Obesity Phenotypes : Mengapa ada yang mengalami obesitas dengan Penyakit Metabolik 

Individu dengan obesitas sering ditemukan mengalami kelainan metabolik, seperti resistensi insulin dan dislipidemia. Meskipun demikian tidak semua orang dengan obesitas mengalami masalah yang sama. Sebagian kecil orang dengan kegemukan cukup sehat secara metabolik, kondisi yang sering dikenal sebagai metabolicly healthy obese.

Mengapa demikian ? 

Mengapa orang dengan obesitas mengalami masalah metabolik ?

Mengapa ada orang dengan obesitas yang kesehatan metaboliknya baik ?

Semua ini tergantung pada bagaimana fenotipe obesitasnya. Pada bagian mana tubuh seseorang menyimpan kelebihan lemaknya. 

Orang dikatakan mengalami kelebihan berat badan atau obesitas merupakan penumpukan berlebihan dari jaringan lemak / adiposa di dalam tubuh. Sebagian mengalami kelebihan tersebut terdapat pada bagian viseral atau bagian perut, sebagian lagi mengalami kelebihan lemak pada bagian pinggang dan panggul. 

Penelitian dengan menggunakan CT scan dan MRI menunjukan bahwa jumlah lemak yang disimpan dalam kompartemen jaringan adiposa yang berbeda. Setiap individu, meskipun memiliki IMT yang sama, bisa jadi memiliki perserbaran lemak yang berbeda.

Fenotipe Obesitas yang Berbeda:

Kategori fenotipe obesitas yang sehat secara metabolis (metabolicly healthy obese) digunakan untuk menjelaskan individu obesitas yang tidak memenuhi kriteria klinis sindrom metabolik. 

Pada individu dewasa, prediktor utama untuk mengetahui apakah seseorang dewasa yang Obes sehat secara metabolik adalah melalui pemeriksaan akumulasi lemak abdominal viseral. Seringkali parameter lingkar pinggang dijadikan parameter awal untuk mengidentifikasi kelainan metabolik seseorang. 

Meskipun demikian, kontroversi muncul mengingat fenotipe obesitas yang sehat metabolis tidak terlalu terdefinisi dengan baik dan cenderung menjadi fenomena sementara. Beberapa pakar berpendapat bahwa kondisi bukan kondisi yang tidak berbahaya. Seringkali, kondisi metabolicly healthy obese hanya masalah waktu sebelum individu tersebut mengalami komplikasi kesehatan seperti peningkatan gula darah, tekanan Darah ataupun dislipidemia.

Kondisi kegemukan pada berat badan normal atau normal-weight obesity diidentifikasi sebagai kondisi metabolik dengan risiko kesehatan yang signifikan. Studi menyoroti risiko kesehatan khususnya pada populasi Asia, dan hal ini menunjukkan bahwa nilai potong IMT yang optimal harus disesuaikan berdasarkan etnisitas.

Penyesuaian Nilai IMT, apakah standar 25 untuk overweight juga berlaku untuk populasi Asia ?

Studi menekankan perlunya penyesuaian nilai potong IMT sesuai dengan etnisitas. Di tahun 2011 terdapat riset yang dilakukan lebih dari 1 juta orang Asia dan menemukan bahwa standar normalitas untuk nilai potong IMT yang optimal untuk populasi Asia adalah sekitar 24 kg/m² untuk pria dan 23 kg/m² untuk wanita. Oleh karena itu, penggunaan nilai potong IMT umum perlu disesuaikan dengan karakteristik etnis tertentu, mengingat perbedaan struktur tubuh dan predisposisi genetik. Hanya menggunakan IMT sebagai tolak ukur status obesitas dan kesehatan metabolik dapat berdampak kurang baik karena seseorang bisa saja sudah memerlukan upaya penurunan berat badan namun belum dilakukan karena dianggap masih dalam rentang normal.

Dengan menyadari adanya perbedaan ini, penyesuaian nilai potong IMT dapat meningkatkan akurasi dalam mengidentifikasi individu dengan risiko kesehatan yang terkait dengan normal-weight obesity. Hal ini memperkuat pentingnya penggunaan nilai potong yang sesuai dengan etnisitas untuk mendukung upaya pencegahan dan manajemen kesehatan yang lebih efektif.

Dalam pengaturan perawatan klinis, pengukuran IMT seharusnya dilakukan pada semua individu. Paradoks dari penggunaan IMT dalam penilaian obesitas adalah bahwa BMI bukanlah indeks yang sempurna untuk menilai lemak tubuh, tetapi sangat prediktif terhadap risiko kardiomatabolik. 

Kita dapat memanfaatkan penambahan pengukuran misalnya rasio perbandingan lingkar pinggang dan pinggul. Nilai ini dianggap dapat memberikan nilai tambah untuk keakuratan prediksi yang lebih baik terhadap penyakit kardiovaskular.

Pengukuran IMT untuk menentukan kelebihan berat badan dan obesitas pada orang dewasa, sedangkan pada anak-anak, seringkali digunakan nilai Z-score IMT (nilai berdasarkan deviasi standar BMI) untuk memfasilitasi analisis pada berbagai populasi etnis.

Untuk mengatasi keterbatasan IMT dalam praktik klinis, selain dari pengukuran lingkar pinggang, telah dikembangkan sistem klasifikasi obesitas yang beragam. Sistem ini mempertimbangkan faktor-faktor lain seperti dislipidemia dan homeostasis glukosa, untuk membantu profesional kesehatan dalam mengkategorikan orang berdasarkan masalah kesehatan terkait berat badan dan memilih pengobatan yang sesuai. 

Contohnya adalah Edmonton Obesity Staging System, Cardiometabolic Staging System, ATPIII panel, dan Framingham risk score, di antara lainnya. Sistem-sistem ini dirancang untuk membantu dalam memfasilitasi pemahaman dan penanganan yang tepat terhadap masalah kesehatan yang berkaitan dengan berat badan.

Mengukur Lemak Tubuh

Dalam kegiatan praktik, pengukuran ketebalan lipatan kulit dan analisis impedansi bioelektrik / bioelectrical impedance dapat memberikan perkiraan total lemak tubuh. Namun, perlu diingat bahwa pengukuran lipatan tubuh dan konduktivitas listrik hanyalah proksi dari lemak dan massa otot karena karakteristik penilaian yang kurang presisi pada alat-alat ini. Saat ini, persentil jenis kelamin, usia, dan etnis tersedia berdasarkan pengukuran massa lemak menggunakan nilai DXA dalam studi NHANES 1999-2004.

Metode referensi yang berguna untuk mengukur total lemak tubuh memang ada, tetapi penggunaannya terbatas pada pengaturan laboratorium. Metode tersebut utamanya mencakup densitometri dan metode berbasis gambar, seperti MRI dan CT.

Pentingnya Memahami Metode Pengukuran Lemak Tubuh:

• Pengukuran Ketebalan Lipatan Kulit: Metode ini melibatkan pengukuran lipatan kulit pada beberapa titik tubuh untuk mengestimasi lemak tubuh. Namun, akurasi tergantung pada keterampilan dan pengalaman personil yang melakukan pengukuran.
• Bioelectrical impedance: Pengukuran konduktivitas listrik melalui tubuh untuk mengevaluasi komposisi tubuh. Meskipun digunakan secara luas, akurasi dapat dipengaruhi oleh faktor seperti hidrasi tubuh.
• DXA (Dual-Energy X-ray Absorptiometry): Metode ini menggunakan sinar X untuk mengukur massa lemak, massa otot, dan massa tulang. Terlepas dari akurasi yang tinggi, biasanya hanya tersedia di pengaturan laboratorium.
• Densitometri: Metode ini melibatkan pengukuran densitas tubuh dengan menggunakan air atau udara. Meskipun akurat, penggunaannya terbatas pada lingkungan laboratorium.
• MRI (Magnetic Resonance Imaging) dan CT (Computed Tomography): Metode berbasis gambar yang memberikan citra tiga dimensi dari organ dan jaringan tubuh. Meskipun akurat, penggunaannya terbatas pada lingkungan medis dan laboratorium.

Penting untuk diingat bahwa pemahaman terhadap metode pengukuran lemak tubuh membantu dalam memilih metode yang sesuai dengan kebutuhan dan ketersediaan sumber daya. Selain itu, penyesuaian dengan faktor-faktor seperti jenis kelamin, usia, dan etnis juga perlu diperhatikan untuk mendapatkan hasil yang lebih akurat.

Pelajari lebih lanjut mengenai obesitas dan penanganannya

REFERENSI

• Stenholm S, Harris TB, Rantanen T, Visser M, Kritchevsky SB, Ferrucci L. Sarcopenic obesity: definition, cause and consequences. Curr Opin Clin Nutr Metab Care. 2008 Nov;11(6):693-700. https://pubmed.ncbi.nlm.nih.gov/18827572/ 
• Prado CM, Siervo M, Mire E, Heymsfield SB, Stephan BC, Broyles S, Smith SR, Wells JC, Katzmarzyk PT. A population-based approach to define body-composition phenotypes. Am J Clin Nutr. 2014 Jun;99(6):1369-77. https://pubmed.ncbi.nlm.nih.gov/24760978/ 
• Stefan N, Häring HU, Hu FB, Schulze MB. Metabolically healthy obesity: epidemiology, mechanisms, and clinical implications. Lancet Diabetes Endocrinol. 2013 Oct;1(2):152-62. https://pubmed.ncbi.nlm.nih.gov/24622321/ 
• Teixeira TF, Alves RD, Moreira AP, Peluzio Mdo C. Main characteristics of metabolically obese normal weight and metabolically healthy obese phenotypes. Nutr Rev. 2015 Mar;73(3):175-90. https://pubmed.ncbi.nlm.nih.gov/26024540/ 
• Hwang YC, Hayashi T, Fujimoto WY, Kahn SE, Leonetti DL, McNeely MJ, Boyko EJ. Visceral abdominal fat accumulation predicts the conversion of metabolically healthy obese subjects to an unhealthy phenotype. Int J Obes (Lond). 2015 Sep;39(9):1365-70. https://pubmed.ncbi.nlm.nih.gov/25920773/ 
• Franco LP, Morais CC, Cominetti C. Normal-weight obesity syndrome: diagnosis, prevalence, and clinical implications. Nutr Rev. 2016 Sep;74(9):558-70. https://pubmed.ncbi.nlm.nih.gov/27473199/ 
• Chan JC, Malik V, Jia W, Kadowaki T, Yajnik CS, Yoon KH, Hu FB. Diabetes in Asia: epidemiology, risk factors, and pathophysiology. JAMA. 2009 May 27;301(20):2129-40. https://pubmed.ncbi.nlm.nih.gov/19470990/
• Zheng, W. et al. Association between body-mass index and risk of death in more than 1 million Asians. N Engl J Med. 2011 Feb 24;364(8):719-29. https://pubmed.ncbi.nlm.nih.gov/21345101/
• Ortega FB, Sui X, Lavie CJ, Blair SN. Body Mass Index, the Most Widely Used But Also Widely Criticized Index: Would a Criterion Standard Measure of Total Body Fat Be a Better Predictor of Cardiovascular Disease Mortality? Mayo Clin Proc. 2016 Apr;91(4):443-55. https://pubmed.ncbi.nlm.nih.gov/26948431/ 
• Savva SC, Lamnisos D, Kafatos AG. Predicting cardiometabolic risk: waist-to-height ratio or BMI. A meta-analysis. Diabetes Metab Syndr Obes. 2013 Oct 24;6:403-19. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3810792/ 
• Marques, M. et al. EVASYON group. Design of the nutritional therapy for overweight and obese Spanish adolescents conducted by registered dieticians: the EVASYON study. Nutr Hosp. 2012 Jan-Feb;27(1):165-76. https://pubmed.ncbi.nlm.nih.gov/22566317/ 
• Dong B, Wang Z, Wang HJ, Ma J. Associations between adiposity indicators and elevated blood pressure among Chinese children and adolescents. J Hum Hypertens. 2015 Apr;29(4):236-40. https://pubmed.ncbi.nlm.nih.gov/25339297/ 
• Guo F, Moellering DR, Garvey WT. The progression of cardiometabolic disease: validation of a new cardiometabolic disease staging system applicable to obesity. Obesity (Silver Spring). 2014 Jan;22(1):110-8. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3866217/ 
• Sharma AM, Kushner RF. A proposed clinical staging system for obesity. Int J Obes (Lond). 2009 Mar;33(3):289-95. https://pubmed.ncbi.nlm.nih.gov/19188927/