Caracterización antropométrica y riesgo cardiometabólico en población neurodivergente mediante índice cintura-talla e índice de conicidad
DOI:
https://doi.org/10.70208/3007.8245.v6.n1.375Palabras clave:
antropometría, neurodivergencia y nutriciónResumen
El presente estudio tuvo como objetivo describir las características físicas e indicadores de salud en una población con rasgos neurodivergentes de entre 6 y 30 años del puerto de Veracruz, con el propósito de conocer su perfil nutricional y posibles factores asociados al riesgo cardiometabólico. Para ello, se desarrolló una investigación con enfoque cuantitativo, de diseño observacional transversal y alcance descriptivo. La muestra estuvo conformada por 25 participantes pertenecientes a un Centro de Atención Múltiple (CAM), de los cuales 18 fueron hombres y 7 mujeres. Se registraron variables demográficas y antropométricas, incluyendo edad, sexo, masa corporal, talla y perímetro de cintura, mediante procedimientos estandarizados bajo protocolo ISAK y supervisión de un antropometrista certificado. A partir de estas mediciones se calcularon indicadores derivados como el índice cintura-talla y el índice de conicidad para estimar la distribución de la adiposidad corporal. Los resultados mostraron una amplia variabilidad antropométrica y valores de índice cintura-talla entre 0.39 y 0.69, con predominio de valores superiores al punto de corte asociado a mayor riesgo cardiometabólico. Asimismo, el índice de conicidad presentó valores entre 1.10 y 1.40, evidenciando una tendencia a mayor acumulación de grasa abdominal, particularmente en hombres. Estos hallazgos destacan la relevancia de evaluar indicadores de adiposidad central para comprender mejor el estado nutricional en poblaciones neurodivergentes
Citas
Alves, C., Bruneli, C., Santos, J., Cattafesta, M., Dos Santos, E., Kenji, F., Marques-Rocha, J., Bresciani, L. (2023). Índice de conicidad como indicador de obesidad abdominal en individuos con enfermedad renal crónica en hemodiálisis. PLOS One. Vol. 18 (4). DOI: https://doi.org/10.1371/journal.pone.0284059
Ashwell, M. & Gibson, S. (2014). A proposal for a primary screening tool: ‘Keep your waist circumference to less than half your height’. BMC Medicine. Vol. 12 (207). DOI: https://doi.org/10.1186/s12916-014-0207-1
Cobbaert, L., Millichamp, A., Elwyn, R., Silverstein, R., Schweizer, K., Thomas, E. & Miskovic-Wheatley, J. (2024). Neurodivergence, intersectionality, and eating disorders: a lived experience-led narrative review. J Eat Disord. Vol. 12. DOI: https://doi.org/10.1186/s40337-024-01126-5
Gonzaga Romero , E., Lozano Martínez, K. O., & Hilario Cordoba , E. Y. (2025). Análisis del índice de conicidad en Veracruzanos que viven con Diabetes y sin patologías. Emergentes - Revista Científica, 5(2), 316–326. https://doi.org/10.60112/erc.v5.i2.417
Hernández, J., Mendoza, J., Domínguez, E., Díaz, O., Domínguez, Y., Martínez, I., Bosch, Y., Mesa, A., García, D. & Rodíguez, L. (2019). Valor de corte del índice de conicidad como predictor independiente de disglucemias. Rev Cub Endocr. Vol. 30 (2). https://www.researchgate.net/publication/346941542_Valor_de_corte_del_indice_de_conicidad_como_predictor_independiente_de_disglucemias
Hernández, J., Mendoza, J., Duchi, P. (2017). Índice de conicidad y su utilidad para detectar riesgo cardiovascular y metabólico. Rev Cub Endocr. Vol. 28 (1). http://scielo.sld.cu/pdf/end/v28n1/end08117.pdf
Hernández-Fernández, I., Omaña-Covarrubias, A., Conde-Vega, J., Rodríguez-Ávila, J., Díaz-Martínez, G., Moya-Escalera, A. & López-Pontigo, L. (2023). Estado de nutrición y frecuencia de consumo de alimentos de niños con trastorno del espectro autista. Nutr. Hosp. Vol. 40. DOI: https://dx.doi.org/10.20960/nh.04258
Lip, S., Chillingworth, A. & Wright, C. (2018). Prevalence of under and over weight in children with neurodisability, using body composition measures. Eur J Clin Nutr (72): 1451-1454. https://doi.org/10.1038/s41430-018-0168-0
Muñoz-Cano, J., Pérez-Sánchez, S., Córdova-Hernández, J. & Boldo-León, X. (2010). El índice cintura/talla como indicador de riesgo para enfermedades crónicas en una muestra de escolares. Salud en Tabasco. Vol. 16 (2-3): 921-927. http://www.redalyc.org/articulo.oa?id=48720965003
Ojeda Benítez, Ada Liz, Recalde Giménez, Ariel Antonio, & Sánchez Bernal, Susana Florentina. (2013). Perfil nutricional de niños y adolescentes con trastornos del espectro autista del área metropolitana de Asunción. Pediatría (Asunción), 40(2), 133-143. http://scielo.iics.una.py/scielo.php?script=sci_arttext&pid=S168398032013000200004&lng=en&tlng=es.
Salvat, H., Mohammadi, M., Molavi, P., Mostafavi, S., Rostami, R. & Salehinejad, M. (2022). Nutrient intake, dietary patterns, and anthropometric variables of children with ADHD in comparison to healthy controls: a case-control study. BMC Pediatrics. Vol. 22 (70). DOI: https://doi.org/10.1186/s12887-022-03123-6
Rouphael, M., Sacre, Y., Bitar, T., Andres, C. & Hleihel, W. (2024). Body Composition and Anthropometric Measurements in Children and Adolescents with Autism Spectrum Disorder: A Case–Control Study in Lebanon. Nutrients. Vol. 16 (6). 847. DOI: https://doi.org/10.3390/nu16060847
Valdez, R. (1991). A simple model-based index of abdominal adiposity. Journal of Clinical Epidemiologý, 44 (9): 955-956
Young-Jiang, L., Xue-Ni, X., Ya-Min, L. & Xianyang, L (2020). Global prevalence of obesity, overweight and underweight in children, adolescents and adults with autism spectrum disorder, attention-deficit hyperactivity disorder: A systematic review and meta-analysis. Obes Rev. Vol. 21 (12). DOI: 10.1111/obr.13123
Zheng, Z., Zhang, L., Li, S., Zhao, F., Wang, Y., Huang, L., Huang, J., Zou, R., Qu, Y. & Mu, D. (2017). Association among obesity, overweight and autism spectrum disorder: a systematic review and meta-analysis. Sci Rep. Vol. 7 (1). doi: 10.1038/s41598-017-12003-4.
