MATERIAL DAN METODE

Desain studi dan peserta

Peserta direkrut dari studi kohort prospektif berbasis populasi multicenter yang disebut
Cardiovascular and Metabolic Disease Research Center, didirikan pada 2013 untuk
meningkatkan model yang memprediksi penyakit kardiovaskular dan metabolik, menemukan
faktor risiko baru dan biomarker, mempertimbangkan strategi pencegahan baru, dan
mengumpulkan bukti langsung yang relevan dengan pencegahan penyakit kardiovaskular dan
metabolisme. Rincian desain dan prosedur penelitian telah dijelaskan sebelumnya.
Penelitian ini adalah analisis cross-sectional dari data dasar yang dikumpulkan untuk studi
kohort prospektif yang sedang berlangsung yang mencakup peserta yang menyelesaikan
pemeriksaan kesehatan dasar (orang dewasa berusia 30-64 tahun yang tinggal di Suwon,
Yongin, dan Hwaseong, Korea) antara Desember 2013 dan Mei 2015 Subjek ini tidak
memiliki riwayat ganas tumor, infark miokard, stroke, atau penyakit kardiovaskular lainnya.
Informed consent tertulis diperoleh dari semua peserta, dan penelitian ini disetujui oleh
Dewan Peninjau Institusional Universitas Ajou (IRB; No. AJIRB-BMR-SUR-13-272).
Untuk analisis ini, kami mengecualikan satu orang di mana massa lemak visceral tidak diukur
menggunakan DXA dari 1604 peserta, meninggalkan 1603 subyek (611 laki-laki, 992
perempuan) dalam penelitian.
Pengukuran
Pewawancara terlatih memastikan data demografi dasar, riwayat medis, dan informasi
tentang kebiasaan pribadi, seperti status merokok, konsumsi alkohol, dan aktivitas fisik.
Untuk analisis ini, tingkat pendidikan diklasifikasikan menjadi lulusan sekolah menengah
atas atau lebih rendah dan lulusan perguruan tinggi atau lebih tinggi.
Status merokok diklasifikasikan menjadi tiga kategori: perokok, mantan perokok, dan bukan
perokok. Konsumsi alkohol dihitung dalam gram per hari, karena jumlah kandungan alkohol
rata-rata per jenis minuman beralkohol yang dikonsumsi dikalikan dengan jumlah minuman
harian. Latihan fisik dibagi menjadi tiga kategori berdasarkan kriteria penilaian standar
menggunakan instrumen bentuk kuesioner pendek aktivitas fisik internasional: aktivitas fisik
rendah, sedang, dan tinggi. Subjek yang menjawab "ya" atau "tidak" untuk pertanyaan
"Apakah Anda menstruasi?" Masing-masing dialokasikan untuk kelompok premenopause
dan pascamenopause.
Langkah-langkah antropometri diperoleh dengan menggunakan protokol standar. Tinggi (cm)
dan berat (kg) diukur pada skala tinggi-berat badan otomatis (BSM330; InBody, Seoul,
Korea). BMI dihitung dengan menggunakan rumus berat / tinggi2 (kg / m2). Pita pengukur
(seca, Hamburg, Jerman) digunakan untuk mengukur lingkar pinggang, pinggul, dan paha
hingga 0,1 cm terdekat. Lingkar pinggang (cm) diukur di tengah antara tepi bawah tulang
rusuk terakhir dan puncak iliaka pada bidang mid-aksila. Lingkar pinggul (cm) diukur pada
tingkat keliling terluas di atas bokong. Lingkar paha (cm) diukur pada pertengahan paha di
sisi kanan, didefinisikan sebagai titik tengah antara punggungan superior patela dan lipatan
pangkal paha. Rasio pinggang-tinggi, pinggang, dan pinggang-paha dihitung sebagai lingkar
pinggang dibagi dengan tinggi, lingkar pinggul, dan lingkar paha, masing-masing.
Pemindaian DXA seluruh tubuh diperoleh menggunakan Lunar iDXA
(GE Healthcare, Madison, WI, USA) dan dianalisis dengan perangkat lunak enCORE (GE
Healthcare, Madison, WI, USA). Pemindaian kontrol kualitas harian diperoleh selama
periode penelitian. Semua subjek dipindai menggunakan metode standar oleh operator
terlatih. Massa jaringan adiposa visceral dihitung secara otomatis untuk daerah android DXA
yang menarik, dengan batas ekor di puncak krista iliaka dan batas cephalad pada 20% jarak
dari krista iliaka ke dasar tengkorak.15 Data massa lemak diubah menjadi volume jaringan
CT adiposa menggunakan faktor koreksi konstan (0,94 g / cm3) .12
Tekanan darah diukur tiga kali pada interval 2 menit menggunakan monitor tekanan darah
otomatis (HEM-7080IC; Omron Healthcare, Lake Forest, IL, USA) dengan peserta duduk;
dua terakhir dari tiga pengukuran rata-rata.
Semua sampel darah diperoleh pada pagi hari setelah puasa 8 jam semalam, dan tes biokimia
dilakukan di laboratorium pusat (Seoul Clinical Laboratories, Seoul, Korea). Untuk diagnosis
diabetes yang akurat, tes toleransi glukosa oral (OGTT) dilakukan setelah pengambilan
sampel darah. Tingkat glukosa dalam serum saat puasa dan setelah beban glukosa diperoleh
dengan menggunakan metode kolorimetri; kolesterol total, kolesterol lipoprotein densitas
tinggi, dan kadar trigliserida dalam serum ditentukan dengan menggunakan metode
enzimatik; dan protein C-reaktif sensitivitas tinggi diperoleh dengan menggunakan metode
immunoassay turbidimetric dengan autoanalyzer (ADVIA 1800 Auto Analyzer; Siemens
Medical Solutions, Malvern, PA, USA). Tingkat insulin dalam serum diperoleh dengan
menggunakan radioimmunoassay (SR 300; STRATEC, Birkenfeld, Jerman), dan kadar
HbA1c ditentukan menggunakan kromatografi cair kinerja tinggi dengan penganalisis Turbo
Variant II (Bio-Rad, Hercules, CA, USA).
Status diabetes didefinisikan menggunakan kriteria dalam pedoman American Diabetes
Association 2015: diabetes [glukosa puasa ≥126 mg / dL (7,0 mmol / L), glukosa 2 jam ≥200
mg / dL (11,1 mmol / L) selama OGTT ( 75 g), kadar HbA1c ≥6,5%, atau penggunaan obat
hipoglikemik], prediabetes [glukosa puasa 100-125 mg / dL (5,6-6,9 mmol / L), glukosa 2
jam 140-199 mg / dL (7,8-11,0) mmol / L), atau kadar HbA1c 5,7-6,4%], dan toleransi
glukosa normal [glukosa puasa <100 mg / dL (5,6 mmol / L), glukosa 2 jam <140 mg / dL
(7,8 mmol / L), dan tingkat HbA1c <5,7%]
Analisis statistik
Data yang didistribusikan secara normal disajikan sebagai rata-rata ± standar deviasi; data
yang tidak terdistribusi normal ditransformasi-log dan disajikan sebagai median dan rentang
interkuartil. Data untuk status diabetes, status merokok, olahraga, status menopause, dan
pendidikan dikategorikan.
Menggunakan regresi logistik multivariat, kami mengukur hubungan antara indeks adipositas
(BMI, lingkar pinggang, rasio pinggang ke tinggi, rasio pinggang-ke-pinggul, rasio pinggang-
paha, dan massa lemak visceral) dan risiko terkena diabetes atau pradiabetes . Model ini
membandingkan risiko di seluruh indeks adipositas spesifik gender untuk 10 kuantil. Model
utama kami disesuaikan dengan usia, dan model multivariat disesuaikan dengan model
primer ditambah merokok, konsumsi alkohol, aktivitas fisik, pendidikan, dan status
menopause (untuk wanita).
Analisis kurva penerima karakteristik operasi (ROC) digunakan untuk menilai akurasi
prediksi untuk diabetes atau prediabetes. Akurasi diukur dengan menggunakan area di bawah
kurva ROC (AUC) dengan interval kepercayaan 95% (CI) dan sensitivitas dan spesifisitas
setiap indeks adipositas sebagai prediktor diabetes atau pradiabetes. Untuk menentukan titik
batas spesifik gender yang sesuai untuk setiap indeks adipositas, skor dengan kombinasi
sensitivitas dan tertinggi
spesifisitas (indeks Youden, sensitivitas + spesifisitas-1) dianggap sebagai skor batas optimal.
Analisis dilakukan dengan menggunakan SAS ver. 9.2 (SAS Institute, Cary, NC, USA),
SPSS ver. 22.0 (SPSS Inc., Chicago, IL, USA), dan Perangkat Lunak Statistik MedCalc ver.
13.2.0 (Perangkat Lunak MedCalc, Ostend, Belgia; http://www.medcalc.org; 2014).
menambang titik batas spesifik gender yang sesuai untuk setiap indeks adipositas, skor
dengan kombinasi sensitivitas dan tertinggi

HASIL
Tabel 1 merangkum karakteristik dasar dan indeks antropometrik subjek. Dari 1603 peserta,
611 (38,1%) adalah laki-laki dan 992 (61,9%) adalah perempuan, dan usia rata-rata adalah
49,3 ± 8,3 tahun. Secara keseluruhan, 625 (39,0%) peserta digolongkan memiliki prediabetes
dan 159 (9,9%) sebagai penderita diabetes.
Gambar. 1 menunjukkan risiko diabetes atau prediabetes untuk persentil ke-10 indeks
adipositas pada pria dan wanita. Dalam model multivariat [termasuk usia, merokok, konsumsi
alkohol, aktivitas fisik, pendidikan, dan status menopause (untuk wanita)] rasio odds (OR)
cenderung meningkat dengan nilai indeks ini. Dari catatan, di antara pria, mereka yang
memiliki massa lemak visceral tinggi memiliki hubungan tertinggi (OR = 15,9, 95% CI =
6,4-39,2). Sebaliknya, rasio pinggang-ke-paha yang tinggi menunjukkan hubungan yang
lebih rendah dibandingkan dengan nilai-nilai indeks lainnya (OR = 3,7, 95% CI = 1,7-8,2)
(Tabel Tambahan 1, hanya online). Pada wanita, mirip dengan hasil untuk pria, mereka yang
memiliki massa lemak visceral tinggi memiliki hubungan tertinggi (OR = 6,9, 95% CI = 3,5-
13,7), sedangkan memiliki rasio pinggang-ke-paha tinggi memiliki relatif OR rendah
dibandingkan dengan nilai untuk indeks lainnya (OR = 2.0, 95% CI = 1.1-3.7) (Tambahan
Tabel 2, hanya online).
Gambar. 2 membandingkan akurasi dari enam indeks adipositas untuk memprediksi diabetes
atau prediabetes. Semua indeks adipositas berkorelasi positif dengan diabetes dan
prediabetes, meskipun massa lemak visceral sejauh ini merupakan prediktor terkuat diabetes
atau pradiabetes untuk pria dan wanita.
Tabel 2 merangkum kemampuan enam indeks untuk memprediksi diabetes atau prediabetes.
Pada pria dan wanita, massa lemak visceral lagi memiliki nilai AUC tertinggi (0,69, 95% CI
= 0,64-0,73 dan 0,70, 95% CI = 0,67-0,74, masing-masing). Pada pria dan wanita, BMI
memiliki nilai AUC yang lebih rendah daripada indeks adipositas lainnya. Nilai batas massa
lemak visceral adalah masing-masing 0,8 dan 0,5 kg untuk pria dan wanita.

Diabetes yang ditandai oleh hiperglikemia terjadi akibat defek sekresi insulin, aksi insulin,
atau keduanya. Secara global, prevalensi diabetes meningkat, dan tren yang sama terjadi di
Korea.1 Peningkatan ini sebagian besar dijelaskan oleh obesitas. Indikator obesitas termasuk
BMI, lingkar pinggang, dan pinggang ke tinggi, pinggang ke pinggul, dan rasio pinggang ke
paha. Indikator-indikator ini mencerminkan berbagai aspek komposisi tubuh: IMT mewakili
massa total tubuh, dan lingkar pinggang serta rasio pinggang-terhadap-tinggi mencerminkan
obesitas perut. Menariknya, lingkar pinggul dan paha yang lebih besar dikaitkan dengan
risiko diabetes yang lebih rendah, karena efek perlindungan dari massa otot di daerah-daerah
tersebut.6,7 Sebuah meta-analisis menunjukkan bahwa lingkar pinggang dan rasio pinggang
ke tinggi lebih sangat berkorelasi dengan perkembangan diabetes dibandingkan BMI,
meskipun manfaat nasional dari mengukur ketinggian selain lingkar pinggang tetap
kontroversial.
Ada semakin banyak bukti bahwa jenis lemak berlebih merupakan prediktor penting risiko
penyakit. Lemak visceral lebih berbahaya daripada lemak subkutan karena sel-sel lemak
visceral melepaskan protein yang berkontribusi terhadap peradangan, aterosklerosis,
dislipidemia, dan hipertensi. Akibatnya, jaringan adiposa visceral mungkin lebih erat terkait
dengan diabetes tipe 2 daripada indeks obesitas lainnya.9-11 Meskipun computed
tomography (CT) saat ini dianggap sebagai standar emas untuk mengukur lemak visceral,
dual-energy X-ray absorptiometry (DXA) juga dapat digunakan untuk mengukur lemak
visceral secara akurat.12,13 Namun, mana dari prediktor ini yang lebih erat terkait dengan
diabetes dan keadaan prediabetes masih kontroversial.
Kami membandingkan hubungan diabetes dan prediabetes dengan indikator obesitas
antropometrik, seperti lingkar pinggang, serta massa lemak visceral (diukur menggunakan
DXA). Kami juga menentukan indeks mana yang memiliki korelasi paling kuat dengan
diabetes dan pradiabetes.