Association Between Body Composition and Cardiometabolic Outcomes A Prospective Cohort Study

Investigadores: Matthias Jung, Marco Reisert, Hanna Rieder, Susanne Rospleszcz, Michael T. Lu, Fabian Bamberg, Vineet K. Raghu, Jakob Weiss

Las medidas actuales de adiposidad, como el Índice de Masa Corporal (IMC), presentan limitaciones ya que confunden el exceso de adiposidad con la masa muscular y no consideran la ubicación de la grasa corporal, un factor crucial en la evaluación del riesgo cardiometabólico. Los modelos de Inteligencia Artificial (IA) pueden estimar la composición corporal (BC) de manera precisa y eficiente a partir de imágenes de resonancia magnética (MRI) de rutina. El objetivo de este estudio prospectivo de cohorte fue evaluar la asociación de los compartimentos de BC derivados por IA a partir de MRI con los resultados cardiometabólicos. El estudio fue una cohorte prospectiva que utilizó datos del UK Biobank (UKB). Se incluyeron 33,432 participantes (edad promedio 65.0 años; 52.8% mujeres) sin antecedentes de diabetes mellitus (DM), infarto de miocardio o accidente cerebrovascular isquémico, a quienes se les realizó una MRI de cuerpo entero. El seguimiento medio fue de 4.2 años. Durante el seguimiento, se diagnosticaron 531 casos de DM incidente (1.6% en general) y 542 Eventos Cardiovasculares Adversos Mayores (MACE) (1.6% en general). En modelos ajustados por edad, tabaquismo e hipertensión, una mayor adiposidad y una menor proporción de Masa Muscular (SM) se asociaron con una mayor incidencia de DM y MACE en ambos sexos. Las proporciones de composición corporal derivadas por IA estuvieron fuertemente asociadas con el riesgo cardiometabólico. Sin embargo, después de tomar en cuenta el IMC y la WC, solo la proporción de VAT (tejido adiposo visceral) y el SMFF (fracción grasa del tejido muscular) (en ambos sexos) y la proporción de SM (solo en hombres) aportaron información pronóstica adicional

Abrir el Paper