Parameter obesitas umum dan abdominal dan kombinasinya dalam kaitannya dengan mortalitas: tinjauan sistematis dan analisis meta-regresi | jurnal eropa nutrisi klinis

Parameter obesitas umum dan abdominal dan kombinasinya dalam kaitannya dengan mortalitas: tinjauan sistematis dan analisis meta-regresi | jurnal eropa nutrisi klinis

Anonim

Subjek

  • Epidemiologi
  • Kegemukan

Abstrak

Studi epidemiologis yang menilai ukuran obesitas umum dan abdominal atau kombinasinya untuk prediksi kematian menunjukkan hasil yang tidak konsisten. Kami bertujuan untuk secara sistematis meninjau asosiasi indeks massa tubuh (BMI), rasio pinggang-ke-pinggul (WHR), lingkar pinggang (WC) dan rasio pinggang-ke-tinggi (WHtR) dengan semua penyebab kematian dalam studi kohort prospektif. Dalam tinjauan sistematis ini, yang mencakup analisis meta-regresi, kami menganalisis hubungan dengan semua penyebab kematian BMI, WHR, WC dan WHtR dalam studi kohort prospektif yang tersedia di Medline, Embase, Database Cochrane dari Tinjauan Sistematis dan Esbiobase dari awal hingga 7 Mei 2010. Sebanyak 18 studi memenuhi kriteria inklusi, terdiri dari 689 465 peserta dan 48.421 kematian selama 5-24 tahun masa tindak lanjut. Studi ini heterogen, terutama karena perbedaan dalam kategorisasi parameter antropometri (AP) dan pendekatan yang berbeda untuk analisis statistik. Kedua ukuran obesitas umum dan perut secara signifikan terkait dengan kematian. Dalam analisis menggunakan variabel kategorikal, BMI dan WC menunjukkan hubungan yang dominan berbentuk U atau J dengan mortalitas, sedangkan WHR dan WHtR menunjukkan hubungan positif dengan mortalitas. Semua tindakan menunjukkan pola risiko yang sama untuk kuantil atas dibandingkan dengan kuantil referensi. Parameter obesitas umum dan perut masing-masing tetap secara signifikan terkait dengan kematian ketika disesuaikan dengan yang lainnya. Bukti ini menunjukkan bahwa tindakan obesitas abdominal seperti WC atau WHR, menunjukkan informasi yang independen terhadap ukuran obesitas umum dan harus digunakan dalam praktik klinis, selain BMI, untuk menilai mortalitas terkait obesitas pada orang dewasa.

pengantar

Obesitas adalah masalah kesehatan masyarakat utama di seluruh dunia. 1 Menurut perkiraan baru-baru ini, ada 1, 46 miliar orang dewasa kelebihan berat badan (indeks massa tubuh (BMI) 25 kg / m 2 ) dan 503 juta di antaranya mengalami obesitas (BMI 30 kg / m 2 ). 2 Karena obesitas merupakan faktor risiko utama untuk penyakit kronis dan kematian, 1, 3, 4, 5 tindakan akurat dan sederhana sangat penting untuk memperbaiki epidemiologi deskriptif dan analitis dari kondisi ini. BMI, yang telah terbukti terkait dengan kematian dalam analisis meta dan gabungan yang besar, 6, 7, 8, 9 banyak digunakan sebagai ukuran standar obesitas saat ini dalam praktik klinis. Namun, BMI tidak membedakan antara lemak dan massa tanpa lemak. Juga tidak membahas distribusi lemak tubuh. 10, 11 Baru-baru ini, obesitas perut dan massa lemak terbukti berhubungan dengan morbiditas dan mortalitas kardiovaskular. 5, 11, 12 Ukuran obesitas perut seperti lingkar pinggang (WC) dan rasio pinggang-pinggul (WHR) ditunjukkan untuk lebih akurat mengukur distribusi lemak tubuh. Baik WC dan WHR terkait erat dengan profil metabolik yang merugikan dan penyakit yang dihasilkannya dan keduanya merupakan prediktor independen mortalitas. 13, 14, 15, 16, 17 Beberapa berpendapat bahwa WC, WHR dan rasio pinggang-ke-tinggi yang diusulkan baru-baru ini (WHtR) mungkin lebih tepat daripada BMI dalam menilai beban kesehatan yang berhubungan dengan obesitas, termasuk kematian total, risiko jenis 2 diabetes dan penyakit kardiovaskular. 5, 18, 19, 20 Namun, meta-analisis terbaru dari data individu menunjukkan bahwa BMI dan parameter perut memiliki kekuatan yang sama terkait dengan risiko penyakit kardiovaskular. 21 Untuk semua penyebab kematian, penelitian observasional besar melaporkan hasil yang kontroversial apakah ukuran adipositas perut lebih kuat memprediksi kematian daripada BMI. 12, 19, 22, 23, 24, 25, 26, 27 Oleh karena itu, tujuan dari tinjauan ini adalah untuk secara sistematis membandingkan asosiasi parameter antropometrik tunggal dan kombinasi (AP) dari obesitas dengan semua penyebab kematian. Sementara ulasan sistematis sebelumnya tentang topik ini sebagian besar terbatas pada penyakit tertentu, kami fokus pada kohort berbasis populasi untuk meningkatkan generalisasi. Karena distribusi tubuh kemungkinan menjadi faktor yang relevan dalam hubungan obesitas-kematian, 16, 28 kami secara sistematis meninjau efek gabungan dari dua AP terhadap kematian untuk memperluas pengetahuan dan literatur saat ini. Untuk mencapai hal ini, kami menganalisis dan membandingkan studi kohort yang menyelidiki BMI dan setidaknya satu ukuran obesitas perut, seperti WC, WHR atau WHtR.

Metode

Sumber dan pencarian data

Kami mencari Medline, Embase, Cochrane Database of Systematic Reviews, dan Esbiobase dari awal hingga 7 Mei 2010 (strategi pencarian: Tambahan Tabel 1). Referensi dari semua artikel yang relevan dicari secara manual untuk mengidentifikasi studi tambahan yang relevan. Kami melakukan tinjauan sistematis kami sesuai dengan pedoman pelaporan MOOSE. 29

Seleksi studi

Dua pengulas (SC dan MHF) menganalisis kutipan secara independen pada tingkat judul, abstrak, dan teks lengkap. Kami menyertakan (i) studi kohort prospektif dan studi tindak lanjut observasional terhadap kelompok non-intervensi dari uji coba terkontrol acak berbasis komunitas, yang menganalisis (ii) semua penyebab kematian sebagai hasilnya, (iii) melaporkan BMI dan setidaknya satu. abdominal AP (WC, WHR atau WHtR) sebagai variabel paparan pada awal, (iv) memiliki ukuran sampel setidaknya 4000 peserta, (v) tindak lanjut minimal 3 tahun dan (vi) peserta dengan usia awal setidaknya 18 tahun. Kami mengecualikan artikel yang memeriksa wanita hamil, pasien yang sakit parah atau lemah, kelompok dengan penyakit tertentu atau penghuni di panti jompo. Karena perbedaan dalam hubungan AP-mortalitas antara berbagai kelompok etnis dalam parameter obesitas umum dan abdominal, 30, 31, 32 kami mengecualikan penelitian dengan <75% peserta Kaukasia untuk mengurangi kompleksitas analisis. Kami juga mengecualikan analisis cross-sectional, laporan kasus, komentar, surat, ulasan dan sampel penelitian yang menggabungkan analisis dengan faktor risiko lain kematian. Untuk setiap studi kohort, kami memilih publikasi dengan tindak lanjut terpanjang. Kami menghitung perjanjian pengulas pada pemilihan kutipan pada tingkat abstrak dan teks lengkap menggunakan statistik kappa. 33

Ekstraksi data dan penilaian kualitas

Untuk setiap artikel, kami menentukan desain penelitian; tahun publikasi; negara; populasi studi; kriteria inklusi dan eksklusi; metode penilaian untuk AP dan hasil; waktu tindak lanjut; jumlah dan persentase pasien yang mangkir; metode yang digunakan untuk analisis statistik, termasuk apakah AP dianalisis sebagai variabel kategorikal atau berkelanjutan, dan apakah peserta dengan kematian dini dikeluarkan. Kami mengekstraksi jumlah total peserta, kematian dan orang-tahun untuk total populasi dan untuk setiap kategori AP (jika tersedia); jenis kelamin dan rentang usia; dan tindakan risiko relatif (RR), seperti rasio bahaya atau RR. Untuk kesederhanaan dan kemudahan penyajian, rasio bahaya juga akan disebut sebagai RR. Kami juga menunjukkan interval kepercayaan 95% (CI) untuk kategori risiko dalam setiap AP (jika dianalisis secara kategoris), atau untuk setiap AP secara keseluruhan (jika dianalisis terus-menerus). Beberapa penelitian menyediakan klasifikasi silang dari dua AP, stratifikasi sampel mereka menjadi kuantil BMI yang telah ditentukan atau berdasarkan populasi dan ini menjadi kuantil WC atau WHR. Klasifikasi silang ini digunakan untuk menggambarkan konfigurasi tubuh yang berbeda (misalnya, BMI rendah dan WC tinggi). Kami mengumpulkan semua variabel yang disesuaikan dengan RR. Jika beberapa model statistik disediakan, kami menggunakan model dengan tingkat penyesuaian tertinggi. Kami membedakan antara model multivarian dengan dan tanpa penyesuaian untuk AP lain, dan memasukkan kedua model dalam analisis, jika tersedia. Semua hasil didasarkan pada tingkat signifikansi 5%.

Dua pengulas secara independen menilai kualitas metodologi pelaporan semua artikel termasuk (SC dan MHF) menggunakan daftar periksa yang disediakan oleh Downs dan Black 34 dimodifikasi oleh kriteria STROBE. 35 Kami mengecualikan publikasi dengan <12 dari 20 (60%) pertanyaan dijawab secara positif. Ini adalah cutoff yang biasa digunakan untuk menilai kualitas metodologis. 36

Sintesis dan analisis data

Kami menunjukkan hasil studi individu dalam tabel. Untuk menilai bias publikasi, kami mentransformasikan RR spesifik kategori ke dalam estimasi RR total menggunakan kuadrat terkecil umum untuk metode estimasi tren. 37 Untuk perhitungan ini, kami mengasumsikan hubungan linear antara logaritma natural dari rasio risiko dan peningkatan AP. Karena hubungan antara logRR dan AP tidak harus linier, kami awalnya melihat hubungan kuadratik, yang dapat memungkinkan, misalnya, untuk asosiasi berbentuk J. Dengan menggunakan strategi reduksi model untuk mendapatkan model pelit mengarah pada hubungan linier untuk memenuhi asumsi yang disebutkan di atas. Kami juga menilai bias publikasi menggunakan metode regresi oleh Egger 38 dengan estimasi koefisien regresi dan kesalahan standar yang sesuai.

Kami menghitung ringkasan perkiraan RR dan 95% CI menggunakan metode kemungkinan maksimum berdasarkan model linier campuran, dengan log RR sebagai variabel dependen. Meta-regresi kami bertujuan untuk menghubungkan ukuran efek dengan satu atau lebih karakteristik studi yang terlibat. Ini menggunakan kovariat studi-spesifik dan harus dibedakan dari analisis regresi di mana data individu tentang hasil dan kovariat tersedia. Salah satu tujuan dari meta-regresi adalah untuk menjelaskan heterogenitas antara studi menggunakan kovariat studi-spesifik. Dalam praktiknya, model efek campuran linier sering digunakan untuk analisis untuk memungkinkan variabilitas antara studi. Kami melakukan meta-regresi untuk setiap AP, menggunakannya sebagai kovariat, termasuk istilah kuadrat untuk memungkinkan asosiasi nonlinier yang mungkin. Untuk memperkirakan kekuatan asosiasi dalam meta-regresi, kami hanya memasukkan studi yang melaporkan informasi pada beberapa kategori AP. Kami menstandarisasi kovariat untuk kemudahan interpretasi dengan BMI pada 24, 9 kg / m 2, dan WC dan WHR pada persentil ke-50 peserta dalam kohort EPIC 39 (WC: 80 cm untuk wanita, 95 cm untuk pria; WHR: 0, 8 untuk wanita, 0, 95 untuk pria). Kohort besar berbasis populasi ini memungkinkan kami untuk membandingkan risiko kematian relatif dengan rata-rata sampel Eropa yang representatif. Karena ini adalah meta-regresi, BMI rata-rata dipilih untuk memusatkan BMI kovariat. Melakukannya, meninggalkan estimasi dan interpretasi yang tidak bias dari intersepsi model regresi. Kami menggunakan model intersep nol di mana kovariat terstandarisasi, BMI 24, 9 kg / m2, misalnya, sesuai dengan RR satu. Kami mendasarkan regresi ini pada model efek campuran untuk menjelaskan korelasi antara berbagai tingkat AP. Untuk mendapatkan model pelit, kami mengevaluasi dan memilih model menggunakan uji kemungkinan-rasio dan kriteria informasi Bayesian. Kompleksitas data, termasuk berbagai analisis statistik, mencegah penyajian plot hutan. Semua analisis statistik dilakukan dengan paket statistik SAS versi 9.2 (SAS Institute, Cary, NC) menggunakan tingkat signifikansi dua sisi 0, 05.

Hasil

Dari 2575 kutipan dari empat database, kami mengidentifikasi 18 studi yang memenuhi kriteria inklusi dalam pencarian literatur sistematis (Gambar 1). Perjanjian peninjau tentang pemilihan abstrak untuk evaluasi teks lengkap adalah 68% ( κ = 0, 58, P <0, 001) dan untuk penyertaan artikel dalam tinjauan akhir adalah 94% ( κ = 0, 80, P <0, 001). Semua studi melewati batas yang telah ditentukan minimal 60% dari kriteria kualitas pelaporan (Tambahan Tabel 2). Melakukan metode regresi oleh Egger, estimasi koefisien regresi untuk BMI adalah -3, 98 ( P = 0, 246), 0, 39 ( P = 0, 80) untuk WC dan 2, 15 ( P = 0, 249) untuk WHR. Jadi, kami tidak menemukan bias publikasi yang signifikan secara statistik.

Image

Diagram alir untuk pencarian dan hasil literatur.

Gambar ukuran penuh

Deskripsi studi yang disertakan

Tabel 1 merangkum 18 studi, termasuk total 693 739 peserta dan waktu tindak lanjut antara 5 dan 24 tahun. Dari jumlah tersebut, 13 penelitian adalah studi kohort prospektif berbasis populasi, 10, 16, 19, 24, 25, 26, 27, 40, 41, 42, 43, 44, 45 3 adalah tindak lanjut dari kelompok non-intervensi dari uji coba terkontrol acak berbasis komunitas, 46, 47, 48 dan 2 penelitian melaporkan analisis gabungan dari beberapa studi kohort. 12, 49 Empat publikasi melaporkan data pelengkap dari dua kohort yang berbeda (Rotterdam-Cohort 42, 43 dan Studi Kesehatan Perawat 41, 44 ). Dua studi hanya menyediakan data yang dikelompokkan berdasarkan status merokok 42, 47 dan satu studi terbatas pada data yang dikelompokkan berdasarkan usia. 26 Kami hanya memasukkan studi ini dalam analisis subkelompok, sehingga menyisakan 15 studi (14 kohort) untuk analisis utama. 10, 12, 16, 19, 24, 25, 27, 40, 41, 43, 44, 45, 46, 48, 49 Studi melaporkan korelasi yang lebih tinggi antara BMI dan WC (koefisien korelasi Pearson r , kisaran 0, 77-0, 80) 12, 26 dan antara BMI dan WHtR (kisaran 0, 81-0, 90) 12, 40 dibandingkan antara BMI dan WHR (kisaran 0, 31-0, 55). 12, 16

Tabel ukuran penuh

Asosiasi AP dengan semua penyebab kematian: analisis kualitatif

Kami membedakan antara analisis dengan dan tanpa penyesuaian untuk AP kedua. Studi dalam analisis utama kami ( n = 15) memilih berbagai pendekatan statistik untuk menilai hubungan AP-mortalitas. Sembilan studi menganalisis AP sebagai variabel kategori (Tabel 2), empat sebagai variabel kontinu 10, 25, 45, 49 dan dua menggunakan kedua pendekatan 12, 44 (Tambahan Tabel 3). Pemotongan kategori, termasuk kategori referensi AP, berbeda secara substansial antara studi (Tabel 2).

Tabel ukuran penuh

Model tanpa penyesuaian untuk AP kedua

Semua studi yang menganalisis BMI sebagai variabel kategori menunjukkan hubungan bentuk-U dengan mortalitas. 16, 19, 24, 27, 40, 41, 43, 44, 46, 48 Dibandingkan dengan kategori referensi individu (Tabel 2) dari setiap studi, kategori BMI tinggi secara signifikan terkait dengan kematian yang lebih tinggi dalam empat studi 16, 27, 40, 41 dan tidak menunjukkan hubungan yang signifikan dalam lima studi. 19, 24, 43, 46, 48 Dalam penelitian yang menganalisis AP peserta sebagai variabel kontinu (Tambahan Tabel 3), tidak ada hubungan yang signifikan dari BMI dengan kematian dalam tiga studi 12, 25, 49 atau kelompok laki-laki dari studi keempat. Dalam kelompok perempuan, ada hubungan positif yang signifikan. 10 Satu studi menunjukkan penurunan risiko kematian secara signifikan dengan meningkatnya BMI. 45 WHR memiliki hubungan positif yang signifikan dengan semua penyebab kematian baik dalam analisis kategori dan berkelanjutan. 10, 16, 19, 24, 25, 44, 48, 49 Sebagai pengecualian, subpopulasi pria 10 dan Studi Tindak Lanjut Profesional Kesehatan menunjukkan korelasi positif yang tidak signifikan setelah penyesuaian multivariat. 27 WC menunjukkan hubungan positif yang signifikan dengan kematian dalam dua penelitian 44, 49 dan dua subkelompok perempuan 10, 25 menganalisis WC sebagai variabel kontinu dan menunjukkan hubungan berbentuk J ketika dianalisis sebagai variabel kategorikal. 16, 24, 27, 40, 44 Namun, hubungan WC-mortalitas tidak signifikan dalam empat studi dan dalam dua subkelompok spesifik gender untuk analisis kategorik dan kontinu dari AP 10, 12, 19, 25, 43, 46 dan negatif dalam satu studi 45 (Tabel 2, Tabel Tambahan 3). WHtR dianalisis untuk hubungan kematian dalam empat studi. 12, 25, 40, 49 Dari semua ini, tiga penelitian dan kelompok perempuan dari penelitian keempat menunjukkan hubungan positif monoton antara WHtR dan mortalitas, 12, 25, 40, 49 sedangkan kelompok laki-laki dari penelitian keempat menunjukkan kecenderungan positif yang tidak signifikan 25 (Tabel 2, Tabel Tambahan 3).

Perbandingan AP yang dipilih

Studi memilih strategi yang berbeda untuk memeriksa AP yang dipilih untuk prediksi kematian. Lima studi menghitung RR untuk setiap peningkatan SD pada BMI dan abdominal AP 10, 12, 25, 45, 49 dan satu studi melakukannya untuk WHR dan WC. 44 Secara dominan, hasil ini menunjukkan baik tidak ada risiko kematian signifikan yang signifikan atau lebih rendah per sd peningkatan BMI, sedangkan parameter perut dikaitkan dengan peningkatan risiko kematian yang signifikan per peningkatan sd (Tambahan Tabel 3). Namun, satu subkelompok perempuan melaporkan hubungan positif yang signifikan dengan mortalitas untuk IMT, 10 sehingga generalisasi hasil ini terbatas. Lebih lanjut, dengan WC sebagai AP perut, satu studi 45 melaporkan hubungan negatif yang signifikan dan dua subkelompok pria 10, 25 menunjukkan tidak ada hubungan yang signifikan dengan kematian. Selain itu, laki-laki dari kohort NFPS tidak menunjukkan hubungan yang signifikan antara WHtR dan kematian. 25

Dua penelitian lain membandingkan nilai prediktif untuk semua penyebab kematian. Mereka melakukan analisis kurva operasi penerima (ROC) dan menghitung area masing-masing di bawah kurva ROC (AUC) untuk prediksi semua penyebab kematian. 12, 25 Keduanya melaporkan diskriminasi yang signifikan lebih baik untuk parameter obesitas perut dibandingkan dengan BMI. Tidak ada perbedaan yang signifikan antara WHtR, WC dan WHR dalam AUC 12, 25 (Tambahan Tabel 3).

Tujuh studi yang menganalisis AP sebagai variabel kategori mengelompokkan sampel mereka ke dalam kuantil dengan AP untuk BMI dan abdominal AP. 12, 19, 24, 40, 42, 46, 47 Namun, dua dari mereka hanya melaporkan data yang dikelompokkan berdasarkan status merokok 42, 47 dan satu disesuaikan untuk AP lainnya. Dengan demikian, kami menggunakan empat studi yang tersisa untuk membandingkan risiko kematian di setiap kuintil AP. 19, 24, 40, 46 Dalam hal ini, kuintil kelima dari parameter obesitas perut secara dominan menunjukkan peningkatan risiko kematian yang signifikan dibandingkan dengan kategori referensi individu, 19, 24, 40 sedangkan BMI tidak menunjukkan perbedaan yang signifikan antara kuintil kelima dan kategori referensi. 19, 24, 46 (Tabel 2). Namun, ada sedikit perbedaan antara perkiraan RR dari kuintil kelima dan referensi AP.

Untuk meringkas, model tanpa penyesuaian untuk AP kedua menunjukkan hasil yang heterogen, terutama untuk BMI dan WC ketika dianalisis sebagai variabel kategori atau kontinu. Namun, mereka melaporkan nilai yang sama untuk estimasi RR dalam kategori AP yang lebih tinggi dan peningkatan risiko per sd peningkatan AP.

Gabungan asosiasi dua AP dengan mortalitas

Untuk menggambarkan asosiasi gabungan dari dua AP dengan mortalitas, (i) enam studi menyesuaikan perkiraan risiko mereka untuk memasukkan AP lainnya (Tabel 3a) dengan mengendalikan BMI dalam tindakan obesitas perut dan sebaliknya dan (ii) lima studi menganalisis interaksi BMI dan abdominal. AP pada mortalitas dengan BMI lintas-klasifikasi dengan WC atau WHR, masing-masing (Tabel 3b). Dalam studi menggunakan pendekatan pertama, dan melaporkan risiko kematian yang lebih tinggi untuk BMI tinggi tanpa mengendalikan AP kedua, nilai-nilai menurun setelah disesuaikan untuk obesitas perut. 12, 45 Sebaliknya, WC, WHR dan WHtR menunjukkan peningkatan yang signifikan dalam hubungan dengan mortalitas ketika disesuaikan untuk BMI. 12, 16, 19, 44, 45, 48 Studi yang menyediakan kuintil WC dan WHR, disesuaikan untuk BMI, menunjukkan RR serupa untuk setiap parameter obesitas perut. 12, 16, 44

Tabel ukuran penuh

Tabel ukuran penuh

Dalam analisis cross-klasifikasi untuk semua kelompok umur, risiko kematian relatif tertinggi ditunjukkan untuk kombinasi BMI rendah dengan WC besar atau WHR. 16, 19 Dalam penelitian yang tidak melakukan stratifikasi usia, peserta dengan BMI normal dan WC tinggi atau WHR memiliki risiko yang meningkat secara signifikan dibandingkan dengan peserta dari kategori referensi, tetapi bukan mereka yang berisiko tinggi. 16, 19 Mereka bahkan memiliki risiko kematian yang lebih rendah atau sama dibandingkan dengan peserta yang memiliki BMI tinggi dan WC atau WHR yang tinggi. Peserta di sepertiga menengah atau atas dari nilai-nilai BMI dengan WC kecil atau WHR memiliki risiko kematian relatif terendah. Dua kohort menganalisis peserta yang lebih tua (65 tahun) 45 atau stratifikasi kohort berdasarkan usia (cutoff pada 65 tahun) sebelum melakukan klasifikasi silang. 26 Sedangkan untuk usia <65 tahun, peserta dalam kategori BMI terendah dan WHR tinggi memiliki risiko kematian tertinggi. 26 Risiko kematian terendah pada orang yang lebih muda memiliki kelompok dengan BMI normal dan WHR rendah. Pada peserta yang lebih tua, tingkat kematian tertinggi terlihat pada peserta dengan BMI normal-sedang-sedang dan WC rendah-sedang-tinggi. 26, 45 Singkatnya, kombinasi BMI dengan satu parameter perut meningkatkan prediksi kematian berdasarkan RR (Tabel 3a dan b). Namun, karena kategorisasi bervariasi antara studi, perbandingan hasil ini terbatas. 16, 19, 26, 45

Analisis meta-regresi

Kami melakukan analisis meta-regresi pada sembilan kohort yang memberikan RR dan 95% CI dan batas kategori yang ditentukan untuk setiap AP. 16, 19, 24, 26, 27, 41, 43, 44, 46, 48 Kami memilih model efek acak untuk menghitung efek dalam data yang dikumpulkan. Varians antara studi menunjukkan heterogenitas antara studi ( τ = 0, 04 untuk BMI, τ = 0, 04 untuk WHR dan τ = 0, 03 untuk WC, Tabel 4). BMI dan WC menunjukkan hubungan positif berbentuk U atau J dengan mortalitas, sedangkan WHR menunjukkan hubungan yang hampir positif-monotonik (Gambar 2). Estimasi berbasis model untuk RR dalam studi yang dimasukkan adalah 1, 05 (95% CI: 1, 03-1, 08) untuk BMI 30 kg / m2 dibandingkan dengan salah satu dari 25 kg / m2. Membandingkan BMI 35 kg / m2 ke BMI 25 kg / m2 memberikan perkiraan RR 1, 27 (95% CI: 1, 21-1, 33; Tabel 5). Untuk WC 100 cm dibandingkan dengan 80 cm pada wanita dan WC 115 cm dibandingkan dengan 95 cm pada pria, estimasi RR berbasis model adalah 1, 32 (95% CI: 1, 22-1, 43). Untuk WHR 0, 85 dibandingkan dengan 0, 8 pada wanita dan WHR 1, 0 dibandingkan dengan 0, 95 pada pria, estimasi RR berbasis model adalah 1, 13 (95% CI: 1, 11-1, 59, Tabel Tambahan 4).

Tabel ukuran penuh

Image

( a – c ) Mengumpulkan risiko mortalitas relatif dari data dosis-respons BMI ( a ), WHR ( b ) dan WC ( c ) dengan analisis meta-regresi dari studi observasional yang disertakan. BMI, indeks massa tubuh, RR, risiko kematian relatif; WC, lingkar pinggang; WHR, rasio pinggang-pinggul; ♀ untuk wanita; ♂ untuk pria.

Gambar ukuran penuh

Tabel ukuran penuh

Analisis bertingkat

Kami melakukan analisis studi yang terpisah, bertingkat berdasarkan usia, jenis kelamin dan / atau status merokok untuk mengatasi heterogenitas hasil penelitian. Namun, kami tidak menganalisis WHtR dengan cara ini, karena hanya satu studi yang menyelidiki WHtR memberikan analisis bertingkat. 40

Enam studi menganalisis hubungan AP-mortalitas berdasarkan kelompok umur (<65 dan 65 tahun). 16, 26, 27, 41, 44, 45, 46 Namun, karena kohort EPIC menyesuaikan WHR dan WC untuk BMI dalam analisis bertingkatnya, kami hanya mempertimbangkan analisis BMI dari kohort ini untuk analisis bertingkat kami. Secara kualitatif, pada peserta yang lebih muda (<65 tahun), BMI, WC dan WHR menunjukkan hubungan positif yang signifikan dengan mortalitas pada tiga dari empat kohort. 16, 26, 27, 41, 44 Reis dan rekan melaporkan hubungan positif signifikan marginal WHR dengan mortalitas, tetapi tidak menemukan hubungan yang signifikan dengan mortalitas untuk BMI atau WC. 26 Pada orang yang lebih tua (years 65 tahun), empat 26, 27, 45, 46 dari lima studi 16, 26, 27, 45, 46 melaporkan hubungan negatif atau tidak signifikan secara statistik untuk BMI, WC dan WHR dengan kematian (Tambahan Tabel 5). ). Hanya kohort EPIC yang melaporkan peningkatan mortalitas secara signifikan terkait dengan BMI yang tinggi pada orang dewasa yang lebih tua. Secara kuantitatif, analisis meta-regresi dari lima kohort yang memenuhi syarat 16, 26, 27, 41, 44, 46 tidak menunjukkan pengaruh usia yang signifikan terhadap hubungan BMI-mortalitas (RR: 0, 99 (95% CI: 0, 94-1, 03)). Risiko kematian relatif untuk kedua WC (RR: 0, 77 (95% CI: 0, 65-0, 90)) dan WHR (RR: 0, 47 (95% CI: 0, 35-0, 63)) lebih rendah pada orang yang lebih tua daripada orang yang lebih muda.

Dalam kedua jenis kelamin, BMI, WHR dan WC menunjukkan pola yang sama terkait dengan kematian. 10, 16, 19, 24, 25, 26, 27, 40, 41, 44, 45, 46, 48 Analisis meta-regresi dari delapan kohort yang memenuhi syarat tidak menunjukkan perbedaan yang signifikan secara statistik dalam hubungan AP-mortalitas antara pria dan wanita ( Tabel Tambahan 4). 16, 19, 24, 26, 27, 41, 44, 46, 48 Analisis kualitatif, dikelompokkan berdasarkan status merokok, menunjukkan hasil yang heterogen (Tambahan Tabel 6). 16, 24, 41, 42, 44, 46, 47 Dalam satu 16 dari empat kohort yang menganalisis perokok saat ini, 16, 24, 42, 47 risiko kematian relatif terkait dengan BMI yang tinggi dibandingkan dengan referensi BMI kategori secara signifikan lebih tinggi di antara orang-orang. yang tidak pernah merokok dibandingkan perokok saat ini. Tapi ini tidak terjadi pada sampel penelitian lain. Semua penelitian 16, 24, 42, 47 menyelidiki perokok saat ini melaporkan RR tertinggi untuk perokok saat ini dengan BMI rendah dibandingkan dengan kategori referensi, meskipun ini hanya signifikan dalam satu studi 16 dan subkort laki-laki. 24 Untuk AP perut, penelitian melaporkan hubungan heterogen dengan mortalitas pada perokok tidak pernah dan perokok saat ini. 42, 46, 47

Diskusi

Tinjauan sistematis ini menganalisis dan membandingkan hubungan ukuran obesitas umum dan abdominal dengan semua penyebab kematian untuk orang dewasa dari segala usia. Perbedaan antara asosiasi BMI, WC, WHR dan WHtR dengan kematian total adalah kecil dan mungkin tidak relevan secara klinis. Tidak ada satu pun AP yang terbukti lebih unggul dari yang lainnya.

Perbandingan dengan literatur saat ini

Meskipun upaya bersama lainnya seperti Kolaborasi Studi Prospektif dan National Cancer Institute Cohort Consortium 6, 9 terbatas pada asosiasi risiko kematian dengan BMI saja, tinjauan sistematis ini juga menyelidiki obesitas abdominal. Berlawanan dengan temuan kami, Seidell et al. 23 menyimpulkan dalam tinjauan non-sistematis sebelumnya bahwa WC dan WHR mungkin menjadi prediktor yang lebih baik dari semua penyebab kematian dibandingkan dengan BMI berdasarkan pendekatan naratif. Selain itu, Czernichow et al. 17 melaporkan dalam meta-analisis terbaru dari data peserta-individu dari sembilan studi kohort Inggris hubungan yang lebih konsisten untuk WC dan WHR dengan kematian total, sedangkan BMI menunjukkan hubungan berbentuk J dalam analisis multivariat. Namun, dalam sub-analisis mereka tentang AUC dan peningkatan diskriminasi terintegrasi relatif tidak ada perbedaan besar dalam nilai-nilai prediktif untuk kematian antara BMI, WC dan WHR ditunjukkan, 17 yang sesuai dengan hasil kami.

Ulasan sistematis lainnya menyelidiki hubungan AP dengan hasil kardiovaskular. Kolaborasi Faktor Risiko yang Muncul menunjukkan kekuatan asosiasi yang sama untuk parameter obesitas umum dan perut untuk penyakit kardiovaskular. Meskipun tinjauan sistematis pada hasil seperti hipertensi, dislipidemia atau diabetes mendeteksi risiko morbiditas kardiovaskular relatif lebih tinggi untuk WC, WHR dan WHtR daripada untuk BMI, perbedaannya tidak signifikan secara statistik 50, 51 atau tampaknya tidak relevan secara klinis. 52

Pendekatan statistik yang berbeda untuk menganalisis prediksi kematian

Kesimpulan yang bertentangan di berbagai studi dan ulasan dapat dikaitkan dengan heterogenitas dalam (i) populasi penelitian yang dipilih, (ii) analisis statistik dan (iii) pengukuran AP (merujuk pada batasan bagian). Studi-studi yang termasuk dalam tinjauan kami menganalisis APs baik (i) sebagai variabel kontinu (Tambahan Tabel 3), 10, 12, 25, 44, 45, 49 atau (ii) melalui analisis ROC 12, 25 atau (iii) dengan mengategorikan APs dengan distribusi mereka dalam sampel penelitian. 19, 24, 40, 46 Untuk pendekatan (i) dan (ii), penelitian cenderung mengkonfirmasi prediksi mortalitas yang lebih baik untuk AP abdominal daripada untuk BMI. Namun, untuk (i), semua studi terpilih 10, 12, 25, 44, 45, 49 memasukkan BMI sebagai variabel linier dalam model kontinu mereka. Pendekatan ini mengasumsikan hubungan linier antara parameter obesitas abdominal dan mortalitas, tetapi tidak memperhitungkan asosiasi nonlinear (misalnya berbentuk U). Metode analisis ROC (ii) tidak mempertimbangkan distribusi kohort berbasis populasi yang umumnya berisiko rendah. 53, 54 Apapun, perbedaan AUC ditemukan mungkin terlalu kecil untuk relevan secara klinis. Oleh karena itu, kami memperlakukan hasil dari kedua pendekatan statistik (i dan ii) dengan hati-hati. Hanya empat studi yang menyediakan data untuk pendekatan ketiga (iii). Keempatnya melaporkan risiko kematian relatif positif yang sebanding untuk WHR, WC dan WHtR dalam kuantil tertinggi, tetapi hanya satu di antaranya 40 untuk BMI. 19, 24, 40, 46 Namun, perbedaan dalam risiko kematian relatif antara AP perut dan IMT tampaknya kecil, dengan hasil IMT hanya hilang signifikansi. Ini menunjukkan bahwa perbedaan antara BMI dan abdominal AP mungkin tidak relevan secara klinis. Meskipun di sini, perlu dicatat bahwa penelitian kami tidak dirancang untuk mengidentifikasi BMI optimal atau nilai AP lainnya yang terkait dengan risiko kematian terendah.

Asosiasi gabungan AP yang berbeda

Kami mengevaluasi dampak hubungan dengan risiko kematian total untuk dua AP yang digabungkan. Semua studi yang memenuhi syarat melaporkan bahwa, ketika disesuaikan untuk obesitas perut, BMI menunjukkan baik negatif signifikan 19, 45, 48 atau hubungan tidak signifikan 12 dengan semua penyebab kematian, sedangkan WHR, 12, 16, 19, 44, 48 WC 12, 16, 44, 45 dan WHtR 12, 44 menunjukkan hubungan positif yang signifikan dengan mortalitas ketika dikontrol untuk BMI. Ini mungkin menunjukkan bahwa menggabungkan tindakan obesitas perut dengan BMI dapat lebih akurat menilai risiko kematian terkait obesitas. Sebuah studi Kanada yang baru-baru ini diterbitkan mengkonfirmasi interpretasi ini. 55 Interaksi antara BMI dan abdominal AP dengan risiko kematian dianalisis oleh beberapa penelitian yang melakukan cross-klasifikasi BMI kuantil dan kuantil WC atau WHR, masing-masing. Risiko tertinggi ditunjukkan pada peserta dalam kategori BMI terendah yang memiliki WC median-ke-besar atau WHR. 16, 19, 26, 45 Kombinasi BMI dan AP abdomen dapat memberikan wawasan tentang tipe risiko dari distribusi lemak tubuh untuk penelitian dan praktik klinis. Namun, bukti dibatasi oleh klasifikasi yang tidak konsisten dari AP yang diperiksa dan terlalu sedikit penelitian yang menyelidiki korelasi AP gabungan dengan risiko kematian. Jelas, penelitian lebih lanjut tentang hubungan antara beberapa AP dan risiko kematian terkait obesitas diperlukan.

Usia

Kami melakukan analisis meta-regresi untuk mengukur pengaruh usia pada hubungan antara AP dan mortalitas. Karena hanya tiga dari studi yang dipilih memberikan analisis stratifikasi yang disesuaikan untuk AP kedua, kami membatasi analisis meta-regresi untuk studi tanpa kontrol risiko kematian relatif untuk AP kedua. Kami mendeteksi tidak ada efek usia yang signifikan pada hubungan IMT-kematian dalam analisis meta-regresi kami membandingkan lebih tua (65 tahun) dengan orang dewasa yang lebih muda (<65 tahun). Studi lain, yang hanya menilai BMI untuk prediksi kematian, dan tinjauan sistematis terbaru oleh Chang et al. , menunjukkan risiko kematian relatif lebih rendah untuk BMI tinggi pada orang dewasa yang lebih tua dibandingkan dengan orang dewasa yang lebih muda. 28, 56, 57, 58 Dalam analisis kualitatif kami, kami mendeteksi hubungan mortalitas negatif tidak signifikan atau signifikan untuk BMI, WC dan WHR di semua 16, 26, 27, 45, 46 kecuali satu 16 studi menyelidiki orang dewasa yang lebih tua. Berlawanan dengan penelitian ini dan hasil kami, tinjauan sistematis terbaru oleh Donini et al. 59 melaporkan risiko kematian yang lebih tinggi untuk tingkat BMI yang lebih tinggi pada orang dewasa yang lebih tua (65 tahun). Para penulis menganggap WC berpotensi sama dengan BMI untuk prediksi risiko kematian dengan kecenderungan lebih suka WC daripada BMI untuk tingkat obesitas yang lebih tinggi pada usia yang lebih tua. Namun, dalam perjanjian dengan Donini et al. , hasil kami menunjukkan risiko kematian yang lebih tinggi untuk orang dewasa yang lebih tua dengan BMI rendah. For abdominal obesity parameters, in our meta-regression analyses, the relative mortality risk associated with WC or WHR was lower in older (65 years old) than younger adults (<65 years old). Chang et al. argued that inconsistent conclusion in literature about AP–mortality associations may be due to, among other factors, different methods of categorization. 28

There are several possible explanations for differing associations of obesity with mortality between younger and older adults. Undiagnosed subclinical chronic diseases are associated with decreasing body weight, which may indirectly decrease, and therefore, undervalue the RR of higher BMI levels. Conversely, obesity might provide energy stores during periods of stress such as diseases or trauma. 60, 61 Findings might also be influenced by a ceiling effect due to the higher absolute mortality of older adults.

Jenis kelamin

Our meta-regression analysis, using gender-specific classifications for WC and WHR, detected no statistically significant gender difference in the associations of any AP with mortality. But as only 9 16, 19, 24, 26, 27, 41, 43, 44, 46, 48 of 18 studies were eligible for meta-regression analyses, these results should be treated with caution. In qualitative analyses, two studies ineligible for meta-regression analyses, but analysing APs as continuous variables, reported gender differences. 10, 25 To our knowledge, this is the first review investigating this topic.

Merokok

Smoking is associated with higher mortality 57, 62 and a lower BMI, 63 but also with higher WC and WHR. 62, 64, 65, 66, 67 Our review, therefore, investigated the impact of smoking on the AP–mortality relationship. However, heterogeneous study results and the small number of stratified studies make interpretation difficult. Our analyses showed that three 16, 24, 47 of five 16, 24, 41, 42, 47 cohorts found the highest relative mortality risk for smokers in the lowest BMI category. One explanation for this higher mortality risk among persons with a low BMI is reverse causation by the higher prevalence of chronic diseases in smokers. 68 Interestingly, all three studies 16, 23, 45 that showed an increased mortality risk for low BMI in smokers excluded the first years of follow-up to minimize confounding by underlying illnesses.

Interpretation of APs

Our review demonstrated that BMI shows either negative or insignificant association at the 5% level with all-cause mortality, after adjustment for WC. 12, 19, 48 However, when adjusted for BMI, WC and WHR showed stronger positive and independent associations with all-cause mortality than in analyses that did not control for BMI. 12, 16, 44, 45 This may be because WC is a good measure of visceral fat mass 69, 70 and is closely related to adverse metabolic profiles and resulting diseases, 13, 14, 15 whereas BMI does not reflect body fat distribution. Studies in this review showed high correlations between BMI and WC, 12, 26 whereas WHR correlated less well with BMI. 16 However, WHR, representing visceral fat and gluteal muscle, may provide additional information regarding regional fat distribution. The WHtR appeared to be an attractive alternative to WHR, providing a correction for body frame size by using height, which is more commonly and more conveniently measured than hip circumference. Our review supports the relevance of WHtR as a mortality predictor, although few prospective studies have examined this variable. Ratio measures, such as WHR and WHtR, have been criticized for their potential for complex biological interpretations 71 and poor test-retest reliability 72 and because successful weight loss interventions commonly reduce both the numerator and denominator, resulting in no observed change in the ratio. 73 Recently, a Swedish cohort showed a new AP, waist-to-hip-to-height-ratio, to be a better mortality predictor than BMI, WHR, WC and WHtR. 74 This promising measure should be investigated in further analyses.

Strengths

Our review has several strengths. Systematic reviews that have analysed obesity and its associations with mortality are often limited to patients with specific diseases. 75, 76 Because we chose a systematic search strategy and analysed population-based cohort studies, our results could be generalizable to a broader patient population. By analysing combined associations of both general and abdominal AP with all-cause mortality, this systematic review extends current literature and may help to identify body distribution types at risk. Furthermore, it gives arguments for assessing two AP for mortality risk assessment in spite of limited time and economic resources.

Keterbatasan

The included studies and their results were heterogeneous, which limits our ability to generalize our results. The heterogeneity between studies resulted from differing categorization of APs, heterogeneous choice of reference categories and the variety of statistical analyses, including different variables adjusting relative mortality risk and may lead to different study results in the literature. Some confirmed confounders of the obesity–mortality relationship, such as cigarette smoking 25, 27, 40, 48 and alcohol use, 25, 27, 40, 45, 46 were not adjusted for in all studies. Adjustment for physical activity and possible mediators of obesity effects such as diabetes, hypertension and high cholesterol; may result in overadjustment. 77 Only eight studies performed sensitivity analyses excluding deaths during the first years of follow-up to control for the effects of severe or terminal illnesses that may present with low body weight. 10, 16, 19, 24, 26, 27, 46, 47 However, our sensitivity analyses addressing physical activity, drinking, obesity mediators and exclusion of early years of follow-up did not change the results significantly. The high collinearity between APs may have caused mutual adjustment in the combined analyses.

The literature search was performed for publications until 7 May 2010 and studies since then could not be included in the systematic review. In order to address this issue, we compared our findings with a recent meta-analysis of British cohort studies by Czernichow et al. and with a recent systematic review by Donini et al. for the obesity–mortality association in older persons (>65 years) as described above. 17, 59 Patterns of association between AP and total mortality shown by Czernichow et al. were similar to our results. The results by Donini et al. confirmed the complexity of AP–mortality associations in older persons and we agree that age-specific categories should be examined in further studies.

Although our study could not provide a pooled analysis of individual patient data, we were able to perform a meta-regression analysis with nine eligible studies. Given the small number of studies in our stratified qualitative and meta-regression analyses, further research is needed to evaluate our results. We could not address changes in weight or body shape as only baseline measurements were taken into account by the studies included.

There is an ongoing discussion whether the kind of measurement of the abdominal AP influences the association with morbidity and mortality and whether this can be accurately measured in clinical practice. 78 Indeed, assessment of the AP differed between the studies: either self-reported 19, 27, 41, 44 or measured. 10, 12, 16, 24, 25, 40, 42, 43, 45, 47, 48, 49 However, validation studies showed a high correlation between self-reported and measured AP. 79, 80 A systematic review revealed that the measurement protocol had no substantial influence on the association between WC and mortality. 81

We restricted our review to the Caucasian population. Because there may be ethnic differences in the associations between AP and obesity, 30, 32, 82 our results should not be generalized to other ethnicities. Conversely, controlling for this variable increases the power of our results by eliminating some potentially confounding effects. Addressing mortality-associated risk of BMI, WC and WHtR in ethnic minority populations would be an interesting future research topic.

Kesimpulan

None of the examined individual obesity measures was shown to be clearly superior to the others in mortality prediction. However, all included studies investigating WHR and WHtR showed positive associations with all-cause mortality, whereas studies analysing BMI and WC as categorical variables were more heterogeneous and predominantly U- or J-shaped (Figure 2 of our meta-regression). Mortality prediction may be improved by combining BMI and an abdominal obesity measure such as WHR or WC. Participants in the lowest BMI quintile having a moderate-to-large WC or WHR had the highest relative mortality risk. WHR is less correlated with BMI than WC is and study results were less heterogeneous for its associations with all-cause mortality. In our meta-regression analysis, older age (65 years old) compared with younger age (<65 years old) was associated with a lower relative mortality risk for high WHR and WC, but not high BMI.

Further investigations are required to examine the combined relationships of APs representing general and abdominal obesity, with all-cause mortality. These should use standardized AP categories. Meta-analyses of individual data such as The Pooling Project of Prospective Studies of Diet and Cancer 83 will further clarify associations and help to inform clinical practice.

Informasi tambahan

Dokumen Word

  1. 1.

    Informasi tambahan

    Informasi Tambahan menyertai makalah ini di situs web European Journal of Clinical Nutrition (//www.nature.com/ejcn)