• No results found

Finns det något samband mellan antropometriska mått och dyslipidemi hos barn med fetma?

N/A
N/A
Protected

Academic year: 2022

Share "Finns det något samband mellan antropometriska mått och dyslipidemi hos barn med fetma?"

Copied!
21
0
0

Loading.... (view fulltext now)

Full text

(1)

Finns det något samband mellan antropometriska mått och dyslipidemi hos barn med fetma?

Författare: Angelica Dessle

Projektarbete 30hp, Institutionen för kvinnors och barns hälsa, Akademiska sjukhuset Läkarprogrammet, Uppsala universitet

VT/HT 2012

Handledare: Anders Forslund, M.D, PhD. Institutionen för kvinnors och barns hälsa, Akademiska sjukhuset

(2)

2

Sammanfattning

Barnfetma ökar i många delar av världen och är ett stort hälsoproblem. Att vara överviktig som barn är förenat med ökad morbiditet och ger också en ökad risk att bli överviktig som vuxen. Framförallt bukfetma har visat sig vara associerat med metabola syndromet och kardiovaskulär sjukdom. BMI används idag mycket kliniskt för att definiera och följa fetma men BMI tar inte hänsyn till

fettdistributionen och referensvärdena för BMI ändras även under uppväxten. I litteraturen diskuteras alternativa antropometriska mått för att bäst hitta de barn som riskerar skadlig fetma.

Målet med denna studie var att utröna vilket antropometriskt mått som bäst korrelerar med dyslipidemi.

De olika antropometriska måtten (BMI, åldersjusterat BMI, bukomfång, midja/stuss, midja/längd) prövades mot olika blodfetter (kolesterol, triglycerider, HDL, LDL, LDL/HDL, apolipoprotein A1, apolipoprotein B, apolipoprotein B/apolipoprotein A1) för att se om någon korrelation kunde påvisas hos en grupp överviktiga barn. Värdena på blodfetterna jämfördes även med en kontrollgrupp.

Endast svag korrelation kunde påvisas hos ett fåtal av de antropometriska måtten och blodfetterna och förklaringsgraden var generellt låg i alla prövningar. Däremot visade studien att patientgruppen med överviktiga barn hade signifikant högre värden på blodfetterna, jämfört med kontrollgruppen.

Studiens resultat bör tolkas med försiktighet eftersom det var dålig spridning i materialet och en starkare korrelation än vad studien visade, skulle kunna föreligga. Studien visar även att blodfetterna var påverkade hos dessa överviktiga barn trots deras unga ålder.

(3)

3

Innehåll

Inledning ... 4

Metod ... 6

Resultat ... 6

Diskussion ... 12

Slutsats ... 15

Referenser ... 17

(4)

4

Inledning

Barnfetma är ett stort problem i många delar av världen och har ökat dramatiskt (1)(2). Barn som är överviktiga löper stor risk att även bli överviktiga i vuxen ålder (3). Övervikt är ofta associerat till metabola syndromet och bland överviktiga barn är prevalensen av metabola syndromet stort globalt sett och ökar dessutom med ökad övervikt (4)(5)(6), det är således väldigt viktigt med strategier för att stävja denna ökning (7).

Metabola syndromet är förekomsten av en samling faktorer som medför hälsorisker(8). Flertalet studier visar att det ger en ökad risk för bland annat hjärt- och kärlsjukdomar samt diabetes (9)(10)(11). Det har pågått en diskussion angående hur man ska definiera metabola syndromet hos vuxna (12)(13). Det är även omdiskuterat huruvida man ska definiera dessa riskfaktorer (bukfetma, dyslipidemi, nedsatt glukostolerans och hypertension) som ett syndrom

överhuvudtaget(14)(15)(16)(18). Att förekomsten av dessa faktorer ger ökad morbiditet råder dock konsensus. Diskussionen handlar snarare om hur den exakta definitionen ska lyda samt vilka

gränsvärden som ska användas (8)(12)(13). International Diabetes Federation (IDF) publicerade 2006 en ny definition på metabola syndromet som ska vara lätt att tillämpa i klinisk praxis, i denna

definition ingår bukfetma som ett obligat kriterium samt förekomst av minst två av följande

riskfaktorer: förhöjda triglycerider, sänkta nivåer av HDL, hypertension samt förhöjt fasteglukosvärde (8). Att central fetma är med som ett obligat kriterium beror på att många studier har visat att bukfetma är associerat med ökad risk för dyslipidemi, kardiovaskulär sjukdom och morbiditet, oberoende av generell fetma (19)(20) (21).

När det gäller definitionen av det metabola syndromet hos barn så har man utgått från kriterierna för vuxna och undersökt hur dessa lämpar sig som kriterier för barn (22). Midjemåttet har visat sig vara, precis som hos vuxna en oberoende prediktor för insulinresistens, dyslipidemi och hypertoni (23) och barn med stort bukomfång löper större risk att senare i livet insjukna i hjärt- och kärlsjukdomar (24).

Det har även visat sig att förekomst av metabola syndromet i barndomen är starkt associerat med att ha det även i vuxen ålder (25).

BMI används idag mycket kliniskt för att definiera och följa utvecklingen av övervikt. För vuxna innebär BMI ≥ 25 övervikt och BMI ≥30 fetma (26). Normalvärdet för BMI förändras under hela uppväxten (27) och det går således inte att ha samma referensvärden för BMI i alla åldrar då kroppskonstitutionen hela tiden förändras. Median-BMI för sexåringar är till exempel 15,5 (28). Det

(5)

5 vill säga, ett BMI-värde i unga år är inte ekvivalent med samma BMI-värde hos en vuxen. Detta skapar problem vid definition av övervikt hos barn med hjälp av BMI om man skulle bruka de gränsvärden som används hos vuxna. För att ändå kunna använda BMI som mått även hos barn har man försökt konvertera gränsvärdena för övervikt respektive fetma, till ett motsvarande ålderskorrigerat värde för barn. Genom att ålderskorrigera BMI får man fram så kallat ”s-BMI” som är användbart på barn och ungdomar, där samma gränsvärden (≥ 25 innebär övervikt och ≥30 fetma) är tillämpbara.

BMI tar inte hänsyn till fettdistributionen vilket gör att det inte är optimalt för att hitta de personer med bukfetma som är starkare länkat till metabola syndromet och morbiditet (25)(29). Visceral fetma anses vara den mest relevanta riskfaktorn för kardiovaskulär sjukdom samt diabetes (30) och bukomfånget har visat sig vara starkt kopplat till visceral fetma (31). Det råder enighet om att bukomfånget, jämfört med BMI är en bättre prediktor för fetmarelaterad morbiditet hos vuxna (21)(29) och att ett stort bukomfång, oberoende av BMI, även medför hälsorisker hos barn (32) (33) (34).

För vuxna är det relativt enkelt att ha riktlinjer för gränsvärden på midjemåttet men eftersom barn växer och deras kroppskonstitution hela tiden förändras, är det svårt att ha absoluta gränsvärden hos barn. Det har föreslagits att man istället ska använda standarddeviationer eller percentiler

(35)(36)(22). I litteraturen diskuteras, förutom bukomfånget även midja/stuss som ett alternativt screeningmått för barn samt midja/längd (35)(37). Det är dock omdiskuterat vilket av dessa

antropometriska mått som är bäst associerat till skadlig fetma och är mest tillämpbart i klinisk praxis (35)(38)(39)(40)(37).

Eftersom barnfetma leder till ökad morbiditet är det oerhört viktigt med intervention (41). För att på ett effektivt sätt kunna göra det är det viktigt att på ett enkelt sätt kunna identifiera den grupp barn som löper störst risk för att utveckla skadlig fetma samt metabola syndromet.

Målet med denna studie är att utröna vilket antropometriskt mått som bäst kan förutspå dåliga blodfetter.

Eftersom dyslipidemi är starkt associerat med hjärt- och kärlsjukdomar samt med som ett kriterium i metabola syndromet (8) har vi valt att titta på de olika antropometriska måtten (BMI, s-BMI,

bukomfång, midja/stuss, midja/längd) i förhållande till blodfetter (kolesterol, triglycerider, HDL, LDL, LDL/HDL, apolipoprotein A1 (ApoA), apolipoprotein B (ApoB), ApoB/ApoA.

(6)

6

Metod

Materialet är insamlat från barn inskrivna på överviktsenheten för barn och ungdomar på Akademiska barnsjukhuset i Uppsala. Totalt ingick 145 barn i patientgruppen och 21 barn i kontrollgruppen. De barn med antropometriska mått dokumenterade i journalen samt blodfetter tagna vid samma tillfälle inkluderades i studien. Om blodfetterna inte var tagna samtidigt som mätningarna exkluderades barnen från studien, detta var det enda exklusionskriteriumet. De antropometriska måtten som användes var BMI, s-BMI, bukomfång, midja/stuss, midja/längd.

Längden mättes med hjälp av en stadiometer med T-kloss som förs ner i rät vinkel mot huvudet.

Bukomfånget mättes med barnet i stående position och med hjälp av flexibelt måttband i mitten mellan den övre kammen på höftbenet och det lägsta revbenet, enligt rådande riktlinjer (42).

Stussvidden mättes med flexibelt måttband där vidden var som störst. Baserat på bukomfång och längd beräknades midja/längd och baserat på bukomfång och stussvidd beräknades midja/stuss.

Vikten mättes med hjälp av en standardiserad kalibrerad våg med 100 grams precision. BMI räknades ut med hjälp av formeln vikt i kg/längd i m2. S-BMI räknades ut med hjälp av Cole’s LMS-ekvation (43).

Blodfetterna som användes var: kolesterol, triglycerider, HDL, LDL, LDL/HDL, ApoA, ApoB, ApoB/ApoA. Samtliga parametrar är tagna genom venpunktion och är fastevärden.

Patientgruppens antropometriska mått sattes sedan i korrelation till de olika blodfetterna och prövades genom plottdiagram i Microsoft Excel. Uträknandet av korrelationslinjen, P-värde,

förklaringsgrad samt medelvärden och standarddeviationer gjordes även det med hjälp av Microsoft Excel. Statistisk signifikans ansågs föreligga vid P-värde <0,05.

Resultat

Totala antalet barn i patientgruppen var 145 varav 61 flickor och 84 pojkar. Barnen var i åldrarna 1- 18 år och medelåldern var 13,1 år. 57 % av barnen var under 15 år. Kontrollgruppen bestod av 21 barn varav 13 pojkar och 8 flickor, medelåldern var 12,7 år.

93 % av barnen i patientgruppen hade BMI ≥ 25 och 73 % hade BMI ≥30. 99 % av barnen i patient- gruppen hade s-BMI ≥25 och 97 % ≥30.

(7)

7 I tabell 1 redovisas medelvärdena för de olika antropometriska måtten i patientgruppen.

I tabell 2 visas korrelationskoefficienterna för samtliga försök. Högsta värdet på korrelations- koefficienten var 0,3 och sämsta korrelationsvärdet var 0,02.

Förklaringsgraden(R2) var generellt väldigt låg och värdena låg mellan 0,00005 och 0,0952. Värdena redovisas i tabell 3.

Högsta korrelationsvärdet påvisades i prövningen triglycerider (TG) och bukomfång, där fanns även den högsta förklaringsgraden. Detta illustreras i diagram 1. Bukomfånget var dock det mått som hade något högre korrelationskoefficient än de andra måtten i flera av prövningarna. Dessa prövningar har därför valts att illustreras grafiskt. Diagram 2-7.

S-BMI låg generellt lågt både i korrelationskoefficient och förklaringsgrad och det lägsta värdet note- rades då s-BMI prövades mot LDL, vilket illustreras i diagram 8.

I tabell 4 visas patientgruppens och kontrollgruppens medelvärden, standardavvikelser samt P- värden.

Tabell 1. Medelvärden för de olika antropometriska måtten i patientgruppen.

medelvärde

BMI 30,0

s-BMI 36,6

Bukomfång 105,7

Midja/stuss 1,0

Midja/längd 0,7

Tabell 2. Korrelationskoefficient vid prövning av antropometriska mått i korrelation till blodvärden hos patientgruppen.

Kolesterol HDL LDL LDL/HDL TG ApoA ApoB ApoB/ApoA

BMI 0,07 -0,24 0,05 0,21 0,22 -0,19 0,02 0,15

Bukomfång 0,07 -0,26 0,04 0,2 0,3 -0,16 0,06 0,12

s-BMI 0,06 -0,06 0,02 0,1 -0,04 -0,18 -0,06 0,12

midja/längd 0,04 -0,11 0,1 0,18 0,29 -0,08 0,08 0,14

Midja/stuss 0,09 -0,13 0,11 0,19 0,21 -0,06 0,12 0,19

(8)

8 Tabell 3. Förklaringsgrad (R2) vid prövning av de olika antropometriska måtten i korrelation till blod- fetterna hos patientgruppen.

Diagram 1. Illustrering av bukomfång i korrelation till triglycerider (TG) hos patientgruppen. På x- axeln visas bukomfånget i cm och på y-axeln visas värdet på triglycerider i mmol/L.

Diagram 2. Illustration av bukomfång i korrelation till HDL hos patientgruppen. På x-axeln visas buk- omfånget i cm och på y-axeln visas värdet på HDL i mmol/L.

Kolesterol HDL LDL LDL/HDL TG ApoA ApoB ApoB/ApoA

BMI 0,0033 0,068 0,0033 0,0422 0,0478 0,0398 0,0001 0,0213

Bukomfång 0,0012 0,071 0,0018 0,0395 0,0952 0,0352 0,0037 0,014 s-BMI 0,0008 0,0044 0,0004 0,0093 0,00005 0,0373 0,0002 0,013 Midja/längd 0,0275 0,0125 0,0108 0,0312 0,0875 0,0097 0,109 0,0199 midja/stuss 0,013 0,0185 0,0118 0,0365 0,0438 0,0025 0,019 0,0353

(9)

9 Diagram 3. Illustration av bukomfång i korrelation till LDL hos patientgruppen. På x-axeln visas buk- omfånget i cm och på y-axeln visas värdet på LDL i mmol/L.

Diagram 4. Illustration av bukomfång i korrelation till LDL/HDL hos patientgruppen. På x-axeln visas bukomfånget i cm och på y-axeln visas kvoten LDL/HDL.

(10)

10 Diagram 5. Illustration av bukomfång i korrelation till ApoA hos patientgruppen. På x-axeln visas bukomfånget i cm och på y-axeln visas värdet på ApoA i g/L.

Diagram 6. Illustration av bukomfång i korrelation till ApoB hos patientgruppen. På x-axeln visas buk- omfånget i cm och på y-axeln visas värdet på ApoB i mmol/L.

(11)

11 Diagram 7. Illustration av bukomfång i korrelation till kvoten ApoB/ApoA hos patientgruppen. På x- axeln visas bukomfånget i cm och på y-axeln visas värdet på kvoten.

Diagram 8. Illustration av s-BMI i korrelation till LDL hos patientgruppen. På x-axeln visas s-BMI och på y-axeln visas LDL i mmol/L.

(12)

12

Tabell 4. Medelvärden (medel) för patientgruppen och kontrollgruppen ± standardavvikelser (STDAV) samt P-värden.

Medel patientgrupp ± STDAV Medel kontrollgrupp ± STDAV P-värde

Kolesterol 4,49 ± 1,03 4,39 ± 0,72 0,67917

HDL 1,09 ± 0,25 1,31 ± 0,24 0,00022

LDL 2,81 ± 0,92 2,49 ± 0,56 0,12639

LDL/HDL 2,68 ± 1,08 1,93 ± 0,51 0,00224

TG 1,42 ± 0,81 0,83 ± 0,26 0,00145

ApoA 1,22 ± 0,25 1,36 ± 0,18 0,01386

ApoB 0,78 ± 0,23 0,64 ± 0,12 0,00791

ApoB/ApoA 0,67 ± 0,25 0,48 ± 0,10 0,00064

Diskussion

De olika antropometriska måtten prövades mot vart och ett av blodfetterna. Vid prövningarna kunde en svag korrelation ses hos några av de antropometriska måtten och blodfetter men

förklaringsgraden var generellt mycket låg i alla prövningar. Den starkaste korrelationen noterades mellan triglycerider och bukomfång men även här, liksom i de andra prövningarna var

förklaringsgraden låg. I den här studien var bukomfång och BMI de mått som överlag korrelerade med blodfetterna något bättre än de andra måtten. Triglycerider var även den parametern som visade något högre korrelationsvärden än de andra blodfetterna. Hos vuxna har det beskrivits att BMI och bukomfång korrelerar starkast till triglycerider (44). Triglycerider har även visat sig vara associerat med kroppsvikt och fettdistribution (45) och ett av de blodfetterna som lättast påverkas av livsstil hos vuxna (46).

I en studie som liknar vår studie försökte man relatera bukomfång till blodfetter hos barn men kunde inte någon korrelation mellan dessa (47). Däremot har man påvisat att korrelation mellan flertalet antropometriska mått och blodfetter föreligger hos barn i många andra studier (7)(48)(49)(50) (51)(52) och diskussionen har snarare rört vilket av dessa mått som bäst förutspår metabola syndromet och kardiovaskulär sjukdom (53)(52)(39)(38) (50).

I patientgruppen hade 93 % av barnen ett icke åldersjusterat BMI på ≥25 och 73 % hade BMI ≥30, det vill säga gränsvärdena för vad som skulle klassas som övervikt respektive fetma hos vuxna (26). För s-BMI steg de siffrorna till 99 % ≥25 och 97 % ≥30. Detta visar alltså att i princip alla barn som

(13)

13 inkluderades i studien låg i det övre BMI-intervallet. Barnen i patientgruppen hade dessutom

signifikant högre blodfetter jämfört med kontrollgruppen. Dessa två fakta tillsammans kan vara för- klaringen till att både korrelationen och förklaringsgraden var så låg; då största delen av barnen i patientgruppen var överviktiga och hade derangerade blodfetter är en korrelation svår att påvisa på grund av dålig spridning i materialet. Hade vi däremot haft de antropometriska måtten på

kontrollgruppen hade vi fått en större spridning på värdena och utfallet hade då kunnat bli

annorlunda, vilket kan vara värt att beakta vid planering av liknande studier i framtiden. Detta är en skillnad mot andra liknande studier där starkare korrelation har kunnat påvisas; Messiah et al. visar till exempel att både BMI och bukomfång är associerat med blodfetter och i den studien hade bara 13.8 % av barnen i testgruppen ett BMI över den 85:e percentilen och 26,4 % över den 95:e percentilen (7).

I studien som Sarni et al. genomförde kunde ingen korrelation påvisas, där menade man att en orsak till detta kunde vara att studien, som inkluderade 65 barn, var för liten (47). Även om vår studie inkluderade fler barn så har de flesta andra studier som har påvisat korrelation har haft en markant större kohort (48)(54)(53). Samtidigt som det också finns studier som har varit ungefär samma storlek som vår studie och fått starkare korrelation (52). Sarni et al. hade även en väldigt låg

medianålder på sin testgrupp (47). I likhet med vår studie där barnen var i åldrarna 1-18 år och 57 % var under 15 år. Detta kan jämföras med en stor studie som kunde påvisa korrelation mellan

bukomfång samt midja/längd och blodfetter där testgruppen var i åldersintervallet 12-24 år (53). Att studier med äldre barn och ungdomar hittar en starkare korrelation till exempelvis bukomfång är kanske inte så konstigt med tanke på att fler av personerna i testgruppen då är postpubertala och mer liknar vuxna, där det är vedertaget att bukomfång är en bra prediktor (55)(56)(57)(58). Att så stor andel av barnen var väldigt unga kan vara en faktor som har bidragit till utfallet på denna studie.

Kroppskonstitutionen varierar med kön och ålder och vissa studier ha även fått olika resultat på korrelationen mellan de antropometriska måtten och blodfetter för flickor respektive pojkar (49). En skev könsfördelning hade alltså kunnat påverka resultatet men eftersom könsfördelningen i vår studie var tämligen jämn är det inte rimligt att tro att det har haft någon större påverkan.

Både korrelationen och förklaringsgraden var, som ovan redovisats, generellt låg i vår studie för samtliga prövade antropometriska mått men de mått som ändå hade något högre korrelationsvärden än de andra måtten var bukomfång och BMI. Att bara använda BMI har sina svagheter med tanke på att det varken tar hänsyn till muskelmassa eller fettdistribution. Problemet att använda BMI hos barn

(14)

14 är också att det kan vara svårt att sätta exakta gränsvärden såsom används för vuxna och det har diskuterats vilket gränsvärde som ska användas för barn (42). I en stor internationell studie har man försökt ta fram köns- och åldersspecifika gränsvärden på BMI som ska motsvara BMI 25 respektive BMI 30 hos vuxna (28). Medan andra studier snarare har förordat att man ska använda sig av percentiler och föreslår att barn över den 85:e percentilen ska klassas om överviktiga och att gränsvärdet för fetma ska vara över den 95:e percentilen (59). Båda dessa lösningar skulle kunna användas men de kan anses något intrikata och inte helt lättanvända och kan i och med det bli svårimplementerade i klinisk praxis.

I likhet med många studier som gjorts på vuxna (55)(56)(57)(58) visar även flera studier på barn att bukomfång är en bra predikor för framtida ohälsa kopplat till övervikt (60)(52)(35)(39)(61)(34).

Problemet att använda bukomfång som prediktor hos barn är, liksom resonemanget om BMI, att det kan vara svårt att sätta exakta gränsvärden såsom används hos vuxna (8). Det råder ingen konsensus om vad som skulle vara ett bra, enkelt och kliniskt användbart gränsvärde för barn. Eftersom barns kroppskonstitution förändras under uppväxten och skiljer sig mellan flickor och pojkar krävs det även att man använder köns- och åldersspecifika värden(62)(35). Fredriks et al. förordar i sin studie från 2005 att man snarare ska använda standarddeviationer (SD) istället för faktiska gränsvärden om man använder bukomfång som screening; och föreslår då gränsvärden som >1.3 SD för övervikt och >2.3 SD för fetma. Det första värdet (SD >1.3 ) skulle definiera ungefär 10 % av barnen som överviktiga vilket motsvarar ungefär samma procent som definieras som överviktiga med BMI. 6-7 % av barnen klassificerades som överviktiga när man använde både gränsvärdet för bukomfång och BMI men bara 3-4% då en av dessa användes (35). Detta visar alltså att genom att använda sig av bukomfång i tillägg till BMI, som screeninginstrument så skulle man kunna identifiera fler barn som riskerar hälsorisker på grund av övervikt och förhoppningsvis de som löper störst risk med tanke på deras fettdistribution. Flera andra studier har också visat att kombinera både BMI och bukomfång skulle vara det bästa screeningmåttet för barn (23)(63)(21). Vilket kanske inte är så oväntat eftersom BMI och bukomfång visat sig korrelera med varandra (64)(35).

En enkel lösning skulle kunna vara att använda sig av kvoten midja/längd alternativt midja/stuss istället för att använda referenstabeller med köns- och åldersspecifika gränsvärden. När korrelation mellan dessa två kvoter och blodfetter undersöktes i vår studie fanns bara korrelation till

triglycerider men även där var förklaringsgraden väldigt låg. I flertalet andra studier har midja/längd och midja/stuss och korrelationen till blodfetter diskuterats, med varierande resultat (38)(40)(65)(50) (51)(53).

(15)

15 Midja/stuss har visat sig vara en bra prediktor för morbiditet hos vuxna (66)(53) men måttet verkar inte vara lika väl sammanlänkat med skadlig fetma hos barn (40) även om studier ändå kunnat påvisa att det finns en korrelation i vissa fall (65) så är korrelationen ändå svagare än BMI (38). Eftersom även midja/stuss har visat sig variera med kön och ålder (38) kan detta vara orsaken till att det inte lämpar sig lika bra för barn som för vuxna. Poängen med att ha en kvot istället för olika gränsvärden faller också om det då även i det här fallet skulle krävas olika gränsvärden för kön och ålder.

Flertalet studier visar att midja/längd skulle vara det bästa måttet för att förutse kardiovaskulär sjuk- dom och metaboliska riskfaktorer hos barn (50)(37)(37)(51)(53). I en stor brittisk studie tar McCarthy et al. fasta på att försöka hitta ett mått som inte bara är en bra prediktor och tillämpbart klinisk utan även ett budskap som är så enkelt att förstå att även samhället lätt ska kunna ta det till sig. Tanken är att samma värde ska kunna användas för alla åldrar och båda könen. I studien föreslås att man ska använda 0.5 som gränsvärde på kvoten, det vill säga att man inte bör ha ett midjemått som

överskrider hälften av ens längd (51). Midja/längd är ett mått som skulle kunna ha stor tillämpbarhet i klinisk praxis med tanke på att det är enkelt att räkna ut och inte kräver tabeller eller flera gräns- värden för ålder och kön.

Vid jämförelse av labbvärdena med kontrollgruppen så hade patientgruppen signifikant högre värden på LDL/HDL, triglycerider, ApoB och ApoB/ApoA samt signifikant lägre på HDL och ApoA. De enda parametrarna där skillnaden inte var signifikant var LDL och kolesterol. Detta visar att övervikt ger en negativ påverkan på blodfetter även hos unga individer. HDL var det blodvärde som hade störst signifikans jämfört med kontrollgruppen, följt av ApoB/ApoA och triglycerider. Höga triglycerider och lågt HDL har visat sig vara prediktivt för metabola syndromet hos unga (67). Spridningen av värdena på blodfetterna var också större hos patientgruppen än kontrollgruppen, att patientgruppen var mer heterogen kan visa på att det är svårt att förutse vilka som kommer att drabbas av hälsorisker på grund av sin fetma och understryker då vikten av att intervenera mot stora delar av denna riskgrupp.

Slutsats

Studien visade en svag korrelation mellan några antropometriska mått och blodfetter men

förklaringsgraden var generellt väldigt låg. Studien fick alltså ett negativt utfall gällande att hitta ett enkelt och kliniskt användbart mått för att lätt kunna förutspå dyslipidemi hos överviktiga barn.

Detta resultat bör dock tolkas med försiktighet med tanke på att andra stora studier har fått ett

(16)

16 annat utfall samt ovan redovisade tänkbara felkällor. Resultatet från denna studie visade dock att blodfetterna var påverkade hos dessa överviktiga barn - trots deras unga ålder.

(17)

17

Referenser

1. Troiano RP, Flegal KM. Overweight Children and Adolescents: Description, Epidemiology, and Demographics. Pediatrics. 1998 Jan 3;101(Supplement 2):497–504.

2. Ogden CL FK. PRevalence and trends in overweight among us children and adolescents, 1999- 2000. JAMA. 2002 Okt 9;288(14):1728–32.

3. Nader PR, O’Brien M, Houts R, Bradley R, Belsky J, Crosnoe R, m.fl. Identifying risk for obesity in early childhood. Pediatrics. 2006 Sep;118(3):e594–601.

4. Weiss R, Dziura J, Burgert TS, Tamborlane WV, Taksali SE, Yeckel CW, m.fl. Obesity and the metabolic syndrome in children and adolescents. N. Engl. J. Med. 2004 Jun 3;350(23):2362–74.

5. Eckel RH, Grundy SM, Zimmet PZ. The metabolic syndrome. The Lancet. 16;365(9468):1415–28.

6. Zimmet P, Alberti KGMM, Shaw J. Global and societal implications of the diabetes epidemic.

Nature. 2001 Dec 13;414(6865):782–7.

7. Messiah SE, Arheart KL, Natale RA, Hlaing WM, Lipshultz SE, Miller TL. BMI, Waist Circumference, and Selected Cardiovascular Disease Risk Factors Among Preschool-Age Children. Obesity (Silver Spring). 2012 Sep;20(9):1942–9.

8. Alberti KGMM, Zimmet P, Shaw J. Metabolic syndrome—a new world-wide definition. A Consensus Statement from the International Diabetes Federation. Diabetic Medicine.

2006;23(5):469–80.

9. Chen W, Srinivasan SR, Elkasabany A, Berenson GS. Cardiovascular Risk Factors Clustering Features of Insulin Resistance Syndrome (Syndrome X) In a Biracial (Black-White) Population of Children, Adolescents, and Young Adults The Bogalusa Heart Study. Am. J. Epidemiol. 1999 Jan 10;150(7):667–74.

10. Grundy SM, Hansen B, Smith SC, Cleeman JI, Kahn RA. Clinical Management of Metabolic Syndrome Report of the American Heart Association/National Heart, Lung, and Blood Institute/American Diabetes Association Conference on Scientific Issues Related to Management. Circulation. 2004 Mar 2;109(4):551–6.

11. Dekker JM, Girman C, Rhodes T, Nijpels G, Stehouwer CDA, Bouter LM, m.fl. Metabolic Syndrome and 10-Year Cardiovascular Disease Risk in the Hoorn Study. Circulation. 2005 Feb 8;112(5):666–73.

12. Definition, diagnosis and classification of diabetes mellitus and its complications. Report of a WHO consultation 1999. WHOdef.pdf.

13. Expert Panel on Detection E. 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 Maj 16;285(19):2486–97.

14. Reaven GM. The metabolic syndrome: is this diagnosis necessary? Am J Clin Nutr. 2006 Jan 6;83(6):1237–47.

(18)

18 15. Meisinger C, Koletzko B, Heinrich J. Metabolic Syndrome: Older than Usually Assumed, But Still

Too Young to Die. Clinical Chemistry. 2006 Jan 5;52(5):897–8.

16. Reaven GM. The Metabolic Syndrome: What’s in a Name? Reply to: Meisinger et al. Metabolic Syndrome: Older than Usually Assumed, But Still Too Young to Die. Clinical Chemistry. 2006 Jan 5;52(5):898–9.

17. Grundy SM. Does the Metabolic Syndrome Exist? Dia Care. 2006 Jan 7;29(7):1689–92.

18. Oda E. The Metabolic Syndrome (Emperor) Wears No Clothes Response to Kahn. Dia Care. 2006 Jan 11;29(11):2566–2566.

19. Kannel WB, Cupples LA, Ramaswami R, Stokes J 3rd, Kreger BE, Higgins M. Regional obesity and risk of cardiovascular disease; the Framingham Study. J Clin Epidemiol. 1991;44(2):183–90.

20. Rexrode KM CV. ABdominal adiposity and coronary heart disease in women. JAMA. 1998 Dec 2;280(21):1843–8.

21. Janssen I KP. Body mass index, waist circumference, and health risk: Evidence in support of current national institutes of health guidelines. Arch Intern Med. 2002 Okt 14;162(18):2074–9.

22. Zimmet P, Alberti G, Kaufman F, Tajima N, Silink M, Arslanian S, m.fl. The metabolic syndrome in children and adolescents. The Lancet. 23;369(9579):2059–61.

23. Lee S, Bacha F, Arslanian SA. Waist circumference, blood pressure, and lipid components of the metabolic syndrome. The Journal of Pediatrics. 2006 Dec;149(6):809–16.

24. Maffeis C, Pietrobelli A, Grezzani A, Provera S, Tatò L. Waist Circumference and Cardiovascular Risk Factors in Prepubertal Children. Obesity. 2001;9(3):179–87.

25. Morrison JA, Friedman LA, Gray-McGuire C. Metabolic Syndrome in Childhood Predicts Adult Cardiovascular Disease 25 Years Later: The Princeton Lipid Research Clinics Follow-up Study.

Pediatrics. 2007 Jan 8;120(2):340–5.

26. WHO, physical status- the use and interpretation of anthropometry.pdf.

27. Cole TJ, Freeman JV, Preece MA. Body mass index reference curves for the UK, 1990. Arch Dis Child. 1995 Jan 7;73(1):25–9.

28. Cole TJ, Bellizzi MC, Flegal KM, Dietz WH. Establishing a standard definition for child overweight and obesity worldwide: international survey. BMJ. 2000 Maj 6;320(7244):1240–3.

29. Shen W, Punyanitya M, Chen J, Gallagher D, Albu J, Pi-Sunyer X, m.fl. Waist Circumference Correlates with Metabolic Syndrome Indicators Better Than Percentage Fat. Obesity.

2006;14(4):727–36.

30. Goran MI, Ball GDC, Cruz ML. Obesity and Risk of Type 2 Diabetes and Cardiovascular Disease in Children and Adolescents. JCEM. 2003 Jan 4;88(4):1417–27.

31. Janssen I, Heymsfield SB, Allison DB, Kotler DP, Ross R. Body mass index and waist circumference independently contribute to the prediction of nonabdominal, abdominal subcutaneous, and visceral fat. Am J Clin Nutr. 2002 Jan 4;75(4):683–8.

(19)

19 32. Sung R, So H-K, Choi K-C, Nelson E, Li A, Yin J, m.fl. Waist circumference and waist-to-height

ratio of Hong Kong Chinese children. BMC Public Health. 2008 Sep 22;8(1):324.

33. Bacha F, Saad R, Gungor N, Arslanian SA. Are Obesity-Related Metabolic Risk Factors Modulated by the Degree of Insulin Resistance in Adolescents? Dia Care. 2006 Jan 7;29(7):1599–604.

34. Daniels SR, Morrison JA, Sprecher DL, Khoury P, Kimball TR. Association of Body Fat Distribution and Cardiovascular Risk Factors in Children and Adolescents. Circulation. 1999 Feb 2;99(4):541–

5.

35. Fredriks AM, van Buuren S, Fekkes M, Verloove-Vanhorick SP, Wit JM. Are age references for waist circumference, hip circumference and waist-hip ratio in Dutch children useful in clinical practice? Eur. J. Pediatr. 2005 Apr;164(4):216–22.

36. Brannsether B, Roelants M, Bjerknes R, Júlíusson P. Waist circumference and waist-to-height ratio in Norwegian children 4–18 years of age: Reference values and cut-off levels. Acta Paediatrica. 2011;100(12):1576–82.

37. Hara M, Saitou E, Iwata F, Okada T, Harada K. Waist-to-height ratio is the best predictor of cardiovascular disease risk factors in Japanese schoolchildren. J. Atheroscler. Thromb.

2002;9(3):127–32.

38. Gillum RF. Distribution of waist-to-hip ratio, other indices of body fat distribution and obesity and associations with HDL cholesterol in children and young adults aged 4-19 years: The Third National Health and Nutrition Examination Survey. Int. J. Obes. Relat. Metab. Disord. 1999 Jun;23(6):556–63.

39. Rachael W Taylor, Ianthe E Jones, Sheila M Williams, and Ailsa Goulding. Evaluation of waist circumference, waist-to-hip ratio, and the conicity index as screening tools for high trunk fat mass as measured by dual energy x-ray absorptiometry, in children aged 3-19 y Am J Clin Nutr 2000;72:490–5. American Society for Clinical Nutrition. taylor.pdf.

40. Aparecido Pimentel Ferreira, Cristiane Batisti Ferreira, Ciro José Brito, Francisco José Gondim Pitanga, Clayton Franco Moraes4, Luciana Ansaneli Naves5, Otávio de Toledo Nóbrega5, Nancí Maria de França. Prediction of metabolic syndrome in children throug antropometric

indicators. Arq Bras Cardiol 2011; 96(2): 121-125. Ferreira.pdf.

41. Steinberger J. Obesity, Insulin Resistance, Diabetes, and Cardiovascular Risk in Children: An American Heart Association Scientific Statement From the Atherosclerosis, Hypertension, and Obesity in the Young Committee (Council on Cardiovascular Disease in the Young) and the Diabetes Committee (Council on Nutrition, Physical Activity, and Metabolism). Circulation. 2003 Mar 18;107(10):1448–53.

42. Katzmarzyk PT, Srinivasan SR, Chen W, Malina RM, Bouchard C, Berenson GS. Body mass index, waist circumference, and clustering of cardiovascular disease risk factors in a biracial sample of children and adolescents. Pediatrics. 2004 Aug;114(2):e198–205.

43. Cole TJ, Freeman JV, Preece MA. British 1990 growth reference centiles for weight, height, body mass index and head circumference fitted by maximum penalized likelihood. [Internet]. Stat Med. 1998 [citerad 2012 Okt 28]. Available från: http://discovery.ucl.ac.uk/1347637/

(20)

20 44. Lara M, Bustos P, Amigo H, Silva C, Rona R. Is waist circumference a better predictor of blood

pressure, insulin resistance and blood lipids than body mass index in young Chilean adults?

BMC Public Health. 2012 Aug 10;12(1):638.

45. Ford ES LC. HYpertriglyceridemia and its pharmacologic treatment among us adults. Arch Intern Med. 2009 Mar 23;169(6):572–8.

46. Couillard C, Després JP, Lamarche B, Bergeron J, Gagnon J, Leon AS, m.fl. Effects of endurance exercise training on plasma HDL cholesterol levels depend on levels of triglycerides: evidence from men of the Health, Risk Factors, Exercise Training and Genetics (HERITAGE) Family Study.

Arterioscler. Thromb. Vasc. Biol. 2001 Jul;21(7):1226–32.

47. Sarni RS, de Souza FIS, Schoeps D de O, Catherino P, de Oliveira MCCP, Pessotti CFX, m.fl.

[Relationship between waist circumference and nutritional status, lipid profile and blood pressure in low socioeconomic level pre-school children]. Arq. Bras. Cardiol. 2006 Aug;87(2):153–8.

48. Hashemipour M, Soghrati M, Malek Ahmadi M, Soghrati M. Anthropometric indices associated with dyslipidemia in obese children and adolescents: a retrospective study in isfahan. ARYA Atheroscler. 2011;7(1):31–9.

49. Kelishadi R, Gheiratmand R, Ardalan G, Adeli K, Mehdi Gouya M, Mohammad Razaghi E, m.fl.

Association of anthropometric indices with cardiovascular disease risk factors among children and adolescents: CASPIAN Study. Int. J. Cardiol. 2007 Maj 2;117(3):340–8.

50. Weili Y, He B, Yao H, Dai J, Cui J, Ge D, m.fl. Waist-to-height ratio is an accurate and easier index for evaluating obesity in children and adolescents. Obesity (Silver Spring). 2007 Mar;15(3):748–

52.

51. McCarthy HD, Ashwell M. A study of central fatness using waist-to-height ratios in UK children and adolescents over two decades supports the simple message--’keep your waist

circumference to less than half your height’. Int J Obes (Lond). 2006 Jun;30(6):988–92.

52. Moreno LA, Pineda I, Rodríguez G, Fleta J, Sarría A, Bueno M. Waist circumference for the screening of the metabolic syndrome in children. Acta Paediatr. 2002;91(12):1307–12.

53. Wu X-Y, Hu C-L, Wan Y-H, Su P-Y, Xing C, Qi X-Y, m.fl. Higher waist-to-height ratio and waist circumference are predictive of metabolic syndrome and elevated serum alanine

aminotransferase in adolescents and young adults in mainland China. Public Health. 2012 Feb;126(2):135–42.

54. Chu NF, Rimm EB, Wang DJ, Liou HS, Shieh SM. Relationship between anthropometric variables and lipid levels among school children: The Taipei Children Heart Study. Int. J. Obes. Relat.

Metab. Disord. 1998 Jan;22(1):66–72.

55. de Koning L, Merchant AT, Pogue J, Anand SS. Waist circumference and waist-to-hip ratio as predictors of cardiovascular events: meta-regression analysis of prospective studies. European Heart Journal. 2007 Mar 23;28(7):850–6.

56. Krause MP, Hallage T, Gama MPR, Sasaki JE, Miculis CP, Buzzachera CF, m.fl. Association between lipid profile and adiposity in women over age 60. Arquivos Brasileiros de Cardiologia.

2007 Sep;89(3):163–9.

(21)

21 57. Can AS, Bersot TP, Gönen M, Pekcan G, Rakıcıoğlu N, Samur G, m.fl. Anthropometric indices and

their relationship with cardiometabolic risk factors in a sample of Turkish adults. Public Health Nutr. 2009 Apr;12(4):538–46.

58. Perry AC, Applegate EB, Allison MD, Jackson ML, Miller PC. Clinical predictability of the waist-to- hip ratio in assessment of cardiovascular disease risk factors in overweight, premenopausal women. Am. J. Clin. Nutr. 1998 Nov;68(5):1022–7.

59. Himes JH, Dietz WH. Guidelines for overweight in adolescent preventive services:

recommendations from an expert committee. The Expert Committee on Clinical Guidelines for Overweight in Adolescent Preventive Services. Am. J. Clin. Nutr. 1994 Feb;59(2):307–16.

60. Katzmarzyk-waist circumference and not body mass index explains obesity related health risk.pdf.

61. Freedman DS, Srinivasan SR, Harsha DW, Webber LS, Berenson GS. Relation of body fat patterning to lipid and lipoprotein concentrations in children and adolescents: the Bogalusa Heart Study. Am J Clin Nutr. 1989 Jan 11;50(5):930–9.

62. Moreno LA, Fleta J, Mur L, Rodríquez G, Sarría A, Bueno M. Waist circumference values in Spanish children--gender related differences. Eur J Clin Nutr. 1999 Jun;53(6):429–33.

63. Janssen I, Katzmarzyk PT, Srinivasan SR, Chen W, Malina RM, Bouchard C, m.fl. Combined influence of body mass index and waist circumference on coronary artery disease risk factors among children and adolescents. Pediatrics. 2005 Jun;115(6):1623–30.

64. Pratesi S, Paternostro F, Tani A, Sassoli C, Cappellini AC. Body mass index correlates with waist circumference in school aged Italian children. Diabetes Res. Clin. Pract. 2012 Apr;96(1):e7–9.

65. Zwiauer K, Widhalm K, Kerbl B. Relationship between body fat distribution and blood lipids in obese adolescents. Int J Obes. 1990 Mar;14(3):271–7.

66. Koning L de, Merchant AT, Pogue J, Anand SS. Waist circumference and waist-to-hip ratio as predictors of cardiovascular events: meta-regression analysis of prospective studies. Eur Heart J. 2007 Jan 4;28(7):850–6.

67. Tzou WS, Douglas PS, Srinivasan SR, Bond MG, Tang R, Chen W, m.fl. Increased Subclinical Atherosclerosis in Young Adults With Metabolic SyndromeThe Bogalusa Heart Study. J Am Coll Cardiol. 2005 Aug 2;46(3):457–63.

References

Related documents

Syftet med denna översiktsartikel är att undersöka evidensen för att en DASH-diet har påvisad effekt på BMI hos kvinnor med övervikt eller fetma diagnostiserade med PCOS jämfört

(cholesterol (MeSH) OR hypercholesterolemia (MeSH) OR serum cholesterol OR plasma cholesterol OR blood lipid OR blood lipids OR lipid OR lipids OR lipoprotein OR lipoproteins

Detta till skillnad från sänkning av byxor där författaren Armstrong (2010) menar att sänkning bör ske olika fram, i sidor och bak för att uppnå balans vid en sänkt midja..

Men då detta inte alltid har varit fallet så ger det en intressant frågeställning i vilken karaktär och betydelse, utifrån kombinerad bekämpning teorin, som marina

Annat som är viktigt när det gäller döva elever är lärarens kunskaper om både svenskt teckenspråk och svenska språket.. Svartholm (1990) och Roos (2004) betonar även

Om verktygen var lämpliga att undersöka och identifiera förekomsten av våld mot äldre hade denna studie kunnat dela kunskap om verktygen till omsorgspersonal som arbetar på

Hypotesen består också av Frankelius faktor X-modell för att ge utrymme till oväntade händelser, skeenden eller processer som skulle kunna ha en inverkan på konkurrensen

Därefter analyserades förändringen i medelvärde för blodtryck, totalkolesterol, LDL kolesterol, HDL kolesterol och triglycerider mellan baslinjen och vid slutet av hälsoveckan