INTRODUCCIÓN

De acuerdo con cifras publicadas por la Organización Mundial de la Salud, para el año 2016 más de 1900 millones de adultos mayores de 18 años presentaban sobrepeso, que incluyen más de 650 millones de obesos; además un 39% de ellos corresponden al sexo masculino y 40% corresponden al sexo femenino. En términos generales para ese mismo año, aproximadamente un 13% de la población mundial eran obesos, y de ellos 11% son hombres y 15% mujeres⁽¹⁾. Además tanto el sobrepeso como la obesidad están asociados con enfermedades crónicas no transmisibles, las cuales pueden afectar en mayor medida a este grupo poblacional, considerado vulnerable.

Para diagnosticar y clasificar la obesidad, la Organización Mundial de la Salud (OMS)⁽¹⁾, la International Obesity Task Force (IOTF)⁽²⁾ y las sociedades científicas, aconsejan el empleo de datos antropométricos, tales como peso, edad, talla y circunferencia corporal, y mencionan que el indicador más utilizado en la población para la valoración de adiposidad es la relación entre el peso en kilogramos y la talla en metros al cuadrado, conocido como Índice de Masa Corporal (IMC) o índice de Quetelet (Henufood)⁽³⁾. Cifras referidas por la Organización Panamericana de la Salud (OPS), Venezuela, reportan que el sobrepeso afecta a más de la mitad de la población de todos los países de la región; mientras que la obesidad afecta a 140 millones de personas, el 23% de la población regional y las mayores prevalencias se pueden observar todas en países del Caribe, afectando en un 10% más a las mujeres OPS⁽⁴⁾. Al analizar la situación nutricional de la población venezolana evaluada de 7 a 40 años se obtuvo que un 38,06% presentó malnutrición por exceso, en donde el 21,31% estuvo representado por sobrepeso y 16,76% por obesidad, respectivamente, siendo el grupo de edad de 35-40 años el más afectado y en donde el género masculino presentó mayores porcentajes INN⁽⁵⁾. Una investigación realizada por el Centro Integral de tratamiento para la Obesidad (CitoGroupVe)⁽⁶⁾, revela que entre 2010 y 2017 se ha reducido la tasa de sobrepeso y obesidad, pasando el sobrepeso de 30% a 25% y la obesidad de 24% a 11% y obesidad mórbida de 1,74% a 0,6% . En este trabajo, se considera el Índice Peso-Circunferencia de Cintura (IPCC), el cual se obtiene como una relación entre el peso y la circunferencia de cintura, como un nuevo indicador para evaluar sobrepeso y obesidad en adultos, es posible que este pueda ser de utilidad al ser considerado como un complemento del Índice de Masa Corporal (IMC), en la evaluación de exceso de peso; por tal motivo resulta de utilidad evaluar este indicador en cuanto a su discriminación al identificar aquellas personas adultas que tengan sobrepeso u obesidad, y así contribuir a realizar una evaluación más completa de dichas personas. El Índice Peso-Circunferencia de Cintura, se utilizó en una muestra que la integraron 137 pacientes, con diagnóstico de hígado graso no alcohólico (Meneses)⁽⁷⁾ e incluidos en un artículo publicado por Bauce et al⁽⁸⁾ y luego en otra muestra conformada por 559 adultos mayores⁽⁹⁾; el mismo consiste en dividir el peso entre la circunferencia de cintura, y se asume el peso como una medida de volumen y la circunferencia de cintura como una medida indirecta de grasa abdominal.

Por esta razón, parece viable hacer un análisis, mediante el uso de la curva Receiver Operating Characteristic (ROC), la cual permite establecer la sensibilidad y la especificidad, además del área bajo la curva; la validez del modelo en cuanto a la ecuación para calcular la probabilidad de riesgo, y se complementa con la obtención del valor predictivo positivo y el valor predictivo negativo, para establecer el poder discriminante de este estimador.

Ahora bien para el análisis de esta curva, previamente es necesario aclarar lo concerniente al modelo de regresión logística binaria, el cual es muy útil para abordar este tipo de cuestiones, como lo es el riesgo de sobrepeso u obesidad, bajo la condición de que se haya tenido en cuenta al realizar el estudio todas las variables importantes para explicar la variable respuesta, y que se seleccione una muestra suficientemente numerosa y bien distribuida (Barón-López)⁽¹⁰⁾.

MÉTODOS

Para el análisis de la curva ROC del Índice Peso-Circunferencia de Cintura (IPCC), se utilizó una muestra conformada por 1095 adultos y adultos mayores, divididos en dos grupos, 463 adultos de 20–59 años y 632 adultos mayores ≥ 60 año; 418 (38,2%) del sexo masculino y 677 (61,8%) del sexo femenino.

El Índice Peso-Circunferencia de Cintura (IPCC), utilizado por Bauce, y se calculó mediante la fórmula siguiente^(8,11,12):

Se asume el IPCC como la prueba para evaluar el riesgo, en las personas que tienen sobrepeso u obesidad, cuando han sido diagnosticas mediante el IMC, según se consideren con sobrepeso u obesidad; de allí que es necesaria la evaluación de este indicador, mediante la Regresión Logística.

Para la obtención del Índice de Masa Corporal (IMC), se utilizó la fórmula de Quetelet⁽¹³⁾:

Para el Porcentaje de Grasa Corporal, se aplicó la fórmula de Deurenberg (1991) para adultos⁽¹⁴⁾:

Fórmula de Deurenberg: %GC = 1,2 x IMC + 0,23 x Edad – 10,8 x Sexo – 5,4

Para el sexo se tiene: Masculino = 1 y Femenino = 0

Se tiene en cuenta que el modelo de Regresión Logística de variable dependiente cualitativa, trata de explicar y predecir una característica cualitativa a partir de los datos de otras variables conocidas, sean estas cuantitativas o cualitativas, las cuales actúan como variables explicativas ⁽¹⁵⁾.

Primero se deben calcular los Odds Ratio, los cuales se interpretan en términos de razón⁽¹⁶⁾, y representan la probabilidad de que ocurra un evento dividido por la probabilidad de que no suceda⁽¹⁷⁾, y el Riesgo Relativo (RR), el cual se obtiene como el cociente entre los dos Odds Ratio, e indica cuanto más probable es la ocurrencia de un suceso con respecto al otro⁽¹⁸⁾.

Otro aspecto que permite la evaluación del modelo de Regresión Logística, lo constituye la Sensibilidad y la Especificidad, las cuales expresan la exactitud diagnóstica de una prueba, dado que la primera representa la probabilidad de clasificar correctamente a un individuo cuyo estado real sea el definido como positivo respecto a la condición que estudia la prueba, en vista de lo cual se denomina también como fracción de verdaderos positivos (FVP); mientras que la especificidad representa la probabilidad de clasificar correctamente a un individuo cuyo estado real sea definido como negativo respecto a la condición que estudia la prueba, y se denomina fracción de verdaderos negativos (FVN)⁽¹⁹⁾.

Para una primera curva ROC, se consideró como variable independiente numérica el peso, variable independiente categórica el IMC; y para una segunda curva ROC, variable independiente numérica la talla y variable independiente categórica IMC.

Se incluyen las variables edad, peso, índice de masa corporal, circunferencia de cintura (CC), el índice cintura-talla (ICT), Porcentaje de Grasa Corporal (PGC); y se determinaron medidas descriptivas, de correlación y se calcularon las curvas ROC combinando IPCC Peso e IMC, IPCC Peso y CC; IPCC con Peso e ICT; IPCC con Edad e IMC; IPCC con Edad y CC; IPCC con Edad e ICT; IPCC con Talla e IMC; IPCC con Talla y CC; IPCC con Talla y ICT, con las pruebas de hipótesis mediante los estadísticos Wald y R. Se determinaron medidas como los Odds Ratio, Riesgo Relativo (RR), Sensibilidad y Especificidad. Como se incluyen los indicadores CC, ICT, IPCC y PGC se asumió como criterios para su clasificación los siguientes:

Para la CC hombres un valor de la CC ≤ 102 cm (No Riesgo); CC > 102 cm (Riesgo). Para mujeres, un valor de la CC ≤ 88 cm (No Riesgo); CC > 88 (Riesgo)⁽²⁰⁾. Para el ICT un valor del ICT < 0,53 (No Riesgo) e ICT ≥ 0,53 (Riesgo) en los hombres, y un valor del ICT < 0,48 (No Riesgo) e ICT ≥ 0,49 (Riesgo) en las mujeres⁽²¹⁾. El criterio para clasificar con Riesgo y No riesgo, según el IPCC, teniendo en cuenta que la media, mediana y modo son 0,76, 0,75 y 0,75 respectivamente, se eligió el promedio de estas tres medidas, el cual es de 0,75, de tal manera que para un IPCC < 75 corresponde a No riesgo y un IPCC ≥ 0,75 corresponde a Riesgo.

Para la obtención de los Odds, los Odds Ratio (OR), Riesgo Relativo, Sensibilidad y Especificidad, se organizan los datos en una tabla de contingencia⁽²²⁾, en la cual se asume como referencia el IMC y como prueba aplicada el IPCC, ambos con dos categorías Riesgo y No riesgo. Para ello se combinan los dos indicadores en una tabla de contingencia 2x2, representando en las columnas el IMC, por ser el que se utiliza como referencia para la clasificación en Peso normal y Exceso, y en las filas el IPCC, el cual es el indicador que se quiere comprobar si se comporta de acuerdo a lo que se desea averiguar en cuanto a clasificar con riesgo o no riesgo a los adultos y adultos mayores, identificándose como Prueba positiva (Riesgo) y Prueba negativa (No riesgo). Se tiene que la sensibilidad y especificidad, se obtienen a partir de la siguiente relación:

Sensibilidad = VP/(VP+FN) =FEP (Fracción de Verdaderos Positivos)

= VN/(VN+FP) = FVN (Fracción de Verdaderos Negativos)

Especificidad = 1 – FFP (Fracción de Falsos Positivos)

Los Odds corresponde a la razón entre la probabilidad de que un evento ocurra y la probabilidad de que no ocurra; y los Odds Ratio (OR) es la división entre dos Odds⁽²³⁾; el Riesgo Relativo (RR) es la razón entre dos proporciones o tasas, si es igual a 1 la tasa o riesgo relativo en los dos grupos que se comparan es exactamente igual⁽²⁴⁾. La sensibilidad se refiere al porcentaje de personas con la patología (o el evento) que tiene resultados positivos en la prueba; la especificidad se refiere al porcentaje de personas sin la patología (o el evento) que tiene resultados negativos en la prueba. Este procedimiento, conlleva a determinar medidas de precisión como estimadores (media y desviación), las cuales permiten elaborar intervalos de confianza para los verdaderos valores de sensibilidad y especificidad. Se aplican pruebas de diferencias de medias, Chi cuadrado y se obtienen correlaciones.

Se utilizó el software Epidat.2 el cual contiene un módulo que permite calcular la Regresión logística, y a partir de los resultados aportados por dicho módulo, se procedió al análisis de los mismos.

RESULTADOS

En la tabla 1, se puede visualizar los promedios y desviación de cada una de las variables, y se observa que el IMC es similar en los dos grupos etáreos, llama la atención que el promedio de la CC y el promedio del ICT resultan mayores en el grupo de 60 o más años; en tanto que IPCC es mayor en el grupo etáreo de 20-59 años, con un rango de 0,48, el cual es menor al rango del grupo etáreo de 60 o más años que es de 0,71.

Se comparan los promedios del IPCC por sexo, grupo de edad, según la clasificación de los indicadores IMC, CC e ICT en riesgo y no riesgo, todas las diferencias resultaron estadísticamente significativas (P<0,000) (Tabla 1).

Con respecto a las correlaciones, se tiene que la edad correlaciona moderadamente con el ICT (0,44) y el PGC (0,57); el peso correlaciona moderadamente con el ICT (0,59) y con el IPCC (0,65), y correlaciona altamente con la CC (0,77) y el IMC (0,85); la talla correlaciona moderadamente con el IPCC (0,60); el IMC correlaciona altamente con la CC (0,81) y el ICT (0,81); la CC muy alta con el ICT (0,94) y moderadamente con el PGC (0,62); el ICT altamente con el PGC (0,75); y el IPCC moderadamente con el peso (0,65) y la talla (0,60).

Se clasifica cada uno de los indicadores CC, ICT e IPCC, en riesgo y no riesgo, y se comparan con el IMC, según las categorías de este, de acuerdo con su valor, y se tiene que difieren en cuanto al porcentaje de adultos con Riesgo, clasificados con Peso normal, ya que resulta más bajo el porcentaje en la CC con 8,6%, y más alto en el IPCC que en el ICT (29,7% vs. 23,5%); con sobrepeso los porcentajes de adultos con Riesgo, del ICT e IPCC son similares (41,1% y 43,4%) y es menor el porcentaje del IPCC (34,7%); con obesidad los porcentajes de adultos con Riesgo del ICT e IPCC son similares (21,8% y 21,9%) y mayor en la CC (32,3%) y obesidad mórbida similares el porcentaje es más bajo en el ICT (3,82%), seguido del porcentaje en el IPCC (5,52%) y menor en la CC (3,82%) (Tabla 2).

Por otra parte, se puede observar que difieren en cuanto a la clasificación de los adultos en no riesgo y riesgo, ya que en no riesgo los porcentajes son 55,3%; 21,8% y 45,9% para la CC, ICT e IPCC, respectivamente; y para la clasificación en riesgo los porcentajes son 44,7%; 78,2% y 54,1% para la CC, ICT e IPCC, respectivamente (Tabla 2). Ello podría explicarse por el hecho que el IPCC correlaciona muy bajo con dichas medidas.

En principio se tiene la comparación del IPCC con la clasificación del IMC en riesgo y no riesgo, mediante un diagrama de cajas, el cual evidencia una posible diferencia entre estos dos grupos (Figura 1).

Figura 1
Diagrama de caja que muestra la comparación del IPCC, según clasificación en riesgo y no riesgo del IMC, por grupo de edad y sexo. Adultos y adultos mayores

Como se evalúa el IPCC, se relacionó este con el IMC, considerado como patrón de referencia y se tiene la Figura 1, donde se evidencia que la clasificación de los adultos en no riesgo y riesgo, según el IMC, pareciera ser diferenciada en relación a los valores del IPCC; luego se comparan los promedios del IPCC, según los grupos Riesgo y no riesgo, mediante una prueba de diferencia de medias independientes, según el IMC, y la diferencia resulta ser estadísticamente significativa (p<0,000) y un intervalo del 95% igual a (-0,088; -0,058).

Para la evaluación del Índice Peso-Circunferencia de Cintura (IPCC), inicialmente se procedió a clasificarlo y relacionarlo con la clasificación del IMC, y se determinaron los Odds ratio, el riego relativo (RR), la sensibilidad y la especificidad, con el fin de verificar la exactitud del IPCC como prueba diagnóstica para riesgo (sobrepeso u obesidad) en los adultos (Tabla 3).

Previamente se calculó la Chi cuadrado para verificar si el IPCC es independiente del IMC, y se obtuvo que c²= 402,6, el cual indica que el IPCC no es independiente del IMC (p<0,000); es decir, que el IPCC está asociado significativamente con el IMC; se procedió de igual forma para la CC y el ICT, con resultado estadísticamente significativo; además se obtuvo la sensibilidad y la especificidad (Tabla 3).

El valor Predictivo positivo es VP+ = 0,921 y el valor predictivo negativo es VP- = 0,704 estos valores representan que 92,1% de los adultos clasificados con riesgo por el IPCC, realmente tienen riesgo, según el IMC; y 70,4% de los adultos clasificados con no riesgo por el IPCC, realmente son clasificados con no riesgo por el IMC. El riesgo relativo es igual a

Este valor significa que aproximadamente 2 adultos tendrían riesgo, según el IPCC, por cada uno que no tenga riesgo. El cociente de verosimilitudes, mediante el estadístico R, resulta ser estadísticamente significativo (p<0,000).

Los coeficientes de cada variable son los siguientes: para el peso 0,107; para el IMC -1,383 y el término constante es -9,427. Según los resultados obtenidos, el estadístico de prueba Wald, para cada uno de los términos de la ecuación del modelo, indica que estos son estadísticamente diferentes de cero, ya que el p-valor es 0,000 en cada uno de estos coeficientes. Por lo tanto, ambas variables son importantes para explicar el modelo, mediante el cálculo de la probabilidad de riesgo a partir de la siguiente ecuación.

Los Odds Ratio (OR) de cada una de las variables, con sus respectivos intervalos del 95% de confianza son los siguientes: para el peso el OR es 1,113 y para el IMC es 0,251. Se puede observar que para el peso el OR significa que mide el cambio al aumentar una unidad de peso, suponiendo estables o constantes las otras variables; en otras palabras hay un adulto más en riesgo si se utiliza el IPCC para clasificar o evaluar a estos pacientes, que adultos en no riesgo.

En tanto que el OR del IMC es 0,25, el cual significa que mide el cambio al aumentar una unidad del IMC, suponiendo estables o constantes las otras variables; esto es que hay igual número de adultos en riesgo y no riesgo, al utilizar el IPCC para clasificar o evaluar e estos adultos.

Se tiene la figura 2-A, correspondiente a la curva Receiver Operating Characteristic Curve (ROC) para el indicador Índice Peso-Circunferencia de Cintura (IPCC), considerando como variable independiente numérica el Peso y variable independiente categórica el IMC. En el mismo se puede observar que la curva se distancia de la diagonal, y conlleva a un área bajo la curva igual a 0,803, y un intervalo del 95% igual a (0,761; 0,844), el cual permite afirmar que hay una alta capacidad discriminativa del IPCC.

Figura 2
Curva Operativa Característica (ROC) del IPCC

Se aplicó la RL considerando el Peso y el ICT como variable categórica y se obtuvo que el cociente de verosimilitudes indica un R estadísticamente significativo (p<0,000).

Los coeficientes de cada variable, son para el peso 0,155, para el ICT -3,441 y el término constante -11,624; de acuerdo con el resultado del estadístico Wald, para la ecuación del modelo, estos son estadísticamente diferentes de cero (p<0,000), esto es, ambas variables son importantes para explicar el modelo, y se calcula la probabilidad de riesgo a partir de la ecuación:

Los Odds Ratio (OR) de cada una de las variables, con sus respectivos intervalos del 95% de confianza son los siguientes: para el peso el OR es 1,168y para el ICT es 0,032. Se puede observar que para el peso el OR significa que mide el cambio al aumentar una unidad de peso, suponiendo estables o constantes las otras variables; en otras palabras hay un adulto más en riesgo si se utiliza el IPCC para clasificar o evaluar a estos pacientes, que adultos en no riesgo; en tanto que el OR del ICT es 0,032, el cual significa que mide el cambio al aumentar una unidad del ICT, suponiendo estables o constantes las otras variables; esto es que hay igual número de adultos en riesgo y no riesgo, al utilizar el IPCC para clasificar o evaluar e estos adultos.

Así mismo, se tiene la figura 2-B correspondiente a la curva Receiver Operating Characteristic Curve (ROC) para el indicador Índice Peso-Circunferencia de Cintura (IPCC), considerando como variable independiente numérica el Peso y variable independiente categórica el ICT. En el mismo se puede observar que la curva se distancia de la diagonal, y conlleva a un área bajo la curva igual a 0,903, y un intervalo del 95% igual a (0,872; 0,934), el cual permite afirmar que hay una alta capacidad discriminativa del IPCC.

DISCUSIÓN

Los resultados obtenidos evidencian que el Índice Peso-Circunferencia de Cintura, puede ser considerado un buen estimador para clasificar a los adultos con sobrepeso/obesidad, por cuanto al clasificar en riesgo y no riesgo, se tiene un 53,4% de adultos en riesgo, ligeramente menor al reportado⁽²²⁾ el cual es de 57,6%; además esta significativamente asociado con el IMC (p<0,000), con el ICT (P<0,01) y con la CC (p<0,02). Por otra parte se tienen las correlaciones entre el IPCC y otros indicadores, las cuales son moderadas con el peso y la talla (0,65 y 0,60) las mismas son significativas (p<0,001); discrepan de las obtenidas por Bauce⁽²²⁾, quien obtuvo correlación entre Peso-IPCC de 0,82. Se tiene además, que la Sensibilidad y Especificidad del IMC son de 0,69 y 0,94, respectivamente, valores que resultan ser ligeramente menores a los reportados por Méndez-Pérez et al⁽²⁵⁾ para grupos de diferentes edades, pero similares a los reportados por Oleas Galeas et al.⁽²⁶⁾, con valores de 90% y 75%, respectivamente. Con relación al IMC, el IPCC tiene una Sensibilidad de 92,11% y una Especificidad de 70,56%.

Cerda y Cifuentes citan el uso de la curva ROC en investigación clínica, y evalúan la capacidad de discriminación de un test diagnóstico que distingue pacientes sanos versus pacientes enfermos, mediante la sensibilidad y especificidad, estimados mediante el área bajo la curva⁽²⁷⁾. Lo cual coincide con lo obtenido en este estudio con relación a la capacidad discriminativa.

Vale señalar que en indicadores como el IMC, la CC y el ICT, los promedios para el grupo etáreo ≥ 60 años, (27,1±4,8; 93,9±11,10 y 0,60±0,1, respectivamente) son similares a los reportados por Bauce et al.⁽⁸⁾, así como el promedio del IPCC (0,72±0,1) resulta ser similar al reportado en el mismo estudio. Por otra parte, estos promedios del IMC, por grupo etáreo 20-29 años y ≥ 60 años (24,5±6,6 y 27,1±4,8, respectivamente) son mayores a los obtenidos por Oleas-Galeas et al.⁽²⁴⁾, (23,8±1,7 y 22,8±2,7). De igual forma, el IMC promedio es mayor al obtenido por Bauce⁽⁸⁾, en un grupo de adultos (27,5±6,6 y 20,6±5,2); el promedio de la CC es mucho mayor (87,3±16,6 y 69,9±13,3), y el promedio del ICT resulta ser ligeramente menor (0,54±0,11 y 0,58±0,09)

Con relación al IPCC, se tiene que el promedio es 0,76±0,11; el mismo es similar al obtenido por Bauce et al.⁽⁸⁾, 0,79±0,08, y ligeramente mayor al reportado por Bauce⁽¹²⁾ en otro estudio, el cual es 0,71±0,10.

La comparación de los promedios del IPCC, por sexo, grupo de edad, clasificación de los indicadores IMC, CC e ICT en riesgo y no riesgo, es estadísticamente significativa (p<0,000).

La valoración del Índice Peso-Circunferencia de Cintura (IPCC) mediante la Regresión Logística, evidencia que es un índice que resulta ser confiable, ya que en las dos ecuaciones que se obtienen para estimar el riesgo, el cociente de verosimilitud revela que el estadístico R, resultó ser estadísticamente significativo; así mismo los coeficientes de las variables en cada ecuación, mediante el estadístico Wald también son estadísticamente significativos (p< 0,000). Por otra parte, para la Curva ROC, se obtuvo, en ambos casos, que el área bajo la curva es elevada, 0,803 y 0,903; es decir, está cercana a 1, lo que evidencia una alta Sensibilidad y una alta Especificidad del indicador IPCC, lo que conlleva a una alta capacidad discriminativa.

La prevalencia de sobrepeso y obesidad (riesgo) de acuerdo con el IPCC, se ubica en 53,4%, correspondiendo al sexo masculino 66,0% y al sexo femenino 45,6%, valores mayores a los referidos por la IOTF⁽²⁾, con tendencia al aumento en toda Europa y prevalencia entre 10% y 27% en hombres y 38% en mujeres; y en Estados Unidos valores de 28% en hombre y 34% en mujeres.

CONCLUSIÓN

Se puede concluir, que la aplicación de la Regresión Logística al IPCC y la curva ROC revelan que es un indicador con una alta capacidad discriminativa, además de tener una alta sensibilidad (1,00) y una especificidad aceptable (0,61), que garantizan su aplicación confiable para evaluar riesgo en adultos y adultos mayores, y servir de referencia, para estudios futuros.

Agradecimientos

A la Dra. Carmen Cecilia Jiménez Palacios, por habernos permitido utilizar la Base de Datos, de su Tesis Doctoral, en cuanto a la información general de los niños y adolescentes, la cual completamos con los datos antropométricos necesarios para esta investigación

REFERENCIAS

1. Organización Mundial de la Salud. Centro de Prensa. Obesidad y Sobrepeso. Datos y cifras. Abril de 2020. (Internet) (citado 2020 Nov 19) Disponible en: https://www.who.int/es/news-room/fact-sheets/detail/obesity-and-overweight

2. International Obesity Task Force. EU Platform Briefing Paper. March 15 2005. Brussels. (Internet) (citado 2021 Mar 16) Disponible en: https://ec.europa.eu/health/ph_determinants/life_style/nutrition/documents/iotf_en.pdf

3. Henufood. Salud desde la alimentación. Obesidad en la edad adulta. (Internet) (citado 2020 Nov 19) Disponible en: http://www.henufood.com/nutricion-salud/mejora-tu-salud/obesidad-en-la-edad-adulta/index.html#:~:text=En%20cuanto%20a%20la%20población,hombres%20(0%2C3%25).

4. Organización Panamericana de la Salud, Venezuela. Sobrepeso afecta a casi la mitad de la población de todos los países de América Latina y el Caribe salvo por Haití. Santiago de Chile (FAO/OPS) 19 de enero 2017. (Internet) (citado 2020 Nov 26) Disponible en: https://www.paho.org/venezuela/index.php?option=com_content&view=article&id=284:sobrepeso-afecta-a-casi-la-mitad-de-la-poblacion-de-todos-los-paises-de-america-latina-y-el-caribe-salvo-por-haiti&Itemid=215

5. Instituto Nacional de Nutrición. Sobrepeso y Obesidad en Venezuela (Prevalencia y Factores Condicionantes). Colección Lecciones Institucionales. Fondo Editorial Gente de Maíz, 2012.

6. Centro Integral de Tratamiento para la Obesidad (CitoGroupVe).Tasa de obesidad en Venezuela se redujo a un tercio en la última década. 1 de noviembre, 2019. (Internet) (citado 2020 Nov 26) Disponible en: https://www.elinformadorvenezuela.com/vida/en-venezuela-tasa-de-obesidad-se-redujo-a-un-tercio-en-la-ultima-decada/

7. Meneses D, Negrín E. Esteatosis hepática no alcohólica: relación con la circunferencia de cintura. Trabajo Especial de Grado para optar al título de Especialista en Nutrición Clínica. Facultad de Medicina, Universidad Central de Venezuela, Caracas, 2015

8. Bauce G, Moya-Sifontes M. Relación entre el porcentaje de grasa corporal y otros indicadores antropométricos de obesidad en adultos con hígado graso. Rev Digit Postgrado. 2019; 9(1):e155

9. Bauce G, Moya-Sifontes M. Índice Peso Circunferencia de Cintura como indicador complementario de sobrepeso y obesidad en diferentes grupos de sujetos. Rev Digit Postgrado. 2020; 9(1): e195. doi: 10.37910/RDP.2020.9.1.e195

10. Barón-López F. Apuntes de Estadística. Capítulo 8 Regresión Logística Binaria. UMA. (Internet) (citado 2020 Nov 13) Disponible en: https://www.bioestadistica.uma.es/apuntesMaster/regresion-logistica-binaria.html

11. Bauce G. Three indicators for overweight and obesity: BMI, CC and P/CC-index in children and adolescents: Pilot stud. MOJ Biol Med. 2018;3(3):120‒125.

12. Bauce G. Evaluación antropométrica de un grupo de pacientes adultos mayores. Rev Digit Postgrado. 2020; 9(2): e225. doi: 10.37910/RDP.2020.9.2.e225.

13. Iafstore. Cálculo del IMC, morfología y grasa corporal. El nacimiento del Índice de Masa Corporal. 2016. (Internet) (citado 2018 Jul 13). Disponible en: https://blog.iafstore.com/es/calculo-del-imc-morfologia-y-grasa-corporal-a279

14. Gottau G. Índice de masa corporal y porcentaje de grasa en el cuerpo. Vitónica 2009. (citado 2020 Mar 06). Disponible en: https://www.vitonica.com/anatomia/indice-de-masa-corporal-y-porcentaje-de-grasa-en-elcuerpo

15. Fiuza Pérez Mª D, Rodríguez Pérez JC. La regresión logística: una herramienta versátil. Rev Nefro 2000;20(6):477-565. (Internet) (citado 2020 Nov 13) Disponible en: https://www.revistanefrologia.com/es-la-regresion-logistica-una-herramienta-articulo-X0211699500035664

16. Camarero Rioja L, Almazán Llorente A, Mañas Ramírez B. Análisis Multivariante. Regresión Logística: Fundamentos y aplicación a la investigación sociológica. (Internet) (citado 2020 Nov 13). Disponlble en: https://www2.uned.es/socioestadistica/Multivariante/Odd_Ratio_LogitV2.pdf

17. Cárdenas J. Investigación Cuantitativa. 2015. (Internet) (citado 2020 Nov 15) Disponible en: http://networkianos.com/odd-ratio-que-es-como-se-interpreta/

18. Molinero LM. Riesgo Relativo y Odds ratio. Asociación de la Sociedad Española de Hipertensión. Liga Española para la lucha contra la hipertensión arterial. Mayo 2001. (Internet) (citado 2020 Nov 15) Disponible en: https://www.alceingenieria.net/bioestadistica/oddsratio.pdf

19. López GI, Píta S. Curvas ROC. Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario Universitario de A Coruña (España). CAD ATEN PRIMARIA 1998; 5 (4): 229-235. 25/09/2001. Elsevier. (Internet) (citado 2020 Nov 16) . Disponible en: https://www.fisterra.com/mbe/investiga/curvas_roc/curvas_roc.asp#sye

20. Don Detection, Evaluation and Treatment of High Blood Cholesterol in Adults. Executive Summary of the Third Report of the National Cholesterol Education Program (NCEP) Expert Panel on Detection, Evaluation, and Treatment of High Blood Cholesterol in Adults (Adult Treatment Panel III). JAMA. 2001; 285(19):2486-97. (Internet) (citado 2020 Ene 16) Disponible en: https://www.ncbi.nlm.nih.gov/pubmed/11368702

21. Salas-Salvadó J, Rubio M, Barbany M, Moreno B. Grupo Colaborativo de la SEEDO. Consenso SEEDO 2007 para la evaluación del sobrepeso y la obesidad y el establecimiento de criterios de intervención terapéutica. Medicina Clínica. Elsevier 128 (5):184-196 Febrero 2007. (Internet) (citado 2020 Nov 23) Disponible en: https://www.elsevier.es/en-revista-medicina-clinica-2-articulo-consenso-seedo-2007-evaluacion-del-13098399

22. Aedo M, Pavlov D, Clavero C. Riesgo relativo y Odds ratio ¿Qué son y cómo se interpretan? Nota Estadística. Rev. Obstet. Ginecol-Hosp. Santiago Oriente Dr. Luis Tisne Brousse. 2010; 5 (1): 51-54. (Internet) (citado 2020 Nov 27) Disponible en: https://prevencion.umh.es/files/2015/03/riesgo-relativo-y-odds-ratio.pdf

23. Dagnino S J. Riesgo Relativo y (Razón de ventajas). Rev. Chil. Anest. 43 (4): 317-321|doi: PDF|ePub|RIS. (Internet) (citado 2020 Nov 27) Disponible en: https://revistachilenadeanestesia.cl/riesgo-relativo-y-razon-de-ventajas/

24. Servizo Galego de Saude. Xunta de Galicia. Epidat 4.0 (citado 2020 Nov 27) Recuperado de: http://www.sergas.es/Saude-publica/EPIDAT

25. Méndez-Pérez B, Landaeta-Jiménez M, Amador J, Vásquez M, Marrodán D. Sensibilidad y especificidad de indicadores antropométricos de adiposidad y distribución de grasa en niños y adolescentes Venezolanos. INCI 2009;34(2): 84-90 (citado 2020 Nov 25) Recuperado de: http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0378-18442009000200004&lng=es

26. Oleas M, Barahona A, Salazar Lugo R. Índice de masa corporal y porcentaje de grasa en adultos indígenas ecuatorianos Awá. ALAN 2017; 67(1): 42-48. (Internet). (citado 2020 Nov 25) Recuperado de: http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0004-06222017000100006&lng=es.

27. Cerda J, Cifuentes L. Uso de curvas ROC en investigación clínica: Aspectos teórico-prácticos. Rev. Chil. Infectol. 2012; 29(2):138-141 (Internet) (citado 2020 Nov 13) Recuperado de: https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0716-10182012000200003&lng=es.

Información adicional

Cómo citar: Bauce G, Moya-Sifontes M. Análisis de la curva ROC en la evaluación de indicadores antropométricos. Rev Digit Postgrado. 2022; 11(1): e333. doi: 10.37910/RDP.2022.11.1.e333

Conflicto de interés: los autores declaran no tener conflictos de interés.