RSS-Feed abonnieren
DOI: 10.1055/s-0041-1735716
72 BMI-Z-Score (SDS) versus berechnetem Körperfettanteil zur Vorhersage möglicher Komorbiditäten adipöser Kinder und Jugendlicher-Analyse der APV Daten
Zusammenfassung
Die Vorhersagbarkeit der jeweiligen Komorbiditäten mit dem berechneten KFA ist möglich, jedoch schneidet die Vorhersage auf Basis des BMI-SDS besser ab. Möglicherweise sind die in der Formel beschriebenen Ethnien in einem deutschsprachigen Kollektiv seltener anzutreffen bzw. aus dem Geburtsland nicht sicher ableitbar. Ob eine auf nationale Verhältnisse angepasste Formel vergleichbare Ergebnisse erzielt, muss weiter untersucht und mit objektiven Verfahren zur Bestimmung der Körperkomposition überprüft werden.
#
Einleitung
Der BMI-SDS wird i.d.R. zur Gewichtsklassifikation herangezogen. Hudda et al. (2019) entwickelten eine Formel, um den Körperfettanteil (KFA) unter Berücksichtigung von Alter (A), Geschlecht, Größe (H), Gewicht (W) sowie Ethnie (E) zu berechnen und zeigten eine gute Vorhersage für die Entwicklung eines Typ-2-Diabetes. Auf Basis des APV-Kollektivs wurde geprüft, ob der berechnete KFA gegenüber dem BMI-SDS (nach KIGGS) hinsichtlich der Vorhersagbarkeit einer arteriellen Hypertonie (HYP, nach KiGGS), Dyslipidämie (HLP, gemäß American Heart Association) und gestörtem Kohlenhydrat(KH)-Stoffwechsel (mind. 1 Kriterium erfüllt: nüchtern BZ>100 mg/dl, 2h-BZ im oGTT>140 mg/dl, HbA1c>5,7%) überlegen ist.
#
Material und Methodik
100 103 Kinder und Jugendliche zwischen 4 bis 15 J. wurden integriert (48,2% männlich (n=48 250); 23,9% mit Migrationshintergrund (MH); anthropometrische Daten s. [Tab. 1]). Bei n=64 651 war das Geburtsland bekannt, bei den übrigen wurde gemäß der Formel „weiss“ angenommen. Der KFA wurde wie folgt berechnet: = W−exp[0.3073×H2−10 0155×W−1+0,004571×W+0,01408×E Schwarzafrikanisch) − 0,06509×E Südasien−0,02624×E übriges Asien−0,01745×Andere E−0,9180×ln(A)+0,6488 × A0.5+0,04723×männlich+2,8055]. Die Patienten wurden anhand des BMI-SDS und des berechneten KFA in Quartile eingeteilt. Die Vorhersage wurde auf Basis einer logistischen Regression, der Vergleich beider Modelle mit dem Vuong-Test berechnet.
Median |
unteres Quartil |
oberes Quartil |
|
---|---|---|---|
n=100 103 |
|||
Alter (J.) |
12,6 |
10,7 |
14,0 |
Gewicht (kg) |
69,9 |
55,8 |
84,1 |
Größe (cm) |
157,3 |
147,0 |
165,2 |
BMI (kg/m2) |
28,0 |
25,1 |
31,4 |
BMI-SDS |
1,93 |
1,50 |
2,34 |
KFA (%) |
39,0 |
35,5 |
42,3 |
Fettmasse (kg) |
26,8 |
20,8 |
33,7 |
#
Ergebnisse
58,0% hatten eine HYP, 33,3% eine HLP und 11,5% eine Störung des KH-Stoffwechsels, Anteil der Komorbiditäten in Abhängigkeit der Quartile (Q) s. [Tab. 2].
HYP |
HLP |
Störung des KH-Stoffwechsels |
||||
---|---|---|---|---|---|---|
BMI-SDS |
KFA |
BMI-SDS |
KFA |
BMI-SDS |
KFA |
|
Q1 |
44,2% |
45,6% |
27,5% |
27,6% |
7,9% |
8,2% |
Q2 |
54,0% |
54,2% |
31,0% |
31,5% |
9,2% |
9,2% |
Q3 |
61,6% |
62,2% |
33,8% |
33,8% |
10,4% |
10,4% |
Q4 |
70,2% |
71,8% |
36,6% |
37,3% |
12,7% |
13,0% |
In beiden Modellen fanden sich für alle 3 Komorbiditäten signifikante ß-Koeffizienten im Trendtest (je p<0,001, adjustiert nach Alter, Geschlecht und MH); der Bezug zum BMI-SDS war jeweils signifikant enger (p<0,001).
Unterstützt von dem EU-IMI2-Konsortium SOPHIA
#
#
Publikationsverlauf
Artikel online veröffentlicht:
24. September 2021
© 2021. Thieme. All rights reserved.
Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany