Minimal measurement strategies for cardiometabolic risk classification within the Positive Health framework: A cross-sectional analysis of NHANES 1999-2004 data

Resumo Técnico: Estratégias de Medição Mínima para Classificação de Risco Cardiometabólico dentro da Estrutura de Saúde Positiva

Problema
As doenças não transmissíveis (DNTs) continuam sendo uma das principais causas de mortalidade global, impulsionadas por fatores de risco como adiposidade, disfunção metabólica e redução do condicionamento físico. Embora a estrutura de "Saúde Positiva" (SP) tenha expandido a definição de saúde para incluir dimensões fisiológicas, sociais e emocionais, os instrumentos atuais de SP carecem de indicadores fisiológicos objetivos e escaláveis para a saúde metabólica e cardiovascular. Embora diversos indicadores antropométricos sejam conhecidos por se correlacionarem com o risco cardiometabólico, ainda não está claro qual combinação específica de indicadores simples, automedíveis, proporciona melhorias significativas na classificação de risco em relação a abordagens mais simples. Há uma necessidade de determinar se um conjunto parcimonioso de medições pode alcançar um desempenho de classificação comparável a um conjunto completo de candidatos, reduzindo, assim, a carga de medição no monitoramento da saúde populacional.

Metodologia
Este estudo transversal utilizou dados de 8.275 adultos das coortes do National Health and Nutrition Examination Survey (NHANES) de 1999–2004. Os pesquisadores avaliaram um conjunto mínimo predefinido de quatro indicadores automedíveis selecionados com base em padrões de saúde e consulta de especialistas:

1. Índice de Massa Corporal (IMC): Proxy para metabolismo lipídico.
2. Relação Cintura-Estatura (RCE): Proxy para percentual de gordura corporal.
3. Circunferência do Braço Médio (CBM): Proxy para metabolismo da glicose.
4. VO2máx: Utilizado como um proxy para o teste de caminhada de 6 minutos (TCM6) para representar o condicionamento cardiorrespiratório (medido em uma subamostra de n=2.919).

Esses indicadores foram vinculados a desfechos de risco clínico categorizados em grupos de baixo e alto risco com base em pontos de corte epidemiológicos: percentual de gordura corporal, HbA1c, glicose, insulina, colesterol e triglicerídeos.

O estudo empregou duas abordagens analíticas complementares:

• Regressão Logística Aninhada: Os modelos foram construídos em etapas: (i) modelo base (idade, sexo); (ii) +IMC; (iii) +RCE; (iv) +IMC+RCE; e (v) modelo completo (incluindo CBM e VO2máx onde disponíveis). O desempenho foi avaliado por meio de Testes de Razão de Verossimilhança (LRT), ROC-AUC e AUC de Precisão-Recall (PR-AUC) para lidar com desequilíbrios de classe.
• Análise de Árvore de Decisão: Utilizada para identificar relações não lineares e determinar as variáveis primárias que direcionam as decisões de classificação (variáveis de divisão) dentro do conjunto mínimo.

Resultos Principais

• Dominância da RCE: Em quase todos os modelos e desfechos, a RCE demonstrou consistentemente o desempenho discriminativo mais forte. Nos modelos aninhados, a diferença de PR-AUC entre IMC e RCE variou de -0,002 a -0,037, com a RCE emergindo como a principal variável de divisão nas árvores de decisão.
• Valor Incremental do IMC: Adicionar o IMC a um modelo contendo a RCE resultou em ganhos apenas marginais em PR-AUC para a maioria dos desfechos (0,000 a 0,008). Uma exceção notável foi nos triglicerídeos, onde a adição do IMC gerou um ganço maior (ΔPR-AUC = 0,039).
• Valor Limitado da CBM e do VO2máx: A inclusão adicional de CBM e VO2máx proporcionou valor de classificação adicional limitado no geral.
  • VO2máx: Na subamostra onde o VO2máx foi medido, a adição deste ao modelo não melhorou a classificação além das medidas antropométricas. No entanto, em análises de árvore de decisão estratificadas por sexo, o VO2máx foi uma variável influente para homens, enquanto a CBM pareceu mais importante para mulheres.
  • Desfechos de Glicose/Insulina: Nenhuma árvore de decisão significativa pôde ser gerada para HbA1c, insulina ou glicose, indicando que os preditores disponíveis não foram eficazes para dividir esses desfechos específicos.
• Desempenho do Modelo: As árvores de decisão combinando o conjunto mínimo (incluindo VO2máx) mostraram maior sensibilidade e acurácia balanceada em comparação com os modelos apenas de IMC, particularmente para detectar indivíduos com elevada gordura corporal, triglicerídeos e colesterol total.

Significância e Alegações
O artigo conclui que uma estratégia de medição parcimoniosa utilizando um número limitado de indicadores simples e automedíveis é suficiente para a classificação do risco cardiometabólico. Especificamente, o estudo afirma que:

• A RCE é o principal motor: Ela consistentemente supera o IMC e serve como o indicador mais eficaz para identificar indivíduos em risco de elevação de gordura corporal, triglicerídeos e colesterol.
• Retornos Decrescentes: Adicionar mais medições (CBM, VO2máx) proporciona pouco benefício adicional ao desempenho de classificação na população geral, sugerindo que protocolos de medição complexos podem não ser necessários para a estratificação de risco inicial.
• Viabilidade para a Saúde Positiva: Esses achados apoiam a integração de estratégias antropométricas simples e eficientes em termos de recursos na estrutura de Saúde Positiva. Essa abordagem pode aliviar a carga de medição em contextos de saúde pública e prevenção, mantendo a capacidade de classificar o risco de forma eficaz.

Os autores observam limitações, incluindo a natureza transversal dos dados (o que impede a predição de risco a longo prazo), o uso de dados medidos por pesquisadores em vez de automedidos no NHANES, e o potencial viés de seleção na subamostra de VO2máx (que era mais jovem e saudável). Eles sugerem que pesquisas futuras devam validar esses achados em coortes longitudinais e explorar limiares específicos de subgrupos.