró un mejor rendimiento que el IMC en todas las categorías de edad (Fig. 5
complementaria) y en los quintiles de grasa corporal (Fig. 6 complementaria). Entre los hombres, RFM también mostró un mejor rendimiento que CUN-BAE
(estimador de adiposidad corporal de la Clínica Universidad de Navarra), las ecuaciones de Gallagher, Deurenberg y Kagawa, incluso entre grupos étnicos.
Entre las mujeres, RFM fue superior a las ecuaciones de Deurenberg y Kagawa (Tabla 2 ).

La validación interna con bootstrapping confirmó que el RFM fue un mejor predictor del porcentaje de grasa corporal que el IMC entre mujeres y hombres
(Tabla complementaria 11). La capacidad de predicción de RFM disminuyó con la edad (Tabla complementaria 12). El RFM era más exacto y más preciso que el
IMC (Tabla complementaria 13) y tenía una precisión superior que el IMC en todas las categorías de edad (Fig. Complementaria 7 y Tabla complementaria 14) y
rangos de grasa corporal; sin embargo, la precisión fue menor en los individuos más delgados (Fig. 8 complementaria).

La RFM fue un mejor predictor del porcentaje de grasa del tronco que del porcentaje de grasa corporal total o de la masa grasa corporal total (Tabla
complementaria 15).

Clasificación errónea de la obesidad. Para comparar las tasas de clasificación errónea de obesidad entre el IMC y nuestro modelo final, definimos
arbitrariamente la obesidad como el porcentaje de grasa corporal medido por DXA ≥ 33,9% para mujeres y ≥ 22,8% para los hombres, sobre la base de los puntos de
corte correspondientes entre el primer y segundo quintiles para cada sexo. Estos puntos de corte se calcularon utilizando conjuntos de datos combinados (NHANES
1999-2006). En el conjunto de datos de validación, cuando se usa la misma DXA

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 4

www.nature.com/scientificreports/

Todas Mejicano americano Europeo-americano Afroamericano

Mujeres (n = 1.700)

Sesgo (IC del 95%)

IMC - 10,9 ( - 11,2 hasta - 10,5) - 11,0 ( - 11,5 hasta - 10,5) - 11,0 ( - 11,3 hasta - 10,6) - 9,3 ( - 10.0 hasta - 8.6)

RFM † 0,9 (0,6 a 1,1) 1,5 (1,1 a 2,0) 0,6 (0,4 a 0,9) 1,5 (0,6 a 2,3)

Ecuación CUN-BAE ‡ - 0,2 ( - 0,5 hasta 0,1) - 0,4 (–1,4 a 0,7) - 0,4 ( - 0,7 hasta 0,0) 1,6 (0,9 a 2,4)

Ecuación de Gallagher § - 2,8 ( - 3,1 hasta - 2.6) - 2,9 ( - 3.9 hasta - 2.0) - 2,9 ( - 3,1 hasta - 2.6) - 1,4 ( - 2,2 hasta - 0,6)

Ecuación de Deurenberg ¶ - 2,3 ( - 2,7 hasta - 2.0) - 2,9 ( - 3,8 hasta - 2.1) - 2,3 ( - 2,7 hasta - 1.8) - 0,3 ( - 1,2 hasta 0,6)

Ecuación de Kagawa # 1,9 (1,5 a 2,4) 3,6 (2,7 a 4,5) 1,6 (1,2 a 2,0) 3.9 (3.0 a 4.8)

Precisión (95% CI)

IMC 21,6 (18,9 a 24,4) 17,8 (13,4 a 22,2) 20,4 (17,5 a 23,3) 36,3 (30,8 a 41,8)

RFM 91,5 (89,9 a 93,0) 91,7 (88,2 a 95,3) 92,1 (90,1 a 94,2) 89,4 (86,2 a 92,5)

Ecuación CUN-BAE 92,0 (90,3 a 93,7) 91,0 (86,7 a 95,2) 93,0 (90,9 a 95,2) 92,1 (88,4 a 95,9)

Ecuación de Gallagher 88,4 (86,1 a 90,8) 87,5 (82,5 a 92,4) 88,9 (85,7 a 92,1) 91,8 (88,2 a 95,4

Ecuación de Deurenberg 79,0 (76,9 a 81,1) 76,5 (69,3 a 83,6) 80,4 (77,8 a 83,0) 79,8 (75,7 a 83,8)

Ecuación de Kagawa 82,8 (80,9 a 84,8) 76,1 (69,7 a 82,6) 84,8 (82,5 a 87,1) 75,1 (70,7 a 79,5)

Precisión (95% CI)

IMC 5,8 (5,5 a 6,2) 4,7 (4,0 a 5,4) 5,7 (5,3 a 6,1) 5,7 (5,1 a 6,2)

RFM 4,9 (4,6 a 5,2) 4,6 (4,0 a 5,3) 4.9 (4.5 a 5.2) 5,3 (4,7 a 5,9)

Ecuación CUN-BAE 6,0 (5,7 a 6,3) 6,0 (5,4 a 6,5) 5,9 (5,5 a 6,3) 5,6 (4,8 a 6,5)

Ecuación de Gallagher 5,2 (4,9 a 5,5) 5,0 (4,4 a 5,7) 5,1 (4,7 a 5,5) 5,1 (4,5 a 5,7)

Ecuación de Deurenberg 7.5 (7.1 hasta 8.0) 7,5 (6,6 a 8,5) 7,3 (6,6 a 7,9) 8,3 (7,5 a 9,1)

Ecuación de Kagawa 7,3 (6,9 a 7,7) 7.2 (6.2 a 8.2) 7,2 (6,8 a 7,7) 7,7 (6,8 a 8,6)

Hombres (n = 1.756)

Sesgo (IC del 95%)

IMC 0,7 (0,5 a 0,9) 0,6 (0,1 a 1,0) 0,5 (0,3 a 0,8) 2,8 (2,1 a 3,5)

RFM 0,5 (0,3 a 0,8) 1,0 (0,5 a 1,5) 0,5 (0,2 a 0,7) 0,9 (0,3 a 1,4)

Ecuación CUN-BAE - 0,1 ( - 0,4 a 0,2) - 0,9 ( - 1,4 hasta - 0,33) - 0,24 ( - 0,7 hasta 0,2) 2,0 (1,3 a 2,7)

Ecuación de Gallagher - 3,7 ( - 3,8 hasta - 3,5) - 4,4 ( - 4.8 hasta - 4.1) - 3,7 ( - 3.9 hasta - 3,5) - 1,7 ( - 2,3 hasta - 1.1)

Ecuación de Deurenberg - 1,9 ( - 2,3 hasta - 1.6) - 3,7 ( - 4.2 hasta - 3.1) - 1,9 ( - 2,4 hasta - 1.4) - 0,3 ( - 1,3 a 0,8)
Ecuación de Kagawa 2,3 (2,0 a 2,6) 3,1 (2,9 a 3,3) 2,1 (1,8 a 2,5) 2,3 (1,5 a 3,2)

Precisión (95% CI)

IMC 81,9 (79,6 a 84,3) 88,9 (87,0 a 90,7) 82,6 (79,7 a 85,4) 67,1 (57,8 a 76,5)

RFM 88,9 (86,8 a 91,1) 91,3 (88,9 a 93,7) 88,7 (86,0 a 91,3) 86,7 (81,3 a 92,1)

Ecuación CUN-BAE 79,1 (76,6 a 81,7) 83,3 (78,6 a 88,1) 79,7 (76,9 a 82,6) 70,0 (61,1 a 78,8)

Ecuación de Gallagher 71,0 (68,4 a 73,7) 64,6 (58,5 a 70,6) 71,2 (67,7 a 74,7) 80,4 (76,8 a 84,0)

Ecuación de Deurenberg 69,4 (66,8 a 72,0) 64,4 (58,8 a 69,9) 69,8 (66,4 a 73,2) 71,9 (67,2 a 76,5)

Ecuación de Kagawa 76,1 (73,4 a 78,8) 74,8 (69,0 a 80,5) 76,3 (73,4 a 79,3) 71,5 (64,6 a 78,3)

Precisión (95% CI)

IMC 5,1 (4,9 a 5,4) 4.1 (3.6 a 4.7) 5,2 (4,8 a 5,6) 5.2 (4.5 a 5.8)

RFM 4,2 (3,9 a 4,6) 3.8 (3.3 a 4.3) 4,4 (4,0 a 4,8) 3.9 (3.5 a 4.3)

Ecuación CUN-BAE 5,7 (5,3 a 6,2) 5.3 (4.6 a 5.9) 5,8 (5,2 a 6,3) 5,7 (5,1 a 6,4)

Ecuación de Gallagher 5,0 (4,4 a 5,5) 4,3 (3,8 a 4,8) 5,0 (4,4 a 5,6) 4,9 (4,3 a 5,5)

Ecuación de Deurenberg 6.2 (5.8 a 6.6) 5,6 (4,7 a 6,5) 6,1 (5,5 a 6,8) 5,7 (5,0 a 6,5)

Ecuación de Kagawa 5,0 (4,6 a 5,4) 4.1 (3.5 a 4.7) 5,1 (4,7 a 5,5) 5,3 (4,7 a 5,8)

Tabla 2. Comparación del rendimiento entre la RFM y las ecuaciones publicadas basadas en el IMC o la relación cintura-altura para la predicción del
porcentaje de grasa corporal entre los participantes adultos (n = 3.456) en el conjunto de datos de validación (NHANES 2005-2006) *. * Los valores
representan estimaciones ponderadas con intervalos de confianza del 95% (95%
CI) de datos imputados DXA. El rendimiento del modelo se evaluó de la siguiente manera: El sesgo se calculó como la diferencia media
entre el porcentaje de grasa corporal estimado y medido. La precisión se calculó como la proporción de casos con una diferencia <20%
entre el porcentaje de grasa corporal estimado y medido. La precisión se calculó como el intervalo de confianza del rango intercuartílico de
la diferencia entre el porcentaje de grasa corporal estimado y medido. † Ecuación de RFM: 64 - ( 20 × altura / cintura) + (12 × sexo). ‡ Ecuación
CUN-BAE: - 44.988+ (0.503 × edad) + (10.689 × sexo) + (3.172 × IMC) - ( 0,026 × IMC 2) + ( 0,181 × IMC ×

sexo) - ( 0,02 × IMC × años) - ( 0,005 × IMC 2 × sexo) + (0.0002 × IMC 2 × años). § Ecuación de Gallagher: 64,5 -
(848 × ( 1 / IMC)) + (0.079 × años) - ( 16,4 × sexo) + (0.05 × sexo × edad) + (39,0 × sexo × ( 1 / IMC)). ¶ Ecuación de Deurenberg: - ( 11,4 × sexo) + (0,20 × edad) +
(1.294 × IMC) - 8. # Ecuación de Kagawa: - 8.339+ (92.701 × Altura de la cintura) - ( 0,078 × años) - ( 11.062 × sexo). Para las ecuaciones RFM y CUN-BAE,
sexo = 0 para hombres y 1 para mujeres. Para las ecuaciones de Gallagher, Deurenberg y Kagawa, sexo = 1 para hombre y 0 para mujer. Para las
ecuaciones de CUN-BAE, Gallagher, Deurenberg y Kagawa, edad en años. Para las ecuaciones de RFM y Kagawa, la altura y la cintura (circunferencia)
en metros. IMC, índice de masa corporal (peso corporal en kilogramos dividido por la altura al cuadrado en metros); CUN-BAE, Clínica Universidad de
Navarra-estimador de adiposidad corporal; RFM, masa grasa relativa.

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 5

www.nature.com/scientificreports/

DXA negativo DXA positivo Total DXA-negativo Total DXA positivo

Mujer

IMC negativo 622 1.960 2.582 RFM-Negativo 362 110 472

IMC positivo 0 818 818 RFM-Positivo 260 2,668 2,928

Total 622 2,778 3.400 Total 622 2,778 3.400

Hombres

IMC negativo 366 70 436 RFM-Negativo 468 74 542

IMC positivo 386 2,690 3,076 RFM-Positivo 284 2.686 2,970

Total 752 2,760 3,512 Total 752 2,760 3,512

Tabla 3. Casos positivos y negativos de obesidad * diagnosticada por DXA identificados mediante el IMC o RFM entre los participantes adultos (n = 3.456) en el
conjunto de datos de validación (NHANES 2005-2006). * La obesidad se definió como un porcentaje de grasa corporal DXA ≥ 33,9% para mujeres y ≥ 22,8% para
los hombres sobre la base de los puntos de corte entre el primer y segundo quintiles para cada sexo. DXA, absorciometría de rayos X de energía dual.

puntos de corte para el diagnóstico de obesidad ( ≥ 33,9% para mujeres y ≥ 22,8% para los hombres), la RFM tuvo una mayor sensibilidad que el IMC. Mesa 3 muestra
casos totales positivos y negativos de obesidad identificados mediante el IMC o RFM. La RFM dio lugar a menos falsos negativos entre las mujeres (5,0%; IC del
95%, 3,1-6,8% frente al 72,0%; IC del 95%, 67,3-76,6%; P <0,001) y los hombres (3,8%; IC del 95%, 1,8– 5,8% frente a 4,1%; IC del 95%, 2,1-6,1%; P <0,001).
Hubo menos falsos positivos con RFM entre los hombres (32,3%; IC del 95%, 25,8-38,8% frente al 49,7%; IC del 95%, 44,2-55,3%; P <0,001) pero más falsos
positivos entre las mujeres (41,0%; 95% % IC, 32,2-49,9% frente a 0%; P <0,001).

La obesidad total de clasificación errónea también fue menor con RFM que con IMC entre todas las mujeres (12,7% frente a 56,5%; P <0,001) y todos los
hombres (9,4% frente a 13,0%; P <0,001) (Fig. 3 ), y entre todos los mexicoamericanos (8,2% frente a 35,4%; P <0,001), todos los europeos-americanos (11,3% frente
a 35,2%; P <0,001) y todos los afroamericanos (9,9% frente a 37,2%; P <0,001).
En el conjunto de datos de validación interna, en comparación con el IMC, la clasificación errónea total de obesidad fue menor con la RFM entre las mujeres
(P <0,001) y los hombres (P <0,001), entre todos los mexicano-americanos, todos los europeos-americanos y todos los afroamericanos (P <0,001) para los tres
grupos étnicos) y en todas las categorías de edad (P <0,001 para todas las comparaciones). Aunque encontramos una tasa de clasificación errónea total más baja
con RFM entre otras etnias (asiáticos no hispanos, nativos americanos y aquellos que autoinformaron etnias múltiples) (RFM: 12,9%, IMC: 41,9%; P <0,001), estos
hallazgos deberían ser interpretado con cautela, ya que NHANES 1999–2006 no sobremuestreó para obtener estimaciones confiables sobre estos grupos étnicos
minoritarios estadounidenses.

Precisión diagnóstica de obesidad y diabetes. En el conjunto de datos de validación, en comparación con el IMC, la RFM mostró una mejor precisión
diagnóstica para la obesidad definida por la grasa corporal entre los hombres (área bajo la curva [AUC]: 0,94 vs.
0,91; P <0,001) y una precisión diagnóstica similar entre las mujeres (AUC: 0,929 frente a 0,933; P = 0,52). El RFM también fue mejor que el IMC en la identificación
de casos de diabetes entre mujeres (AUC: 0,79 frente a 0,73; P = 0,002) y hombres (AUC: 0,80 frente a 0,76; P = 0,001).

El análisis de sensibilidad de los conjuntos de datos combinados mostró que la RFM tenía una mejor precisión diagnóstica que el IMC para el alto porcentaje de
grasa corporal entre los hombres (P <0,001) independientemente del punto de corte de la DXA utilizado para definir la obesidad (Fig. 9 complementaria). El RFM
también mostró una mejora significativa sobre el IMC y las ecuaciones de Gallagher, CUN-BAE y Deurenberg entre los hombres (Tabla complementaria 16).

El RFM fue superior al porcentaje de grasa del tronco medido por DXA en la discriminación de diabetes entre mujeres (P <0,001) pero no entre
hombres (P = 0,548) (Fig. 10 complementaria).

Discusión
En el presente estudio, identificamos la masa grasa relativa (RFM), que es una ecuación lineal simple basada en la relación altura-cintura, como una
herramienta alternativa potencial para estimar el porcentaje de grasa corporal total en mujeres y hombres de 20 años. y mas viejo. Nuestros análisis se
realizaron utilizando muestras representativas a nivel nacional de la población adulta de EE. UU. Lo que nos permitió evaluar el desempeño de
RFMamongMexican-Americans, European Americans y African-Americans.

En el conjunto de datos de validación, el rendimiento de RFM para estimar el porcentaje de grasa corporal medido por DXA fue en general más
consistente que el del IMC entre mujeres y hombres, entre grupos étnicos, adultos jóvenes, de mediana edad y mayores, y entre quintiles de porcentaje
de grasa corporal , aunque la precisión de la RFM fue menor entre las personas con menor grasa corporal. RFM también mostró un mejor rendimiento
general (exactitud y precisión) que las ecuaciones de CUN-BAE, Gallagher, Deurenberg y Kagawa para estimar el porcentaje de grasa corporal total entre
mujeres y hombres.

La selección de nuestro modelo final merece algún comentario. El objetivo principal del presente estudio fue identificar una ecuación
antropométrica simple, que potencialmente podría usarse con fines clínicos y epidemiológicos, como una alternativa al IMC para evaluar mejor la grasa
corporal en individuos adultos. No se intentó generar ecuaciones no lineales o ecuaciones lineales complejas basadas en un gran número de
antropometría. Estudios anteriores han abordado este punto 19 , 22 . Aunque nuestros modelos seleccionados basados en tres antropometrías mostraron
el R-cuadrado ajustado más alto que los basados en dos antropometrías entre mujeres, creemos que es poco probable que representen una
alternativa práctica al IMC. Aunque las ecuaciones basadas en 1 / IMC y altura / cintura mostraron un buen valor de predicción entre mujeres y
hombres, respectivamente, un índice diferente para cada sexo también resultaría en una baja practicidad en comparación con el IMC. Por lo tanto,
finalmente seleccionamos la ecuación altura / cintura (RFM) porque era

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 6

www.nature.com/scientificreports/

Figura 3. Error de clasificación errónea total de obesidad en NHANES 2005-2006. Las barras muestran una comparación de la clasificación errónea total de la
obesidad diagnosticada por DXA-porcentaje de grasa corporal total ( ≥ 33,9% para mujeres y ≥ 22,8% para los hombres, basado en los puntos de corte
correspondientes entre el primer y segundo quintiles para cada sexo) cuando se usa RFM e IMC con los mismos puntos de corte de DXA y un IMC de 30. Las barras
de error son errores estándar.

la ecuación más simple entre todos los modelos seleccionados que estimó mejor el porcentaje de grasa corporal total que el IMC entre mujeres y hombres,
de forma independiente. Aunque la relación cintura-talla se utiliza ampliamente en epidemiología como predictor de factores de riesgo cardiovascular 26 , 27 , Nuestros
resultados del conjunto de datos de desarrollo mostraron una mejor relación lineal entre el porcentaje de grasa corporal total y la relación altura-cintura (la
base de la RFM) versus la relación cintura-altura entre mujeres, hombres, a través de grupos étnicos y categorías de edad ( Tablas complementarias 5 y 6).
Cabe señalar que, a los efectos de la estimación de la grasa corporal, la relación cintura-altura útil no es un sustituto intuitivo del porcentaje de grasa corporal
total.

En nuestro conjunto de datos de validación, encontramos una alta tasa de casos falsos negativos (baja sensibilidad) de obesidad definida por la grasa corporal
cuando se usa el IMC en los puntos de corte elegidos arbitrariamente, tanto entre mujeres como entre hombres. Estos hallazgos son consistentes con los de estudios
previos, independientemente de los puntos de corte de grasa corporal de DXA utilizados para definir la obesidad. 9 , 28 , 29 . Un RFM ≥ 33,9 para mujeres y ≥ 22,8 para los
hombres mostraron una alta sensibilidad para identificar individuos con obesidad, 95,0% y 96,2%, respectivamente. Asimismo, utilizando los mismos puntos de corte,
la RFM tuvo tasas más bajas de clasificación errónea total de obesidad que el IMC entre todas las mujeres y todos los hombres y entre los mexicano-estadounidenses
(8.2%), europeos-estadounidenses (11.3%) y afroamericanos (~ 9.9%) , lo que indica una tasa constante y relativamente baja de clasificación errónea de obesidad con
RFM en estos grupos étnicos.

Las tasas más bajas de clasificación errónea de obesidad con RFM en comparación con el IMC (entre mujeres: ~ 13% frente a ~ 57%, respectivamente; entre
hombres: ~ 9% frente a ~ 13%), respaldan la utilidad clínica de la RFM para identificar a las personas con porcentaje de grasa corporal, una condición que se ha
asociado con una mayor mortalidad 1 - 3 . En general, nuestros datos muestran que las tasas más bajas de clasificación errónea total de obesidad con RFM se deben en
gran parte a la mayor sensibilidad (menos falsos negativos) de RFM para la obesidad definida por grasa corporal entre mujeres y hombres, lo que respalda el
potencial de RFM como herramienta de detección para obesidad. Evidencia convincente indica que la intervención en el estilo de vida en personas adultas con
sobrepeso u obesidad puede reducir la morbilidad y la mortalidad por todas las causas 29 , 30 . Así, un aspecto importante será evaluar si la intervención temprana en el
estilo de vida en individuos con alto porcentaje de grasa corporal evaluada por RFM podría ofrecer beneficios clínicos para reducir la morbilidad y la mortalidad a
corto y largo plazo.

Una limitación de estudios previos que proponen la predicción de ecuaciones del porcentaje de grasa corporal es la falta de información sobre la precisión
diagnóstica de la grasa corporal alta. 19 , 20 , 25 . En el presente estudio, RFM mostró una mejor precisión diagnóstica para la obesidad definida por la grasa corporal
entre los hombres en comparación con el IMC y las ecuaciones CUN-BAE, Gallagher y Deurenberg. Entre las mujeres, la RFM tuvo una precisión diagnóstica
similar para la obesidad que el IMC y las ecuaciones CUN-BAE, Gallagher, Deurenberg y Kagawa. Por lo tanto, uno de los beneficios de usar RFM sobre BMI
es su precisión diagnóstica relativamente alta para la obesidad en ambos sexos (AUC ≥ 0,93). Una ventaja adicional de RFM sobre

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 7

www.nature.com/scientificreports/

El IMC fue su precisión diagnóstica superior para la diabetes, un factor de riesgo cardiovascular bien establecido 31 . RFM también mostró una precisión diagnóstica
superior para la diabetes en relación con las ecuaciones de CUN-BAE y Gallagher entre las mujeres. Nuestros hallazgos son consistentes con los metanálisis de
numerosos estudios transversales, que concluyen que la relación cintura-altura es superior al IMC para identificar los factores de riesgo cardiovascular, incluida la
diabetes. 26 , 27 .
La medición de la circunferencia de la cintura no está estandarizada y está sujeta a variabilidad. Sin embargo, el error de medición debido a la
colocación anatómica de la cinta métrica parece tener poco efecto sobre la asociación entre la circunferencia de la cintura y los factores de riesgo
cardiovascular, incluida la diabetes. 32 . Además, la reproducibilidad entre mediciones es muy alta 33 . Sin embargo, si las mediciones de la circunferencia de la
cintura se convierten en parte de la evaluación clínica de rutina, debe implementarse con las herramientas adecuadas y la capacitación profesional.

El presente estudio tiene algunas limitaciones. (1) Usamos DXA como método de referencia. En comparación con el método de cuatro compartimentos, la
DXA subestima el porcentaje de grasa en los rangos más bajos y en los hombres, y sobreestima el porcentaje de grasa en los rangos más altos y en las mujeres 34 , 35
. Por lo tanto, el rendimiento de RFM podría ser ligeramente superior o inferior a las estimaciones reales dependiendo de la masa grasa relativa y el sexo. (2) El
análisis de datos de NHANES por origen étnico se limitó a individuos adultos mexicano-estadounidenses, europeos-estadounidenses y afroamericanos. Por tanto,
nuestros resultados no se pueden extrapolar a otros grupos étnicos. Se requerirán estudios futuros para evaluar el desempeño de la RFM en otras etnias (por
ejemplo, poblaciones asiáticas y nativas americanas), así como en niños, atletas y en individuos con enfermedades específicas. (3) Nuestro estudio fue transversal
y utilizó una medición de un solo punto de cada antropometría. Por tanto, nuestro estudio no fue diseñado para proponer puntos de corte de RFM para el
diagnóstico de obesidad. Definimos la obesidad utilizando puntos de corte arbitrarios del porcentaje de grasa corporal medido por DXA para comparar la
clasificación errónea de la obesidad por RFM e IMC. El análisis de sensibilidad mostró que la RFM tenía una mejor precisión diagnóstica para la obesidad que el
IMC entre los hombres, independientemente del punto de corte utilizado para definir la obesidad. (4) La validación de RFM se limitó a una muestra representativa
a nivel nacional de la población de EE. UU. Se justifica la validación externa del rendimiento de RFM y la clasificación errónea de la obesidad con RFM en
poblaciones de otros países.

Nuestros hallazgos mostraron que la ecuación RFM, que se basa en la altura / cintura, tuvo un desempeño superior (exactitud y precisión) al IMC y las
ecuaciones CUN-BAE, Gallagher, Deurenberg y Kagawa para estimar el porcentaje de grasa corporal total en mujeres y hombres. En general, la
clasificación errónea total de la obesidad definida por la grasa corporal con la RFM fue menor que con el IMC entre mujeres y hombres, en todos los grupos
étnicos, incluidos los mexicano-estadounidenses, europeos-estadounidenses y afroamericanos. Concluimos que, en la población estudiada, la RFM fue
más precisa que el IMC para estimar el porcentaje de grasa corporal total entre mujeres y hombres y mejoró la clasificación errónea de la obesidad definida
por la grasa corporal entre los adultos estadounidenses de origen mexicano, europeo o africano.

Métodos
Población de estudio. NHANES es un programa diseñado para estudiar el estado de salud y nutrición de la población no institucionalizada de Estados
Unidos. NHANES se lleva a cabo anualmente y se publica en ciclos de dos años utilizando una muestra representativa a nivel nacional en todo el país,
seleccionada mediante un diseño de muestreo probabilístico de varias etapas. NHANES 1999–2004 y NHANES 2005–2006 sobremuestrearon
poblaciones mexicano-americanas y afroamericanas para obtener muestras representativas de estos grupos étnicos para estimaciones confiables 36 . Por lo
tanto, el análisis por grupos étnicos se limitó a individuos mexicano-americanos, europeos-americanos (blancos) y afroamericanos.

El presente estudio no requirió la aprobación ni la exención de la Junta de Revisión Institucional del Centro Médico Cedars-Sinai, ya que solo involucró
el análisis de datos desidentificados disponibles públicamente.

Datos. Una ventaja de utilizar NHANES para el presente estudio es que constituye la base de datos más grande que contiene información sobre la
composición corporal total para la población de EE. UU., Que se recopiló entre 1999 y 2006 utilizando el método bien aceptado DXA. 37 , 38 . Por lo tanto, se
utilizó DXA como método de referencia para medir el porcentaje de grasa corporal total.

Se utilizó NHANES 1999-2004 como el conjunto de datos de desarrollo. Se aplicó imputación múltiple para reemplazar los datos de DXA faltantes 39 . Los
detalles se proporcionan en el Material suplementario. El desarrollo del modelo incluyó a personas de 20 a 85 años. En total, se incluyeron 12.581
observaciones para el desarrollo del modelo (Fig. 1 ).
Se utilizó NHANES 2005–2006 como el conjunto de datos de validación. También se utilizó la imputación múltiple para tener en cuenta los datos faltantes
(ver Material complementario). La validación del modelo incluyó a individuos de 20 a 69 años de edad, ya que la DXA se realizó solo en individuos de 69 años
o menos en esta muestra. En total, se incluyeron 3.456 observaciones para la validación del modelo (Fig. 1 ).

Mediciones antropométricas. Se midió la circunferencia de la cintura colocando la cinta métrica alrededor del tronco (cintura sin ropa)
en un plano horizontal al nivel del borde lateral superior del ilion derecho durante la posición de pie al final de la espiración. La medida se
registró con una precisión de 0,1 cm. El peso corporal se midió con una balanza electrónica (el examinado solo llevaba ropa interior). La
altura se midió con un estadiómetro electrónico 40 . Otras antropometrías se midieron utilizando procedimientos estándar. 40 .

Exploraciones DXA. Las exploraciones DXA se adquirieron utilizando un densitómetro de haz en abanico Hologic QDR 4500A (Hologic, Inc., Bedford,
Massachusetts) y el software Hologic DOS versión 8.26: a3 *. Las exploraciones fueron revisadas y analizadas por la Universidad de California, San Francisco,
utilizando el software Hologic Discovery, versión 12.1 para NHANES 1999-2004 y versión 12.4 para NHANES 2005-2006 39 . El porcentaje de grasa corporal se calculó
como la relación entre la masa de grasa corporal total (g) de DXA y la masa total de cuerpo entero (g) de DXA, multiplicada por 100.

Desarrollo y selección de modelos. La antropometría común que incluye el peso corporal, la altura, los pliegues cutáneos subescapulares y tríceps, la longitud
de los brazos y las piernas y las circunferencias de la cintura, la pantorrilla, los brazos y los muslos se evaluó para determinar su correlación con el porcentaje de
grasa corporal total medido por DXA en hombres y mujeres, de forma independiente. Simple y

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 8

www.nature.com/scientificreports/

la antropometría combinada que tenía la correlación más alta con el porcentaje de grasa corporal entre mujeres y hombres, de forma independiente, fue la
base para el desarrollo de nuestro modelo utilizando regresión lineal para los datos de la encuesta. También exploramos el efecto de agregar edad y etnia en
los modelos de regresión. Se generaron índices antropométricos de dos y tres factores, incluida la combinación de potencias enteras, raíz cuadrada y
transformaciones recíprocas. La selección del modelo se basó en la capacidad de predecir el porcentaje de grasa corporal total (R 2) tanto en mujeres como
en hombres y subgrupos de sexo-etnia, el RMSE más bajo, el criterio de información de Akaike más bajo 41 , el rendimiento general en términos de exactitud y
precisión, y la simplicidad para estimar el porcentaje de grasa corporal tanto en mujeres como en hombres. Se proporcionan más detalles en el Material
complementario.

Modelo de validación. La validación del modelo final se realizó en NHANES 2005-2006. El rendimiento de RFM se validó en los participantes de la
NHANES 2005–2006, una gran muestra representativa a nivel nacional de la población adulta de EE. UU. Pero diferente del conjunto de datos de
desarrollo. Los conjuntos de datos de desarrollo y validación se combinaron en un conjunto de datos (NHANES 1999-2006, n = 16.037 individuos
adultos) para realizar la validación interna utilizando la técnica más aceptada, el bootstrapping, para obtener errores estándar bootstrap y verificar las
diferencias estadísticas entre los modelos seleccionados y IMC 42 .

Rendimiento del modelo. Usamos el coeficiente de correlación de concordancia y gráficos de Bland-Altman para examinar la concordancia entre el
porcentaje de grasa corporal estimado y medido por DXA 43 . El sesgo se calculó como la diferencia media entre el porcentaje de grasa corporal estimado y
medido. Para el propósito del presente estudio, la precisión (qué tan cerca está de acuerdo una estimación individual con el valor "verdadero" o de
referencia) se calculó como la proporción de casos con una diferencia <20% entre el porcentaje de grasa corporal total estimado y medido con DXA 44 . La
precisión se calculó como el rango intercuartílico de la diferencia entre el porcentaje de grasa corporal estimado y medido 44 .

El rendimiento de nuestro modelo final se comparó con cuatro ecuaciones publicadas que se basan en la edad y el IMC o la relación cintura-estatura que, según
se informa, tienen una alta predicción del porcentaje de grasa corporal: Gallagher 25 , CUN-BAE 20 ,
Deurenberg 45 y ecuaciones de Kagawa 46 .

Clasificación errónea de la obesidad. Hasta la fecha, no existe un consenso sobre el diagnóstico de obesidad en función del porcentaje de grasa corporal. Por
lo tanto, para definir la obesidad en función del porcentaje de grasa corporal, utilizamos puntos de corte arbitrarios del porcentaje de grasa corporal medido por DXA: ≥ 33,9%
para mujeres y ≥ 22,8% para los hombres (puntos de corte correspondientes entre el primer y segundo quintiles para cada sexo). La clasificación errónea de la
obesidad definida por la grasa corporal se expresó como tasa de falsos negativos (1-sensibilidad), tasa de falsos positivos (1-especificidad) y error de clasificación
errónea total (la proporción de falsos positivos y falsos negativos juntos entre todas las mujeres, todos los hombres y entre ambos sexos combinados).

Precisión diagnóstica de obesidad y diabetes. La diabetes se definió si un individuo tenía una hemoglobina glucosilada medida ≥ 6.5% o
glucosa plasmática en ayunas ≥ 126 mg / dL o diabetes autoinformada diagnosticada 47 .
La precisión diagnóstica de la obesidad y la diabetes se estimó mediante el análisis de la curva de características operativas del receptor, expresada como
AUC. 48 .

Análisis estadístico. Usamos información de conglomerados y estratos y ponderaciones de probabilidad para todos los análisis para dar cuenta del diseño
complejo de la NHANES. 49 . Las estimaciones del criterio de información de Akaike y el coeficiente de correlación de concordancia se ajustaron solo para
ponderaciones de probabilidad. El examen inicial de la asociación entre el porcentaje de grasa corporal y la antropometría, incluidos los generados en el presente
estudio, se realizó utilizando datos no ponderados. La eliminación por lista se utilizó para manejar los datos faltantes para los análisis de correlación. Las
estimaciones de datos agrupados (y sus intervalos de confianza del 95%) se obtuvieron mediante las ecuaciones de Rubin 50 implementado en STATA para el análisis
de imputación múltiple en datos de encuestas complejas. Las estimaciones de varianza para los conjuntos de datos de desarrollo y validación se obtuvieron utilizando
la linealización de la serie de Taylor. Se utilizó bootstrapping con 1000 réplicas para obtener intervalos de confianza para R-cuadrado y RMSE ajustados en los
conjuntos de datos de desarrollo y validación y para realizar la validación interna. La prueba de Wald se utilizó para probar la interacción de la etnia y la categoría de
edad con índices seleccionados sobre la predicción de la grasa corporal y para calcular los valores de P para evaluar la precisión y la precisión del diagnóstico (AUC)
entre modelos. 51 . Se aplicó la corrección de Bonferroni para comparaciones múltiples. Todos los análisis se realizaron con Stata 14 para Windows (StataCorp LP,
College Station, TX). Los valores de p se establecieron en un nivel alfa de dos colas de 0,05.

Referencias
1. Heitmann, BL, Erikson, H., Ellsinger, BM, Mikkelsen, KL & Larsson, B. Mortalidad asociada con la grasa corporal, la masa libre de grasa y el índice de masa corporal entre los suecos de 60
años (22 años de seguimiento) arriba. El estudio de hombres nacidos en 1913. Int J Obes Relat Metab Disord
24, 33–37 (2000).
2. Ortega, FB, Sui, X., Lavie, CJ & Blair, SN Índice de masa corporal, el índice más utilizado pero también ampliamente criticado: ¿Sería una medida estándar de criterio de la grasa
corporal total un mejor predictor de la mortalidad por enfermedades cardiovasculares? Mayo Clin Proc 91,
443–455, https://doi.org/10.1016/j.mayocp.2016.01.008 (2016).
3. Padwal, R., Leslie, WD, Lix, LM y Majumdar, Relación SR entre el porcentaje de grasa corporal, el índice de masa corporal y la mortalidad por todas las causas: un estudio de cohorte.
Ann InternMed 164, 532–541, https://doi.org/10.7326/M15-1181 (2016).
4. Cornier, MA et al. Evaluación de la adiposidad: declaración científica de la American Heart Association. Circulación 124, 1996–2019,
https://doi.org/10.1161/CIR.0b013e318233bc6a (2011).
5. Hjartaker, A., Langseth, H. & Weiderpass, E. Epidemias de obesidad y diabetes: repercusiones del cáncer. Adv Exp Med Biol 630, 72–93
(2008).
6. Lauby-Secretan, B. et al. Grasa corporal y cáncer: punto de vista del grupo de trabajo de la IARC. N Engl J Med 375, 794–798, https: // doi.
org / 10.1056 / NEJMsr1606602 (2016).
7. Zheng, Y. et al. Asociaciones del aumento de peso desde la edad adulta temprana hasta la mediana con resultados de salud importantes más adelante en la vida. JAMA

318, 255–269, https://doi.org/10.1001/jama.2017.7092 (2017).

8. Perry, AW Naturaleza y tratamiento de la obesidad o corpulencia de las personas de mediana edad. Cal State J Med 1, 356–359 (1903).

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 9

www.nature.com/scientificreports/

9. Romero-Corral, A. et al. Precisión del índice de masa corporal en el diagnóstico de obesidad en la población general adulta. Int J Obes (Lond) 32,
959–966, https://doi.org/10.1038/ijo.2008.11 (2008).
10. Ho-Pham, LT, Campbell, LV & Nguyen, TV Más sobre los puntos de corte de grasa corporal. Mayo Clin Proc 86, 584, https://doi.org/10.4065/
mcp.2011.0097 (2011).
11. Oreopoulos, A., Lavie, CJ, Snitker, S. y Romero-Corral, A. Más sobre los puntos de corte de grasa corporal –Respuesta – I. Mayo Clin Proc 86, 584–585,
https://doi.org/10.4065/mcp.2011.0097 (2011).
12. Eknoyan, G. Adolphe Quetelet (1796–1874) –el hombre medio e índices de obesidad. Trasplante de Nephrol Dial 23, 47–51, https: // doi.
org / 10.1093 / ndt / gfm517 (2008).
13. Keys, A., Fidanza, F., Karvonen, MJ, Kimura, N. & Taylor, HL Índices de peso relativo y obesidad. J Enfermedad crónica 25, 329–343
(1972).
14. Gallagher, D. et al. ¿Qué utilidad tiene el índice de masa corporal para comparar la grasa corporal según la edad, el sexo y los grupos étnicos? Soy J Epidemiol
143, 228-239 (1996).
15. Dulloo, AG, Jacquet, J., Solinas, G., Montani, JP & Schutz, Y. Fenotipos de composición corporal en las vías hacia la obesidad y el síndrome metabólico. Int J Obes
(Lond) 34 ( Supl 2), S4-17, https://doi.org/10.1038/ijo.2010.234 (2010).
16. Lee, SY y Gallagher, D. Métodos de evaluación en la composición del cuerpo humano. Curr Opin Clin Nutr Metab Care 11, 566–572 (2008).
17. Jackson, AS et al. El efecto del sexo, la edad y la raza en la estimación del porcentaje de grasa corporal a partir del índice de masa corporal: The Heritage Family
Estudiar. Int J Obes Relat Metab Disord 26, 789–796, https://doi.org/10.1038/sj.ijo.0802006 (2002).
18. Newton, RL Jr. et al. Comparación de métodos de composición corporal en mujeres afroamericanas obesas. Obesidad (Silver Spring) 14,
415–422, https://doi.org/10.1038/oby.2006.55 (2006).
19. Stevens, J., Ou, FS, Cai, J., Heymsfield, SB y Truesdale, KP Predicción del porcentaje de mediciones de grasa corporal en estadounidenses de 8 años en adelante. Int J Obes (Lond) 40,
587–594, https://doi.org/10.1038/ijo.2015.231 (2016).
20. Gomez-Ambrosi, J. et al. Utilidad clínica de una nueva ecuación para estimar la grasa corporal. Cuidado de la diabetes 35, 383–388, https: // doi.
org / 10.2337 / dc11-1334 (2012).
21. Lean, ME, Han, TS y Deurenberg, P. Predicción de la composición corporal por densitometría a partir de medidas antropométricas simples.
Soy J Clin Nutr 63, 4-14 (1996).
22. Cui, Z., Truesdale, KP, Cai, J. y Stevens, J. Evaluación de ecuaciones antropométricas para evaluar la grasa corporal en adultos: NHANES 1999-2004. Ejercicio deportivo de ciencia
médica 46, 1147-1158, https://doi.org/10.1249/MSS.0000000000000213 (2014).
23. Friedl, KE et al. Evaluación de ecuaciones antropométricas para evaluar cambios en la composición corporal en mujeres jóvenes. Soy J Clin Nutr 73,
268-275 (2001).
24. Withers, RT, Norton, KI, Craig, NP, Hartland, MC y Venables, W. La grasa corporal relativa y la predicción antropométrica de la densidad corporal de las mujeres
australianas del sur de 17 a 35 años. Eur J Appl Physiol Occup Physiol 56, 181-190 (1987).
25. Gallagher, D. et al. Rangos saludables de porcentaje de grasa corporal: un enfoque para desarrollar pautas basadas en el índice de masa corporal. Soy J Clin
Nutr 72, 694–701 (2000).
26. Ashwell, M., Gunn, P. y Gibson, S. La relación cintura-altura es una mejor herramienta de detección que la circunferencia de la cintura y el IMC para los factores de riesgo cardiometabólico en
adultos: revisión sistemática y metaanálisis. Obes Rev 13, 275–286, https://doi.org/10.1111/j.1467-789X.2011.00952.x
(2012).
27. Lee, CM, Huxley, RR, Wildman, RP y Woodward, M. Los índices de obesidad abdominal son mejores discriminadores de los factores de riesgo cardiovascular que el IMC: un
metaanálisis. J Clin Epidemiol 61, 646–653 (2008).
28. Batsis, JA et al. Precisión diagnóstica del índice de masa corporal para identificar la obesidad en adultos mayores: NHANES 1999-2004. Int J Obes (Lond)
40, 761–767, https://doi.org/10.1038/ijo.2015.243 (2016).
29. Okorodudu, DO et al. Rendimiento diagnóstico del índice de masa corporal para identificar la obesidad definida por la adiposidad corporal: una
revisión y metanálisis. Int J Obes (Lond) 34, 791–799, https://doi.org/10.1038/ijo.2010.5 (2010).
30. Ma, C. et al. Efectos de las intervenciones de pérdida de peso para adultos obesos sobre la mortalidad, las enfermedades cardiovasculares y el cáncer: sistemático
revisión y metanálisis. BMJ 359, https://doi.org/10.1136/bmj.j4849 (2017).
31. Goff, DC Jr. et al. Guía de 2013 ACC / AHA sobre la evaluación del riesgo cardiovascular: un informe del American College of
Grupo de Trabajo de Cardiología / Asociación Americana del Corazón sobre Guías de Práctica. J Am Coll Cardiol 63, 2935–2959, https: // doi. org / 10.1016 / j.jacc.2013.11.005 (2014).

32. Ross, R. et al. ¿Depende la relación entre la circunferencia de la cintura, la morbilidad y la mortalidad del protocolo de medición para
¿circunferencia de la cintura? Obes Rev 9, 312–325, https://doi.org/10.1111/j.1467-789X.2007.00411.x (2008).
33. Klein, S. et al. Circunferencia de la cintura y riesgo cardiometabólico: una declaración de consenso de Shaping America's Health: Association for
Control de peso y prevención de la obesidad; NAASO, la Sociedad de Obesidad; la Sociedad Americana de Nutrición; y la Asociación Americana de Diabetes. Soy J Clin
Nutr 85, 1197–1202 (2007).
34. Van Der Ploeg, GE, Withers, RT y Laforgia, J. Porcentaje de grasa corporal a través de DEXA: comparación con un modelo de cuatro compartimentos. J Appl
Physiol (1985) 94, 499–506, https://doi.org/10.1152/japplphysiol.00436.2002 (2003).
35. Clasey, JL et al. Validez de los métodos de evaluación de la composición corporal en hombres y mujeres jóvenes y mayores. J Appl Physiol (1985) 86,
1728-1738 (1999).
36. Curtin, LR et al. Encuesta Nacional de Examen de Salud y Nutrición: Diseño de Muestra, 1999-2006. Estadísticas de salud vital 2, 1–39
(2012).
37. Schoeller, DA et al. El absorciómetro de rayos X de energía dual QDR 4500A subestima la masa grasa en comparación con los métodos de criterio
en adultos. Soy J Clin Nutr 81, 1018-1025 (2005).
38. Kelly, TL, Wilson, KE y Heymsfield, SB Valores de referencia de la composición corporal de absorciometría de rayos X de energía dual de NHANES.
Más uno 4, e7038, https://doi.org/10.1371/journal.pone.0007038 (2009).
39. Encuesta Nacional de Examen de Salud y Nutrición: Documentación técnica para el período 1999-2004. Archivos de datos de imputación múltiple de absorciometría de rayos
X de energía dual (DXA). Disponible en: http://wwwn.cdc.gov/nchs/data/nhanes/dxa/dxa_techdoc.pdf .
Consultado el 17 de mayo de 2016 ( 2008).
40. Encuesta Nacional de Examen de Salud y Nutrición (NHANES). Manual de procedimientos de antropometría. Disponible en: http: //www.cdc.
gov / nchs / data / nhanes / nhanes_07_08 / manual_an.pdf . Consultado el 16 de mayo de 2016. ( 2007).
41. Kadane, JB & Lazar, NA Métodos y criterios para la selección de modelos. Revista de la Asociación Estadounidense de Estadística 99, 279–290
(2004).
42. Steyerberg, EW et al. Validación interna de modelos predictivos: eficiencia de algunos procedimientos para análisis de regresión logística. J Clin
Epidemiol 54, 774–781 (2001).
43. Lin, HM, Kim, HY, Williamson, JM & Lesser, VM Estimación de coeficientes de concordancia a partir de datos de encuestas por muestreo. Encuesta
Metodología 38, 63–72 (2012).
44. Stevens, LA, Zhang, Y. & Schmid, CH Evaluación del rendimiento de ecuaciones para estimar la tasa de filtración glomerular. J Nephrol
21, 797–807 (2008).
45. Deurenberg, P., Yap, M. y van Staveren, WA Índice de masa corporal y porcentaje de grasa corporal: análisis de ameta entre diferentes grupos étnicos.
Int J Obes Relat Metab Disord 22, 1164-1171 (1998).
46. Kagawa, M., Byrne, NM y Hills, AP Comparación de la estimación de la grasa corporal usando la relación cintura: altura usando diferentes medidas de "cintura" en adultos
australianos. Br J Nutr 100, 1135-1141, https://doi.org/10.1017/S0007114508966095 (2008).
47. American Diabetes, A. 2. Clasificación y diagnóstico de la diabetes. Cuidado de la diabetes 40, S11-S24, https://doi.org/10.2337/dc17-S005
(2017).

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 10

www.nature.com/scientificreports/

48. Zhou, X.-H., Obuchowski, NA y McClish, DK In Métodos estadísticos en medicina diagnóstica 13–55 (John Wiley & Sons, Inc.,
2011).
49. Johnson, CL et al. Encuesta nacional de exámenes de salud y nutrición: directrices analíticas, 1999-2010. Estadísticas de salud vital 2, 1–24
(2013).
50. Rubin, DB y Schenker, N. Imputación múltiple para la estimación de intervalos a partir de muestras aleatorias simples con falta de respuesta ignorable.
Revista de la Asociación Estadounidense de Estadística 81, 366–374, https://doi.org/10.1080/01621459.1986.10478280 (1986).
51. May, WL & Johnson, WD La validez y el poder de las pruebas de igualdad de dos proporciones correlacionadas. Stat Med dieciséis, 1081–1096
(1997).

Agradecimientos
Estamos en deuda con la Dra. Francesca Piccinini, el Dr. Morvarid Kabir y el Dr. Paul Zimmet por sus valiosos comentarios sobre el manuscrito, y al Dr.
William F. Woolcott por su valiosa discusión sobre la aplicación clínica de nuestra ecuación modelo final. También agradecemos a los Centros para el
Control y la Prevención de Enfermedades (CDC) y al Centro Nacional de Estadísticas de Salud (NCHS) por brindar acceso a los conjuntos de datos de
NHANES. Estos estudios fueron apoyados por los Institutos Nacionales de Salud (subvenciones DK29867 y DK27619 a RNB). Los patrocinadores no
tuvieron ningún papel en el diseño del estudio, la recopilación, el análisis o la interpretación de los datos, la redacción del manuscrito o la decisión de enviar
el artículo para su publicación.

Contribuciones de autor
Las responsabilidades de los autores fueron las siguientes: OOW y RNB: diseñaron la investigación; OOW: realizó la investigación; OOW:
realizó el análisis estadístico; OOW y RNB: escribieron el artículo; OOW: asume toda la responsabilidad del trabajo en su conjunto, incluido el
diseño del estudio, el acceso a los datos y la decisión de enviar y publicar el manuscrito; y todos los autores: leyeron y aprobaron el manuscrito
final.

Información Adicional
Información suplementaria acompaña este documento en https://doi.org/10.1038/s41598-018-29362-1 .

Conflicto de intereses: Los autores declaran no tener conflictos de intereses.

Nota del editor: Springer Nature permanece neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene la licencia de Creative Commons Attribution 4.0 International License, que permite el uso, el
intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que otorgue el crédito apropiado al autor o
autores originales y a la fuente, proporcione un enlace a la licencia de Creative Commons e indique si se realizaron cambios. Las imágenes u otro
material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea
de crédito del material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la
normativa legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta
licencia, visite http://creativecommons.org/licenses/by/4.0/ .

© El autor (es) 2018

Científico Informes | ( 2018) 8: 10980 | DOI: 10.1038 / s41598-018-29362-1 11