UNIVERSIDADE FEDERAL DO RIO DE JANEIRO

CENTRO DE CIÊNCIAS DA SAÚDE

INSTITUTO DE NUTRIÇÃO JOSUÉ DE CASTRO
PROGRAMA DE PÓS-GRADUAÇÃO EM NUTRIÇÃO

RELAÇÃO ENTRE COMPOSIÇÃO CORPORAL, VARIÁVEIS BIOQUÍMICAS E

FENÓTIPOS METABÓLICOS, EM PRATICANTES DE EXERCÍCIOS DE
RESISTÊNCIA, DURANTE A MENOPAUSA

ANA CARLA LEOCADIO DE MAGALHÃES

Orientadora: Prof. Dra. Andrea Ramalho

Coorientadora: Prof.Dra. Sabrina Pereira da Cruz

Rio de Janeiro

2022
RELAÇÃO ENTRE COMPOSIÇÃO CORPORAL, VARIÁVEIS BIOQUÍMICAS E
FENÓTIPOS METABÓLICOS, EM PRATICANTES DE EXERCÍCIOS DE
RESISTÊNCIA, DURANTE A MENOPAUSA

ANA CARLA LEOCADIO DE MAGALHÃES

Tese de Doutorado apresentada ao

Programa de Pós-Graduação em Nutrição,
Instituto de Nutrição Josué de Castro,
Universidade Federal do Rio de Janeiro,
como requisito à obtenção do título de
Doutora em Ciências Nutricionais.

Orientadora: Prof. Dra. Andrea Ramalho

Coorientadora: Prof. Dra. Sabrina Pereira da Cruz

Rio de Janeiro

2022
 ANA CARLA LEOCADIO DE MAGALHÃES

RELAÇÃO ENTRE COMPOSIÇÃO CORPORAL, VARIÁVEIS BIOQUÍMICAS E

FENÓTIPOS METABÓLICOS, EM PRATICANTES DE EXERCÍCIOS DE
RESISTÊNCIA, DURANTE A MENOPAUSA

Tese de Doutorado apresentada ao

Programa de Pós-Graduação em Nutrição,
Instituto de Nutrição Josué de Castro,
Universidade Federal do Rio de Janeiro,
como requisito à obtenção do título de
Doutora em Ciências Nutricionais.
Aprovada por:
________________________________________________________________
Andrea Ramalho/ Doutora em Saúde Pública – FIOCRUZ/ Instituto de Nutrição
Josué de Castro - Universidade Federal do Rio de Janeiro
_________________________________________________________________
Adryana Cordeiro da Silva/ Doutora em Clínica Médica – UFRJ/ Universidade do
Porto
__________________________________________________________________
Andrea Cardoso de Matos/ Doutora em Clínica Médica – UFRJ/ Universidade
Federal Fluminense
___________________________________________________________________
Eliane Lopes Rosado/ Doutora em Ciência e Tecnologia de Alimentos – UFV/
Instituto de Nutrição Josué de Castro - Universidade Federal do Rio de Janeiro
__________________________________________________________________
Renata de Mello Perez/ Doutora em Gastroenterologia – UNIFESP/ Faculdade de
Medicina - Universidade Federal do Rio de Janeiro
__________________________________________________________________
Wilza Arantes Ferreira Peres/ Doutora em Clínica Médica – UFRJ/ Instituto de
Nutrição Josué de Castro - Universidade Federal do Rio de Janeiro
Rio de Janeiro

2022
 DEDICATÓRIA

Dedico este trabalho a todos aqueles que contribuíram para a minha

formação humana e acadêmica: meu pai Nei e minha mãe Helce, por todo carinho,
amor e atenção dedicados a mim por toda minha vida; meu irmão Marco André, por
todo cuidado em todos os momentos; meu amor Jaldomir Miranda, por todo
companheirismo, suporte e por ser minha fortaleza; minha orientadora Andrea
Ramalho, por me acolher no Núcleo de Pesquisa em Micronutrientes e me permitir
ser a profissional que sou hoje.
 AGRADECIMENTO

Escrever esse agradecimento é também olhar para trás e refletir sobre tudo
que passou para que essa etapa importante na minha vida se concretizasse!
Lembro-me de gritar de alegria e emoção ao ser aprovada para cursar a faculdade
de Educação Física, na Universidade Federal do Rio de Janeiro (UFRJ), em 2007.
Naquele momento, não fazia ideia do caminho que iria percorrer pela frente, mas
tinha uma certeza: eu estava na UFRJ, então, estava no lugar certo!

Ao longo da graduação, a relação entre educação física e nutrição sempre fez

meus olhinhos brilharem de fascinação! Após concluir essa primeira etapa, inicei a
pós-graduação em Fisiologia do Exercício e então meu fascínio pelo “casamento
perfeito” que é a nutrição e a educação física só se concretizou. Resolvido: vou
iniciar a graduação em Nutrição e assim fiz!

Cheguei ao Instituto de Nutrição Josué de Castro em meados de 2013 e no

ano seguinte, iniciei minha trajetória no NPqM. Na minha entrevista para aluna de
iniciação científica do Núcleo estavam Andrea Ramalho e Adryana Cordeiro.
Lembro-me de ambas me perguntando sobre meus interesses acadêmicos e
também sobre o que eu gostava de fazer no tempo livre... eu respondi: dançar! Mal
sabia que ali estava encontrando duas pessoas que iriam contribuir muito para
minha formação acadêmica e que também seriam minhas companheiras mais
animadas nas festas de confraternização do Núcleo!

Esse breve histórico é para dizer que ao longo desse caminho sempre teve
amor! Amor pela UFRJ, amor pela educação física, amor pela nutrição, amor pelo
dia-a-dia do NPqM e amor por todo percurso que foi traçado para chegar até aqui!
Mas, amor não sobrevive sozinho! É preciso de pessoas que façam esse amor
florescer. A essas pessoas, eu quero fazer um agradecimento muito especial:

Ao meu pai Nei e minha mãe Helce, que nunca mensuraram esforços para
me ver realizando os meus sonhos! Que sempre fizeram por mim o que poderiam
fazer de melhor! Eu amo vocês e irei amar para todo o sempre!

Ao meu irmão Marco André e minha cunhada Eliza, que sempre estão
dispostos a me ajudar nas fases mais complicadas, me dando todo suporte para
seguir em frente!
 À minha sobrinha Maria Alice, por encher meus dias de alegria, fazendo com
que qualquer dificuldade seja esquecida quando estamos brincando juntas! Que seja
assim para todo sempre!

Ao meu amor Jaldomir Miranda, por ser minha fortaleza nos momentos de
surto com a vida profissional e acadêmica, por me apoiar em tudo que eu penso em
fazer! Você me fortalece a cada dia e me faz seguir em frente cada vez que penso
em desistir! Eu te amo muito!

À minha orientadora Andrea Ramalho, por me permitir ser a menina que se

joga na pista de dança nas confraternizações do NPqM e também aquela que
estuda e pesquisa. A vida acadêmica não é e nunca foi fácil, porém, ser orientada
por você fez com que tudo se tornasse mais leve! Você é uma verdadeira inspiração
para mim e para todo o NPqM! Obrigada por tudo, por sempre, por toda a vida!

À minha coorientadora Sabrina Cruz, que sempre me fez olhar além do que
escrevia e contribuiu significativamente para que a Tese de Doutorado ficasse
melhor a cada dia! Obrigada por tudo!

Às professoras que aceitaram o convite para integrar a banca de qualificação

e de defesa da minha tese de doutorado! Muito obrigada por participarem desse
momento tão importante da minha vida profissional e acadêmica!

À Vilma Carvalho, que sempre esteve disponível para auxiliar na coleta de

dados e fazer com que fosse possível elaborar esse estudo!

A todos e todas do Núcleo de Pesquisa em Micronutrientes, que fizeram de

cada segunda-feira um dia de renovar as esperanças e conhecer mais um
pouquinho de tudo que permeia à área da nutrição! Obrigada!

Por fim, obrigada a todos e todas que passaram pela minha vida ao longo
dessa trajetória humana, profissional e acadêmica! Não seria o mesmo sem vocês!
 RESUMO

MAGALHÃES, Ana Carla Leocadio de. Relação entre composição corporal, variáveis
bioquímicas e fenótipos metabólicos, em praticantes de exercício de resistência,
durante a menopausa. Tese (Doutorado em Ciências Nutricionais) – Instituto de
Nutrição Josué de Castro, Universidade Federal do Rio de Janeiro, Rio de Janeiro,
2022.

Introdução: A menopausa é relacionada a modificações corporais e bioquímicas

que contribuem para o desenvolvimento do fenótipo metabolicamente não saudável
(MNS) e aumento da mortalidade. A prática de exercícios de resistência (ER) é uma
estratégia para amenizar consequências desta fase por promover redução da
adiposidade corporal, aumento da massa livre de gordura e melhora de parâmetros
cardiometabólicos. Objetivo: Avaliar a relação entre composição corporal, variáveis
bioquímicas, fenótipos metabólicos e ER, em mulheres na menopausa. Métodos:
Estudo observacional com praticantes de ER em academia na cidade de Belo
Horizonte, Minas Gerais, Brasil. Foram avaliadas: pressão arterial, glicemia e perfil
lipídico em jejum, tirotrofina, índice de massa corporal (IMC), adiposidade abdominal,
visceral e percentual de gordura corporal (%GC). Este último por equações
preditivas de %GC – Deurenberg (%GC); CUN-BAE (%GC); massa de gordura
relativa (MGR) (%GC) e Palafolls (%GC) - e por DEXA. Os fenótipos metabólicos
foram classificados pelo Critério de Comorbidades. Informações sobre tempo em
anos, tempo semanal (min/sem) e frequência semanal (dias/semana) de ER foram
obtidas por questionário previamente elaborado e validado intrapesquisadores.
Resultados: A amostra foi constituída por 31 mulheres. Houve 74,2% de
prevalência do fenótipo metabolicamente saudável (MS). As MS eram mais jovens
(51,26 ± 4,44 anos; 55,25 ± 3,73, p-valor =0,03), tinham maior tempo em anos de ER
(11,70 ± 13,60; 3,81 ± 3,66, p-valor=0,01); maiores concentrações de lipoproteína
colesterol de alta densidade (HDL-c) (72,13 ± 13,59; 48,37 ± 7,55, p-valor<0,01);
menor índice de adiposidade visceral (IAV) (0,81 ± 0,37; 1,63 ± 0,85, p-valor = 0,03)
e relação androide/ginoide (A/G) (0,79 ± 0,15; 0,98 ± 0,22, p-valor = 0,01) do que as
MNS. Não foi identificada associação entre tirotrofina e fenótipos metabólicos. As
mulheres com inadequações de A/G e IAV demonstraram prevalências 5,20 (IC
95%: 1,90 – 14,16) e 3,12 (IC 95%: 1,07 – 9,04) vezes maior, respectivamente, de
apresentar o fenótipo MNS do que aquelas com adequação desses componentes.
Mulheres com maior tempo em anos e frequência semanal de ER apresentaram
menores médias de percentual de massa de gordura do tronco (15,33 ± 7,56; 10,57
±4,87, p=0,04; 16,31 ± 7,46; 10,98 ± 5,49, p=0,03, respectivamente) do que as com
menor tempo em anos e frequência semanal de ER. Houve correlação inversa entre
tempo em anos e frequência semanal de ER com variáveis de adiposidade corporal
e entre a primeira com HDL-c. As equações preditivas de %GC apresentaram
correlação positiva com a pressão arterial sistólica (p-valor ≤ 0,01). Dentre estas,
CUN-BAE (%GC) e Deurenberg (%GC) apresentaram maior concordância com
%GC_DEXA (ICC: 0,89, p<0,01, ambos), quando comparadas à MGR (%GC) e
Palafolls (%GC). Conclusão: Achados dessa tese indicam que a adiposidade
visceral está relacionada ao fenótipo MNS e que há uma relação dose-resposta
entre prática de ER e composição corporal, em mulheres na menopausa. Além
disso, na ausência do DEXA para avaliação corporal, CUN-BAE (%GC) e
Deurenberg (%GC) podem ser utilizados para avaliação do %GC para estimar o
risco cardiometabólico nesta população.

Palavras-chave: menopausa; composição corporal; colesterol; exercícios de

resistência; fatores de risco cardiometabólicos.
 ABSTRACT

MAGALHÃES, Ana Carla Leocadio de. Relação entre composição corporal, variáveis
bioquímicas e fenótipos metabólicos, em praticantes de exercício de resistência,
durante a menopausa. Tese (Doutorado em Ciências Nutricionais) – Instituto de
Nutrição Josué de Castro, Universidade Federal do Rio de Janeiro, Rio de Janeiro,
2022.

Introduction: Menopause is related to body and biochemical changes that contribute

to the development of the metabolically unhealthy phenotype (MUH) and increased
mortality. The practice of resistance training (RT) is a strategy to mitigate the
consequences of this phase by promoting a reduction in body adiposity, increase in
fat-free mass and improvement of cardiometabolic parameters. Objective: To
evaluate the relationship between body composition, biochemical variables,
metabolic phenotypes and RT in menopausal women. Methods: Observational study
with RT practitioners at a gym in the city of Belo Horizonte, Minas Gerais, Brazil.
Blood pressure (BP), fasting blood glucose and lipid profile, thyrotropin, body mass
index (BMI), abdominal and visceral adiposity and percentage of body fat (% BF)
were evaluated. The %BF was estimated by predictive equations of %BF –
Deurenberg (%BF); CUN-BAE (%BF); relative fat mass (RFM) (%BF) and Palafolls
(%BF) - and by DEXA. Metabolic phenotypes were classified by the Comorbidity
Criteria. Information on time in years, weekly time (min/week) and weekly frequency
(days/week) of RT were obtained using a questionnaire previously prepared and
validated intra-researchers. Results: The sample consisted of 31 women. There was
a 74.2% prevalence of the metabolically healthy (MH) phenotype. MH were younger
(51.26 ± 4.44 years; 55.25 ± 3.73, p-value =0.03), had more years in RT (11.70 ±
13.60; 3.81 ± 3.66, p-value=0.01); higher concentrations of high-density lipoprotein
cholesterol (HDL-c) (72.13 ± 13.59; 48.37 ± 7.55, p-value<0.01); lower visceral
adiposity index (VAI) (0.81 ± 0.37; 1.63 ± 0.85, p-value = 0.03) and android/gynoid
ratio (A/G) (0.79 ± 0.15; 0.98 ± 0.22, p-value = 0.01) than MUH. No association was
identified between thyrotropin and metabolic phenotypes. Women with inadequacy of
A/G and VAI showed prevalences of 5.20 (CI 95%: 1.90 - 14.16) and 3.12 (IC 95%:
1.07 - 9.04) times higher, respectively, of presenting the MUH phenotype than those
with adequacy of these components. Women with longer years and weekly frequency
of RT had lower mean of trunk fat mass (15.33 ± 7.56; 10.57 ±4.87, p=0.04; 16.31 ±
7.46; 10.98 ± 5.49, p=0.03, respectively) than those with the shortest time in years
and weekly frequency of RT. There was a inverse correlation between time in years
and weekly frequency of RT with body adiposity variables and between the time in
years of RT with HDL-c. The %BF predictive equations showed a positive correlation
with systolic blood pressure (p-value ≤ 0.01). Among these, CUN-BAE (%BF) and
Deurenberg (%BF) showed greater agreement with %BF_DEXA (ICC: 0.89, p<0.01,
both), when compared to MGR (%BF) and Palafolls (%BF). Conclusion: Findings
from this thesis indicate that visceral adiposity is related to MUH phenotype and that
there is a dose-response relationship between RT practice and body composition in
menopausal women. In addition, in the absence of DEXA for body assessment,
CUN-BAE (% BF) and Deurenberg (% BF) can be used to assess % BF to estimate
cardiometabolic risk in this population.

Key words: menopause; body composition; cholesterol; resistance training;

cardiometabolic risk factors.
 LISTA DE ILUSTRAÇÕES, QUADROS E TABELAS

Quadro 1. Principais sinais e sintomas de acordo com os sistemas e parâmetros

afetados na menopausa.............................................................................................25

Quadro 2. Classificação do IMC de acordo com a Organização Mundial de

Saúde.........................................................................................................................56

Quadro 3. Variáveis e pontos de corte para fenótipo metabolicamente não saudável

de acordo com o Critério de Comorbidades...............................................................59

Figura 1. Representação esquemática da liberação de TSH, T3 e T4 pelo eixo

hipotálamo-hipófise-tireoide.......................................................................................35

Figura 2. Representação esquemática da relação entre obesidade, leptina, TSH e

hormônios tireoidianos...............................................................................................37

Figura 3. Fluxograma da população amostral............................................................53

MANUSCRITO 1

Tabela 1. Características da amostra total.................................................................80

Tabela 2. Comparação das características clínicas, metabólicas e corporais entre os

fenótipos metabólicos.................................................................................................81

Tabela 3. Associação entre variáveis clínicas, metabólicas e corporais de acordo

com os fenótipos metabólicos....................................................................................82

Tabela 4. Razão de prevalência entre variáveis metabólicas e corporais para o

fenótipo metabolicamente não saudável....................................................................83

Tabela 5. Correlação entre variáveis clínicas, metabólicas, corporais e de exercício

de resistência na amostra total...................................................................................84
 MANUSCRITO 2

Tabela 1. Caracterísiticas da amostra total e de acordo com os fenótipos MS e

MNS..........................................................................................................................105

Tabela 2. Comparação dos índices antropométricos e composição corporal de

acordo com o tempo em anos, semanal e frequência semanal de exercícios de
resistência................................................................................................................106

Tabela 3. Associação entre perfil lipídico e fenótipos metabólicos com tempo em

anos, semanal e frequência semanal de exercícios de
resistência................................................................................................................107

Tabela 4. Correlação entre variáveis corporais, lipídicas, tempo em anos, semanal e

frequência semanal de exercícios de resistência.....................................................109

Tabela 5. Razão de prevalência entre variáveis corporais, perfil lipídico e fenótipos

metabólicos de acordo com tempo em anos, semanal e frequência semanal de
exercícios de resistência..........................................................................................110

Figura 1. Frequência de inadequação dos índices antropométricos entre mulheres

com tempo de exercícios de resistência < 2 anos, ≥ 2 anos; < 300 minutos por
semana, ≥ 300 minutos por semana e com frequência semanal ≤ 3 dias por semana
e > 3 dias por semana..............................................................................................108

MANUSCRITO 3

Quadro 1. IMC e equações preditivas de %GC.......................................................116

Tabela 1. Características descritivas e corporais da amostra total e de acordo com a

classificação do índice de massa corporal...............................................................126

Tabela 2. Correlação bivariada entre as variáveis descritivas, corporais e

metabólicas com as equações preditivas de percentual de gordura corporal na
amostra total.............................................................................................................127

Tabela 3. Coeficientes de correlação intraclasse para análise de concordância entre

%GC_DEXA e equações preditivas de percentual de gordura corporal na amostra
total e de acordo com a classificação do índice de massa corporal........................129
Tabela 4. Diferença das médias e intervalos de confiança entre %GC_DEXA e
equações preditivas de % de gordura corporal na amostra total e de acordo com a
classificação do índice de massa corporal...............................................................130

Figura 1. Frequências de adequação dos fatores de risco cardiometabólicos na

amostra total e de acordo com a classificação do IMC............................................128

Figura 2. Representações do Gráfico de Bland-Altman para análise de concordância

entre equações preditivas de percentual de gordura corporal.................................131
 LISTA DE SIGLAS E ABREVIATURAS

%GC – Percentual de Gordura Corporal

%MGA – Percentual de Massa de Gordura Ginoide

%MGG – Percentual de Gordura Ginoide

%MGT – Percentual de Massa de Gordura do Tronco

A/G – Relação Androide/Ginoide

AACE/ACE - Associação de Endocrinologistas Clínicos e Colégio Americano de

Endocrinologia

ACSM – Colégio Americano de Medicina do Esporte

CT - Colesterol Total

CUN-BAE (%GC) - Estimador de Adiposidade Corporal da Universidade Clínica de

Navarra

D1 – Enzima Deiodenase 1

Deurenberg (%GC) - Percentual de Gordura estimado pela Fórmula de Deurenberg

DEXA – Absorciometria Raios-X de dupla energia

DHEA-S - Sulfato Deidroepiandrosterona

ER – Exercícios de Resistência Muscular

FSH – Hormônio Folículo Estimulante

GH – Hormônio do Crescimento

HAS – Hipertensão arterial sistêmica

HDL-c – Lipoproteina Colesterol de Alta Densidade

HT – Hormônios Tireoidianos

IAV – Índice de adiposidade Visceral

IC – Índice de Conicidade

IDF – International Diabetes Federation

IFC – Índice de Formato Corporal

IGF-1 – Fator de Crescimento Semelhante à Insulina Tipo I

IMC – Índice de Massa Corporal

IPAQ - Questionário Internacional de Atividade Física

LDL- c – Liporpoteína Colesterol de Baixa Densidade

MG – Massa de Gordura em quilos

MGA – Massa de Gordura Androide

MGG – Massa de Gordura Ginoide

MGR (%GC) - Percentual de Gordura estimado pela Massa de Gordura Relativa

MGT – Massa de Gordura do Tronco em quilos

MLG – Massa Livre de Gordura em quilos

MM – Massa Musculoesquelética em quilos

MNS – Metabolicamente Não Saudáveis

MS - Metabolicamente Saudáveis

NCEP-ATP III – National Cholesterol Education Program – Adult Treatment Panel III

OMS – Organização Mundial de Saúde

PA – Pressão Arterial

PAD – Pressão Arterial Diastólica

PAL – Produto de Acumulação Lipídica

Palafolls (%GC) - Percentual de Gordura estimado pela Fórmula de Palafolls

PAS – Pressão Arterial Sistólica

PAD – Pressão Arterial Diastólica

PC – Perímetro da Cintura

PGC-1α - Proliferadores de Peroxissoma Gama

RCE – Relação Cintura/ Estatura

SHBG - Globulina Ligadora de Hormônios Sexuais

T3 – Triiodotironina

T4 – Tiroxina

TG – Triglicerídeos

TRH - Hormônio Liberador de Tirotrofina

TSH – Tirotrofina (Hormônio Estimulante da Tireoide)

VLDL-c – Lipoproteína Colesterol de Muito Baixa Densidade

WHO – World Health Organization

SUMÁRIO

1. INTRODUÇÃO................................................................................................20
2. REFERENCIAL TEÓRICO..............................................................................24
2.1. Menopausa...............................................................................................24
2.2. Fenótipos metabólicos..............................................................................27
2.3. Exercício físico, fenótipos metabólicos e menopausa..............................29
2.3.1. Prática de atividade física e fenótipos metabólicos...............................29
2.3.2. Exercícios de resistência muscular e menopausa.................................32
2.4.Função tireoidiana e fenótipos metabólicos..............................................34
2.5. Métodos de avaliação da composição corporal........................................38
2.5.1. Índices antropométricos.........................................................................38
2.5.1.1. IMC e equações preditivas de percentual de gordura corporal..........38
2.5.1.2. Parâmetros antropométricos para avaliação da gordura abdominal:
Perímero da cintura, Índice de formato corporal e Índice de conicidade........42
2.5.1.3. Indicadores antropométricos para estimativa de gordura visceral:
Índice de adiposidade visceral e Produto de acumulação lipídica..................44
2.5.2. Absorciometria de raios-X de dupla energia..........................................47

3. JUSTIFICATIVA...............................................................................................50

4. OBJETIVOS.......................................................................................................51

4.1. Objetivo geral............................................................................................51

4.2. Objetivos específicos................................................................................51

5. MATERIAIS E MÉTODOS.................................................................................52

5.1. Delineamento do estudo...........................................................................52

5.2. Sujeitos da pesquisa.................................................................................52

5.2.1. Critérios de inclusão..............................................................................53

5.2.2. Critérios de exclusão.............................................................................53

5.3. Coleta de dados........................................................................................54

5.4. Variáveis consideradas no estudo............................................................54

 5.4.1. Variáveis laboratoriais...........................................................................54

5.4.2. Pressão arterial......................................................................................54

5.4.3. Composição corporal por Absorciometria de raios-X de dupla energia

(DEXA).............................................................................................................55

5.4.4. Variáveis e índices antropométricos......................................................55

5.4.5. Prática de exercícios de resistência muscular.......................................58

5.5. Classificação dos fenótipos metabólicos .................................................59

5.6. Análise estatística.....................................................................................60

5.7. Aspectos éticos.........................................................................................61

6. RESULTADOS..................................................................................................62

6.1. Artigo 1: Características dos fenótipos metabolicamente saudável e não

saudável, em praticantes de exercícios de resistência durante a
menopausa......................................................................................................63

6.2. Artigo 2: Relação dose-resposta do exercício de resistência sobre o perfil

lipídico, composição corporal e fenótipos metabólicos em mulheres na
menopausa......................................................................................................85

6.3. Artigo 3: Superioridade do CUN-BAE e Fórmula de Deurenberg como

equações preditivas de percentual de gordura corporal em praticantes de
exercícios de resistência na menopausa.......................................................111

7. CONCLUSÃO..................................................................................................132

8. CONSIDERAÇÕES FINAIS.............................................................................133

9. REFERÊNCIAS...............................................................................................134

10. APÊNDICES..................................................................................................152

11.ANEXOS.........................................................................................................219
 20

1. INTRODUÇÃO

A saúde reprodutiva feminina é dividida em importantes etapas, como

menarca e gestação, e tem término com a menopausa, caracterizada pela
interrupção natural do ciclo menstrual após 12 meses. Após este acontecimento,
modificações fisiológicas iniciadas no climatério, tornam-se mais intensas e
contribuem para o desenvolvimento de doenças crônicas não transmissíveis como
obesidade, Diabetes Mellitus tipo 2, resistência à insulina e hipertensão arterial
sistêmica (HAS) (KO; KIM, 2020; MINKIN, 2019).

Estas mudanças estão associadas à redução na síntese dos hormônios

sexuais femininos, principalmente estrogênio, pelas células foliculares ovarianas.
Considerando a presença de receptores deste hormônio em diversos tecidos, tais
como o cardiovascular, musculoesquelético e adiposo, modificações nas
concentrações séricas deste hormônio irão interferir, sobretudo, na composição
corporal que, por sua vez, tem importante influência na saúde cardiometabólica
(CARBONEL et al, 2020; MONTELEONE et al, 2018).

De acordo com a Organização Munidal de Saúde (WORLD HEALTH

ORGANIZATION – WHO, 2017), aproximadamente 56% e 26% da população
feminina brasileira apresenta sobrepeso e obesidade, respectivamente, com maior
prevalência de excesso de massa corporal em mulheres na fase do climatério e
após a menopausa (cerca de 35%) (FRANÇA et al, 2018). Esses dados são
preocupantes uma vez que a obesidade se caracteriza por ser um estado
inflamatório crônico que predispõe o desenvolvimento de inúmeras doenças e,
quando associada ao envelhecimento e à menopausa, as chances de desfechos
cardiometabólicos desfavoráveis são ainda maiores (CORDOLA et al, 2020; WHO,
2010).

Contudo, no início do século XXI, Brochu et al (2001) identificaram, em uma

amostra de mulheres na menopausa e com obesidade, subgrupos com
características cardiometabólicas distintas, os quais foram denominados
“metabolicamente saudável” (MS) e “metabolicamente não saudável” (MNS). Desde
então, diversos autores têm pesquisado sobre fatores relacionados ao
desenvolvimento desses fenótipos, em indivíduos de diferentes classes de índice de
massa corporal (IMC), e sugerido critérios para classificação desses grupos
 21

(MAYORAL et al, 2020; DINIZ et al, 2016; ORTEGA et al, 2016; WILDMAN et al,
2008; ZIMMET et al, 2007; KARELIS et al, 2005).

Após alguns autores terem proposto a utilização dos parâmetros da síndrome

metabólica (National Cholesterol Education Program – Adult Treatment Panel III -
NCEP-ATP III, 2001; ZIMMET et al, 2007), resistência à insulina (KARELIS et al,
2004; 2008) e marcadores inflamatórios, como a proteína C – reativa (WILDMAN et
al, 2008), estudos mais recentes têm sugerido que o fenótipo MS corresponda à
ausência de comorbidades como HAS, Diabetes Mellitus tipo 2 e dislipidemia (DINIZ
et al, 2016; ORTEGA et al, 2016), principalmente em indivíduos com obesidade
(KRAMER et al, 2013).

A heterogeneidade dos critérios de classificação metabólica encontrada na

literatura, até o presente momento, faz com que as características e a prevalência
dos fenótipos MS e MNS em diferentes populações, não sejam completamente
esclarecidas. Todavia, acredita-se que fatores genéticos, hormonais e
comportamentais, como a prática de exercício físico, tabagismo e consumo
inadequado de bebidas alcoólicas, possam ser determinantes para o
desenvolvimento destes fenótipos metabólicos (BRANDÃO; MARTINS; MONTEIRO,
2020).

Exercício físico é definido como uma prática estruturada, repetitiva e

intencional que contribui para a melhora da aptidão cardiorrespiratória, enquanto,
atividade física é qualquer movimento corporal que promove dispêndio energético
maior que o de repouso. No âmbito dos estudos sobre fenótipos metabólicos, a
maioria dos autores avalia somente a prática de atividade física diária,
desconsiderando modalidades específicas como o exercício de resistência muscular
(ER) (MYERS; KOKKINOS; NYELIN, 2019).

Este tipo de exercício físico proporciona benefícios para saúde

musculoesquelética e cardiometabólica, principalmente, em mulheres em fase não-
reprodutiva. Nunes et al (2016), em amostra com mulheres na menopausa
submetidas ao ER por 16 semanas, observaram que aquelas que realizavam a
atividade em intensidade leve, reduziram as concentrações de hemoglobina glicada,
percentual de gordura corporal (GC%) e aumentaram a força muscular; e as que
praticavam o exercício em elevada intensidade, além de melhorarem o percentual de
 22

gordura, reduziram as concentrações de LDL-c, o perímetro da cintura (PC) e a

relação cintura/estatura (RCE). De forma similar, Burrup et al (2018), verificaram que
entre mulheres na faixa etária entre 45 e 59 anos, aquelas que realizaram esta
modalidade de exercício duas vezes na semana reduziram o GC% em 2,6% e têm
1,3 kg a mais de massa livre de gordura (MLG) quando comparado às não-
praticantes.

Na prática clínica e em estudos epidemiológicos, a antropometria é

amplamente utilizada para estimar o estado nutricional e a composição corporal, por
ser um método simples e de baixo custo financeiro. Entretanto, indicadores
antropométricos comumente utilizados, como IMC e PC, apresentam limitações
relacionadas à avaliação da adiposidade abdominal e visceral que aumentam
significativamente após a menopausa e apresentam maior risco cardiometabólico.
Assim, alguns autores têm sugerido a utilização de métodos adicionais, como: índice
de formato corporal (IFC) e índice de conicidade (IC), para avaliação da adiposidade
abdominal; índice de adiposidade visceral (IAV) e produto de acumulação lipídica
(PAL), para avaliação de adiposidade visceral (KRAKAUER; KRAKAUER, 2012;
AMATO et al, 2010; KHAN, 2005; VALDÉZ, 1991).

No que se refere à avaliação do %GC por antropometria, equações preditivas

como o Estimador de adiposidade corporal da Universidade Clínica de Navarra
(CUN-BAE), Massa de gordura relativa (MGR) e as Fórmulas de Deurenberg e
Palafolls têm sido propostas, sendo CUN-BAE e Fórmula de Deurenberg
amplamente utilizadas em estudos com populações com características distintas por
considerarem informações sobre sexo e etnia, e MGR e Fórmula de Palafolls
recentemente propostas por serem equações simplificadas para avaliação da
adiposidade corporal (MILL-FERREYRA et al, 2018; WOOLCOOT; BERGMAN,
2018; GÓMEZ-AMBROSI et al, 2012; DEURENBERG et al, 2001).

Estudos demonstram que estes índices antropométricos e algumas equações

preditivas de %GC apresentam significativa correlação com o método
Absorciometria de raios-X de dupla energia (DEXA), considerado referência para
análise da composição corporal. Contudo, são escassos os estudos que avaliam a
associação desses indicadores corporais com os fenótipos MS e MNS, sobretudo
 23

em mulheres após a menopausa (LOUREIRO et al, 2019; CHUNG et al, 2018;

RASAEI et al, 2018; KANG et al, 2017; LWOW et al, 2016).

As modificações na composição corporal e em parâmetros cardiometabólicos

e o término da vida reprodutiva feminina podem influenciar a função tireoidiana cujo
principal regulador é a Tirotrofina (TSH) (DUNTAS; YEN, 2019; LAMBRINOUDAKI et
al, 2015). A avaliação do funcionamento da glândula tireoidea é realizada a partir da
mensuração deste hormônio e pode ser complementada pela avaliação dos
hormônios triiodotironina (T3) e tiroxina (T4), caso seja identificada alterações nas
concentrações de TSH (NIE et al, 2010; AMOUZEGAR et al, 2018; BENSEÑOR et
al, 2015).

As concentrações séricas de TSH são influenciadas por diversos fatores que

variam desde a utilização de medicamentos à hábitos de estilo de vida, como
tabagismo e prática de exercícios físicos. Masaki et al (2019) demonstraram que,
após teste em esteira ergométrica com 53 adultos, de ambos os sexos, os níveis
séricos de TSH e o espessamento arterial reduziram significativamente. De forma
semelhante, Philippou et al (2017), em estudo transversal, observaram alterações
nos níveis séricos de T4 e TSH, após uma sessão aguda de ER. Apesar destas
evidências, é importante destacar que não há estudos que avaliem a associação
entre prática de exercícios físicos, TSH e fenótipos metabólicos, em mulheres na
menopausa.

Dessa forma, considerando as especificidades do período não-reprodutivo,

como alterações na composição corporal, aumento do risco cardiometabólico,
desenvolvimento do fenótipo MNS e de disfunções tireoidianas, e dados os
benefícios oriundos da prática regular do ER em mulheres na menopausa, o estudo
destes fatores é oportuno para o avanço do conhecimento científico para prevenção
de desfechos cardiometabólicos graves e precoces nessa população.
 24

2. REFERENCIAL TEÓRICO

2.1. MENOPAUSA

A menopausa, diagnosticada clinicamente pela cessão das menstruações

após 12 meses, compreende um evento biológico natural e com importantes
consequências para a saúde, dentre as quais se destacam alterações hormonais e
na composição corporal, que são fatores de risco para o desenvolvimento de
doenças cardiometabólicas e do fenótipo MNS. Este período caracteriza-se pela
incapacidade das células foliculares ovarianas sintetizarem os hormônios sexuais
femininos, principalmente, o estradiol. Entretanto, ressalta-se que esta
disfuncionalidade ovariana é proveniente de alterações fisiológicas ocorridas na
perimenopausa, momento de transição da vida reprodutiva para não-reprodutiva,
que pode durar entre cinco e dez anos (KO; KIM, 2020; MAURIÈGE et al, 2020).

Durante a perimenopausa, desregulações no eixo hipotálamo-hipófise-

gonadal provocam uma produção exacerbada do hormônio folículo estimulante
(FSH), com consequente aumento nos níveis de estradiol, de modo à sobrepor as
fases folicular e lútea do ciclo reprodutivo, contribuindo para irregularidade
menstrual. Este aumento nas concentrações de FSH, à longo prazo, fará com que
as células ovarianas não reconheçam os estímulos gonadotróficos e sintetizem cada
vez menos estradiol, provocando, então, a menopausa (MONTELEONE et al, 2018).

Ao término da vida reprodutiva, sobretudo, nos primeiros anos após a

menopausa, verifica-se o aparecimento de inúmeros sinais e sintomas nos sistemas
nervoso central, urogenital, musculoesquelético, dermatológico, além de
significativas modificações cardiometabólicas, na função sexual e na composição
corporal (MINKIN, 2019; MONTELEONE et al, 2018), conforme demonstrado no
quadro 1.
 25

Quadro 1.Principais sinais e sintomas de acordo com os sistemas e parâmetros

afetados na menopausa.

Sistemas e parâmetros afetados Sinais e sintomas

após a menopausa

Sistema Nervoso Central Ondas de calor e sudorese intensas

Enxaquecas
Irregularidades durante o sono
Alterações de humor; Depressão e
ansiedade
Declínio cognitivo e da capacidade de
concentração

Sistema Urogenital Síndrome urogenitária da menopausa

(secura vaginal, atrofia vulvovaginal,
ardência vaginal)
Desordens do assoalho pélvico
(incontinência urinária, polapso,
infecções urinárias recorrentes)

Sistema Musculoesquelético Dores articulares

Redução da densidade mineral óssea

Sistema Dermatológico Ressecamento de pele

Queda de cabelos

Função Sexual Diminuição da libido

Disparenuria

Composição Corporal Aumento da adiposidade corporal

Redistribuição da adiposidade corporal
Redução da massa livre de gordura

Distúrbios cardiometabólicos Dislipidemias

Resistência à insulina
Redução da óxido nítricosintetase
Maior suscetibilidade à ateroesclerose
e hipertensão arterial e síndrome
metabólica
(Adaptado de MINKIN, 2019; MONTELEONE et al, 2018).
 26

Embora alguns desses sinais e sintomas sejam comumente encontrados

durante o processo de envelhecimento, a maioria deles está associada ao
hiperandrogenismo encontrado nas mulheres após a amnorreia menopausal. Tal
fato decorre da contínua produção de testosterona, pelos ovários, apesar da
interrupção da síntese de estradiol e progesterona, e pela redução das
concentrações da Globulina ligadora de hormônios sexuais (do inglês, Sex Hormone
Binding Globulin – SHBG) (KO; KIM, 2020; MONTELEONE et al, 2019).

A presença de receptores de testosterona e estradiol no tecido adiposo e o

desequilíbrio na relação destes hormônios, após a menopausa, são associadas à
modificação na distribuição da gordura corporal. Enquanto na fase reprodutiva, as
mulheres apresentam maior acúmulo de gordura periférica e subcutânea,
característicos do padrão ginóide, após este momento, verifica-se o aumento de
gordura abdominal e visceral, correspondente ao perfil androide (KO; KIM, 2020).

O acúmulo de gordura visceral tem estreita relação com alterações no

metabolismo lipídico, principalmente nos níveis de ácidos graxos livres, decorrente
da lipólise de TG. Uma vez que as concentrações séricas desse componente estão
elevadas, há importantes modificações na atividade de algumas enzimas, como
lipoproteína lipase e leticina-colesterol aciltransferase, promovendo o aumento nos
níveis de LDL-c, redução da HDL-c e contribuindo para o desenvolvimento de
ateroesclerose e demais complicações cardiometabólicas (KO; KIM, 2020; DUNTAS;
YEN, 2019; SOCIEDADE BRASILEIRA DE CARDIOLOGIA – SBC, 2017).

Para além do aumento de adiposidade corporal, há neste período da vida

feminina, significativa redução da MLG. De acordo com Monteleone et al (2018), a
presença de receptores de estrogênio no tecido musculoesquelético influencia a
atividade contrátil deste componente e, uma vez que os níveis deste hormônio
reduzem com o início da menopausa, esta funcionalidade fica prejudicada. Além
disso, os autores destacam uma associação positiva entre estradiol e hormônio do
crescimento (GH), assim, há significativos prejuízos à atividade anabólica muscular,
durante esta fase (KNOWLES et al, 2019; MONTELEONE et al, 2018).

Com o aumento da longevidade, estima-se que um terço da vida feminina

ocorra no período da menopausa. Sendo assim, inúmeras estratégias têm sido
discutidas para aumento do bem-estar físico e psicossocial, neste período com
 27

mudançastão intensas. Dentre estas, se destacam intervenções medicamentosas e

não-medicamentosas, como terapia de reposição hormonal e modificações no estilo
de vida, respectivamente (KO; KIM, 2020; MINKIN, 2019). Neste último, a realização
de exercícios físicos é extremamente recomendada, principalmente, exercícios de
resistência uma vez que promove benefícios à composição corporal e auxilia na
prevenção e tratamento de dislipidemias, resistência à insulina, HAS e do perfil
MNS. Apesar disso, ainda são escassos estudos que avaliam a relação entre
fenótipos metabólicos e composição corporal entre mulheres na menopausa,
praticantes de exercícios de resistência.

2.2.FENÓTIPOS METABÓLICOS

Nas últimas décadas, o aumento de casos de sobrepeso e obesidade, em

diversos países, têm preocupado pesquisadores e profissionais de saúde, visto que
estas condições são importantes fatores de risco para o desenvolvimento de
doenças cardiometabólicas e morbimortalidade (QUAYE et al, 2019; WORLD
HEALTH ORGANIZATION – WHO, 2017)
Entretanto, identificam-se indivíduos com fenótipo da obesidade ou sobrepeso
MS que, apesar do excesso de massa corporal, representados pelo IMC, não
apresentam anormalidades cardiometabólicas como resistência à insulina, Diabetes
Mellitus tipo2, HAS ou outras doenças cardiovasculares. Ao contrário da obesidade
ou sobrepeso MS, observa-se a eutrofia MNS em que sujeitos com IMC entre 18,5 e
24,9 kg/m², apresentam parâmetros cardiometabólicos inadequados que são fatores
de risco para diversas doenças (BRANDÃO; MARTINS; MONTEIRO, 2020;
STEFAN; SCHICK; HARING, 2017)
Estima-se que, aproximadamente, 35% dos adultos com obesidade e 45%
dos eutróficos, sejam MS e MNS, respectivamente (KIM et al, 2019; CHOOI et al,
2018; LIN et al, 2017). Contudo, essas prevalências podem variar de acordo com o
critério utilizado para classificação metabólica (LOUREIRO et al, 2019; GODAY et al,
2016). Neste cenário, destacam-se os critérios propostos por organizações
internacionais como NCEP-ATP III (NCEP, 2001) e o International Diabetes
Federation (IDF) (ZIMMET et al, 2007), os quais consideram componentes da
síndrome metabólica para este fim.
Como alternativa a ambos, alguns autores defendem que a classificação dos
fenótipos MS e MNS considere a resistência à insulina, analisada por clamp
 28

euglicêmico-hiperinsulêmico (KARELIS et al, 2005) ou HOMA-IR (KARELIS et al,

2004); e/ou considere marcadores inflamatórios, como a proteína C-reativa
(KARELIS et al, 2008; WILDMAN et al, 2008), de forma associada ou não aos
componentes da síndrome metabólica (BRANDÃO; MARTINS; MONTEIRO, 2020).
Apesar de serem propostas distintas, os critérios anteriores realizam a
classificação dos fenótipos MS e MNS de forma semelhante uma vez que, para ser
considerado MNS, os indivíduos devem apresentar três ou mais inadequações nos
parâmetros analisados. Todavia, tendo em vista que o fenótipo MS pode ser
transitório, podendo tornar-se MNS em um período entre 5 e 10 anos, acredita-se
que a classificação de sujeitos com excesso de gordura corporal ou com mais de
uma inadequação cardiometabólica em MS, pode dificultar a elaboração de
estratégias de prevenção para diversas doenças (KRAMER et al, 2013).
Gilardini et al (2018), em estudo longitudinal de 12 anos, com indivíduos com
obesidade, classificados como MS por não apresentarem nenhuma inadequação
cardiometabólica, considerando componentes da síndrome metabólica, LDL-c
resistência à insulina, identificaram 44% de incidência do fenótipo MNS em um
período de seis anos e 62% ao final do acompanhamento. De forma semelhante,
Eckel et al (2018), ao considerarem como critério para fenótipo MS a ausência de
hipertensão, Diabetes Mellitus tipo 2 e hipercolesterolemia, em estudo de coorte de
30 anos com 90257 mulheres, observaram que, entre aquelas com obesidade e
eutrofia MS, 84% e 68%, respectivamente, tornaram-se MNS.
Considerando esta transitoriedade, estudos recentes têm sugerido que
indivíduos com obesidade sejam considerados MS somente na ausência de
inadequações cardiometabólicas (ORTEGA et al, 2016; VAN VILET-
OSTAPTCHOUK et al, 2014; COLE; LOBSTEIN, 2012). Por tratar-se de uma
classificação específica para população com obesidade, estes critérios seriam
inadequados para um grupo de eutróficos ou sujeitos com sobrepeso. Neste sentido,
Diniz et al (2016), em estudo com amostra representativa da população brasileira,
com indivíduos de diferentes classes de IMC, propuseram o Critério de
Comorbidades e verificaram que este apresenta forte e significativa concordância
(Kappa 0.73, p< 0.01) com as classificações de Wildman et al (2008), NCEP-ATP III
(2001) e IDF (2007).
Dado os achados deste estudo e reconhecendo que a presença de obesidade
e/ou qualquer alteração cardiometabólica está relacionada à um estado inflamatório
 29

de baixo grau, associado ao desenvolvimento de diversas doenças, o critério de

comorbidades torna-se uma alternativa promissora no âmbito dos estudos sobre os
fenótipos MS e MNS, pois pode auxiliar na prevenção de desfechos
cardiometabólicos mais graves (DENIS; OBIN, 2013; KRAMER et al, 2013).
Ressalta-se que, embora os fatores relacionados à esses fenótipos ainda não
tenham sido completamente esclarecidos, acredita-se que a distribuição da gordura
corporal e estilo de vida sejam determinantes para presença ou transição para o
perfil MNS (MOON et al, 2017; TORRES-CASTILLO et al, 2018; LOUREIRO et al,
2019). Segundo Torres-Castillo et al (2018), é possível que indivíduos MNS tenham
maior capacidade em acumular gordura ectópica, e consequentemente tecido
adiposo visceral, devido à menor funcionalidade de seus adipócitos em armazenar
lipídios, do que os MS com mesmo IMC.
Considerando que o tecido adiposo é um órgão complexo e com
características que variam individualmente, de acordo com fatores genéticos e
comportamentais, Moon et al (2017) destacam que a prática de exercícios físicos é
um regulador independente deste tecido e associado aos fenótipos MS e MNS.
Entretanto, apesar das evidências, percebe-se que a prática de exercícios físicos e
demais hábitos comportamentais como dieta saudável, tabagismo e consumo de
álcool não são ainda incluídos nos critérios atuais para definição desses perfis
metabólicos (BRANDÃO; MARTINS; MONTEIRO, 2020).
A ausência de um padrão para classificação dos indivíduos em MS e MNS faz
com que fatores associados ao desenvolvimento destes perfis permaneçam
indefinidos, assim como a prevalência de ambos entre diversas populações. Desse
modo, o estudo dessa temática é importante para preencher as lacunas ainda
existentes na literatura e auxiliar na prevenção de comorbidades associadas à saúde
metabólica.

2.3. EXERCÍCIO FÍSICO, FENÓTIPOS METABÓLICOS E MENOPAUSA

2.3.1. Prática de atividade física e fenótipos metabólicos

A prática de atividade física é uma importante estratégia relacionada à

prevenção de obesidade e manutenção da saúde cardiometabólica por propiciar
modificações na composição corporal, auxiliar no controle glicêmico e na melhora do
perfil lipídico (AMERICAN COLLEGE OF SPORTS MEDICINE –ACSM, 2018).
 30

Contudo, para que estes benefícios sejam obtidos, a Organização Mundial de Saúde
recomenda a realização entre 150 e 300 minutos por semana de atividades físicas
aeróbicas de intensidade moderada à vigorosa e, no mínimo, duas sessões de ER
por semana (WORLD HEALTH ORGANIZATION – WHO, 2020)

Apesar dessas recomendações, a inatividade física é bastante prevalente na

população mundial, sendo responsável por, aproximadamente, 27% dos casos de
Diabetes Mellitus tipo 2, 30% das doenças cardiovasculares, além de ser o quarto
maior fator de risco para morbimortalidade mundial (WHO, 2010). Alguns autores
demonstram que há uma significativa redução dos níveis de atividade física, no
início da idade adulta e um gradual aumento do risco cardiometabólico devido ao
envelhecimento (LESKINEN et al, 2018; MOON et al, 2017; KNUT et al, 2011).
Entretanto, uma relação dose-resposta entre exercício físico e risco
cardiometabólico evidencia que indivíduos que permanecem ativos, ou aumentam os
níveis de exercício físico, apresentam menor risco de prejuízos à saúde metabólica
(LESKINEN et al, 2018; WHO, 2010).

Neste sentido, ressalta-se que embora sujeitos com obesidade tenham maior
probabilidade em apresentar inadequações de perfil lipídico, glicemia e pressão
arterial sistêmica do que aqueles com massa corporal adequada (BHUPATHIRAJU;
HU, 2016), tem sido observado que indivíduos com elevado IMC e fisicamente ativos
apresentam melhor perfil metabólico e menor risco cardiovascular do que os
eutróficos sedentários (MOON et al, 2017). Assim, a prática de exercícios físicos tem
sido considerada um importante fator relacionado aos fenótipos MS e MNS (NUMAO
et al, 2021).

Martinez-Gomes et al (2019), em estudo de coorte de seis anos, com 205.745

adultos, com diferentes classes de IMC, observaram que a prática de atividade física
foi inversamente associada à incidência de obesidade, nos grupos com sobrepeso e
eutrofia MS, e positivamente relacionada à transição do fenótipo MNS para MS.
Corroborando com estes achados, Goday et al (2016), em estudo transversal com
451.432 indivíduos, de ambos os sexos, demonstraram que o fenótipo MNS foi mais
prevalente em sujeitos fisicamente inativos, independentemente do IMC.

Estudos que avaliam a relação entre atividade física e fenótipos metabólicos

(SLAGTER et al, 2018; WINTER et al, 2018; BELL et al, 2015;), utilizam,
 31

frequentemente, o Questionário Internacional de Atividade Física (International

Physical Activity Questionnaire – IPAQ) (MATSUDO, 2001) e métodos objetivos,
como acelerômetro e podômetro, capazes de estimar o nível de atividade física nos
ambientes doméstico, de trabalho e nos momentos de lazer. Contudo, são escassos
os estudos que consideram indivíduos submetidos à programas de exercícios físicos
específicos, como treinamento aeróbico e de fortalecimento muscular. Até o
presente momento, somente Dalzil et al (2014) avaliaram a relação entre os
fenótipos MS e MNS, em praticantes de programas de exercícios físicos
estruturados.

Neste estudo longitudinal e experimental com duração de nove meses, com

indivíduos com obesidade, os autores observaram que os MS, no baseline,
apresentavam melhores parâmetros cardiovasculares (taxa cardíaca de repouso e
de recuperação, pressão arterial e aptidão cardiorrespiratória) quando comparados
aos MNS. Após intervenção com prática de exercícios aeróbicos de intensidade
moderada, ER, exercícios intervalados de alta intensidade e dieta do mediterrâneo,
identificou-se melhora nos componentes cardiovasculares analisados, em ambos
grupos, com diferenças estatisticamente significativas no baseline e após a
intervenção, nos parâmetros analisados. No entanto, este estudo limita-se por
relacionar os seus achados aos efeitos da dieta e do exercício intervalado de alta
intensidade, desconsiderando os possíveis efeitos do ER na composição corporal e
em componentes cardiovasculares entre os grupos MS e MNS.

Os benefícios oriundos da prática de exercícios físicos para a saúde

cardiometabólica e fenótipo MS ocorre, principalmente, devido ao aumento da
aptidão cardiorrespiratória, pois, esta auxilia na redução da adiposidade visceral e
inflamação de baixo grau (DIMENNA; ARAD, 2018; ORTEGA et al, 2018; WEDELL-
NEERGAARD et al, 2018). Verifica-se, contudo, que este componente é reduzido
durante o processo de envelhecimento, porém, ressalta-se que indivíduos idosos e
fisicamente ativos, podem apresentar maior aptidão cardiorrespiratória do que
jovens sedentários (HERDY; CAIXETA, 2016).

Esse componente caracteriza-se pela distribuição de oxigênio para a

musculatura e seu valor é estimado a partir dos níveis de consumo máximo de
oxigênio (VO2 máx), durante a prática de exercícios físicos. Dessa forma, muitos
 32

estudos avaliam a aptidão cardiorrespiratória, a partir de testes ergométricos e por

cicloergômeros, ou seja, por atividades eminentemente aeróbicas (LEE;
ARSLANIAN, 2018; ORTEGA et al, 2013).

Neste cenário, destaca-se o estudo realizado por Delgado-Floody et al (2019)

que, apesar de ter avaliado a aptidão cardiorrespiratória por teste de caminhada,
considerou o treinamento de resistência como fator associado à melhora deste
componente. Em sua pesquisa com indivíduos adultos e com obesidade classe III,
foi verificado que após intervenção de cinco meses, com três sessões semanais de
exercícios dessa modalidade, houve redução da massa corporal, melhoras na
aptidão cardiorrespiratória e em componentes da síndrome metabólica.

Estes achados são relevantes diante da escassez de estudos que avaliam o

impacto dos ER no risco cardiometabólico. Além disso, quando considerados os
fenótipos metabólicos, os dados da literatura em relação à esta modalidade de
treinamento são inexistentes, constituindo, portanto, uma importante lacuna que
precisa ser preenchida.

2.3.2. Exercício de resistência muscular e menopausa

Dentre os sinais e sintomas associados à menopausa, são evidentes as

modificações na composição corporal, a maior predisposição para doenças
cardiometabólicas e sarcopenia, além da significativa redução da densidade mineral
óssea. Como forma de amenizar os prejuízos associados a este período da vida
feminina, estratégias não-farmacológicas têm sido elaboradas e, neste cenário, a
prática de exercícios físicos é altamente recomendada devido aos benefícios que
promove à saúde musculoesquelética e cardiometabólica (SON et al, 2020; ACSM,
2018; MONTELEONE et al, 2018).

O estrogênio, principalmente o 17-β estradiol, tem significativa influência sob

os processos de síntese e degradação proteica muscular devido à presença de
receptores α e β deste hormônio no tecido musculoesquelético. Com a redução da
síntese de estrogênio, pelas células foliculares ovarianas, durante a menopausa, a
capacidade anabólica muscular é prejudicada, contudo, é possível que este fato
esteja relacionado à maior autoregulação da degradação proteica muscular do que a
síntese promovida pelo estrogênio circulante (HANSEN, 2018).
 33

Para além da redução das concentrações de estrogênio, ocorre, ainda,

redução dos níveis de GH, fator de crescimento semelhante à insulina tipo I (IGF-1)
e sulfato deidroepiandrosterona (DHEA-S), que afetam o trofismo muscular. Diante
dessas intensas modificações hormonais, o ER, por atenuar a perda de massa e
força muscular e contribuir para o equilíbrio proteico muscular positivo, constitui um
método efetivo para amenizar os danos provenientes da menopausa (KNOWLES et
al, 2019; NUNES et al, 2017).

Neste sentido, é válido destacar o estudo de Son et al (2020) o qual verificou

os efeitos do ER, com auxílio de faixas elásticas (bands), sob as concentrações de
estradiol, GH, IGF-1 e DHEA-S, em mulheres na menopausa e sedentárias. A
amostra foi aleatoriamente randomizada em grupo experimental e grupo controle,
que não foi submetido à nenhuma intervenção. Os autores observaram que, após 12
semanas de prática desses exercícios, houve aumento nos níveis dos hormônios
referidos no grupo experimental quando comparado ao grupo controle.

De acordo com os autores, embora os mecanismos exatos envolvidos neste

achado ainda não estejam completamente esclarecidos, acredita-se que os danos
musculares, associados ao ER, promovam um amplo estresse metabólico que
estimula o aumento dos níveis de estradiol e dos hormônios anabólicos, para o
reparo tecidual e hipertrofia muscular (SON et al, 2020).

Adicionalmente às alterações ocorridas na massa muscular, o ER parece ser

um ativador do coativador-1 alfa do receptor ativado por proliferadores de
peroxissoma gama (PGC-1α), que é um regulador da biogênese mitocondrial e
apresenta importante função na adipogênese de adipócitos termogênicos (MOONEN
et al, 2018; NUNES et al, 2016). Devido à esta atuação no metabolismo energético,
esta modalidade de treinamento promove benefícios à saúde cardiometabólica que,
em estudo de Nunes et al (2016) com 32 mulheres na menopausa, foi caracterizada
pela redução do GC%, PC, RCE, LDL-c, colesterol total, melhora nos níveis de
hemoglobina glicada e prevenção do aumento de interleucina 6 (IL-6).

Os benefícios do ER para a saúde cardiometabólica estão associados ao

volume e à intensidade o qual os execícios são realizados, evidenciando uma
relação dose-resposta que é destacada pela Organização Mundial de Saúde (WHO,
2010). A intensidade do ER é determinada a partir do teste de uma repetição
 34

máxima (1RM), método considerado padrão-ouro para modulação de carga no ER,

no qual se busca avaliar o maior peso a ser superado em apenas uma repetição
(Son et al, 2020; Nunes et al, 2016). Para tal, realiza-se um exercício de força
concêntrica e/ou excêntrica, caracterizados pelo encurtamento e alongamento da
fibra muscular, respectivamente, no exercício dinâmico. Alguns protocolos de ER
incluem exercícios isométricos, em que não há modificação do comprimento da fibra
muscular durante a prática (ACSM, 2009).

Sendo assim, considerando que o ER pode ser uma estratégia não-

farmacológica para saúde cardiometabólica de mulheres na menopausa e a
inexistência de estudos que avaliem a relação entre esta modalidade de treinamento
e os fenótipos metabólicos, a elaboração de estudos acerca desta temática pode
contribuir para maior qualidade de vida nesta população específica.

2.4. FUNÇÃO TIREOIDIANA E FENÓTIPOS METABÓLICOS

Os hormônios tireoidianos (HT), triiodotironina (T3) e tiroxina (T4),
apresentam importante função na prevenção de obesidade e doenças
cardiometabólicas, pois são os principais reguladores do tecido adiposo, atuam no
metabolismo de lipídeos e carboidratos, além de controlarem o dispêndio energético
e influenciarem a taxa metabólica basal (AMOUZEGAR et al, 2018; OBREGON,
2014).
Cerca de 20% de T3 é produzido pela glândula tireoidea enquanto o restante
é produzido à nível periférico, a partir da ação das enzimas deiodinases tipo 1 e 2
sob concentrações séricas de T4, que, por sua vez, provém integralmente da
tireoide. Ambas são sintetizadas pelo estímulo da tirotrofina (Thyroid-stimulating
Hormone– TSH) que é dependente da ação do hormônio liberador de tirotrofina
(TRH), produzido pelo hipotálamo (GOUVEIA et al, 2016; LE; CELI; WICKMAN III,
2016). Os HT influenciam diretamente a síntese de TSH a partir de mecanismos de
feedback que podem ser por inibição da atividade da adenohipófise (feedback
negativo) ou do hipotálamo (feedback positivo), que, consequentemente, afeta a
produção de TRH (LAZZARI; BECK, 2013; SANTOS; PINTO, 2013) (Figura 1).
Há uma relação inversa e bem estabelecida entre as concentrações séricas
de TSH e T4. Por esse motivo, TSH é frequentemente utilizado como índice de
homeostase da glândula tireoidea (GOUVEIA et al, 2016; LE; CELI; WICKMAN III,
2016). De acordo com a Sociedade Brasileira de Endocrinologia e Metabolismo,
 35

considera-se eutireoidismo quando os valores de TSH encontram-se entre 0,4 e 4,5

mU/L, hipotireoidismo para valores > 4,5 mU/L e hipertireoidismo, para < 0,4 mU/L
(SGARBI et al, 2013).

Figura 1. Representação esquemática da liberação de TSH, T3 e T4 pelo eixo hipotálamo-

hipófise-tireoide. A regulação dos níveis de TSH podem ocorrer por mecanismos de feedback
negativo e positivo por influência dos HT, principalmente T4. No primeiro, há influência dos HT sob a
adenohipófise, enquanto no segundo, essa regulação ocorre sob o hipotálamo e TRH. (Fonte: autoria
própria, adaptado de CARVALHO; RAMOS, 2004)

Contudo, observa-se que há uma grande variabilidade interindividual em

relação aos níveis de TSH e que indivíduos com maiores concentrações deste
hormônio são mais suscetíveis à obesidade, resistência à insulina, doença hepática
gordurosa não alcoólica, síndrome metabólica e demais complicações
cardiometabólicas (NIE et al, 2020; GOUVEIA et al, 2016; BENSEÑOR et al, 2015).
Deste modo, diante das evidências, estudos recentes têm analisado a associação
entre TSH, HT e fenótipos MS e MNS (NIE et al, 2020; KIM et al, 2019;
AMOUZEGAR et al, 2018).
Nie et al (2020), em estudo transversal com 1203 indivíduos, acima de 19
anos de idade e de ambos os sexos, observaram que elevados níveis séricos de T3
livre estiveram positivamente associados à presença de obesidade,
independentemente de ser MS ou MNS; T4 livre demonstrou relação inversa e
 36

significativa com fenótipo da obesidade MNS; e TSH foi positivamente associado ao

fenótipo MNS em indivíduos eutróficos.
Kim et al (2019), em estudo transversal com 13.873 participantes, com
características semelhantes às do estudo anteriormente citado, verificaram que
elevadas concentrações de T4 livre estiveram associadas positivamente ao fenótipo
MS em eutróficos, contudo, após ajustes de idade e tabagismo, não foi identificada
associação. Em relação ao TSH, observou-se que, em níveis reduzidos, porém
dentro dos valores de referência, este apresenta associação com o fenótipo MS em
eutróficos.
De forma semelhante, Amouzegar et al (2018), em estudo longitudinal de
nove anos, com 1936 adultos e de ambos os sexos, identificaram que, no baseline,
indivíduos eutróficos MS apresentavam maiores concentrações de T4 livre e, ao
longo do acompanhamento, o aumento de 1,0 ng/dL, nas concentrações séricas
desse hormônio contribuíram para redução em 50% do risco de desenvolvimento de
sobrepeso e obesidade. Em contrapartida, foram observados menores níveis de
TSH, entre o grupo de indivíduos com obesidade MNS quando comparados aos
eutróficos MNS, e uma positiva e significativa associação entre os níveis de TSH e o
desenvolvimento do fenótipo MNS, em eutróficos.
Embora a relação entre função tireoidiana e obesidade não seja
completamente esclarecida, o aumento das concentrações de TSH e T3 livre, em
indivíduos com excesso de peso, podem estar relacionadas à I) mecanismo
adaptativo para aumento da taxa metabólica; II) estado de resistência dos HT na
adenohipófise e prejuízos no mecanismo de feedback negativo; III) doenças da
tireoide, como tireoidite autoimune, diante da elevada expressão de citocinas
inflamatórias no tecido adiposo ou, ainda, IV) ação da leptina no eixo hipotálamo-
hipófise-tireoide (MOHAREB et al, 2021; SHIN et al, 2014; DUNTAS;BIONDI, 2013)
(Figura 2).
No que se refere ao aumento dos níveis séricos de TSH, em indivíduos MNS
com IMC adequado, acredita-se que este pode estar associado à disfunções
metabólicas, utilização de medicamentos, presença de enfermidades e não
necessariamente à quantidade de gordura corporal. Contudo, são necessários mais
estudos para esclarecer essa relação (NIE et al, 2020; GOUVEIA et al, 2016).
Em relação à T4 livre, a associação deste hormônio com perfil metabólico de
menor risco, demonstrado pelos estudos citados, pode ser justificada pela
 37

importante função que os HT exercem na regulação energética, já que elevam em,

aproximadamente, 30% a taxa metabólica de repouso, a partir o aumento da
atividade da enzima catalisadora de adenosina trifosfato (ATPase), produção de
calor, turnover e redução da síntese de ATP (AMOUZEGAR et al, 2018). Entretanto,
estudos demonstram que as concentrações séricas dos HT e TSH podem ser
influenciadas por idade, sexo e fatores comportamentais como tabagismo e prática
de atividade física (KIM et al, 2019; AMOUZEGAR et al, 2018; LE; CELI; WICKMAN
III, 2016).

Figura 2. Representação esquemática da relação entre obesidade, leptina, TSH e HT. Na

obesidade, verifica-se menor expressão de receptores de TSH e T3 nos adipócitos e elevada
concentração sérica de leptina que irá modular a expressão genética de TRH que, por sua vez,
aumentará a síntese de TSH pela adenohipófise. O excesso de leptina ainda está associada ao
aumento da expressão da enzima deiodenase 1, principal responsável pela síntese de T3 no tecido
musculoesquelético. (Fonte: autoria própria, adaptado de DUNTAS; BIONDI, 2013).

Até o presente momento, somente Amouzegar et al (2018) avaliaram a

relação entre HT, TSH, prática de atividade física e fenótipos MS e MNS, em uma
população de adultos. Contudo, os autores limitaram-se a demonstrar que a prática
de atividade física apresenta influência sobre os níveis de T4 livre, conforme citado
anteriormente. Em populações de crianças e adolescentes, verificou-se que somente
Elmaogullari, Demirel e Hatipoglu (2017) avaliaram essa temática. Os autores
 38

demonstraram que indivíduos com obesidade MNS apresentam maiores níveis de

TSH, menores concentrações de T4 livre e eram sedentários.
A associação entre TSH, HT e fenótipos MS e MNS necessita ainda de muitas
investigações, sobretudo, em relação à prática de exercícios físicos aeróbicos e de
resistência bem estruturados, pois, evidências demonstram que as concentrações
séricas destes hormônios podem variar de acordo com variáveis de treinamento,
sobretudo volume e intensidade. (MASAKI et al, 2019; PHILIPPOU et al, 2017).
Considerando, ainda, o exercício físico é um dos principais fatores associados
à prevenção de um perfil cardiometabólico de risco e que os HT e TSH são os
principais reguladores do tecido adiposo, avaliar a relação entre essas variáveis é
fundamental para auxiliar na prevenção de obesidade e doenças associadas,
sobretudo, em mulheres na menopausa já que a redução sérica dos hormônios
sexuais femininos influencia diretamente nestes parâmetros.

2.5. MÉTODOS DE AVALIAÇÃO DA COMPOSIÇÃO CORPORAL

2.5.1. Índices antropométricos
A avaliação da composição corporal, para estimativa de massa de gordura e
massa livre de gordura (músculos, ossos e água corporal), é de suma importância
durante a prática clínica, pois auxilia na prevenção e diagnóstico de doenças
cardiometabólicas e do fenótipo MNS. Dentre as técnicas utilizadas para avaliar a
composição corporal, a antropometria se destaca uma vez que apresenta baixo
custo financeiro, não é invasiva e é facilmente aplicável em diferentes populações
(ASSOCIAÇÃO BRASILEIRA PARA O ESTUDO DA OBESIDADE E SÍNDROME
METABÓLICA – ABESO, 2016; MEDEIROS et al, 2015).

2.5.1.1. IMC e equações preditivas de percentual de gordura corporal

O IMC é o indicador antropométrico mais utilizado por profissionais e
pesquisadores da área da saúde, pois necessita somente de informações sobre
massa corporal (em kilos) e estatura (em m²) para predizer o estado nutricional e
risco cardiometabólico dos indivíduos. Contudo, a aplicabilidade deste método é
questionada uma vez que ele não é capaz de estimar os compartimentos corporais
de gordura e massa livre de gordura (MLG). Esta limitação contribui para que a
avaliação da obesidade por esse índice ocorra de forma errônea, promovendo, por
exemplo, a superestimação da massa de gordura (MG) em indivíduos com elevado
 39

conteúdo musculoesquelético e subestimando em cerca de 50% a prevalência de

excesso de peso quando comparado a outras medidas antropométricas (ARUMÄE
et al, 2022; LOPÉZ-GONZÁLEZ et al, 2020).
Como alternativa ao IMC, alguns autores têm proposto a utilização equações
preditivas para estimar o percentual de gordura corporal (%GC), como o Fórmula de
Deurenberg (DEURENBERG et al, 1991), Estimador de adiposidade corporal da
Universidade Clínica de Navarra (Clinica Universidad de Navarra – Body Adiposity
Estimator – CUN-BAE (GÓMEZ-AMBROSI et al, 2012), Fórmula de Palafolls (MILL-
FERREYRA et al, 2018) e a Massa de Gordura Relativa (MGR) (WOOLCOTT;
BERGMAN, 2018).
Deurenberg et al (1991) destacam que o IMC, quando comparado à avaliação
da adiposidade corporal por dobras cutâneas, apresenta menor taxa de erro
intra/inter avaliadores, sendo uma bom índice para determinação do %GC, contudo,
ele é influenciado pela idade e pelo sexo dos indivíduos. Diante disso, os autores
recomendam que o %GC, na população adulta, seja determinado a partir da
seguinte equação, na qual sexo feminino = 0 e sexo masculino = 1:

Deurenberg (%GC) = (1,20*IMC) + (0,23*idade) – (10,8*sexo) – 5,4

Posteriormente, em estudo com 416 sujeitos, os mesmos autores

identificaram que a equação proposta apresenta uma forte correlação com o %GC
determinado por métodos de referência como tomografia computadorizada (TC) e
DEXA (DEURENBERG et al, 2001).

Similar ao que foi realizado por Deurenberg et al (1991), Goméz-Ambrosi et al

(2012) propuseram o CUN-BAE como índice antropométrico para avaliação do
%GC, em população de adultos de ambos os sexos, na ausência de métodos de
referência. Em seu estudo, os autores avaliaram e compararam a concordância
desse índice com o %GC estimado por pletismografia de deslocamento de ar e
demais índices comumente utilizados, como o IMC. Foi verificado que o CUN-BAE
apresenta maior correlação com o método de referência quando comparado a outros
métodos, além de ser melhor indicador para alterações na pressão arterial e perfil
lipídico do que o IMC. O CUN-BAE é calculado a partir da equação abaixo em que
em que sexo feminino = 1 e sexo masculino = 0:
 40

CUN-BAE (%GC) = - 44,988 + (0,503 *idade) + (10,689*sexo) + (3,172*IMC) -

(0,026*IMC²) + (0,181*IMC*sexo) - (0,02*IMC*idade) -(0,005*IMC²*sexo) +
(0,00021*IMC²*idade)

Embora atualmente diversos autores demonstrem a eficácia de CUN-BAE

para avaliação do %GC e para avaliação do risco cardiometabólico (COSTA et al,
2021; DOMINGUÉZ et al, 2021; VINKNES et al, 2017), há estudos que defendem a
utilização de fórmulas mais simplificadas para estimar o %GC, pois, a grande
quantidade de medidas antropométricas e/ou de números que compõem esta e
outras equações limitam a utilização na prática clínica (MILL-FERREYRA et al, 2018;
WOOLCOTT; BERGMAN, 2018). Sob essa perspectiva, foram propostas
recentemente as fórmulas de Palafolls (MILL-FERREYRA et al, 2018) e a MGR
(WOOLCOTT; BERGMAN, 2018).

Para elaboração da primeira, os autores optaram por incluir variáveis que são
comumente avaliadas na prática de profissionais da saúde e apresentam grande
número de evidências sobre suas associações com a composição corporal e o risco
cardiometabólico, como IMC e PC. Posteriormente, os autores compararam os
resultados de composição corporal obtidos pela Fórmula de Palafolls com CUN-BAE
e não encontraram diferenças estatisticamente significativas entre ambas
recomendando, portanto, a Fórmula de Palafolls em substituição à CUN-BAE para
avaliação da composição corporal e risco cardiometabólico diante da simplicidade da
equação que é demonstrada a seguir:

Para o sexo feminino:

Palafolls (%GC)mulheres: ([IMC/PC]*10) + IMC + 10

Para o sexo masculino:

Palafolls (%GC)homens: ([IMC/PC]*10 + IMC)

De forma similar, Woolcott e Bergman (2018) em estudo com dados do

National Health and Nutrition Examination Survey 1999-2004 (n=12.581) e 2005-
2006 (n=3.456), propuseram o MGR e avaliaram a concordância desse índice com
%GC estimado pelo DEXA compando-o com outras equações, como IMC, CUN-
 41

BAE, Fórmula de Deurenberg, entre outras. Ao final do estudo, os autores

encontraram que o MGR apresenta maior acurácia e precisão que os demais índices
para avaliar o %GC em população constituída por afro-americanos, mexicano-
americanos e europeu-americanos, de ambos os sexos. As equações de MGR
obtidas por análise de regressão linear, ao final do estudo, foram as seguintes:

Para o sexo feminino:

MGR (%GC)mulheres = 76 – (20* (estatura / PC))

Para o sexo masculino:

MGR (%GC) homens = 64 – (20* (estatura / PC))
ou
MGR (%GC) = 64 – (20* (estatura / PC)) + (12*sexo)

Nas três equações apresentadas, a estatura e o PC são mensurados em

metros (m) e, na última equação, sexo feminino = 1 e sexo masculino = 0.

A relação de alguns desses índices antropométricos com fatores de risco

cardiometabólicos tem sido estudada por diversos autores (COSTA et al, 2021;
DOMINGUEZ et al, 2021; SÁNCHEZ et al, 2019; SULIGA et al, 2019). Costa et al
(2021), em estudo com 54 individuos de ambos os sexos classificados de acordo
com os fenótipos MS e MNS, identificaram que o CUN-BAE foi superior ao IMC em
classificar a adiposidade corporal afim de identificar precocemente o risco
cardiometabólico em indivíduos com eutrofia e excesso de peso corporal.
Similarmente, López-González et al (2021) objetivaram avaliar a prevalência de
“Diabesidade” (obesidade e Diabetes Mellitus tipo II simultaneamente), em 418.343
indivíduos de ambos os sexos, em que a classificação da adiposidade corporal foi
realizada pelo IMC e por CUN-BAE, MGR e fórmulas de Deurenberg e Palafolls. Os
autores identificaram que a prevalência de obesidade oscilou entre 2,6% e 5,8%, de
acordo com o método utilizado, com o IMC demonstrando uma subestimação da
adiposidade corporal em comparação aos demais.
Apesar desses achados, até o presente momento, não há estudos que
avaliam a relação desses índices antropométricos com risco cardiometabólico em
 42

mulheres praticantes de ER na menopausa, bem como a concordância dos mesmos

com um método de referência para estimar o %GC nessa população.

2.5.1.2. Parâmetros antropométricos para avaliação da gordura abdominal:

PC, Índice de Formato Corporal e Índice de Conicidade
O PC é um parâmetro antropométrico amplamente utilizado para avaliar a
gordura abdominal, estimar a adiposidade visceral e é considerado um fator de risco
independente para complicações cardiometabólicas, como resistência à insulina,
Diabetes Mellitus tipo 2 e ateroesclerose (LUKÁCS et al, 2019; GUGLIELMI;
SBRACCIA, 2017; ABESO, 2016).
Entretanto, há uma grande variabilidade de protocolos de mensuração do PC
que dificultam a elaboração de pontos de corte e a determinação de prevalências de
inadequação desta variável entre diferentes populações (BOREL et al, 2018; PINHO
et al, 2018). As técnicas mais utilizadas, na população brasileira, são as
recomendadas pela Organização Mundial de Saúde (2000), em que é considerado o
menor perímetro entre a última costela e a crista ilíaca; e pela I Diretriz de Brasileira
de Diagnóstico e Tratamento da Síndrome Metabólica (2005), no qual é mensurado
o ponto médio entre rebordo costal inferior e a crista ilíaca (ABESO, 2016).
Pinho et al (2018), em estudo de transversal com 119 indivíduos adultos, de
ambos os sexos, ao avaliarem o PC a partir de seis critérios, observaram diferenças
significativas dos valores absolutos de PC, entre o sexo feminino, enquanto no sexo
masculino, não houve diferença. Esses achados são relevantes, pois a associação
entre PC e risco cardiometabólico é suscetível à técnica de mensuração utilizada, ao
padrão de distribuição corporal e faixa etária dos indivíduos.
Neste sentido, ressalta-se que, em mulheres, há maior predominância de
gordura subcutânea gluteofemoral, também chamada de ginóide, enquanto em
homens, ocorre maior acúmulo de gordura abdominal, ou androide, que apresenta
elevado risco metabólico. Todavia, observa-se que, no sexo feminino, esse padrão
de distribuição da gordura corporal é modificado após a menopausa (PINHO et al,
2018; XIAO et al, 2017).
Alguns autores têm demonstrado que o PC é altamente influenciado pela
massa corporal e estatura, sendo, portanto, fortemente correlacionado ao IMC, o
que faz com que seja difícil diferenciar estes parâmetros como fatores de risco
cardiometabólicos (BOREL et al, 2018; KRAKAUER; KRAKAUER, 2012). Devido à
 43

essa limitação, Krakauer e Krakauer (2012), elaboraram o “Índice de formato

corporal” (IFC), um indicador antropométrico cujo objetivo é avaliar a adiposidade
abdominal e risco cardiometabólico, a partir do PC, independentemente da massa
corporal, estatura e IMC, conforme demonstrado na fórmula abaixo:

O IFC foi criado baseado em dados do National Health and Nutrition

Examination Survey (NHANES) 1999 – 2004, em uma coorte de adultos, de
diferentes etnias e classes de IMC, deste modo sua aplicação é viável em diversas
populações. De acordo com Krakauer e Krakauer (2012), maiores valores de IFC
podem corresponder à maior adiposidade abdominal e, consequentemente, às
complicações cardiometabólicas.
Em seu estudo, os autores observaram que elevado IFC esteve associado à
maior mortalidade, ao longo de cinco anos, entretanto, na literatura científica esta
relação ainda é controvérsia. He et al (2017), em estudo longitudinal de 15 anos,
com 780 adultos do sexo masculino, não encontraram associação entre IFC e
mortalidade nesta população. Em contrapartida, Malara et al (2015), embora não
tenham avaliado associação entre IFC e mortalidade visto que foi realizado um
estudo transversal, observaram que maior IFC foi associado à maiores níveis séricos
de LDL-c, insulina, colesterol total e colesterol não HDL, em uma amostra com 114
universitários do sexo masculino, de diferentes classes de IMC.
Até o momento, somente dois estudos avaliaram a associação entre IFC e
fenótipos MS e MNS e seus achados foram inconsistentes. Chung et al (2018), em
estudo longitudinal com 21.968 participantes, adultos, de ambos os sexos,
observaram que entre indivíduos com obesidade (MS e MNS) e eutróficos MNS, a
chance de desenvolver doenças cardiovasculares foi similar ao aumento do IFC.
Entretanto, Rasaei et al (2018), em estudo transversal com 305 mulheres, na faixa
etária entre 18 e 48 anos, verificaram que o IFC não é o indicador antropométrico
mais sensível para predizer o fenótipo MNS.
Além do IFC, outro indicador antropométrico de avaliação da adiposidade
abdominal foi elaborado, considerando as limitações do PC: o “Índice de Conicidade”
(IC) (VALDEZ, 1991). De acordo com o autor, o acúmulo de gordura abdominal faz
com que a forma do corpo seja modificada de um cilindro para um duplo cone com
 44

base comum e o excesso de adiposidade nesta região é um fator de risco para

complicações cardiometabólicas. Para calculá-lo, são necessárias informações
sobre massa corporal (kg), estatura (m), PC (m), conforme demonstrado abaixo:

Nesta fórmula, 0,109 representa uma constante, calculada considerando o

perímetro de um cilindro e a densidade média do corpo humano, que, associada à
massa corporal e estatura, fornece o excesso de adiposidade abdominal. Deste
modo, caso o IC de um determinado indivíduo seja igual à 1,30, é possível afirmar
que o PC é 1,30 vezes maior do que seria caso não houvesse acúmulo de gordura
abdominal (PITANGA; LESSA, 2004).
Não há estudos que avaliem a relação entre IC e fenótipos MS e MNS,
entretanto, alguns autores que analisaram a associação entre este índice, síndrome
metabólica e doenças cardiovasculares, demonstram que o IC é um bom preditor
destes desfechos (QUAYE et al, 2019; MOTAMED et al, 2016; PITANGA; LESSA,
2004). Quaye et al (2019), em estudo transversal com 160 indivíduos, com mais de
20 anos de idade e de ambos os sexos, observaram que IC foi o melhor preditor
para síndrome metabólica (sem considerar PC), elevada glicemia em jejum, TG e
menores níveis séricos de HDL-c, no sexo feminino. No sexo masculino, foi
encontrada maior associação destes fatores de risco com IMC e PC. Em
contrapartida, Abulmeaty et al (2017), em estudo transversal com 390 adultos, de
ambos os sexos, demonstraram que o IC foi o melhor preditor para complicações
cardiovasculares à longo prazo (de acordo com o Score de Framingham), no sexo
masculino, enquanto, no sexo feminino, outros indicadores antropométricos
estiveram mais associados à estes desfechos.
Devido às controvérsias em relação ao IC, principalmente entre os sexos
masculino e feminino, são necessários mais estudos que avaliem a viabilidade
desse indicador antropométrico como fator de risco para complicações
cardiometabólicas e, sobretudo, para os fenótipos MS e MNS uma vez que não há
dados na literatura sobre esse tema.

2.5.1.3. Indicador antropométrico para estimativa de gordura visceral: Índice

de adiposidade visceral e Produto de acumulação lipídica
 45

Embora indicadores antropométricos como PC, IFC e IC visem avaliar a

adiposidade abdominal, nenhum deles é capaz de distinguir entre tecido adiposo
subcutâneo e visceral, estreitamente relacionado ao desenvolvimento de alterações
cardiometabólicas. Até mesmo o PC, o parâmetro mais utilizado e recomendado por
diretrizes clínicas e autoridades em saúde, apresenta essa limitação
(RANDRIANARISOA et al, 2019; PINHO et al, 2018).

Deste modo, Amato et al (2010) elaboraram o “índice de adiposidade visceral”

(IAV), um método com maior especificidade e sensibilidade do que os parâmetros
tradicionais para avaliar a funcionalidade do tecido adiposo. O IAV apresenta
adaptações específicas para o sexo masculino e feminino e é calculado a partir de
informações antropométricas (PC e IMC) e metabólicas (HDL-c e TG), conforme
demonstrado a seguir:

IAV mulheres = x x

IAV homens= x x

Diversos estudos têm demonstrado que o IAV é um importante preditor de

doenças cardiometabólicas como resistência à insulina, ateroesclerose, doença
hepática gordurosa não alcoólica, entre outras (RANDRIANARISOA et al, 2019;
ŠTĔPÁNEK et al, 2019; VASSILATOU et al, 2018). Dereziński et al (2017), em
estudo transversal com 365 mulheres idosas, observaram que o IAV apresentou
maior associação com infarto do miocárdio, diabetes, pré-diabetes e complicações
renais do que IMC e PC, quando analisados individualmente. De forma semelhante,
Randrianarisoa et al (2019), em estudo com 731 adultos, de ambos os sexos,
demonstraram que o IAV foi melhor preditor de ateroesclerose subclínica do que o
HOMA-IR, em indivíduos sem doenças cardiovasculares porém com tendência à
Diabetes Mellitus tipo 2. Esses achados são importantes, pois demonstram que o
IAV é mais efetivo, do que parâmetros antropométricos ou metabólicos tradicionais,
para predizer complicações cardiometabólicas.

Dados da literatura demonstram que o IAV também pode estar associado ao

desenvolvimento ou à presença do fenótipo MS e MNS (LOUREIRO et al, 2019;
KANG et al, 2017; AMATO et al, 2013). Neste sentido, Kang et al (2017), em estudo
 46

longitudinal com 2.204 adultos com obesidade MS, observaram que tornaram-se
MNS aqueles com maior IAV, após três anos e cinco meses de acompanhamento.
Além disso, os autores identificaram que o IAV foi melhor indicador de transição do
fenótipo MS para MNS do que o PC, em ambos os sexos. De forma semelhante,
Loureiro et al (2019), em estudo transversal com indivíduos com obesidade classe
III, verificaram que os MS apresentavam menor IAV do que os classificados como
MNS, pelo critério do NCEP-ATP III (4,28 ± 3,56 vs. 7,93 ± 8,70).

Outro índice antropométrico elaborado com objetivo de determinar a

adiposidade visceral é o “Produto de acumulação lipídica” (PAL), sugerido por Khan
(2005). Trata-se de um método simples, constituído a partir de informações de PC e
concentrações séricas de TG, com adaptações específicas para os sexos feminino e
masculino, conforme demonstrado abaixo:

PAL mulheres = (PC (cm) – 58) x (TG (mmol/L))

PAL homens = (PC (cm) – 65) x (TG (mmol/L))

Nestas fórmulas, os valores 58 (para o sexo feminino) e 65 (para o sexo

masculino) representam constantes criadas, a partir da estimativa de um valor
mínimo de cintura, para ambos os sexos, que compreendem somente a musculatura
abdominal, vísceras e conteúdo ósseo. A partir do cálculo, será demonstrada a
acumulação lipídica de modo que quanto maiores os valores de PAL, maior será o
risco para o desenvolvimento de doenças cardiometabólicas (CARTOLANO et al,
2018; LOPAMUDRA et al, 2018; KHAN et al, 2005).

Assim como o IAV, a maioria dos estudos demonstra que o PAL é um melhor
preditor para complicações cardiometabólicas do que parâmetros tradicionais, como
PC, IMC, relação cintura/estatura e relação cintura/quadril (LOPAMUDRA et al,
2019; NASCIMENTO-FERREIRA, 2017). Vieira et al (2019), em estudo transversal
com 437 brasileiros, de ambos os sexos, com mais de 20 anos de idade,
observaram que o PAL foi o melhor indicador para inadequações séricas de
colesterol total, LDL-c e HDL-c e o segundo melhor indicador para elevada glicemia
em jejum (sendo a relação cintura-estatura, o primeiro). Além disso, indivíduos com
maior PAL apresentavam maior inadequação de perfil lipídico, glicemia e maior IMC.
 47

De forma semelhante, Ribeiro et al (2019), em estudo transversal realizado

com a população brasileira, com 94 mulheres, com síndrome de ovário policístico,
demonstraram que o PAL esteve correlacionado com a maioria das variáveis
corporais, relacionadas ao excesso de massa corporal (exceto área gordurosa do
braço e da perna), fortemente correlacionado com TG e moderadamente
correlacionado com proteína C-reativa, glicemia em jejum, resistência à insulina e
globulina ligadora de hormônios sexuais.

Até o momento, somente um estudo teve como objetivo avaliar a associação

entre PAL e fenótipos MS e MNS (LWOW et al, 2016). Os autores, em estudo com
345 mulheres na menopausa, utilizando quatro critérios de definição para os
fenótipos MS e MNS, observaram que em todos os critérios, as mulheres com maior
PAL apresentavam maior inadequação de variáveis antropométricas e relacionadas
à distribuição de gordura corporal. Além disso, os autores sugerem o ponto de corte
de PAL igual à 29,9 para fenótipo MS e MNS, criando, deste modo um novo critério
de classificação desses perfil metabólicos.

A utilização de indicadores antropométricos para estimativa de adiposidade

visceral, como IAV e PAL, durante a prática clínica, pode contribuir para identificação
precoce de inadequações cardiometabólicas e, provavelmente, do fenótipo MNS.
Entretanto, são necessários mais estudos uma vez que são escassos os dados
encontrados na literatura sobre essa temática.

2.5.2. Absorciometria de raios-X com dupla energia

Além da antropometria, outras técnicas como bioimpedância elétrica (BIA),

TC, ressonância magnética (RM) e absorciometria de raios-X com dupla energia
(dual-energy X-rayabsorciometry – DEXA), podem ser utilizadas para avaliação da
composição corporal (LU et al, 2019; GÓMEZ et al, 2018).

A TC e RM, apesar de serem consideradas padrão ouro, apresentam elevado

custo financeiro e, portanto, são menos viáveis para aplicação na prática clínica e
em estudos epidemiológicos. A BIA, embora seja um método mais acessível, é
altamente suscetível ao estado de hidratação. Deste modo, não é considerada a
técnica mais adequada para avaliar a composição corporal em indivíduos com
obesidade, idosos e adolescentes, pois subestimam o percentual de gordura
 48

corporal e proporcionam uma má interpretação dos resultados. A antropometria, por

sua vez, limita-se, pois é dependente da habilidade do aplicador (LU et al, 2019;
ACHAMRAH et al, 2018; SMEE et al, 2018).

Diante deste cenário, o DEXA se destaca como método de referência para

avaliação da composição corporal uma vez que apresenta menor custo financeiro do
que TC e RM e maior acurácia do que a BIA e antropometria. Trata-se de uma
técnica não invasiva, em que há um scaneamento total e regional do corpo, a partir
de feixes de raios-x, com uma dose mínima de radiação, que não expõe o operador
e o índivíduo submetido à avaliação, à nenhum risco. Durante o procedimento, os
feixes de raios-x atravessam o corpo na direção postero-anterior e o subdivide em
linhas específicas, fornecendo, de forma acurada, informações sobre densidade
mineral óssea, quantidades de massas de gordura e livre de gordura e distribuição
da gordura corporal (RIBEIRO et al, 2019; KURIYAN, 2018; SHEPHERD et al, 2017;
XIAO et al, 2017).

Dentre os compartimentos corporais analisados pelo DEXA, a relação

androide/ginoide (A/G) é um importante marcador de estado cardiometabólico.
Hogling et al (2018), em estudo longitudinal de dois anos, com 215 mulheres que se
submeteram à cirurgia bariátrica, observaram que a A/G foi um significativo preditor
para sensibilidade à insulina e que houve considerável redução de A/G após o
procedimento. De forma semelhante, Gómez et al (2019), em estudo retrospectivo
com 316 indivíduos, de ambos os sexos e diferentes classes de IMC, demonstraram
que a A/G foi significativamente associada à glicemia em jejum e às concentrações
séricas de TG, na amostra total, e com HDL-c e colesterol total, no sexo masculino.

A associação entre A/G e fenótipos MS e MNS, foi analisada por Lu et al

(2019) em estudo transversal com 3259 indivíduos, de ambos os sexos, e
classificados como eutróficos, pelo IMC. Os autores observaram que a A/G foi
significativamente maior no grupo MNS quando comparado ao MS, sendo a segunda
variável com maior inadequação, em ambos os sexos, enquanto o tecido adiposo
visceral foi a primeira. Além disso, foi percebido que elevada A/G aumentava em
13,76 e 8,13 vezes o risco de desenvolvimento do fenótipo MNS, entre o sexo
feminino e masculino, respectivamente.
 49

Embora não tenham sido encontrados mais estudos que avaliem a

associação entre os fenótipos MS e MNS e a A/G, os achados de Lu et al (2019)
demonstram que esta variável pode ser um importante preditor de fenótipo
metabólico de risco. Contudo, são necessários maiores esclarecimentos sobre esta
temática.
 50

3. JUSTIFICATIVA

A menopausa pode estar relacionada com inúmeras modificações hormonais

e na composição corporal que predispõem o desenvolvimento de disfunções
tireoidianas, complicações cardiometabólicas e contribuem para o aumento da
mortalidade. Portanto, a avaliação da composição corporal se faz importante para
identificar alteração expressiva, que pode ser um indicador para o fenótipo MNS.

O reconhecimento precoce de inadequações corporais e metabólicas

associadas à esse perfil de risco pode reduzir a incidência de desfechos negativos à
saúde de mulheres após o término da vida reprodutiva. Contudo, no âmbito de
estudos sobre essa temática, há uma grande heterogeneidade de critérios de
classificação que dificultam a determinação de sua prevalência e prejudicam a
formulação de estratégias preventivas.

Nesse contexto, a prática de ER tem sido proposta como alternativa com

impacto positivo à saúde de mulheres na menopausa, pois, além de modificar a
composição corporal, tem influência sob o metabolismo glicêmico e lipídico, a função
tireoidiana e a concentração de hormônios sexuais femininos e anabólicos.

Dessa forma, considerando os benefícios associados à prática de ER e as

especificidades do período da menopausa, sobretudo em relação à composição
corporal e ao risco para o fenótipo MNS, o presente estudo foi idealizado na
perspectiva de subsidiar a elaboração de estratégias que auxiliem na prevenção de
doenças cardiometabólicas e agravamento de possíveis comorbidades já existentes
nesta população, uma vez que são escassos os estudos que discutem esta
temática.
 51

4. OBJETIVOS

4.1. Objetivo geral

Avaliar a relação entre composição corporal, variáveis bioquímicas,
fenótipos metabólicos e ER, em mulheres na menopausa.

4.2. Objetivos específicos

 Comparar características clínicas, metabólicas e corporais, relacionadas aos

fenótipos MS e MNS, em mulheres praticantes de ER na menopausa;

 Analisar a relação dose-resposta do ER com fenótipos metabólicos, perfil

lipídico e composição corporal, em mulheres na menopausa;

 Verificar a associação entre equações preditivas de percentual de gordura

corporal e risco cardiometabólico, em praticantes de ER na menopausa;

 Investigar a concordância entre equações preditivas de percentual de gordura

corporal e o percentual de gordura corporal estimado pelo DEXA, método
padrão-ouro, em praticantes de ER na menopausa.
 52

5. MATERIAIS E MÉTODOS

5.1. Delineamento do estudo

Trata-se de um estudo observacional e transversal cujos dados foram

extraídos de um estudo prévio denominado “Nível de satisfação corporal
correlacionado à composição corporal e às variáveis bioquímicas em praticantes de
musculação em Belo Horizonte – Minas Gerais/Brasil”, realizado em 2019.

5.2. Sujeitos da pesquisa

A amostra foi constituída por indivíduos do sexo feminino que estavam na

faixa etária entre 45 e 65 anos de idade, praticantes de ER, em academia
previamente conveniada, localizada na cidade de Belo Horizonte, Minas Gerais,
Brasil (ANEXO I). A divulgação da pesquisa ocorreu por pôsteres disponibilizados
em murais da academia (ANEXO II).

Para estimar o número de participantes no estudo, foi realizado um cálculo

amostral baseado em estudo piloto prévio realizado com 10 mulheres, em
amostragem aleatória simples. O tamanho da amostra foi definido pela equação
(COLLEGARI-JACQUES, 2003):

 Z * 
2

n    /2 
 d 

No qual: Zα/2= valor de Z (para um grau de confiança de 95%, Z=1,96); n=

número de sujeitos; σ = variância estimada; d = erro máximo de estimativa, em que
se obteve como tamanho mínimo ideal uma amostra constituída por 31 mulheres.

Inicialmente, 189 voluntárias preencheram o formulário de cadastramento

(ANEXO III). Entretanto, 113 interessadas foram excluídas por estar com dados
incompletos ou não obedecerem aos critérios de inclusão e exclusão definidos para
o estudo. As 76 volutárias elegíveis foram encaminhadas à consulta médica para
solicitação de exames de sangue e de composição corporal. Dentre estas, 51
compareceram, em dia e horários definidos, para realização do exame de sangue e
 53

44 para a avaliação da composição corporal. Todavia, somente 31 mulheres

participaram de todas as etapas previstas no estudo (Figura 3).

189 voluntárias se inscreveram para

participarem do estudo

76 eram elegíveis para o estudo e

foram encaminhadas à consulta
médica
51 realizaram 44 realizaram
exame de avaliação da
sangue composição
corporal

31 realizaram exame de sangue e

avaliação da composição corporal

Figura 3. Fluxograma de população amostral

5.2.1. Critérios de inclusão

Para participar do estudo, as mulheres deveriam obedecer aos seguintes

critérios de inclusão: a) estar na faixa etária entre 45 anos e 65 anos de idade; b)
apresentar diagnóstico clínico de menopausa (estar em amnorreia menopausal há,
no mínimo, 12 meses); c) praticar ER a, no mínimo, seis meses e duas vezes por
semana.

5.2.2. Critérios de exclusão

Foram excluídas do estudo mulheres: a) com limitação ou deficiência física

que impedisse a mensuração de dados antropométricos e de composição corporal;
b) que realizaram cirurgia bariátrica prévia; c) que apresentavam histórico de câncer
ou doenças tireoidianas; d) que realizavam reposição de hormônios sexuais e
tireoidianos; e) tabagistas e aquelas que consumiam bebidas alcoólicas em excesso
 54

(BRASIL, 2021) e f) que realizavam outras modalidades de exercício físico além dos
exercícios de resistência.

5.3. Coleta de dados

Trata-se de um estudo realizado pelo Núcleo de Pesquisas em

Micronutrientes, do Instituto Josué de Castro, da Universidade Federal do Rio de
Janeiro, em parceria com a Universidade Salgado de Oliveira (UNIVERSO) de Belo
Horizonte/Minas Gerais/Brasil.

A coleta de dados foi realizada por profissionais da área da saúde, como

médicos, enfermeiros e educadores físicos treinados e as análises laboratoriais e de
composição corporal foram realizadas em laboratório, previamente conveniado, na
cidade de Belo Horizonte/Brasil (ANEXO IV).

5.4. Variáveis consideradas no estudo

5.4.1. Variáveis laboratoriais

Foram analisadas as concentrações séricas de TSH, perfil lipídico (TG, HDL-

c, LDL-c, VLDL e colesterol total- CT) e glicemia, obtidas por punção venosa, após
12 horas de jejum, com kit específico para cada uma das variáveis. Glicemia e
variáveis de perfil lipídico foram avaliadas por método enzimático calorimétrico (Gold
Analisa®), enquanto para mensuração de TSH utilizou-se o método de
quimioluminescência de terceira geração, com kit DPC® (Diagnostic Products
Corporation) e aparelho Immulite 2000®.

Considerou-se como pontos de cortes para inadequação de TG os valores ≥

150 mg/dL; HDL-c < 50 mg/dL; LDL-c ≥ 160 mg/dL; CT > 190 mg/dL (FALUDI et al,
2017) e glicemia ≥ 126 mg/dL (SOCIEDADE BRASILEIRA DE DIABETES, 2020).
Para TSH, foram considerados os valores de referência 0,4 – 4,5 µUI/mL
(HOLLOWELL et al, 2002).

5.4.2. Pressão Arterial (PA)

A mensuração da PA foi realizada de acordo com as recomendações da

Diretriz Brasileira de Hipertensão Arterial (2020) em que as integrantes da amostra
deveriam estar com bexiga vazia e sem ingerir bebidas alcoólicas, café e alimentos
 55

e sem praticar exercícios físicos por, pelo menos, uma hora. Foram realizadas duas
visitas ao consultório médico e em cada uma delas foram realizadas três aferições,
com intervalo de um a dois minutos entre elas, em posição sentada. O instrumento
utilizado foi um manômetro de coluna de mercúrio plus, com braçadeira de algodão
e fecho de velcro, marca UNITEC. O Diagnóstico de hipertensão arterial foi feito por
médico integrante da equipe de pesquisa. Considerou-se inadequação da PA
quando a pressão arterial sistólica (PAS) foi ≥ 140 mm Hg e a pressão arterial
diastólica (PAD) ≥ 90 mm Hg (BARROSO et al, 2020).

5.4.3. Composição corporal por Absorciometria de raios-X com dupla energia

(DEXA)

A avaliação da composição corporal foi realizada utilizando o DEXA como

método de referência. Nesta avaliação, houve um scaneamento total e regional do
corpo a partir de feixes de raio-x que o atravessaram na direção postero-anterior e
forneceram informações sobre densidade mineral óssea, quantidades de massas de
gordura e livre de gordura e distribuição da gordura corporal (RIBEIRO et al, 2019;
KURIYAN, 2018; SHEPHERD et al, 2017; XIAO et al, 2017). Para análise deste
estudo, foi utilizado o equipamento DEXA da marca GE ® lunar I (modelo 40782) e
foram consideradas as informações de massa corporal total, MG, %GC, MLG e A/G.

Para realização do exame, foi solicitado às participantes que utilizassem

roupas adequadas, livre de metais e fivelas, como top e shorts. A análise corporal foi
realizada em laboratório conveniado, por um único operador, mediante marcação
prévia e teve duração de, aproximadamente, 15 minutos. As variáveis de
composição corporal, massa corporal total (em quilos – kg) e estatura (em metros –
m) foram calculadas pelo programa Encore 2007, versão 11.3.

Dentre os componentes analisados, o %GC obtido pelo DEXA (%GC_DEXA)

foi classificado de acordo com o ponto de corte estabelecido pela Associação de
Endocrinologistas Clínicos e Colégio Americano de Endocrinologia (AACE/ACE) cuja
inadequação é ≥ 35% (AACE/ACE OBESITY TASK FORCE, 1998); A/G foi
classificada de acordo com Silva et al (2022) cuja inadequação é ≥1.

5.4.4. Variáveis e índices antropométricos

 IMC
 56

A partir das informações de massa corporal (kg) e estatura (m), obtidas pelo
DEXA, calculou-se o IMC pela fórmula a seguir:

Para classificação do estado nutricional das participantes foram utilizados os

pontos de corte, propostos pela Organização Mundial de Saúde (WORLD HEALTH
ORGANIZATION – WHO, 2000), demonstrada no quadro a seguir.

Quadro 2. Classificação do IMC de acordo com a Organização Mundial de Saúde

(WHO, 2000)

IMC (kg/m²) Classificação

< 18,5 Magro ou Baixo peso
18,5 – 24,9 Normal ou Eutrofia
25 – 29,9 Sobrepeso ou pré-obeso
30 – 34,9 Obesidade grau I
35 – 39,9 Obesidade grau II
≥ 40 Obesidade grau III

Para fins estatísticos, optou-se por classificar a amostra em “eutrofia” (IMC:

18,5 – 24,9 kg/m²) e “excesso de peso” (IMC: ≥ 25,00 kg/m²).

 PC

A mensuração do PC foi realizada com as integrantes da amostra utilizando

roupas leves, como top e short. Utilizou-se uma fita métrica inextensível (precisão de
0,1 cm), posicionada no ponto médio entre o rebordo costal inferior e a crista ilíaca,
conforme recomendado pela I Diretriz Brasileira de Diagnóstico e Tratamento de
Síndrome Metabólica (SOCIEDADE BRASILEIRA DE CARDIOLOGIA – SBC, 2005).
A mensuração do PC foi realizada ao final de uma expiração normal. Considerou-se
como ponto de corte para inadequação de PC o valor > 88 cm, conforme sugerido
pelo NCEP-ATP III (NCEP, 2001).

 IFC
 57

Para avaliar o excesso de gordura na região abdominal, calculou-se o IFC,

sugerido por Krakauer e Krakauer (2012), considerando PC (em m), IMC e estatura
(em m), conforme demonstrado pela fórmula abaixo:

 IC

A partir do conceito de que o acúmulo de gordura abdominal modifica a forma

do corpo, de cilindro para duplo cone, e que o segundo está relacionado ao
desenvolvimento de complicações cardiometabólicas, calculou-se o IC, proposto por
Valdez (1991), considerando PC (em m), estatura (em m) e massa corporal (em kg),
conforme demonstrado abaixo:

 IAV

Utilizou-se o IAV, proposto por Amato et al (2010), para estimar a quantidade

de tecido adiposo visceral e possível risco de complicações cardiometabólicas. Para
o cálculo deste índice, são consideradas as concentrações séricas de TG e HDL-c
(em mmol/L), PC (em cm) e IMC, conforme demonstrado a seguir:

x x

 PAL
A estimativa da quantidade de gordura visceral também foi realizada
utilizando-se o PAL, elaborado por Khan (2005). Para tal, foram consideradas as
concentrações séricas de TG (em mmol/L) e o PC (em cm), conforme demonstrado
a seguir.

PAL mulheres = (PC – 58) x (TG)

Para conversão das unidades de HDL-c e TG de mg/dL para mmol/L,

utilizadas pelos indicadores antropométricos IAV e PAL, foram utilizadas as
recomendações da American Medical Association (AMA, 2000). IAV e PAL foram
classificados de acordo com os pontos de corte sugeridos por Eickemberg et al
 58

(2019), para população brasileira: inadequação de IAV – 1.44; inadequação de PAL

– 22.64.

 Equações preditivas de percentual de gordura corporal

O percentual de gordura corporal foi estimado por quatro diferentes equações:

a) Fórmula de Deurenberg, em que se utilizam as variáveis: IMC, idade e

sexo (feminino = 0) (DEURENBERG et al, 1991):

Deurenberg (%GC) = (1,20*IMC) + (0,23*idade) – (10,8*sexo) – 5,4

b) Estimador de adiposidade corporal da Universidade Clínica de Navarra -

CUN-BAE (%GC), que considera IMC, idade e sexo (feminino = 1) (GOMÉZ-
AMBROSI et al, 2012):

CUN-BAE (%GC) = - 44,988 + (0,503 *idade) + (10,689*sexo) + (3,172*IMC) -

(0,026*IMC²) + (0,181*IMC*sexo) - (0,02*IMC*idade) -(0,005*IMC²*sexo) +
(0,00021*IMC²*idade)

c) Massa de Gordura Relativa – MGR (%GC), a qual considera estatura (cm),

PC (cm) e sexo (feminino = 1) (WOOLCOTT; BERGMAN, 2018):

MGR (%GC): 64 – (20 x (estatura (cm)/PC (cm)) + (12 x sexo)

d) Fórmula de Palafolls, para o sexo feminino, composta pelas variáveis: IMC

e PC (cm) (MILL-FERREYRA et al, 2018):

Palafolls (%GC) = (IMC/(PC (cm)) x 10) + IMC

5.4.5. Prática de ER

A prática de ER ocorria de forma independente dessa pesquisa, porém com

auxílio e supervisão de um profissional de educação física integrante da equipe de
pesquisa e realizada de acordo com os protocolos do ACSM (2009) para
treinamento de resistência na população adulta. As recomendações incluem
exercícios com pesos livres e em aparelhos uni ou multiarticulares, com carga de 70
– 85% de uma repetição máxima (RM), para nível iniciante ou intermediário,
podendo alcançar 100% de 1RM, para o nível avançado; além da realização de
exercícios de força concêntrica, excêntrica e/ou isométricos, com séries de 8 a 12
 59

repetições e intervalo de um a três minutos entre cada uma das séries, a depender
do nível do praticante desses exercícios (ACSM, 2009).

Foram avaliadas frequência semanal e tempo (por sessão, semanal, em

meses e anos) de prática de ER, mediante formulário de coleta de dados (ANEXO
V), conforme realizado anteriormente por Brelhentin et al (2021) e Burrup et al
(2018). As perguntas realizadas para obtenção dessas informações foram validadas
intrapesquisadores. A classificação de prática de ER foi feita de acordo com as
recomendações do ACSM (2009) para treinamento de resistência e/ou da OMS
(WHO, 2020) para prática de atividade física considerando as categorias tempo em
anos, tempo semanal e frequência semanal de ER: tempo em anos: < 2 anos e ≥ 2
anos ; tempo semanal: < 300 minutos por semana e ≥ 300 minutos por semana; e
frequência semanal ≤ 3 dias por semana e > 3 dias por semana.

5.5. Classificação dos fenótipos metabolicamente saudável e não

saudável

Para classificação dos fenótipos MS e MNS, considerou-se o Critério de

Comorbidades, sugerido por Diniz et al (2016) e utilizado, recentemente no estudo
epidemiológico ELSA-BRAZIL. Este critério, além de apresentar forte correlação com
os métodos tradicionais NCEP-ATP III, IDF e NHANES, tem sido amplamente
recomendado por estudos mais recentes que analisam essa temática (ORTEGA et
al, 2016; VAN VILET-OSTAPTCHOUK et al, 2014; COLE; LOBSTEIN, 2012).

A partir dessa classificação, são considerados MNS indivíduos que

apresentam diagnótisco de, no mínimo, uma das seguintes comorbidades: Diabetes
Mellitus tipo 2, HAS ou dislipidemia, de acordo com os fatores demonstrados a
seguir (Quadro 4).

Quadro 4. Variáveis e pontos de corte para fenótipo MNS, utilizados pelo critério de
comorbidade (DINIZ et al, 2016).

Variáveis Ponto de corte para MNS Demais fatores

considerados

Utilização de
HDL-c < 50 mg/Dl medicamentos para
 60

controle lipídico
TG ≥ 150 mg/dL
Diagnóstico médico
PAS ≥ 140 mm Hg autorrelatado de
hipertensão arterial
PAD ≥ 90 mm Hg sistêmica e/ou uso de anti-
hipertensivos

Glicemia após duas horas

Glicemia em jejum
de consumo de 75g de
glicose anidra ≥ 200
mg/dL; ou hemoglobina
≥ 126 mg/dL glicada > 6.5%, ou uso
oral/subcutâneo de
medicamento
hipoglicemiante; ou
autorrelato de diagnótico
prévio da doença

5.6. Análise estatística

A normalidade das variáveis contínuas foi verificada utilizando-se o teste

Shapiro-Wilk a partir do qual se optou pela utilização de testes paramétricos para
análise estatística. A caracterização das variáveis contínuas foi realizada por média
e desvio padrão (média ± DP). Para comparação entre variáveis contínuas de
acordo com os fenótipos metabólicos e/ou tempo em anos, semanal e frequência
semanal de ER, foi utilizado o Teste T-student. Para verificar a associação entre
variáveis categóricas, foi utilizado o teste qui-quadrado (x²) ou Teste exato de Fisher,
quando algum dos grupos apresentou baixa frequência (n ≤ 5), e razão de
prevalência, para variáveis com duas categorias. A correlação entre as variáveis
contínuas foi analisada pela Correlação de Pearson e o fator de correlação (r) foi
classificado em forte (para valores acima de 0,6); moderado (para valores entre 0,4
e 0,59) e baixo (para valores abaixo de 0,39), conforme realizado por Araújo et al
(2017).
 61

A análise de concordância entre as equações preditivas de percentual de

gordura corporal e o %GC_DEXA foi feita utilizando o teste de Correlação
Intraclasse, cujos dados foram apresentados em coeficientes de correlação e
intervalo de confiança de 95%. A classificação do grau de concordância entre as
variáveis foi feita de acordo com as recomendações de Cicchetti; Domenic (1994)
em que foi considerado: pobre ICC<0,4; razoável ICC entre 0,4 e 0,6; bom ICC entre
0,6 e 0,75; e excelente ICC ≥ 0,75. A análise de concordância entre os métodos que
estimam o percentual de gordura corporal foi realizada pelos Gráficos de Bland-
Altaman.

Foi adotado o nível de significância de 5% (p-valor < 0,05) e as análises foram

realizadas no programa SPSS, versão 21.

5.7. Aspectos éticos

O estudo foi submetido ao Comitê de Ética em Pesquisa (CEP), da

Universidade Salgado de Oliveira, campus Niterói/Rio de Janeiro, e aprovado sob
protocolo 99/2010 (ANEXO VII). Todas as possíveis participantes receberam o
Termo de Consentimento Livre e Esclarecido (TCLE) (ANEXO VIII) e a inclusão na
pesquisa foi realizada somente mediante assinatura do documento.
 62

6. RESULTADOS

Os resultados encontrados no presente trabalho serão apresentados em

formato de artigo científico. Para esta tese, foram elaborados três artigos:

1) “Características dos fenótipos metabolicamente saudável e não

saudável, em praticantes de exercícios de resistência na menopausa”; Artigo
submetido ao periódico “Nutrición Hospitalaria” (Apêndice I).

2) “Relação dose-resposta do exercício de resistência sobre a

composição corporal, perfil lipídico e fenótipos metabólicos em mulheres na
menopausa”; Artigo publicado no periódico “International Journal Environmental
Research and Public Health” (Apêndice II).

3) “Superioridade do CUN-BAE e Fórmula de Deurenberg como

equações preditivas de percentual de gordura corporal em praticantes de
exercício de resistência na menopausa”; Artigo submetido ao periódico “PlOs
One” (Apêndice III).
 63

6.1. ARTIGO 1

CARACTERÍSTICAS DOS FENÓTIPOS METABOLICAMENTE SAUDÁVEL E NÃO

SAUDÁVEL, EM PRATICANTES DE EXERCÍCIOS DE RESISTÊNCIA, NA
MENOPAUSA

RESUMO

Objetivo: Comparar características clínicas, metabólicas e corporais, relacionadas

ao fenótipo metabolicamente saudável (MS) e não saudável (MNS), em mulheres
praticantes de exercícios de resistência (ER) na menopausa. Métodos: Estudo
transversal com amostra constituída por 31 mulheres. Foram mensuradas variáveis
clínicas e metabólicas. A adiposidade corporal foi avaliada pelo índice de massa
corporal, perímetro da cintura, índice de adiposidade visceral (IAV) e produto de
acumulação lipídica (PAL). A análise da composição corporal foi feita pelo DEXA.
Resultados: A prevalência do fenótipo MS foi de 74,2%. As mulheres MS eram mais
jovens, apresentaram maior tempo em anos de prática de ER, maiores níveis HDL-c,
menor IAV e relação andróide/ginóide (A/G) do que as MNS. Houve associação do
MNS com A/G. Mulheres com inadequação de A/G e IAV apresentaram 5,20 (IC
95%: 1,90 – 14,16) e 3,12 (IC 95%: (1,07 – 9,04) vezes maior prevalência do
fenótipo MNS, respectivamente, do que as com adequação desses parâmetros. A/G
apresentou forte correlação com IAV, PAL e %GC. Não houve associação entre
Tirotrofina e variáveis clínicas, corporais e metabólicas, exceto entre esta e TG.
Conclusão: Recomenda-se a avaliação de A/G e IAV em praticantes de ER como
forma de estimar o risco do fenótipo MNS na menopausa.

Palavras-chave: Tirotrofina; Fatores de risco cardiometabólicos; Menopausa;

Composição Corporal; Treinamento de Resistência.
 64

INTRODUÇÃO

Os fenótipos metabolicamente saudável (MS) e metabolicamente não

saudável (MNS) têm sido descritos em indivíduos de diferentes índices de massa
corporal (IMC). Estes perfis metabólicos caracterizam-se por uma ou mais
inadequações em parâmetros cardiometabólicos que estão associados ao
desenvolvimento de hipertensão arterial sistêmica, Diabetes Mellitus tipo 2,
dislipidemias, entre outros (BRANDÃO; MARTINS; MONTEIRO, 2020). As
prevalências dos fenótipos MS e MNS podem variar de acordo com fatores
genéticos, socioeconômicos e hábitos de estilo de vida, porém, acredita-se que o
padrão de distribuição da gordura corporal seja determinante para o aumento do
risco cardiometabólico (TSATSOULIS; PASCHOU, 2020; VECCHIÉ et al, 2020).

Durante a menopausa, estima-se um ganho de, aproximadamente, dois quilos

a cada três anos, com expressivo aumento do tecido adiposo visceral (TAV) e
diminuição de massa livre de gordura (MLG) (MONTELEONE et al, 2018). Estas
alterações na composição corporal podem ocorrer pela redução nos níveis dos
hormônios sexuais femininos, estrogênio e progesterona, que, por sua vez, parecem
influenciar a ação de Tirotrofina (Tyroid - estimulating Hormone – TSH), principal
marcador da função tireoidiana (LAURETTA et al, 2018). Recentemente, alguns
estudos têm investigado a relação entre as concentrações séricas de TSH e
fenótipos MS e MNS, contudo, os achados sobre esta temática são escassos e
contraditórios e, até o momento, não há estudos que analisem esta relação em uma
população de mulheres na menopausa (NIE et al, 2020; KIM et al, 2019;
AMOUZEGAR et al, 2018; SHIN et al, 2014).

Como forma de minimizar os danos relacionados ao término da vida

reprodutiva feminina, a prática de exercícios físicos, sobretudo exercícios de
resistência (ER), parece ser uma alternativa eficaz por influenciar a liberação de
citocinas inflamatórias liberadas pelo TAV e promover melhoras à composição
corporal, tais como o aumento da MLG e redução da massa de gordura (MG) (AHN;
KIM. KIM, 2019; CLÉMENT et al, 2018).

Deste modo, considerando as importantes modificações hormonais e

corporais que ocorrem após a menopausa, e a potencial eficácia da prática de
exercícios físicos, o objetivo do presente estudo foi comparar características clínicas,
 65

metabólicas e corporais, relacionadas aos fenótipos MS e MNS, em mulheres

praticantes de ER na menopausa.

MÉTODOS

Tipo de estudo e população

Estudo observacional e transversal cuja amostra foi constituída por

praticantes de ER, durante a menopausa, em academia localizada no município de
Belo Horizonte, Minas Gerais, Brasil. O recrutamento das participantes foi feito a
partir de chamadas divulgadas em quadros de avisos da academia. Para definição
do número de participante na amostra, realizou-se um cálculo amostral, a partir de
dados de um estudo piloto prévio realizado com 10 mulheres em uma amostragem
aleatória simples para estimativas do desvio-padrão populacional. Após o estudo
piloto, obteve-se como tamanho mínimo ideal uma amostra constituída por 31
mulheres, utilizando-se a fórmula: n≥ ((Zα/2*σ)/d)² (Zα/2= valor de Z; n= número de
sujeitos; σ = variância estimada; d = erro máximo de estimativa) (CALLEGARI-
JACQUES, 2003).

Foram definidos os seguintes critérios de inclusão: a) apresentar idade

superior a 45 anos; b) ter apresentado a última menstruação há, no mínimo, 12
meses; e, c) praticar ER há, no mínimo, seis meses e dois dias por semana. Foram
excluídas as mulheres a) com limitação ou deficiência física que impedisse a
mensuração de dados antropométricos e de composição corporal; b) que realizaram
cirurgia bariátrica prévia; c) que apresentavam histórico de câncer ou doenças
tireoidianas; d) que realizavam reposição de hormônios sexuais e/ou tireoidianos; e)
tabagistas e/ou que consumiam álcool em excesso (BRASIL, 2021); e f) praticavam
outra modalidade de exercícios físicos, além do ER.

O estudo foi submetido ao Comitê de Ética em Pesquisa da Universidade

Salgado de Oliveira e aprovado sob protocolo 99/2010. Todas as possíveis
participantes receberam o Termo de Consentimento Livre e Esclarecido (TCLE) e a
inclusão na pesquisa foi realizada somente mediante assinatura do documento.

Coleta de dados
 66

A coleta de dados foi realizada por profissionais de saúde treinados, como

médicos, enfermeiros e educadores físicos, e as análises laboratoriais e de
composição corporal foram feitas em laboratório conveniado.

Variáveis clínicas e laboratoriais

Realizou-se a mensuração da pressão arterial (PA) com manômetro de

coluna mercúrio plus, com braçadeira de algodão e fecho de velcro, marca UNITEC.
Para tal, foram seguidas as recomendações das Diretrizes Brasileiras de
Hipertensão Arterial em que as integrantes da amostra deveriam estar com bexiga
vazia, sem uso de tabaco por, pelo menos, 30 minutos, sem ingerir bebidas
alcoólicas, café e alimentos e sem praticar exercícios físicos por, pelo menos, uma
hora. Foram realizadas três aferições, com intervalo de um a dois minutos entre elas.
O valor de PA considerado foi equivalente à média das duas últimas aferições
(BARROSO et al, 2020).

A avaliação das concentrações séricas de TSH, triglicerídeos (TG),

lipoproteína colesterol de alta densidade (HDL-c) e glicemia, foram obtidas por
punção venosa, em até 12 horas de jejum, com kit específico para cada uma das
variáveis. Glicemia, TG e HDL-c foram avaliados por método enzimático
calorimétrico (Gold Analisa®), enquanto para mensuração de TSH utilizou-se o
método de quimioluminescência de terceira geração, com kit DPC® (Diagnostic
Products Corporation) e aparelho Immulite 2000®.

A classificação de PA, perfil lipídico e glicemia em jejum foi realizada de

acordo com os pontos de corte propostos pela Sociedade Brasileira de Hipertensão
(BARROSO et al, 2020), Sociedade Brasileira de Cardiologia (SBC) (FALUDI et al,
2017) e Sociedade Brasileira de Diabetes (SBD) (SBD, 2020), respectivamente,
conforme preconizado pelo Critério de Comorbidades .

Avaliação antropométrica e de composição corporal

A mensuração de variáveis antropométricas e a avaliação da composição

corporal foram realizadas com as participantes utilizando vestimentas adequadas,
como top e short. Para análise da composição corporal, foi utilizado aparelho DEXA,
marca GE® lunar I, modelo 40782. As variáveis de composição corporal e a estatura
(em metros –m), foram calculadas pelo programa Encore 2007, versão 11.3. Foram
 67

obtidas informações sobre massa corporal total, massa de gordura (MG), percentual
de gordura (%GC) e relação androide/ginóide (A/G). Dentre os componentes
analisados, o %GC foi classificado de acordo com a Associação de
Endocrinologistas Clínicos e Colégio Americano de Endocrinologia (AACE/ACE) cujo
o ponto de corte para inadequação é ≥35% (AACE/ACE OBESITY TASK FORCE,
1998); e a A/G foi classificada de acordo com Silva et al (2022) cuja inadequação é
≥1.

Calculou-se o IMC dividindo-se a massa corporal (em quilos - kg) pela

estatura (em metros quadrados - m²) e classificação desta variável foi feita
considerando os pontos de corte propostos pela Organização Mundial de Saúde
(WORLD HEALTH ORGANIZATION – WHO, 2000). Para fins estatísticos, optou-se
por classificar a amostra em “Eutrofia” e “Excesso de peso”, para IMC entre 18,5 e
24,9 kg/m² e ≥ 25,00 kg/m², respectivamente.

A distribuição da adiposidade corporal foi avaliada pelo A/G, PC, índice de

adiposidade visceral (IAV) e produto de acumulação lipídica (PAL). A mensuração
de PC foi realizada ao final de uma expiração normal, utilizando-se uma fita métrica
inextensível (precisão de 0,1 cm), posicionada no ponto médio entre o rebordo costal
inferior e a crista ilíaca, conforme recomendado pela I Diretriz Brasileira de
Diagnóstico e Tratamento de Síndrome Metabólica (SBC, 2005). Para classificação
desta variável, utilizou-se o ponto de corte para inadequação >88 cm, conforme
sugerido por National Cholesterol Education Program ATP III (NCEP-ATP III) (2001).

Calculou-se o IAV, proposto por Amato et al (2010), utilizando-se as variáveis

PC (em centímetros - cm), IMC e as concentrações séricas de TG e HDL-c (em
mmol/L), conforme demonstrado pela fórmula: x x

. O PAL foi calculado considerando PC (cm), TG (em mmol/L) e uma

constante de 58, referente à um valor mínimo de PC, que compreende somente a

quantidade de musculatura abdominal, vísceras e conteúdo ósseo: PAL mulheres = (PC
– 58) x (TG) (KHAN, 2005). IAV e PAL foram classificados de acordo com ponto de
corte estabelecido por Eickemberg et al (2019): inadequação de IAV - ≥ 1,44 e de
PAL - ≥ 22,64.
 68

Para conversão das unidades de HDL-c e TG de mg/dL para mmol/L,

utilizadas pelos indicadores antropométricos IAV e PAL, foram utilizadas as
recomendações da American Medical Association (AMA, 2000).

Classificação dos fenótipos MS e MNS

Os fenótipos MS e MNS foram classificados de acordo com o Critério de

Comorbidades (DINIZ et al, 2016), em que são considerados MS, indivíduos que não
apresentam Diabetes Mellitus tipo 2, HAS ou dislipidemia. Para tal, são
considerados: a) para diagnótico de HAS – diagnótico médico autorelatado; uso de
anti-hipertensivos; ou PAS: ≥ 140 mm Hg; PAD: ≥ 90 mm Hg, durante a avaliação; b)
diagnóstico de Diabetes Mellitus tipo 2 – concentrações séricas de glicemia em
jejum ≥ 126 mg/dL, ou de glicemia após duas horas de consumo de 75g de glicose
anidra ≥ 200 mg/dL, ou hemoglobina glicada > 6.5%, ou uso oral/subcutâneo de
medicamento hipoglicemiante, ou autorelato de diagnótico prévio da doença; c)
diagnótico de Dislipidemia - HDL-c: <50 mg/dL; TG: ≥ 150 mg/dL, ou uso de
medicamentos para controle lipídico.

Prática de ER

Foram obtidas informações sobre o tempo (em anos e minutos/semana) e

frequência semanal de ER utilizando-se um questionário elaborado pela equipe de
pesquisa, validado entre profissionais de saúde integrantes do estudo, conforme
realizado em estudos anteriores (BRELHENTIN et al, 2021; BURRUP et al, 2018).
Não houve intervenção na prática de ER realizada pela amostra. Esses exercícios
eram realizados com acompanhamento de profissionais de educação física da
academia e de acordo com as recomendações do Colégio Americano de Medicina
do Esporte (ACSM, 2009).

Análise estatística

A normalidade das variáveis foi verificada utilizando-se o teste Shapiro-Wilk a

partir do qual se optou pela utilização de testes paramétricos para análise estatística.
A apresentação dos dados foi feita por média e desvio-padrão (DP). Para
comparação das variáveis contínuas entre os fenótipos MS e MNS, foi utilizado o
Teste T-Student. A associação entre variáveis categóricas foi avaliada pelo Teste
qui-quadrado (x²) ou Teste Exato de Fisher (frequência < 5) e pela Razão de
 69

Prevalência. A correlação entre as variáveis contínuas foi analisada pela Correlação

de Pearson e o fator de correlação (r) foi classificado em forte (para valores acima
de 0,6); moderado (para valores entre 0,4 e 0,59) e baixo (para valores abaixo de
0,39). Foi adotado o nível de significância de 5% (p-valor ≤ 0,05) e as análises foram
realizadas no programa SPSS, versão 21.

RESULTADOS

Dentre as 189 mulheres que se inscreveram para o estudo, somente 76 foram

consideradas elegíveis, porém, apenas 31 concluíram todas as etapas do estudo. A
média de idade da amostra foi de 52,29± 4,56 anos, IMC: 26,14 ± 4,93 kg/m², TSH:
2,23 ± 0,89 Ul/mL, tempo em anos ER: 11,29 ± 14,11 e frequência semanal de ER:
4,00 ± 1,15 dias/semana (Tabela 1).

Houve 74,2% e 25,8% de fenótipo MS e MNS, respectivamente, na amostra

total. As mulheres MS eram mais jovens (51,26 ± 4,44 anos; MNS: 55,37 ± 3,88
anos, p-valor = 0,03), realizavam ER por maior tempo em anos (11,70 ± 13,70; MNS:
3,81 ± 3,66, p=0,01) e demonstraram maiores médias das concentrações séricas de
HDL-c (72,13 ± 13,59 mg/dL; MNS: 48,37 ± 7,55 mg/dL, p-valor < 0,01), menor de
IAV (0,81 ± 0,37; MNS: 1,63 ± 0,85, p-valor = 0,03) e de A/G (0,79 ± 0,15; MNS: 0,98
± 0,22, p-valor = 0,01) quando comparadas às MNS (Tabela 2).

A análise de associação das variáveis clínicas, metabólicas e corporais com

os fenótipos metabólicos está demonstrada na Tabela 3. Não foi identificada
inadequação de PA e Glicemia em Jejum na amostra total de modo que o fenótipo
MNS foi caracterizado somente por inadequações lipídicas. 75% das MNS
apresentaram inadequação de HDL-c e 25% de TG, com diferença estatisticamente
significativa para o primeiro quando comparado às MS (p-valor = 0,01).

Houve maior inadequação de A/G entre as mulheres MNS quando

comparadas à MS com diferença estatisticamente significativa entre os fenótipos
metabólicos (MNS: 50,0%; MS: 21,7%, p-valor=0,01). As mulheres MNS também
apresentaram maior prevalência de excesso de peso pelo IMC (MNS: 75,0%; MS:
47,8%) e maior inadequação de PC (MNS: 50,00; MS: 39,1%), IAV (MNS: 37,5%;
MS: 8,7%), PAL (MNS: 50,0%, MS: 21,7%) e %GC (MNS: 87,5%; MS: 47,8%)
 70

quando comparadas às MS, apesar de não ter sido encontrada diferença

estatisticamente significativa entre MS e MNS.

Dentre as variáveis analisadas, as mulheres com inadequações de A/G e IAV

demonstraram prevalências 5,20 (IC 95%: 1,90 – 14,16) e 3,12 (IC 95%: (1,07 –
9,04) vezes maior, respectivamente, de apresentar o fenótipo MNS do que aquelas
com adequação desses componentes. As inadequações das demais variáveis
corporais demostraram menores riscos de prevalência do fenótipo MNS, com menor
estimativa para PC cuja inadequação representou prevalência 1,73 (IC 95%: 0,06 –
3,53) vezes maior do fenótipo MNS do que a adequação dessa variável (Tabela 4).

A análise de correlação das variáveis na amostra total está demonstrada na

Tabela 5. Houve positiva correlação entre idade e TG. Tempo em anos de ER
apresentou positiva correlação com HDL-c e inversa correlação com PAS e PAD.
IMC e PC estiveram correlacionados positivamente com PAS. As variáveis de
adiposidade visceral, A/G e IAV, demonstraram inversa correlação com HDL-c e
positiva correlação com glicemia em jejum e TG. Este últimos também apresentaram
positiva correlação com PAL.

DISCUSSÃO

A menopausa é considerada um fator de risco para o desenvolvimento do

fenótipo MNS uma vez que a redução nas concentrações de estrogênio e
progesterona favorecem o acúmulo de TAV (REZVANI et al, 2014). Entretanto,
dados encontrados no presente estudo demonstram maior prevalência do fenótipo
MS, diferentemente dos achados de Lwow et al (2016), em estudo transversal, com
mulheres na menopausa, em que 82,7% apresentou o fenótipo MNS. A diferença
entre estas prevalências pode ser justificada pela utilização de critérios distintos para
classificação dos fenótipos metabólicos e por serem incluídas, na presente amostra,
somente mulheres praticantes de ER, diferentemente do estudo supracitado, em que
a prática de atividade física não é mencionada.

No âmbito das pesquisas sobre fenótipos metabólicos, há grande diversidade

em relação à prevalência dos perfis MS e MNS, principalmente, devido à falta de
padronização dos critérios utilizados. Neste sentido, destaca-se que este é o
 71

primeiro estudo a utilizar o Critério de Comorbidades (DINIZ et al, 2016) para avaliar
características clínicas, metabólicas e corporais relacionadas ao fenótipo MNS, em
uma população de mulheres na menopausa, praticantes de ER.

A escolha deste critério faz-se pertinente uma vez que alterações lipídicas,
glicêmicas e na pressão arterial sistêmica, isoladamente, constituem um estado pró-
trombótico e pró-inflamatório que são fatores patogênicos para complicações
cardiometabólicas, independentemente do IMC (MIRMIRAN et al, 2020; ALBERTI et
al, 2009). Além disso, o mesmo apresenta forte correlação com critérios amplamente
utilizados para classificação dos fenótipos metabólicos, tais como NCEP-ATPIII, IDF
e NHANES (DINIZ et al, 2016). Deste modo, a classificação dos perfis MS e MNS, a
partir de uma inadequação cardiometabólica, conforme preconizado no Critério de
Comorbidades, pode constituir uma importante ferramenta para o estabelecimento
de estratégias para prevenção do fenótipo MNS, transição do fenótipo MS para MNS
e de mortalidade por todas as causas (KUK et al, 2018; DENIS; OBIN, 2013;
KRAMER et al, 2013).

Em mulheres na menopausa, frequentemente são identificadas modificações

no metabolismo lipídico que podem contribuir para o desenvolvimento de
ateroesclerose, demais cardiopatias e doenças metabólicas (DUNTAS; YEN, 2019).
Nesta fase, mudanças na atividade de algumas enzimas, como lipoproteína lipase,
lipase hepática e proteína de transferência de estéres de colesterol (do inglês,
cholesteryl Ester transferprotein - CETP) contribuem para o desenvolvimento de
dislipidemias (OH et al, 2018; GIETKA-CZERNEL, 2017; FALUDI et al, 2017).

No presente estudo, as alterações lipídicas foram representadas pelas

inadequações séricas de HDL-c e TG, as quais caracterizaram o grupo MNS uma
vez que não houve casos de hipertensão arterial sistêmica e Diabetes Mellitus do
tipo 2. De forma semelhante, Lwow et al (2016) e Peppa et al (2013) identificaram
menores níveis de HDL-c e maiores de TG em mulheres na menopausa que
apresentaram o fenótipo MNS. Ressalta-se que, em ambos, a prática de atividade
física não foi relatada.

Estes achados mostram-se relevantes uma vez que a hipoalfalipoproteinemia

e a hipertrigliceridemia são alterações lipídicas que podem preceder o
desenvolvimento de resistência à insulina, Diabetes Mellitus tipo 2 e contribuir para
 72

um pior estado cardiometabólico, no período da menopausa (HERNANDEZ-

ALCARAZ et al, 2020; PHILLIPS; PERRY, 2015). Dentre os fatores associados a
este desfecho, destacam-se o aumento da atividade da lipoproteína lipase na região
abdominal que favorece o acúmulo de TAV e liberação de citocinas pró-
inflamatórias; a elevada taxa de lipólise de TG que contribui para o aumento do fluxo
de ácidos graxos livres para o fígado, promovendo aumento da resistência à insulina
hepática; e, maior armazenamento de gordura ectópica que afeta, negativamente, a
homeostase de glicose (BARCHETTA et al, 2020; KO; KIM, 2019).

Diversos estudos têm demonstrado que fatores de risco cardiometabólicos

estão associados a índices de adiposidade visceral, como IAV, PAL e A/G, contudo,
ainda são escassos os estudos que discutem a relação desses com fenótipos
metabólicos em mulheres na menopausa (POLAK et al, 2020; RIBEIRO et al, 2019;
TONGDEE; NIMKUNTOD, 2016; DU et al, 2015). Nossos dados demonstraram que
mulheres com inadequação de A/G e IAV apresentam maior risco para o fenótipo
MNS e que há maior frequência de inadequação de PAL neste grupo. Similarmente
à estes achados, Du et al (2015), em estudo longitudinal cuja amostra foi constituída
por índivíduos de ambos os sexos, demonstraram que PAL e IAV são melhores
indicadores do fenótipo MNS do que parâmetros comumente usados, como PC e
IMC. Lee et al (2018) demonstraram que PAL e IAV são potentes preditores para
síndrome metabólica e ateroesclerose, em mulheres na menopausa.

Além dos índices de adiposidade visceral, a inadequação de %GC também foi

um indicador de risco para o fenótipo MNS, na presente amostra, e neste sentido,
merece destaque a elevada inadequação de %GC encontrada entre as mulheres
com fenótipo MS. É amplamente esclarecido que o excesso de adiposidade corporal
estimula a liberação de citocinas, como TNF-α, IL-1b, IL-6 e proteína C-reativa, além
da infiltração de macrófagos e lifócitos T dependentes de insulina, assim, é
importante ressaltar que, o excesso de adiposidade verificados entre MS pode
contribuir para transição deste fenótipo para MNS, além de propiciar o
desenvolvimento de comorbidades ainda ausentes nas mulheres MNS, como
Diabetes Mellitus tipo 2 e HAS (GONZALÉZ-JURADO et al, 2020; HALL et al, 2019).

Como forma de prevenir a transição para o fenótipo MNS, entre o grupo MS, e
auxiliar na melhora do perfil cardiometabólico entre as mulheres com maior risco, a
 73

prática de ER constitui uma alternativa efetiva já que, além de contribuir para o

aumento da aptidão cardiorrespiratória, promove modificações significativas na
composição corporal e maior liberação de citocinas antiinflamatórias (GONZALÉZ-
JURADO et al, 2020; ORTEGA et al, 2018). Embora não tenha sido analisada a
associação do ER com os fenótipos metabólicos no presente estudo, as mulheres
MS apresentaram maior tempo em anos e frequência semanal de ER do que as
MNS , o que pode indicar que a prática de ER, naquelas consideradas MS, contribui
de forma positiva para saúde cardiometabólica, mesmo durante uma fase crítica
como a menopausa.

Os mecanismos relacionados à prática de ER e fenótipos metabólicos não

são completamente esclarecidos, porém, é verificado que uma sessão aguda de
dessa modalidade estimula a síntese de estrogênio uma vez que este se associa à
ativação das células satélites, durante o processo de reparação do tecido
musculoesquelético. Uma vez que as concentrações de estrogênio estão
aumentadas, há maior estímulo para síntese proteica, liberação de hormônios
anabólicos e produção de óxido nítrico, com consequentes benefícios à composição
corporal e saúde cardiometabólica (SON et al, 2020).

Dados do presente estudo demontraram que o tempo em anos de ER está

correlacionado às concentrações de HDL-c e PAS e PAD. Não sendo encontrada
associação com TSH, principal marcador de função tireoidiana (GAJDA et al, 2019;
LAMBRINOUDAKI et al, 2015). Alguns autores demonstram que elevados níveis
deste hormônio estão associados ao desenvolvimento de complicações
cardiometabólicas uma vez que este age regulando o dispêndio energético basal,
controlando a secreção de insulina, a homeostase da glicose e o metabolismo
lipídico (SEFAT; SHABANI; NAZARI, 2019; LEE et al, 2016). Apesar disso, estudos
sobre este tema apresentam resultados contraditórios, assim como os que avaliam a
relação entre TSH e fenótipos MS e MNS.

Nesse contexto metabólico, o presente estudo, até o momento, é o primeiro a

avaliar a relação entre TSH e fenótipos metabólicos, entre mulheres praticantes de
ER na menopausa. Assim, foi verificado que os níveis de TSH foram menores no
grupo MNS, quando comparado ao grupo MS. De forma similar, Amouzegar et al
(2018) observaram que indivíduos MNS, de ambos os sexos, apresentaram menores
 74

concentrações deste hormônio do que os MS. Em contrapartida, Kim et al (2019),

identificaram maiores níveis de TSH entre os sujeitos MNS, em pesquisa com dados
do Korea National Health and Nutrition Examination Survey, de 2013 a 2015.

As concentrações séricas de TSH são influenciadas por diversos fatores,

como idade, composição corporal, estilo de vida, presença de comorbidades e
utilização de medicamentos, o que pode justificar a diferença entre os achados de
estudos sobre TSH e fenótipos MS e MNS (NIE et al, 2020; GADJA et al, 2019;
GIETKA-CZERNEL, 2017). Durante o processo de envelhecimento, ocorrem
modificações na atividade biológica de TSH que provocam mudanças no
funcionamento do eixo hipotálamo-hipófise-tireoide uma vez que este, além de ser
regulado por outros hormônios, são influenciados por mecanismos de feedback,
realizados pelos hormônios tireoidianos (LAMBRINOUDAKI et al, 2015; LAZZARI;
BECK, 2013). Deste modo, destaca-se que disfunções tiroidianas, principalmente
hipotireoidismo subclínico e evidente, são facilmente encontradas em mulheres na
menopausa, entretanto, não necessariamente estas doenças são associadas ao
término da vida reprodutiva (DUNTAS; YEN, 2019; LAMBRINOUDAKI et al, 2015).

No presente estudo, verificou-se que o grupo MNS apresentou maior média

de idade, quando comparado ao MS, apesar dos níveis de TSH serem menores,
conforme citado anteriormente. Neste caso, não pode ser descartada a possibilidade
de uma inibição, mediada por medicamentos como beta-bloqueadores e
glicorticóides, na secreção de TSH ou sob à ação da enzima 5’ deiodinase,
responsável pela produção de triiodotironina (T3) a partir de tirosinalivre (T4 livre)
(DUNTAS; YEN, 2019;GOUVEIA et al, 2016).

Apesar dos achados, esta pesquisa apresenta algumas limitações, como o

tamanho reduzido da amostra; o modelo transversal do estudo que impede o
estabelecimento de relações de causalidade; a não mensuração dos níveis de T3 e
T4 livre. Contudo, consideram-se pontos fortes deste trabalho o seu ineditismo, pois,
até o momento, não há estudos que avaliem características clínicas, metabólicas e
corporais relacionadas ao fenótipo MNS, entre praticantes de ER na menopausa.
Além disso, destaca-se a avaliação da adiposidade corporal por índices
antropométricos e pelo método padrão-ouro, DEXA.

CONCLUSÃO
 75

Recomenda-se a avaliação de variáveis corporais como A/G e IAV, em

praticantes de ER na menopausa, uma vez que estes parâmetros podem auxiliar na
identificação do fenótipo MNS e na prevenção de futuras comorbidades. Ressalta-
se, ainda, que são necessários mais estudos sobre esta temática já que são
escassas as informações disponíveis na literatura científica.

REFERÊNCIAS

AACE/ACE OBESITY TASK FORCE. AACE/ACE position statement on the

prevention, diagnosis, and treatment of obesity. Endocrine Practice, v.4, p.297-350,
1998.
AHN, N.; KIM, H.S.; KIM, K. Exercise training-induced changes in metabolic
syndrome parameters, carotid wall thickness, and thyroid function in middle-aged
women with subclinical hypothyroidism. Pflugers Archiv: European Journal of
Physiology, v.471, n.3, p.479-489, 2019.
ALBERTI, K.G.M.M.; ECKEL, R.H.; GRUNDY, S.M. et al. Harmonizing the Metabolic
Syndrome: A Joint Interim Statement of the International Diabetes Federation Task
Force on Epidemiology and Prevention; National Heart, Lung, and Blood Institute;
American Heart Association; World Heart Federation; International Atherosclerosis
Society; and International Association for the Study of Obesity. Circulation, v.120,
n.16, p.1640-1645, 2009.
AMATO, M.C.; GIORDANO, C.; GALIA, M. et al. Visceral adiposity índex: a reliable
indicador of visceral fat function associated with cardiometabolic risk.
Cardiovascular and Metabolic Risk, v.33, n.4, p.920-922, 2010.
AMERICAN COLLEGE OF SPORTS MEDICINE (ACSM). American College of
Sports Medicine position stand: progression models in resistance training for healthy
adults. Medicine & Science in Sports & Exercise, v.41, n.3, p.687-708, 2009.
AMERICAN COLLEGE OF SPORTS MEDICINE (ACSM). Guidelines for exercise
testing and prescription. 2018. Disponível em: http://www.acsm.org/blog-
detail/acsm-certified-blog/2018/07/27/featured-download-acsm-guidelines-for-
exercise-testing-and-prescription-pdf Acesso em: 15 de março de 2020.
AMERICAN MEDICAL ASSOCIATION (AMA). Système international (SI) conversion
factors for selected laboratory components. JAMA, v.283, n.1, p.134-135, 2000.
AMOUZEGAR, A.; KAZEMIAN, E.; ABDI, H. et al. Association between thyroid
function and development of different obesity phenotypes in euthyroid adults: a nine-
year follow-up. Thyroid, v.28, n.4, p.458-464, 2018.
BARROSO, W.K.S.; RODRIGUES, C.I.S.; BORTOLLO, L.A. et al. Diretrizes
brasileiras de hipertensão arterial – 2020. Arquivos Brasileiros de Cardiologia,
v.116, n.3, p.516-658, 2020.
BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de
Análise em Saúde e Vigilância de Doenças Não Transmissíveis. Vigitel Brasil 2021:
 76

vigilância de fatores de risco e proteção para doenças crônicas por inquérito

telefônico : estimativas sobre frequência e distribuição sociodemográfica de
fatores de risco e proteção para doenças crônicas nas capitais dos 26 estados
brasileiros e no Distrito Federal em 2021 / Ministério da Saúde, Secretaria de
Vigilância em Saúde, Departamento de Análise em Saúde e Vigilância de Doenças
não Transmissíveis. – Brasília: Ministério da Saúde, 2021.

BRACHETTA, I.; CHIAPPETTA, C.; CECCARELLI, V. et al. Angiopoietin-like protein

4 overexpression in visceral adipose tissue from obese subjects with impaired
glucose metabolism and relationship with lipoprotein lipase. International Journal of
Melecular Sciences, v.21, n.7197, 2020.
BRANDÃO, I., MARTINS, M.J., MONTEIRO, R. Metabolically healthy obesity-
heterogeneity in definitions and unconventional factors. Metabolites, v.10, n.48,
2020.
CALLEGARI-JACQUES, S.M. Bioestatística: Princípios e Aplicações; Artmed:
Porto Alegre, Brazil, 2003.
CLÉMENT, A.; RIESCO, E.; TESSIER, S. et al. The relationship between adisopathy
and glucose-insulin homeostasis is not affected by moderate-intensity aerobic
training in healthy women with obesity. Journal of Physiology and Biochemistry,
v.74, p.591-601, 2018.
DENIS, G.V.; OBIN, M.S. Metabolically healthy obesity: Origins and implications.
Molecular Aspects of Medicine, v.34, n.1, p.59-70, 2013.
DINIZ, M.F.H.S.; BELEIGOLI, A,M.R.; ROBEIRO, A.L.P. Factors associated with
metabolically healthy status in obesity, overweight, and normal weight at baseline of
ELSA-Brasil. Medicine, v.95, n.27, 2016.
DU, T.; YU, X.; ZHANG, J. et al. Lipid accumulation product and visceral adiposity
index are effective markers for identifying the metabolically obese normal-weight
phenotype. Acta Diabetologica, v.52, n.5, p.855-863, 2015.
DUNTAS, L.H.; YEN, P.M. Diagnosis and treatment of hypothyroidism in the elderly.
Endocrine, v.66, n.1, p.63-69, 2019.
EICKEMBERG, M.; AMORIM, L.D.A.F.; ALMEIDA, M.C.C. et al. Indicators of
abdominal adiposity and carotid intima-media thickness: results from the Longitudinal
Study of Adult Health (ELSA-Brazil). Arquivos Brasileiros de Cardiologia, v.112,
n.3, p.220-227, 2019.
FALUDI, A.A.; IZAR, M.C.O.; SARAIVA, J.F.K. et al. Atualização da diretriz b,
rasileira de dislipidemias e prevenção da aterosclerose – 2017. Arquivos
Brasileiros de Cardiologia, v.109, n.1, p.1-76, 2017.
GAJDA, S.N.; KURYLOWICZ, A.; ZACH, M. et al. Diagnosis and treatment of thyroid
disorders in obese patients — what do we know? Endrokrynologia Polska, v.70,
n.3, p.270-276, 2019.
GIETKA-CZERNEL, M. The thyroid gland in postmenopausal women: physiology and
diseases. Menopause Review, v.16, n.2, p.33-37, 2017.
 77

GONZÁLEZ-JURADO, J.A.; SUÁREZ-CARMONA, W.; LÓPEZ, S. et al. Changes in

lipoinflammation markers in people with obesity after a concurrent training program: a
comparison between men and women. International Journal of Enviroment
Research and Public Health, v.17, n.6168, 2020.
GOUVEIA, S.; LEITÃO, F.; RIBEIRO, C. et al. Fatores de interferência no estudo da
função tireoidea. Revista Portuguesa de Endocrinologia, Diabetes e
Metabolismo, v.11, n.2, p.277-286, 2016.
HALL, J.E.; CARMO, J.C.; SILVA, A.A. et al. Obesity, kidney dysfunction and
hypertension: mechanistic links. Nature Reviews Nephrology, v.15, n.6, p.367-385,
2019.
HERNANDEZ-ALCARAZ, C.; AGUILAR-SALINAS, C.A.; MENDOZA-HERRERA, K.
et al. Dyslipidemia prevalence, awareness, treatment and control in Mexico: results of
the Ensanut 2012. Salud Pública de México, v.62, n.2, p.137-146, 2020.
HEYMSFIELD, S.B.; LOHMAN, T.; WANG, Z. et al. Human body composition.
Champaingh: Human Kinetics; 2005.
KELLY, T.L.; WILSON, K.E.; HEYMSFIELD, S.B. Dual energy x-ray absorptiometry
body composition reference values from NHANES. Plos One, v.4, n.9, 2009.
KHAN, H.S. The "lipid accumulation product" performs better than the body mass
index for recognizing cardiovascular risk: a population-based comparison. BMC
cardiovascular Disorders, v.5, n.26, 2005.
KIM, J.M.; KIM, B.H.; LEE, H. et al. The relationship between thyroid function and
different obesity phenotypes in korean euthyroid adults. Obesity and Metabolic
Syndrome, v.43, p.867-878, 2019.
KO, S.; KIM, H. Menopause-Associated Lipid Metabolic Disorders and Foods
Beneficial for Postmenopausal Women. Nutrients, v.12, n.202, 2020.
KRAMER, C.K., ZINMAN, B., RETNAKARAN, R. Are metabolically healthy
overweight and obesity benign conditions? Annals of Internal Medicine, v.159,
n.11, p.758-769, 2013.
KUK, J.L.; ROTONDI, M.; SUI, X. et al. Individuals with obesity but no other
metabolic risk factors are not at significantly elevated all-cause mortality risk in men
and women. Clinical Obesity, v.8, p.305-312, 2018.
LAMBRINOUDAKI, I.; ARMENI, E.; PLIATSIKA, P. et al. Thyroid function and
autoimmunity are associated with the risk of vertebral fractures in postmenopausal
women. Journal of Bone and Mineral Metabolism, v.35, n.2, p.227-233, 2017.
LAURETTA, R.; SANSONE, M.; SANSONE, A. et al. Gender in endocrine diseases:
role of sex gonadal hormones. International Journal of Endocrinology, v.2018,
2018.
LAZZARI, R.; BECK, S.T. Avaliação da função tireoideana em mulheres com idade
superior a 45 anos no município de Sobradinho, RS. Revista Brasileira de Análises
Clínicas, v.45, n.1-4, p.14-18, 2013.
 78

LEE, H.J.; JO, H.N.; KIM, Y.H. et al. Predictive value of lipid accumulation product,
fatty liver index, visceral adiposity index for metabolic syndrome according to
menopausal status. Metabolic Syndrome and Related Disorders, v.XX, n.XX, p.1-
6, 2018.
LWOW, F.; JEDRZEJUK, D.; MILEWICZ, A. et al. Lipid accumulation product (LAP)
as a criterion for the identification of the healthy obesity phenotype in
postmenopausal women. Experimental Gerontology, v.82, p.81-87, 2016.
MATSUDO, S.; ARAÚJO, T.; MATSUDO, V. et al. Questionário Internacional de
Atividade Física (IPAQ): estudo de validade e reprodutibilidade no Brasil. Atividade
Física e Saúde, v.6, n.2, p.5-18, 2001.
MIRMIRAN, P. MOSLEHI, N.; HOSSEINPANAH, F. et al. Dietary determinants of
unhealthy metabolic phenotype in normal weight and overweight/obese adults:
results of prospective study. International Journal of Food Sciences and
Nutrition, v.71, n.7, p.801-901, 2020.
MONTELEONE, P.; MASCAGNI, G.; GIANINNI, A. et al. Symptoms of menopause –
global prevalence, physiology and implications. Nature Reviews Endocrinology,
v.14, n.4, p.199-215, 2018.
NCEP/ATP III. 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. JAMA, v.285, n.19, p.2486-2497, 2001.
NIE, X.; MA, X.; XU, Y. et al. Characteristics of serum tyroid hormones in different
metabolic phenotypes of obesity. Frontiers in Endocrinology, v.11, n.68, 2020.
OH, S.; KWON, H.; AHN, J. et al. Association between thyroid dysfunction and lipid
profiles differs according to age and sex: results from the Korean National Health and
Nutrition Examination Survey. Thyroid, v.28, n.7, p.849-856, 2018.
ORTEGA, F.B.; CADENAS-SANCHEZ, C.; MIGUELES, J.H. et al. Role of physical
activity and fitness in the characterization and prognosis of the metabolically healthy
obesity phenotype: a systematic review and meta-analysis. Progress and
Cardiovascular Diseases, v.61, n.2, p.190-205, 2018.
PEPPA, M.; KOLIAKI, C.; PAPAEFSTATHIOU, A. et al. Body composition
determinants of metabolic phenotypes of obesity and nonobesity and obese
postmenopausal women. Obesity, v.21, n.9, p.1807-1814, 2013.
PHILLIPS, C.M.; PERRY, I.J. Lipoprotein particle subclass profiles among
metabolically healthy and unhealthy obese and non-obese adults: Does size matter?
Atherosclerosis, v.242, p.399-406, 2015.
POLAK, A.M; ADAMSKA, A.; KRENTOWSKA, A. et al. Body composition, serum
concentrations of androgens and insulin resistance in diferent polycystic ovary
syndrome phenotypes. Journal of Clinical Medicine, v.9, n.732, 2020.
QUAYE, L.; OWIREDU, W.K.B.A.; AMIDU, N. et al. Comparative abilities of body
mass index, waist circumference, abdominal volume index, body adiposity index, and
conicity index as predictive screening tools for metabolic syndrome among
apparently healthy ghanaian adults. Journal of Obesity, v.2019, 2019.
 79

REZVANI, R.; GUPTA, A.; SMITH, J. et al. Cross-sectional associations of acylation

stimulating protein (ASP) and adipose tissue gene expression with estradiol and
progesterone in pre- and postmenopausal women. Clinical Endocrinology, v.81,
p.736-745, 2014.
RIBEIRO, V.B.; KOGURE, G.S.; SILVA, R.C. et al. Association of measures of
central fat accumulation indices with body fat distribution and metabolic, hormonal,
and inflammatory parameters in women with polycystic ovary syndrome. Archives of
Endocrinology and Metabolism, v.63, n.4, p.417-426, 2019.
SEFAT, S.M.; SHABANI, R.; NAZARI, M. The effect of concurrent aerobic-resistance
training on thyroid hormones, blood glucose hemostasis, and blood lipid indices in
overweight girls with hypothyroidism. Hormone Molecular Biology and Clinical
Investigation, v.40, n.3, 2019.
SILVA, R.F.; IWAMOTO, J.M.; MULLER, D. et al. A cross-sectional analysis of risk
factors for cardiovascular diseases in older females: association vetween body fat
distribution and physical fitness. Journal of Women & Aging, v.24, n.2, 2022.
SOCIEDADE BRASILEIRA DE CARDIOLOGIA. I Diretriz Brasileira de Diagnóstico e
Tratamento da Síndrome Metabólica. Arquivos Brasileiros de Cardiologia, v.84,
n.1, 2005.
SOCIEDADE BRASILEIRA DE DIABETES (SBD). Diretrizes da Sociedade
Brasileira de Diabetes 2019-2020. Disponível em:
https://www.diabetes.org.br/profissionais/images/DIRETRIZES-COMPLETA-2019-
2020.pdf. Acesso em 01/04/2021.
TONGDEE, P.; NIMKUNTOD, P. Novel mathematic indexes to identify subclinical
atherosclerosis in different obesity phenotypes of perimenopausal/menopausal
women. Journal of the Medical Association of Thailand, v.99, n.Suppl 7, p.62-68,
2016.
TSATSOULIS, A.; PASCHOU, S.A. Metabolically healthy obesity: criteria,
epidemiology, controversies, and consequences. Current Obesity, v.9, n.2, p.109-
120, 2020.
VECCHIÉ, A.; DALLEGRI, F.; CARBONE, F. et al. Obesity phenotypes and their
paradoxical association with cardiovascular diseases. European Journal of Internal
Medicine, v.48, p.6-17, 2018.
WORLD HEALTH ORGANIZATION. Definition, diagnosis and classification of
diabetes mellitus and its complications: report of a WHO consultation. Geneva:
WHO; 2000.
WORLD HEALTH ORGANIZATION. Fact sheet on obesity and overweight
[Internet]. Geneva: World Health Organization; 2017 Available from:
http://www.who.int/en/ news-room/fact-sheets/detail/obesity-and-overweight Acesso
em 01/04/2010.
 80

Tabela 1. Características da amostra total.

Amostra total (n=31)
Média ± desvio-padrão
Características gerais
Idade (anos) 52,29± 4,56
Tempo_anos (ER) 11,29 ± 14,11
Tempo_ sem (ER) (min/sem) 289,35 ± 216,22
Freq_sem (ER) (dias/sem) 4,00 ± 1,15
Características clínicas e
metabólicas
PAS (mmHg) 122,70 ± 7,80
PAD (mmHg) 78,61 ± 5,85
TSH (Ul/mL) 2,23 ± 0,89
HDL-c (mg/dL) 66,66 ± 16,14
TG (mg/dL) 82,90 ± 47,05
Glicemia em Jejum (mg/dL) 88,41 ± 6,21
Características corporais
IMC (kg/m²) 26,14 ± 4,93
PC (cm) 80,31 ± 7,62
IAV 1,02 ± 0,63
PAL 21,64 ± 15,26
%GC 37,92 ± 6,18
A/G 0,84 ± 0,19
Dados demonstrados em média e desvio-padrão. Tempo_anos (ER): tempo
de exercícios de resistência em anos; Tempo_sem (ER) (min/sem): tempo
de exercícios de resistência em minutos por semana; Freq_sem (ER):
frequência semanal de exercícios de resistência; PAS: pressão arterial
sistólica; PAD: pressão arterial diastólica; TSH: hormônio estimulante da
tireoide; HDL-c: lipoproteína colesterol de alta densidade; TG: triglicerídeos;
IMC: índice de massa corporal; PC: perímetro da cintura; IAV: índice de
adiposidade visceral; PAL: produto de acumulação lipídica; %GC:
percentual de gordura corporal; A/G: relação androide/ginoide.
 81

Tabela 2. Comparação das variáveis de exercícios de resistência, clínicas, metabólicas e corporais

entre os fenótipos metabólicos.
MS MNS
74.2% (n=23) 25.8% (n=8) p-valor*
Média ± desvio-padrão Média ± desvio-padrão
Características gerais
Idade (anos) 51.26 ± 4.44 55.25 ± 3.73 0.03
Tempo_anos (ER) 11.70 ± 13.60 3.81 ± 3.66 0.01
Tempo_ sem (ER) (min/sem) 304.78 ± 234.20 245.00 ± 157.93 0.51
Freq_sem (ER) (dias/sem) 4.08 ± 1.23 3.75 ± 0.88 0.48
Características clínicas e
metabólicas
PAS (mmHg) 121.91 ± 8.02 125.00 ± 7.11 0.34
PAD (mmHg) 79.00 ± 5.70 77.50 ± 6.54 0.54
TSH (Ul/mL) 2.39 ± 0.93 1.78 ± 0.59 0.09
HDL-c (mg/dL) 72.13 ± 13.59 48.37 ± 7.55 <0.01
TG (mg/dL) 73.65 ± 29.88 109.50 ± 74.78 0.22
Glicemia em Jejum (mg/dL) 88.69 ± 6.01 87.62 ± 7.13 0.68
Características corporais
IMC (kg/m²) 25.74 ± 4.93 27.29 ± 5.09 0.45
PC (cm) 79.85 ± 7.56 81.62 ± 8.14 0.58
IAV 0.81 ± 0.37 1.63 ± 0.85 0.03
PAL 19.28 ± 13.83 28.43 ± 18.06 0.14
%GC 37.44 ± 6.68 39.42 ± 4.40 0.35
A/G 0.79 ± 0.15 0.98 ± 0.22 0.01
*Valores com significância estatística (p-valor > 0.05). Teste T-student. Dados demonstrados em média e
desvio-padrão. Tempo_anos (ER): tempo de exercícios de resistência em anos; Tempo_sem (ER)
(min/sem): tempo de exercícios de resistência em minutos por semana; Freq_sem (ER): frequência semanal
de exercícios de resistência; PAS: pressão arterial sistólica; PAD: pressão arterial diastólica; TSH: hormônio
estimulante da tireoide; HDL-c: lipoproteína colesterol de alta densidade; TG: triglicerídeos; IMC: índice de
massa corporal; PC: perímetro da cintura; IAV: índice de adiposidade visceral; PAL: produto de acumulação
lipídica; %GC: percentual de gordura corporal; A/G: relação androide/ginoide.
 82

Tabela 3. Associação entre variáveis clínicas, metabólicas e corporais de acordo com os

fenótipos metabólicos.
Total MS MNS
p-valor*
100,0% (n=31) 74,2% (n=23) 25,8% (n=8)
PA (mmHg)
Adequado 100,0 (31) 100,0 (23) 100,0 (8)
_
Inadequado 0,0 (0) 0,0 (0) 0,0 (0)

HDL-c (mg/dL)
Adequado 80,6 (25) 100,0 (23) 25,0 (2)
<0,01
Inadequado 19,4 (6) 0,0 (0) 75,0 (6)

TG (mg/dL)
Adequado 93,5 (29) 100,0 (23) 75,0 (6)
0,05
Inadequado 6,5 (2) 0,0 (0) 25,0 (2)

Glicemia em
Jejum (mg/dL)
Adequado 100,0 (31) 100,0 (23) 100,0 (8)
_
Inadequado 0,0 (0) 0,0 (0) 0,0 (0)

TSH (Ul/mL)
Adequado 93,5 (29) 91,3 (21) 100,0 (8)
1,00
Inadequado 6,5 (2) 8,7 (2) 0,0 (0)

IMC (kg/m²)
Eutrofia 45,2 (14) 52,2 (12) 25,0 (2)
0,24
Excesso de peso 54,8 (17) 47,8 (11) 75,0 (6)

PC (cm)
Adequado 83,9 (26) 60,9 (14) 50,0 (4)
0,68
Inadequado 16,1 (5) 39,1 (9) 50,0 (4)

%GC
Adequado 41,9 (13) 52,2 (12) 12,5 (1)
0,09
Inadequado 58,1 (18) 47,8 (11) 87,5 (7)

A/G
Adequado 83,9 (26) 95,7 (22) 50,0 (4)
0,01
Inadequado 16,1 (5) 4,3 (1) 50,0 (4)

IAV
Adequado 83,9 (26) 91,3 (21) 62,5 (5)
0,09
Inadequado 16,1 (5) 8,7 (2) 37,5 (3)

PAL
Adequado 71,0 (22) 78,3 (18) 50,0 (4)
0,18
Inadequado 29,0 (9) 21,7 (5) 50,0 (4)
*Valores com significância estatística (p-valor<0,05). Teste qui-quadrado ou Exato de Fisher
(n<5). MS: metabolicamente saudável; MNS: metabolicamente não saudável; PA: pressão arterial;
HDL-c: lipoproteína colesterol de alta densidade; TG: triglicerídeos; TSH: hormônio estimulante da
tireoide; IMC: índice de massa corporal; PC: perímetro da cintura; %GC: percentual de gordura
corporal; A/G: relação androide/ginoide; IAV: índice de adiposidade visceral; PAL: produto de
acumulação lipídica.
 83

Tabela 4. Razão de prevalência entre variáveis

metabólicas e corporais para o fenótipo metabolicamente
não saudável
IC 95% (inferior -
RP
superior)
HDL-c (mg/dL) 12,5 (3,30 - 47,23)
TG (mg/dL) 4,83 (2,37 - 9,85)
IMC (kg/m²) 2,47 (0,58 - 10,38)
PC (cm) 1,73 (0,06 - 3,53)
%GC 5,05 (0,70 - 36,25)
IAV 3,12 (1,07 - 9,04)
PAL 2,44 (0,77 - 7,70)
A/G 5,2 (1,90 - 14,16)
RP: razão de prevalência. IC 95%: intervalo de confiança de
95%. HDL-c: lipoproteína colesterol de alta densidade; TG:
triglicerídeos; IMC: índice de massa corporal; PC: perímetro da
cintura; %GC: percentual de gordura corporal; IAV: índice de
adiposidade visceral; PAL: produto de acumulação lipídica; A/G:
relação androide/ginoide.
 84

Tabela 5. Correlação entre as características gerais, corporais, clínicas e metabólicas da amostra total
Idade Tempo_ Freq_sem ER Tempo_sem IMC
PC (cm) A/G IAV PAL %GC
(anos) anos ER (dias/sem) ER (min/sem) (kg/m²)
TSH (UI/ML) -,206 -,042 -,133 -,191 -,027 ,017 -,145 -,315 -,259 ,029
Glicemia
,334 -,132 ,135 ,125 ,124 ,147 ,565** ,472** ,490** ,306
(mg/dL)
HDL-c (mg/dL) -,201 ,399* -,030 -,034 -,109 -,116 -,381* -,433* -,143 -,102
** ** ** **
TG (md/dL) ,514 -,110 -,042 ,026 ,197 ,190 ,541 ,935 ,845 ,249
PAS (mmHg) -,031 -,478** -,185 -,054 ,446* ,479** ,238 ,062 ,186 ,286
*
PAD (mmHg) -,148 -,365 ,094 ,166 ,156 ,169 ,030 -,158 -,072 ,086
Correlação de Pearson. Dados demonstrados são referentes ao coeficiente de correlação (r).* Valores com significância estatística
(p<0.05); **Valores com significância estatística (p<0.01). Tempo_anos ER: tempo de exercício de resistência em anos; Freq_sem ER:
frequência semanal de exercício de resistência em dias por semana; Tempo_sem ER: Tempo de exercício de resistência em minutos por
semana; IMC: Índice de massa corporal; PC: Perímetro da cintura; A/G: relação androide/ginoide; IAV: indice de adiposidade visceral; PAL:
produto de acumulação lipídica; %GC: Percentual de gordura corporal; TSH: Hormônio estimulante da tireóide (Tirotrofina); HDL-c:
Colesterol de alta densidade; TG: Triglicerídeos; PAS: Pressão arterial sistólica; PAD: Pressão arterial diastólica.
 85

6.2. ARTIGO 2

“RELAÇÃO DOSE-RESPOSTA DO EXERCÍCIO DE RESISTÊNCIA SOBRE

FENÓTIPOS METABÓLICOS, COMPOSIÇÃO CORPORAL E PERFIL LIPÍDICO
EM MULHERES NA MENOPAUSA”

RESUMO

Objetivo: Avaliar a relação dose-resposta do exercício de resistência (ER) sobre

perfil lipídico, composição corporal e fenótipos metabólicos em mulheres na
menopausa. Métodos: estudo transversal com 31 mulheres, categorizadas de
acordo com o tempo em anos, em minutos por semana e frequência semanal de ER.
Avaliou-se a composição corporal pelo DEXA e o risco cardiometabólico pelos
fenótipos metabólicos e perfil lipídico. Adotou-se p<0,05 para significância
estatística. Resultados: 25,8% das mulheres apresentaram o fenótipo
metabolicamente não saudável (MNS). Houve maior frequência deste perfil
metabólico em mulheres que praticavam ER por menos de dois anos, tempo
semanal inferior à 300 minutos e frequência semanal inferior à três dias por semana
(p>0,05). Mulheres com mais de dois anos e maior frequência semanal de ER
apresentaram menor massa de gordura do tronco do que aquelas com menor tempo
em anos de ER (15,33 ± 7,56 versus 10,57 ±4,87, p=0,04; 16,31 ± 7,46 versus 10,98
± 5,49, p=0,03, respectivamente). Houve associação entre HDL-c e o tempo em
anos de ER. Foram identificadas moderadas, inversas e significativas correlações
entre variáveis de adiposidade corporal, tempo em anos e frequência semanal de
ER na amostra total, além de maior razão de prevalência de inadequação de IMC e
%GC entre mulheres com menor tempo em anos e frequência semanal de ER,
respectivamente. Conclusão: Tempo superior a dois anos e frequência semanal
superior à três dias estão associados à menor adiposidade corporal, em mulheres na
menopausa, sendo o primeiro também associado à HDL-c.

Palavras-chave: Treinamento de Resistência; Colesterol; Composição Corporal;

Fatores de risco cardiometabólicos; Menopausa.
 86

INTRODUÇÃO

A menopausa é um período associado à intensas modificações fisiológicas e

na composição corporal que favorecem o desenvolvimento de complicações
cardiometabólicas. Dentre as quais se destacam: doença arterial coronariana,
Diabetes Mellitus tipo 2 (DM2), HAS (HAS) e fenótipo metabolicamente não
saudável (MNS) (WORLD HEALTH ORGANIZATION – WHO, 2021; MINKIN, 2019;
SHIFREN; GASS, 2014). Este perfil metabólico de risco caracteriza-se por
inadequações em parâmetros cardiometabólicos e inflamatórios que são associados
à morbimortalidade. Contudo, há mulheres em idade não reprodutiva, que podem
estar isentas destas alterações e são consideradas metabolicamente saudáveis
(MS) (LWOW et al, 2016; PEPPA et al, 2013).

Como forma de prevenir estes desfechos, a prática de exercícios de

resistência (ER) é recomendada, pois, propicia mudanças na composição corporal e
pode contribuir positivamente para o metabolismo lipídico que, é uma das vias
metabólicas mais afetadas após a cessação das menstruações e declínio das
concentrações dos hormônios sexuais femininos (DAM et al, 2021; RHEE et al,
2019; BURRUP et al, 2018).

Neste sentido, Nunes et al (2016), em estudo longitudinal de 16 semanas com

32 mulheres na menopausa, demonstraram redução nas concentrações de
hemoglobina glicada, colesterol total (CT) e lipoproteína colesterol de baixa
densidade (low density lipoprotein cholesterol – LDL-c) entre às submetidas à prática
de ER, quando comparadas àquelas que realizaram outra modalidade de exercícios.
De forma similar, Son et al (2020) identificaram redução do índice de massa corporal
(IMC), massa corporal total e percentual de gordura corporal (%GC), em mulheres
na menopausa, submetidas à 12 semanas de ER, quando comparadas às que não
realizaram nenhum tipo de exercício durante o período de estudo.

A Organização Mundial de Saúde (2020) recomenda a prática de ER por, no

mínimo, dois dias por semana, para a população adulta e idosa, sem especificações
para mulheres na menopausa, e destaca que há uma relação dose-resposta entre a
prática de atividade física e desfechos cardiometabólicos. Contudo, considerando
que o término da vida reprodutiva pode interferir na capacidade anabólica devido às
modificações hormonais e, consequentemente, no perfil metabólico dessas
 87

mulheres, identificar variáveis de exercício físico, incluindo frequência semanal e

tempo de duração, são importantes para potencializar os benefícios relacionados à
prática de ER (KNEFFEL et al, 2020; OMS, 2020).

Dessa forma, diante da escassez de pesquisas sobre a temática apresentada,

o objetivo do presente estudo é avaliar a relação dose-resposta do ER com perfil
lipídico, composição corporal e fenótipos metabólicos, em mulheres na menopausa.

MÉTODOS

Tipo do estudo e características da amostra

Estudo observacional e transversal, com amostra de conveniência, constituída

por mulheres praticantes de exercícios de resistência, no período da menopausa,
em academia localizada na cidade de Belo Horizonte, Minas Gerais, Brasil. Foram
considerados critérios de inclusão: a) estar na faixa etária entre 45 e 65 anos; b)
apresentar diagnóstico clínico de menopausa (ausência de menstruações por um
período ≥ 12 meses); c) praticar exercícios de resistência há, no mínimo, seis meses
e duas vezes por semana. Considerou-se como critérios de exclusão: a) limitação ou
deficiência física que impedisse a mensuração de dados antropométricos e de
composição corporal; b) ter realizado cirurgia bariátrica prévia; c) apresentar
histórico de câncer ou doenças tireoidianas; d) realizar reposição de hormônio
sexual e/ou tireoidiano; e) tabagistas e que consumiam bebidas alcoólicas em
excesso (BRASIL, 2021) e g) que praticavam outras modalidades de exercício físico,
além de exercícios de resistência.

O estudo foi aprovado pelo Comitê de Ética em Pesquisa da Universidade

Salgado de Oliveira (protocolo 99/2010), campus Niterói, Rio de Janeiro e todas as
participantes assinaram o Termo de Consentimento Livre e Esclarecido.

Coleta de dados e variáveis analisadas

A coleta de dados foi realizada entre os meses de março e abril de 2019, por
equipe multidisciplinar treinada (médicos, enfermeiros e profissionais de educação
física que faziam parte do estudo) e em laboratório previamente conveniado. Os
convites para participação no estudo foram disponibilizados nos murais da
academia. Em seguida, obtiveram-se informações das possíveis participantes por
 88

formulário de cadastro. Após essa etapa, aquelas que obedeciam aos critérios
inclusão responderam ao questionário elaborado para a pesquisa e foram
encaminhadas para realização dos exames clínicos, laboratoriais e de composição
corporal.

Variáveis clínicas e laboratoriais

Pressão Arterial (PA)

A PA foi avaliada seguindo recomendações das Diretrizes Brasileiras de

Hipertensão Arterial (BARROSO et al, 2020) utilizando-se um manômetro de coluna
de mercúrio plus, com braçadeira de algodão e fecho de velcro, marca UNITEC. No
momento da aferição, as integrantes da amostra deveriam estar com bexiga vazia,
sem ingerir bebidas alcoólicas, café e alimentos e sem praticar exercícios físicos por,
pelo menos, uma hora. Foram realizadas duas visitas ao consultório médico e em
cada uma delas foram realizadas três aferições, com intervalo de um a dois minutos
entre elas, em posição sentada. O valor de PA considerado foi equivalente à média
das duas últimas aferições. O Diagnóstico de hipertensão arterial foi feito por médico
integrante da equipe de pesquisa. Considerou-se hipertensão arterial sistêmica
quando foram obtidos valores de pressão arterial sistólica (PAS) ≥ 140 mmHg e
pressão arterial diastólica (PAD) ≥ 90 mmHg.

Perfil Lipídico e Glicemia em jejum

Obtiveram-se as concentrações séricas de TG, HDL-c, LDL-c, colesterol total

e glicemia, por punção venosa, em jejum de 12 horas. As amostras sanguíneas
foram analisadas por método enzimático calorimétrico (Gold Analisa®). As variáveis
lipídicas e a glicemia foram classificadas de acordo com Sociedade Brasileira de
Cardiologia (FALUDI et al, 2017) e Sociedade Brasileira de Diabetes (SBD),
respectivamente (SBD, 2020). Foram considerados pontos de corte de inadequação:
TG - ≥ 150 mg/dL; HDL-c - ≤ 50 mg/dL; LDL-c - ≥ 160 mg/dL; CT - ≥ 190 mg/dL e
glicemia ≥ 126 mg/dL.

Variáveis corporais

Avaliação antropométrica e de composição corporal

 89

A avaliação da composição corporal foi realizada pelo método padrão-ouro

absorciometria de dupla energia de raios-x (DEXA), marca GE® lunar I, modelo
40782, com as participantes utilizando top e short. Este método avalia os
componentes corporais a partir de feixes de raios-x que atravessam o corpo na
direção postero-anterior e o subdivide em linhas específicas, fornecendo, de forma
acurada, informações sobre densidade mineral óssea, quantidades de massas de
gordura e livre de gordura e distribuição da gordura corporal (RIBEIRO et al, 2019;
KURIYAN, 2018; SHEPHERD et al, 2017; XIAO et al, 2017).

A partir dos resultados obtidos pelo DEXA, consideraram-se as variáveis:

massa corporal total, massa de gordura (MG) em quilos, percentual de gordura
corporal (%GC), massa livre de gordura (MLG), massa de gordura do tronco (MGT)
em quilos, percentual de gordura do tronco (%GT), percentual de gordura androide
(%GA), percentual de gordura ginóide (%GG) e relação androide/ginóide (A/G).
Dentre os componentes analisados, o %GC foi classificado de acordo com o ponto
de corte estabelecido pela Associação de Endocrinologistas Clínicos e Colégio
Americano de Endocrinologia (AACE/ACE) cuja inadequação é ≥35% (AACE/ACE
OBESITY TASK FORCE, 1998). As variáveis de composição corporal e a estatura
(em metros –m), foram calculadas pelo programa Encore 2007, versão 11.3.

Adicionalmente, calculou-se o índice de massa corporal (IMC) dividindo-se a

massa corporal (em quilos - kg) pela estatura (em metros quadrados - m²). A
classificação desta variável foi realizada considerando os pontos de corte, propostos
pela OMS (OMS, 2000): baixo peso - <18,5 kg/m²; eutrofia - entre 18,5 e 24,9 kg/m²;
sobrepeso - entre 25,0 e 29,9 kg/m²; obesidade grau I - entre 30,0 e 34,9 kg/m²;
obesidade grau II - entre 35,0 e 39,9 kg/m²; obesidade grau III - ≥ 40 kg/m². Para fins
estatísticos, foram consideradas as categorias: baixo peso - <18,5 kg/m²; eutrofia -
entre 18,5 e 24,9 kg/m²; e excesso de peso ≥ 25,0 kg/m².

A avaliação da adiposidade abdominal foi feita a partir do perímetro da cintura

(PC), índice de formato do corpo (IFC) e índice de conicidade (IC) enquanto a
adiposidade visceral foi estimada pelo índice de adiposidade visceral (IAV) e produto
de acumulação lipídica (PAL).

A mensuração de PC foi realizada utilizando-se uma fita métrica inextensível

(precisão de 0,1 cm), posicionada no ponto médio entre o rebordo costal inferior e a
 90

crista ilíaca, ao final de uma expiração normal, conforme recomendado pela I Diretriz
Brasileira de Diagnóstico e Tratamento de Síndrome Metabólica (SBC, 2005).
Considerou-se como ponto de corte para inadequação de PC o valor > 88 cm,
conforme sugerido pelo NCEP-ATP III (NCEP, 2001). O IFC foi calculado pela
fórmula proposta por Krakauer e Krakauer (2012): IFC = PC / IMC2/3 x estatura1/2; e o
IC, conforme recomendado por Valdez (1991): IC = PC / 0,109 x √massa corporal/
estatura.

Calculou-se o IAV, proposto por Amato et al (2010), utilizando-se as variáveis

PC (centímetros - cm), IMC e as concentrações séricas de TG e HDL-c ( mmol/L),
conforme demonstrado pela fórmula: x x .O

PAL foi calculado considerando PC (cm), TG ( mmol/L) e uma constante de 58,

referente à um valor mínimo de PC, que compreende somente a quantidade de
musculatura abdominal, vísceras e conteúdo ósseo: PAL mulheres = (PC – 58) x (TG)
(KHAN, 2005).

Para conversão das unidades de HDL-c e TG de mg/dL para mmol/L,

utilizadas pelos indicadores antropométricos IAV e PAL, foram utilizadas as
recomendações da American Medical Association (AMA, 2000). A classificação de
IAV e PAL foi realizada considerando os pontos de corte sugeridos por Eickemberg
et al (2019) ), para população brasileira: inadequação de IAV – ≥ 1,44; inadequação
de PAL – ≥ 22,64.

Prática de exercícios de resistência (ER)

O treinamento de resistência muscular ocorria de forma independente da

presente pesquisa, seguindo recomendações do Colégio Americano de Medicina do
Esporte, para a população adulta (AMERICAN COLLEGE OF SPORTS MEDICINE –
ACSM, 2009). Características específicas sobre a prática de ER foram avaliadas
utilizando um questionário previamente elaborado, em que se considerou: frequência
semanal e tempo (por sessão, semanal e anos). A amostra foi dividida em: < 2 anos
e ≥ 2 anos (ACSM, 2009); < 300 minutos por semana e ≥ 300 minutos por semana e
≤ 3 dias por semana e > 3 dias por semana (WHO, 2020).

Fenótipos metabólicos
 91

Classificação dos fenótipos MS e MNS

Os fenótipos MS e MNS foram classificados de acordo com o Critério de

Comorbidades (DINIZ et al, 2016), em que são considerados MS, indivíduos que não
apresentam DM2, HAS ou dislipidemia. Para tal, são considerados: a) para
diagnótico de HAS – diagnótico médico autorrelatado; uso de anti-hipertensivos; ou
PAS: ≥ 140 mm Hg; PAD: ≥ 90 mm Hg, durante a avaliação (BARROSO et al, 2020);
b) diagnóstico de DM2 – concentrações séricas de glicemia em jejum ≥ 126 mg/dL,
ou de glicemia após duas horas de consumo de 75g de glicose anidra ≥ 200 mg/dL,
ou hemoglobina glicada > 6.5%, ou uso oral/subcutâneo de medicamento
hipoglicemiante, ou autorrelato de diagnóstico prévio da doença (SBD, 2020); c)
diagnóstico de Dislipidemia - HDL-c: <50 mg/dL; TG: ≥ 150 mg/dL, ou uso de
medicamentos para controle lipídico (FALUDI et al, 2017).

Análise estatística

Realizou-se um cálculo amostral, a partir de dados de um estudo piloto prévio

realizado com 10 mulheres em uma amostragem aleatória simples, para estimativas
do desvio-padrão populacional. Após o estudo piloto, definiu-se o tamanho da
amostra a partir da fórmula: n≥ ((Zα/2*σ)/d)², em que: Zα/2= valor de Z (para um grau
de confiança de 95%, Z=1,96); n= número de sujeitos; σ = variância estimada; d =
erro máximo de estimativa (CALLEGARI-JACQUES, 2003). Obteve-se como
tamanho mínimo ideal uma amostra constituída por 31 mulheres.

Para análise dos dados, verificou-se a normalidade das variáveis contínuas

utilizando-se o teste Shapiro-Wilk a partir do qual se optou pela utilização de testes
paramétricos. A caracterização das variáveis na amostra total foi demonstrada pela
média e desvio padrão. A comparação das variáveis contínuas de acordo com as
categorias do fenótipo metabólico (MS; MNS), tempo de ER, em anos (< 2 anos; ≥ 2
anos), tempo semanal (< 300 minutos/semana; ≥ 300 minutos por semana) e
frequência semanal (< 3 dias/semana; ≥ 3 dias por semana), foi realizada utilizando-
se o teste T-Student. A associação entre variáveis categóricas foi analisada pelo
teste qui-quadrado (x²) ou Teste exato de Fisher, quando algum dos grupos
apresentou baixa frequência (n ≤ 5), e pela razão de prevalência. A correlação entre
as variáveis contínuas foi analisada pela Correlação de Pearson e o fator de
correlação (r) foi classificado em forte (para valores acima de 0,6); moderado (para
 92

valores entre 0,4 e 0,59) e baixo (para valores abaixo de 0,39). Foi adotado o nível
de significância de 5% (p-valor ≤ 0,05) e as análises foram realizadas no programa
SPSS, versão 21.

RESULTADOS

Voluntariaram-se para a pesquisa 189 mulheres das quais 76 foram

consideradas elegíveis. Dessas, 51 realizaram as análises laboratoriais e 44 se
submeteram à avaliação da composição corporal. Realizaram ambos os exames 31
mulheres, sendo este o número amostral do presente estudo.

Na amostra total, a média de idade foi de 52,29 ± 4,56 anos, IMC igual a
26,14 ± 4,93 kg/m², tempo em anos de ER igual a 11,29 ± 14,11, tempo semanal de
ER de 289,35 ± 216,22 minutos e frequência semanal de ER 4,00 ± 1,15 dias.
Dentre as variáveis clínicas e metabólicas analisadas, as mulheres MS
apresentaram maior média de HDL-c quando comparadas às MNS (MS: 72,13 ±
13,59 mg/dL; MNS: 48,37 ± 7,55 mg/dL, p<0,01) (Tabela 1).

Em relação à distribuição da gordura corporal, as mulheres MNS

apresentaram maiores médias de IAV (MS: 0,81 ± 0,37; MNS: 1,63 ± 0,85, p=0,03),
MGT (MS: 11,33 ± 5,48 kg; MNS: 17,32 ± 8,08 kg, p =0,02), A/G (MS: 0,79 ± 0,15;
MNS: 0,98 ± 0,22, p=0,01) e menor de %GG (MS: 50,46 ± 5,14; MNS: 41,80 ± 15,02,
p =0,02) quando comparadas às MS (Tabela 1). Houve, ainda, 75,0% de frequência
de excesso de peso, representado pelo IMC, 25,0% de inadequação de PC e 100%
de inadequação de %GC entre as MNS. Em MS, estas prevalências foram de
47,8%, 13,0% e 7,3%, respectivamente (dados não mostrados).

As mulheres com prática de ER igual ou superior a dois anos apresentaram

menor MGT do que aquelas com menor tempo em anos de prática desses
exercícios (< 2 anos: 15,33 ± 7,56 kg; ≥ 2 anos: 10,57 ±4,87, p=0,04); o mesmo foi
observado quando considerada a frequência semanal (≤ 3 dias: 16,31 ± 7,46; > 3
dias: 10,98 ± 5,49, p=0,03). Para aquelas com maior frequência semanal, também
houve menor média de %GC quando comparadas às mulheres com menor prática
em dias/semana (≤ 3 dias: 41,40 ± 6,10; > 3 dias: 36,06 ± 5,46, p=0,01) (Tabela 2).

No que se refere à MLG e MM, aquelas com mais de dois anos de prática de
ER, apresentaram menores médias nesses componentes quando comparada às
 93

mulheres com menor tempo de prática (MLG: ≤ 2 anos: 42,71 ± 5,93 kg, > 2 anos:
41,21 ± 4,83 kg, p = 0,44; MM: ≤ 2 anos: 40,36 ± 5,70 kg, > 2 anos: 38,91 ± 4,66 kg,
p =0,44). Quando considerado o tempo, em minutos por semana, houve menores
médias de MLG e MM entre aquelas com prática igual ou superior à 300
minutos/semana quando comparadas àquelas com menor tempo semanal de ER
(MLG: < 300 minutos: 42,65 ± 5,53 kg; ≥ 300 minutos: 39,87 ± 4,49 kg, p = 0,21; MM:
< 300 minutos: 40,30 ± 5,35 kg, ≥ 300 minutos: 37,64 ± 4,23 kg, p=0,21). O inverso
foi observado ao analisar a frequência semanal (MLG: ≤ 3 dias: 41,43 ± 6,10 kg, > 3
dias: 42,21 ± 5,05 kg, p = 0,70 ; MM: ≤ 3 dias: 39,06 ± 5,97 kg, > 3 dias: 39,91 ± 4,79
kg, p =0,66) (Tabela 2).

Em relação à adiposidade visceral, mulheres com menor tempo em anos e

frequência semanal de ER apresentaram maiores médias de IAV e PAL quando
comparadas aos seus respectivos contrapares (IAV: < 2 anos: 1,06 ± 0,57, ≥ 2 anos:
0,98 ± 0,70, p= 0,74; ≤ 3 dias/semana: 1,14 ± 0,76, < 3 dias: 0,96 ± 0,56, p= 0,45;
PAL: < 2 anos: 24,14 ± 17,59; ≥ 2 anos: 19,30 ± 12,84, p= 0,38; ≤ 3 dias/semana:
24,84 ± 14,93, > 3 dias/semana: 19,89 ± 15,53, p= 0,39) (Tabela 2).

Identificou-se, ainda, maior frequência de inadequação dessas variáveis em

mulheres com menor tempo em anos (IAV: 20,0%, PAL: 33,3%), tempo semanal
(IAV: 17,4%, PAL: 30,4%) e frequência semanal de ER (IAV: 18,2%, PAL: 45,5%)
quando comparadas àquelas das suas respectivas categorias (≥ 2 anos: IAV: 12,5%,
PAL: 25,0%; ≥ 300 minutos/semana: IAV: 12,5%, PAL: 25,0%; ≤ 3 dias/semana: IAV:
15,0%, PAL: 20,0%), embora sem diferença estatisticamente significativa. O mesmo
foi observado para PC, %GC e IMC. Destaca-se, contudo, que houve também
elevada inadequação de %GC em 75,0%, 75,0% e 80,0% das mulheres com prática
de ER maior ou igual a dois anos, maior ou igual à 300 minutos por semana e
superior à três dias por semana, respectivamente (Figura 1).

Entre as mulheres que praticavam ER por menos do que dois anos (48,4%),
verificou-se maior inadequação das variáveis lipídicas analisadas, exceto CT (< 2
anos: 53,3%, ≥ 2 anos: 62,5%, p= 0,60), e maior frequência do fenótipo MNS (< 2
anos: 33,3%, ≥ 2 anos: 18,7%, p= 0,43). Em relação ao tempo semanal de prática de
ER, 74,2% das mulheres praticavam menos de 300 minutos/semana. Entre estas,
houve maior frequência de inadequação de TG (< 300 minutos: 8,3%; ≥ 300 minutos:
 94

0,0%, p =1,00) e demais variáveis lipídicas, exceto de HDL-c (< 300 minutos: 17,4%,
≥ 300 minutos: 25,0%, p =0,63) que foi maior no grupo com prática semanal igual ou
superior à 300 minutos. A frequência do fenótipo MNS entre as mulheres com menor
tempo semanal de ER foi de 26,1% versus 25,0% daquelas com tempo semanal de
ER maior ou igual a 300 minutos. No que se refere à frequência semanal, 64,5%
realizavam ER mais do que três vezes por semana. Entre estas, houve menor
inadequação das variáveis de perfil lipídico e fenótipo MNS (≤ 3 dias/semana:
36,4%,>3 dias/semana: 20,0%, p=0,40) do que entre aquelas com menor frequência
semanal (Tabela 3).

Houve moderada, negativa e significativa correlação entre o tempo em anos

com MG, MGT, %GC e A/G; e entre frequência semanal de ER com MG e %GC.
Identificou-se, ainda, fraca, negativa e significativa correlação entre tempo em anos
com IMC, %GT, %GA, além de fraca, positiva e significativa entre esse e HDL-c
(Tabela 4).

Dados sobre a razão de prevalência entre fenótipos metabólicos, perfil lipídico

e variáveis corporais com tempo em anos, por semana e frequência semanal de ER
estão desmontrados na Tabela 5. Identificou-se que mulheres com menor tempo em
anos e em minutos por semana de ER possuem prevalências 2,26 (IC 95%: 0,92 –
5,56) e 1,54 (IC 95%: 0,95 – 2,51) maiores de ter excesso de peso pelo IMC do que
aquelas com maior tempo em anos e semanal, respectivamente, desses exercícios.
Em relação à frequência semanal, aquelas com frequência semanal igual ou inferior
à três dias de ER apresentam uma prevalência 3,25 (IC 95%: 0,83 – 12,61) maior de
apresentar inadequação de %GC do que as com frequência semanal superior à três
dias de prática de ER. Menores razões de prevalência para fenótipo MNS e
inadequações de perfil lipídico foram observadas nas três categorias de prática
desses exercícios, quando comparadas às variáveis corporais,

DISCUSSÃO

O presente estudo apresenta um caráter inédito uma vez que é o primeiro a

avaliar a relação dose-resposta do ER com perfil lipídico, composição corporal e
fenótipos metabólicos durante a menopausa. Dentre os principais achados tem-se
que maior tempo em anos e frequência semanal de ER estão associados à menor
 95

adiposidade corporal e que há uma relação dose-resposta do tempo em anos e

frequência semanal de ER com perfil lipídico e fenótipo MNS, em mulheres em idade
não reprodutiva.

É bem estabelecido que a redução da síntese dos hormônios sexuais

femininos pelas células foliculares ovarianas, durante a menopausa, promove
alterações fisiológicas e na composição corporal que predispõem o desenvolvimento
de comorbidades e do fenótipo MNS (KO; KIM, 2020; MINKIN, 2019). No presente
estudo, esse perfil metabólico de risco foi prevalente em uma menor proporção da
amostra, contudo, diante da ausência de padronização de critério de classificação,
os percentuais de fenótipos MS e MNS, entre estudos, podem ser variados. Sabe-
se, porém, que alguns fatores como inatividade física e acúmulo de gordura
abdominal estão associados ao fenótipo MNS (BRANDÃO; MARTINS; MONTEIRO,
2020).

Dados desta pesquisa corroboram com a evidência de que indivíduos MNS

apresentam maior adiposidade corporal, entretanto, merecem destaque a frequência
de excesso de peso (pelo IMC) e as inadequações de PC e %GC, entre MS, diante
do aspecto transitório deste fenótipo (HARMON et al, 2020). O PC é uma medida
antropométrica amplamente utilizada para avaliar a distribuição da gordura corporal
e risco cardiometabólico. Contudo, por ser influenciado pela massa corporal e
estatura, alguns autores recomendam que esses componentes sejam avaliados por
outros parâmetros (NKWANA et al, 2021; ÍLHAN; YILDIZHAN, 2019).

No presente estudo, a distribuição da gordura corporal foi avaliada por

métodos facilmente aplicáveis na prática profissional, como a antropometria e os
índices de adiposidade abdominal e visceral, bem como pelo método padrão-ouro
DEXA. Em todos os parâmetros, exceto IC, IFC e %GG, foram identificadas maiores
médias entre as MNS. Corroborando com esses achados, Lwow et al (2016), em
amostra constituída por mulheres na menopausa e utilizando quatro diferentes
métodos de classificação de fenótipos metabólicos, verificaram maiores médias de
PC, MGA, MGG, A/G e PAL, entre MNS.

No âmbito dos estudos sobre fenótipos metabólicos e menopausa, não há

informações sobre a associação entre IC, IFC e perfil MNS. Contudo, Rasaei et al
(2018), em estudo cuja amostra foi constituída por mulheres em idade reprodutiva,
 96

identificaram significativa relação entre IFC e fenótipo MNS (Área sob a curva: 0,60,
p<0,05). Em relação ao IC, Gadelha et al (2016), em estudo com mulheres na
menopausa, verificaram que este índice apresenta significativa correlação com
síndrome metabólica (Área sob a curva: 0,74, p<0,01). Ressalta-se, entretanto, que
os achados sobre a relação entre índices supracitados e risco cardiometabólico
ainda são escassos e necessitam de maior investigação (QUAYE et al, 2019;
AMIRABDOLLAHIAN; HAGHIGHATDOOST, 2018).

A relação entre fenótipos metabólicos e atividade física tem sido estudada por
diversos autores (CADENAS-SANCHEZ et al, 2019; MARTINÉZ-GOMES et al,
2019), contudo, ainda não há evidências sobre estes e a prática de ER. No estudo
atual, identificou-se uma relação dose-resposta entre esta modalidade de exercícios
físicos e perfil metabólico de risco. De forma similar, Campa et al (2020), ao
compararem os efeitos de diferentes frequências de treinamento de resistência sob
o risco cardiometabólico em mulheres com excesso de peso após 24 semanas de
intervenção, observaram que aquelas com frequência semanal igual ou superior à
três dias apresentaram melhor perfil lipídico, menor glicemia em jejum, HOMA-IR,
concentrações de hemoglobina glicada e insulina, além de menor IMC, PC e %GC,
quando comparadas àquelas que realizavam ER somente uma vez por semana.

Achados sobre o impacto do ER sob o perfil lipídico em mulheres na

menopausa apresentam resultados conflitantes (AHN et al, 2019; HENRÍQUEZ et al,
2017; NUNES et al, 2016). No presente estudo foi possível identificar uma relação
dose-resposta da frequência semanal de ER com variáveis lipídicas, vide a menor
inadequação desses componentes nas mulheres que realizavam ER por mais que
três dias na semana. Estes dados contradizem os achados de Orsatti et al (2014)
que, em estudo com mulheres na menopausa submetidas à intervenção de 16
semanas de ER, não identificaram modificações de perfil lipídico ao compararem
diferentes frequências semanais.

Os benefícios associados à prática de ER sob os parâmetros

cardiometabólicos podem ser explicados pela melhora na sinalização de proteína
GLUT-4 e aumento do conteúdo mitocondrial, os quais contribuem para maior
captação de glicose pelo tecido musculoesquelético e da oxidação de ácidos graxos
(CONSITT et al, 2020; TOWNSEND; WRIGHT, 2019). Mecanismos adicionais
 97

incluem o aumento do dispêndio energético de repouso que, por sua vez, pode estar
associado ao aumento do consumo energético pós-exercício e ao aumento da
massa magra corporal (FROEHLE et al, 2013; THORNTON et al, 2011). Há
inúmeras vias endócrino-metabólicas relacionadas ao aumento da MLG,
especificamente MM, em resposta ao estímulo mecânico do ER. Dentre as quais, é
possível destacar a maior síntese de hormônios anabólicos associada ao reparo do
tecido musculoesquelético e também a maior expressão genética relacionada à
síntese proteica muscular (THOMAS et al, 2021; SON et al, 2020).

Na amostra atual, mulheres com maior frequência semanal de ER

apresentaram maior conteúdo muscular, mensurado pelo DEXA, contudo, o mesmo
não foi observado em relação ao tempo em anos e em minutos por semana desta
modalidade. Diferentemente destes achados, Burrup et al (2018), ao avaliarem a
composição corporal de mulheres adultas praticantes de ER, verificaram que maior
tempo em anos, minutos por sessão e por semana e frequência semanal estão
associadas à maior MLG nesta população. Ressalta-se, contudo, que as diferenças
encontradas entre ambos os estudos podem estar relacionadas às características
específicas da amostra já que, no presente estudo, foram analisadas mulheres na
menopausa enquanto Burrup et al (2018) avaliaram mulheres em diferentes fases da
vida reprodutiva.

A relação dose-resposta associada ao aumento da MLG a partir da prática de

ER em mulheres na menopausa ainda não é bem esclarecida. Uma meta-análise
cujo objetivo foi avaliar os efeitos dessa modalidade de exercícios na MLG, nesta
população, não demonstrou diferença no ganho desse componente relacionado à
idade, frequência semanal e período de intervenção dos estudos analisados
(THOMAS et al, 2021). De forma similar, Kneffel et al (2020) identificaram relação
entre frequência semanal e força muscular, porém, não com hipertrofia do
musculoesquelético, em meta-regressão sobre efeitos da frequência de treinamento
de ER e esses fatores, em idosos de ambos sexos. Entretanto, são necessários
mais estudos para analisar essa relação já que a depleção das concentrações de
estrogênio associado à falência das células foliculares ovarianas afeta
significativamente a MLG, força muscular, aumentam a MG e deixam esse grupo
mais suscetível à sarcopenia e doenças cardiometabólicas (CAMPA et al, 2020;
RALSTON et al, 2020).
 98

Conforme observado no presente estudo, tempo em anos e frequência

semanal de ER associam-se inversamente à adiposidade corporal e há maior razão
de prevalência para excesso de peso (pelo IMC) e inadequação de %GC entre
mulheres com menor tempo em anos e frequência semanal de ER, respectivamente.
Corroborando com estes achados, Campa et al (2020) demonstram uma relação
dose-resposta da frequência semanal de ER com adiposidade corporal, com
redução de PC e %GC em 9,0% e 9,8% para mulheres na menopausa que realizam
ER por três dias na semana versus 4,7% e 5,3%, respectivamente, entre aquelas
com menor frequência semanal. De forma similar, Carvalho et al (2018) destacam
que redução dos componentes adiposos, em mulheres na menopausa, podem ser
observados após seis meses do início da prática de ER, evidenciando, assim, uma
relação dose-resposta desta modalidade também com o tempo em meses.

Estes dados são importantes já que a adiposidade corporal é um potente fator

de risco para o desenvolvimento de complicações cardiometabólicas, como DM2,
HAS, aterosclerose, entre outras. Ressalta-se, contudo, que a distribuição da
adiposidade corporal, no sexo feminino, ocorre de forma distinta, de acordo com o
momento biológico: durante a vida reprodutiva, verifica-se o padrão ginóide, com
acúmulo de gordura na região periférica do corpo; enquanto na menopausa, há
prevalência do perfil androide com maior depósito de gordura na região central.
Neste período específico, além da redução nas concentrações de estrogênio, há
aumento na biodisponibilidade de testosterona. Assim, este desequilíbrio hormonal,
a presença de receptores andrógenos no tecido adiposo visceral, modificações na
atividade da lipoproteína lipase e de receptores α-2 adrenérgicos antilipolíticos,
propiciam o acúmulo de gordura na região central e promovem alterações no
metabolismo lipídico (KO; KIM, 2020; FONSECA et al, 2019; MONTELEONE et al,
2018; GUGLIELMI; SBRACCIA, 2017; ORSATTI et al, 2014).

Diante da ausência de estudos que analisem a relação dose-resposta do ER

com composição corporal, perfil lipídico e fenótipos metabólicos, em mulheres na
menopausa, o ineditismo do presente estudo é o seu principal ponto forte. Além
disso, destaca-se a ampla investigação antropométrica e de composição corporal, a
partir de diferentes métodos de avaliação. Entretanto, o presente estudo apresenta
algumas limitações, como: o modelo transversal e o tamanho amostral, porém, foram
utilizadas análises estatísticas pertinentes que minimizam essa característica. Diante
 99

disso, recomenda-se a realização de estudos adicionais, de caráter longitudinal e de

intervenção, para avaliar a relação dose-resposta entre ER, perfil lipídico,
composição corporal e fenótipos metabólicos, em mulheres na menopausa, pois,
ainda não há estudos sobre esta temática na literatura científica.

CONCLUSÃO

Tempo maior do que dois anos e frequência semanal igual ou superior à três
dias de ER estão associados à menor adiposidade corporal, em mulheres na
menopausa, sendo o primeiro também associado à concentrações de HDL-c, nessa
população. Tais achados podem contribuir para a elaboração de protocolos de
treinamento e oferecer subsídios à prática clínica que visem amenizar os danos
cardiometabólicos e corporais associados ao término da vida reprodutiva. São
necessários estudos adicionais que investiguem a relação dose-resposta do ER sob
o perfil lipídico e fenótipos metabólicos em mulheres na menopausa.

REFERÊNCIAS

AACE/ACE OBESITY TASK FORCE. AACE/ACE position statement on the

prevention, diagnosis, and treatment of obesity. Endocrine Practice, v.4, p.297-350,
1998.

AHN, N.; KIM, H.S.; KIM, K. Exercise training –induced changes in metabolic
syndrome parameters, carotid wall thickness, and thyroid function in middle-aged
women with subclinical hypothyroidism. Pflugers Archiv: European Journal of
Physiology, v.471, n.3, p.479-489, 2019.

AMATO, M.C.; GIORDANO, C.; GALIA, M. et al. Visceral adiposity índex: a reliable
indicador of visceral fat function associated with cardiometabolic risk.
Cardiovascular and Metabolic Risk, v.33, n.4, p.920-922, 2010.
AMERICAN COLLEGE OF SPORTS MEDICINE (ACSM). American College of
Sports Medicine position stand: progression models in resistance training for healthy
adults. Medicine & Science in Sports & Exercise, v.41, n.3, p.687-708, 2009.
AMERICAN MEDICAL ASSOCIATION (AMA). Système international (SI) conversion
factors for selected laboratory components. JAMA, v.283, n.1, p.134-135, 2000.
AMIRABDOLLAHIAN, F.; HAGHIGHATDOOST, F. Anthropometric indicators of
adiposity related to body weight and body shape as cardiometabolic risk predictors in
british young adults: superiority of waist-to-height ratio. Journal of Obesity, v.2018,
2018.
 100

BARROSO, W.K.S.; RODRIGUES, C.I.S.; BORTOLLO, L.A. et al. Diretrizes

brasileiras de hipertensão arterial – 2020. Arquivos Brasileiros de Cardiologia,
v.116, n.3, p.516-658, 2020.
BRANDÃO, I., MARTINS, M.J., MONTEIRO, R. Metabolically healthy obesity-
heterogeneity in definitions and unconventional factors. Metabolites, v.10, n.48,
2020.
BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de
Análise em Saúde e Vigilância de Doenças Não Transmissíveis. Vigitel Brasil 2021:
vigilância de fatores de risco e proteção para doenças crônicas por inquérito
telefônico : estimativas sobre frequência e distribuição sociodemográfica de
fatores de risco e proteção para doenças crônicas nas capitais dos 26 estados
brasileiros e no Distrito Federal em 2021 / Ministério da Saúde, Secretaria de
Vigilância em Saúde, Departamento de Análise em Saúde e Vigilância de Doenças
não Transmissíveis. – Brasília: Ministério da Saúde, 2021.

BURRUP, R.; TUCKER, L.A.; LE CHEMINANT, J.D. et al. Strength training and
body composition in middle-age women. The Journal of Sports Medicine and
Physical Fitness, v.58, n.1-2, p.82-91, 2018.

CADENAS-SANCHÉZ, C.; MIGUELES, J.H.; ORTEGA, F.B. Further evidence on

cardiorrespiratory fitness as a key factor for metabolically healthy obese phenotype
independentof race. Journal of Adolescent Health, v.64, p.290-291, 2019.

CALLEGARI-JACQUES, S.M. Bioestatística: Princípios e Aplicações; Artmed:

Porto Alegre, Brazil, 2003.
CAMPA, F.; LATESSA, P.M.; GRECO, G. et al. Effects of different resistance training
frequencies on body composition, cardiometabolic risk factors, and handgrip strenght
in overweight and obese women: a randomized controlled trial. Journal of
Functional Morphology and Kinesiology, v.5, n.51, 2020.

CARVALHO, L.P.; BORGHI-SILVA, A.; DUPONTGAND, S. et al. Influence of

menopausal status on the main contributors of muscle quality. Climateric, v.21, n.3,
p.298-302, 2018.

CONSITT, L.A.; DUDLEY, C.; SAXENA, G. Impact of endurance and resistance

training on skeletal muscle glucose metabolism in older adults. Nutrients, v.11,
n.2636, 2019.

DAM, T.V.; DALGAARD, L.B.; RINGGAARD, S. et al. Transdermal estrogen therapy

improves gains in skeletal muscle mass after 12 weeks of resistance training in early
postmenopausal women. Frontiers of Physiology, v.11, n.596130, 2021.

DINIZ, M.F.H.S.; BELEIGOLI, A,M.R.; ROBEIRO, A.L.P. Factors associated with

metabolically healthy status in obesity, overweight, and normal weight at baseline of
ELSA-Brasil. Medicine, v.95, n.27, 2016.
 101

EICKEMBERG, M.; AMORIM, L.D.A.F.; ALMEIDA, M.C.C. et al. Indicadores de

adiposidade abdominal e espessura médio-intimal de carótidas: resultados do
Estudo Longitudinal de Saúde do Adulto – ELSA- Brasil. Arquivos Brasileiros de
Cardiologia, v.112, n.3, p.220-227, 2019.

FALUDI, A.A.; IZAR, M.C.O.; SARAIVA, J.F.K. et al. Atualização da diretriz brasileira
de dislipidemias e prevenção da aterosclerose – 2017. Arquivos Brasileiros de
Cardiologia, v.109, n.1, p.1-76, 2017.
FONSECA, M.L.H.; ALMEIDA-PITTITO, B.; BENSENOR, I.M. et al. Changes in
lipoprotein subfractions following menopause in the longitudinal study of adult health
(ELSA-Brasil). Maturitas, v.130, p.32-37, 2019.

FROEHLE, A.W.; HOPKINS, S.R.; NATARAJAN, L. et al. Moderate to high levels of

exercise are associated with higher resting energy expenditure in community-
dwelling postmenopausal women. Applied Physiology, Nutrition and Metabolism,
v.38, n.11, p.1147-1153, 2013.

GADELHA, A.B.; MYERS, J.; MOREIRA, S. et al. Comparison of adiposity indices

and cut-off values in the prediction of metabolic syndrome in postmenopausal
women. Diabetes & Metabolic Syndrome: Clinical Research & Reviews, v.10,
n.3, p.143-148, 2016.

GÓMEZ-TOMÁS, C.; CHULVI-MEDRANO, I.; CARRASCO, J.J. et al. Effect of 1-year

elastic band resistance exercise programo n cardiovascular risk profile in
postmenopausal women. Menopause: The Journal of de North American
Menopause Society, v.25, n.9, 2018.

GUGLIELMI, V; SBRACCIA, P. Obesity phenotypes: depot-differences in adipose

tissue and theirclinical implications. Eating and Weight Disorders - Studies on
Anorexia, Bulimia and Obesity, v.23, n.1, p.3-14, 2018.

HARMON, B.E.; SHVETSOV, Y.B.; LIM, U. et al. The joint association of

cardiometabolic healthand weight on mortality in the multiethnic cohort. Ethnicity &
Health, v.7, p.1-14, 2020.

HENRÍQUEZ, S.; MONSALVES-ALVAREZ, M.; JIMENEZ, T. et al. Effects of two

training modalities on body fat and insulin resistance in postmenopausal women.
Journal of Strenght and Conditioning Research, v.31, n.11, p.2955-2964, 2017.

ÍLHAN, G.A.; YILDIZHAN, B. Visceral adiposity indicators as predictors of

metabolicsyndrome in postmenopausal women. Turkish Journal of Obsterics and
Gynecology, v.16, n.3, p.164-168, 2019.

KANG, Y.M.; JUNG, C.H.; CHO, Y.K. et al. Visceral adiposity index predicts
theconversion of metabolically healthy obesity toan unhealthy phenotype. PLoS
ONE, v.12, n.6, 2017.
 102

KELLY, T.L.; WILSON, K.E.; HEYMSFIELD, S.B. Dual energy x-ray absorptiometry
body composition reference values from NHANES. Plos One, v.4, n.9, 2009.
KHAN, H.S. The "lipid accumulation product" performs better than the body mass
index for recognizing cardiovascular risk: a population-based comparison. BMC
cardiovascular Disorders, v.5, n.26, 2005.

KNEFFEL, Z.; MURLASITS, Z.; REED, J. et al. A meta-regression of the effects of resistance
training frequency on muscle strenght and hypertrophy in adults over 60 years of age.
Journal of Sports Sciences, v. 39, n.6, p.351-358, 2021.

KO, S.; KIM, H. Menopause-Associated Lipid Metabolic Disorders and Foods

Beneficial for Postmenopausal Women. Nutrients, v.12, n.202, 2020.
KRAKAUER, N.Y.; KRAKAUER, J.C. A new body shape index
predictsmortalityhazardindependentlyofbodymass índex. PlosOne, v.7, n.7, 2012.

LOHMAN, T.G.; HOUTKOOPER, L.; GOING, S.B. Body fat measurement goes high-
tech: not all created equal. American College of Sports Medicine’s Healthy &
Fitness Journal, v.1, n.1, p.30-35, 1997.

LWOW, F.; JEDRZEJUK, D.; MILEWICZ, A. et al. Lipid accumulation product (LAP)
as a criterion for the identification of the healthy obesity phenotype in
postmenopausal women. Experimental Gerontology, v.82, p.81-87, 2016.
MARTINÉZ-GOMES, D.; ORTEGA, F.B.; HAMER, M. et al. Physical activity and risk
of metabolic phenotypes of obesity: a prospective Taiwanese cohort study in more
200,00 adults. Mayo Clinic Proceedings, v. XXX, P.1-11, 2019.

MINKIN, M.J. Menopause: hormones, lifestyle, and optimizing aging. Obstetrics and
Gynecology Clinics of North America, v.46, n.3, p.501-514, 2019.

MONTELEONE, P.; MASCAGNI, G.; GIANINNI, A. et al. Symptoms of menopause –

global prevalence, physiology and implications. Nature Reviews Endocrinology,
v.14, n.4, p.199-215, 2018.
NKWANA, M.R.; MONYEKI, K.D.; LEBELO, S.L. Body roundness index, a body
shape index, conicity index, and their association with nutritional status and
cardiovascular risk factors in south african rural young adults. International Journal
of Environmental Research and Public Health, v.18, n.281, 2021.

NUNES, P.R.P.; BARCELOS, L.C.; OLIVEIRA, A.A. et al. Effect of resistance training
on muscular strengthand indicators of abdominal adiposity, metabolic risk,and
inflammation in postmenopausal women: controlledand randomized clinical trial of
efficacy of training volume. Age, v.38, n.40, 2016.

ORSATTI, F.L.; NAHAS, A.P.; MAESTÁ, N. et al. Effects of resistance training

frequency on body composition and metabolics and inflammatory markers in
overweight postmenopausal women. The Journal of Sports Medicine and Physical
Fitness, v.54, n.3, p.317-325, 2014.
 103

PEPPA, M.; KOLIAKI, C.; PAPAEFSTATHIOU, A. et al. Body composition

determinants of metabolic phenotypes of obesity and nonobesity and obese
postmenopausal women. Obesity, v.21, n.9, p.1807-1814, 2013.

QUAYE, L.; OWIREDU, W.K.B.A.; AMIDU, N. et al. Comparative abilities of body

mass index, waist circumference, abdominal volume index, body adiposity index, and
conicity index as predictive screening tools for metabolic syndrome among
apparently healthy ghanaian adults. Journal of Obesity, v.2019, 2019.
RALSTON, G.W.; KILGORE, L.; WYATT, F.B. et al. Weekly training frequency
effects on strenght gain: a meta-analysis. Sports Medicine Open, v.4, n.36, 2018.

RASAEI, N.; MIRZABABAEI, A.; ARGHAVANI,H. et al. A comparison of the

sensitivity and specificity of anthropometric measurements to predict unhealthy
metabolic phenotype in overweight and obese women. Diabetes and Metabolic
Syndrome: Clinical Research and Reviews, v.12, n.6, p.1147-1153, 2018.

SHIFREN, J.L.; GASS, M.L.S. The North American Menopause Society recommendations
for clinical care of midlife women. Menopause: The Journal of The North American
Menopause Society, v.21, n.10, 2014.

SOCIEDADE BRASILEIRA DE CARDIOLOGIA. I Diretriz Brasileira de Diagnóstico e

Tratamento da Síndrome Metabólica. Arquivos Brasileiros de Cardiologia, v.84,
n.1, 2005.
SOCIEDADE BRASILEIRA DE DIABETES (SBD). Diretrizes da Sociedade
Brasileira de Diabetes 2019-2020. Disponível em:
https://www.diabetes.org.br/profissionais/images/DIRETRIZES-COMPLETA-2019-
2020.pdf. Acesso em 01/04/2021.
SON, W.; PEKAS, E.J.; PARK, S. Twelve weeks of resistance band exercise training
improves ageassociatedhormonal decline, blood pressure, and body composition
inpostmenopausal women with stage 1 hypertension: a randomizedclinical trial.
Menopause: The Jourrnal of The North American Menopause Society, v.17, n.2,
2020.

THOMAS, E.; GENTILE, A.; LAKICEVIC, N. et al. The effect of resistance training
programs on lean body mass in postmenopausal and elderly women: a meta-
analysis of observational studies. Aging Clinical and Experimental Research,
2021.

THORNTON, M.K.; ROSSI, S.J.; MCMILLAN, J.L. Comparison of two different

resistance training intensities on excess post-exercise oxygen consumption in african
american women who are overweight. Journal of Strengh and Conditioning
Research, v.25, n.2, 489-496, 2011.

TOWNSEND, L.K; WRIGHT, D.C. Looking on the “brite” side exercise-inducing

browning of white adipose tissue. Pflugers Archiv: European Journal of
Physiology, v.471, n.3, p.455-465, 2019.
 104

VALDEZ, R. A simple model-based índex of abdominal adiposity. Journal of Clinical

Endocrinology, v.44, n.9, p.955-956, 1991.

WILLIS, L.H.; SLENTZ, C.A.; BATEMAN, L.A. et al. Effects of aerobic and/or
resistance training on body mass and fat mass in overweight or obese adults.
Journal of Applied Physiology, v.113, n. 12, p.1831-1837, 2012.

WORLD HEALH ORGANIZATION (WHO). Decade of healthy ageing: baseline

report. Summary. Geneva: World Health Organization, 2021.
WORLD HEALTH ORGANIZATION. Definition, diagnosis and classification of
diabetes mellitus and its complications: report of a WHO consultation. Geneva:
WHO; 2000.
WORLD HEALTH ORGANIZATION. WHO Guidelines on physical activity and
sedentary behaviour, 2020.
 105

Tabela 1. Características da amostra total e de acordo com os fenótipos MS e MNS

Total MS MNS
100,0% (n=31) 74,2% (n=23) 25,8% (n=8)
Média ± DP Média ± DP Média ± DP
Características descritivas
Idade (anos) 52,29 ± 4,56 51,26 ± 4,44 55,25 ± 3,73*
IMC (kg/m²) 26,14 ± 4,93 25,74 ± 4,93 27,29 ± 5,09
PC (cm) 80,31 ± 7,62 79,85 ± 7,56 81,62 ± 8,14
Exercício de resistência
Tempo_anos ER (anos) 11,29 ± 14,11 11,70 ± 13,60 3,81 ± 3,66*
Tempo_sem ER (min/sem) 289,35 ± 216,22 304,78 ± 234,20 245,00 ± 157,93
Freq_sem ER (dias/sem) 4,00 ± 1,15 4,08 ± 1,23 3,75 ± 0,88
Perfil clínico e metabólico
HDL-c (mg/dL) 66,66 ± 16,14 72,13 ± 13,59 48,37 ± 7,55*
TG (mg/dL) 82,90 ± 47,05 73,65 ± 29,88 109,50 ± 74,78
LDL-c (mg/dL) 115,00 ± 29,32 110,04 ± 26,28 129,25 ± 34,66
VLDL-c (mg/dL) 20,29 ± 11,49 18,13 ± 9,01 26,50 ± 15,84
CT (mg/dL) 201,25 ± 35,34 200,30 ± 31,30 204,00 ± 47,56
Glicemia (mg/dL) 88,41 ± 6,21 88,69 ± 6,01 87,62 ± 7,13
PAS (mmHg) 122,70 ± 7,80 121,91 ± 8,02 125,00 ± 7,11
PAD (mmHg) 78,61 ± 5,85 79,00 ± 5,70 77,50 ± 6,54
Índices antropométricos
IAV 1,02 ± 0,63 0,81 ± 0,37 1,63 ± 0,85*
IC 1,14 ± 0,02 1,14 ± 0,02 1,13 ± 0,03
IFC 0,11 ± 0,00 0,11 ± 0,00 0,11 ± 0,00
PAL 21,64 ± 15,26 19,28 ± 13,83 28,43 ± 18,06
Composição corporal
MG (kg) 25,06 ± 8,41 24,43 ± 8,67 26,89 ± 7,86
MLG (kg) 41,93 ± 5,35 41,68 ± 5,56 42,65 ± 4,99
MM (kg) 39,61 ± 5,15 39,36 ± 5,38 40,34 ± 4,69
%GC 37,92 ± 6,18 37,44 ± 6,68 39,42 ± 4,40
MGT (kg) 12,87 ± 6,66 11,33 ± 5,48 17,32 ± 8,08*
%GT 36,49 ± 10,40 35,88 ± 9,27 38,25 ± 13,75
MGA (kg) 3,14 ± 5,47 1,97 ± 1,17 6,52 ± 10,32
%GA 40,87 ± 12,65 40,30 ± 10,63 42,53 ± 18,06
MGG (kg) 6,95 ± 8,81 5,53 ± 1,42 11,06 ± 17,33
%GG 48,23 ± 9,82 50,46 ± 5,14 41,80 ± 15,02*
A/G 0,84 ± 0,19 0,79 ± 0,15 0,98 ± 0,22*
* (p<0,05) relacionados à comparação de MS e MNS. Dados demonstrados em média ± desvio-padrão (DP).
Teste T-Student. MS: Metabolicamente saudáveis; MNS: Metabolicamente não saudáveis. IMC: índice de
massa corporal; PC: Perímetro da cintura; Tempo_anos ER: Tempo de exercícios de resitência (anos);
Tempo_sem ER: tempo semanal de exercícios de resistência (minutos/semana); Freq_sem ER: frequência
semanal de ER; HDL-c: Lipoproteína colesterol de elevada densidade; TG: Triglicerídeos; LDL-c: Lipoproteína
colesterol de baixa densidade; VLDL-c: Lipoproteína colesterol de muito baixa densidade; CT: colesterol total;
PAS: Pressão arterial sistólica; PAD: Pressão arterial diastólica; IAV: Índice de adiposidade visceral; IC:
Índice de conicidade; IFC: Índice de forma do corpo; PAL: Produto de acumulação lipídica; MG: Massa de
gordura; MLG: Massa livre de gordura; MM: Massa muscular; %GC: Percentual de gordura corporal; MGT:
Massa de gordura do tronco; %GT: Percentual de gordura no tronco; MGA: Massa de gordura androide;
%GA: Percentual de gordura andróide; MGG: Massa de gordura ginóide; %GG: Percentual de gordura
ginóide; A/G: Relação andróide-ginóide.
 106

Tabela 2. Comparação entre índices antropométricos e composição corporal de acordo com o tempo em anos, tempo em minutos por
semana e frequência semanal de exercícios de resistência
< 2 anos ≥ 2 anos < 300 min/sem ≥ 300 min/sem ≤ 3 dias/sem > 3 dias/sem
48,4% (n=15) 51,6% (n=16) 74,2% (n=23) 25,8% (n=8) 35,5% (n=11) 64,5% (n=20)
Média ± DP Média ± DP Média ± DP Média ± DP Média ± DP Média ± DP
Índices antropométricos
IMC (kg/m²) 27,41 ± 5,37 24,95 ± 4,32 26,77 ± 5,37 24,32 ± 2,96 27,49 ± 5,99 25,40 ± 4,23
PC (cm) 82,06 ± 8,65 78,67 ± 6,35 81,17 ± 8,33 77,84 ± 4,62 82,31 ± 9,64 79,21 ± 6,26
IAV 1,06 ± 0,57 0,98 ± 0,70 0,98 ± 0,69 1,13 ± 0,44 1,14 ± 0,76 0,96 ± 0,56
PAL 24,14 ± 17,59 19,30 ± 12,84 22,24 ± 16,93 19,94 ± 9,66 24,84 ± 14,93 19,89 ± 15,53
IC 1,13 ± 0,02 1,14 ± 0,03 1,13 ± 0,03 1,14 ± 0,02 1,14 ± 0,03 1,14 ± 0,02
IFC 0,11 ± 0,00 0,11 ± 0,00 0,11 ± 0,00 0,11 ± 0,00 0,11 ± 0,00 0,11 ± 0,00
Composição corporal
MG (kg) 27,71 ± 8,93 22,58 ± 7,32* 26,13 ± 8,86 22,00 ± 6,51 28,49 ± 9,11 23,18 ± 7,59
MLG (kg) 42,71 ± 5,93 41,21 ± 4,83 42,65 ± 5,53 39,87 ± 4,49 41,43 ± 6,10 42,21 ± 5,05
MM (kg) 40,36 ± 5,70 38,91 ± 4,66 40,30 ± 5,35 37,64 ± 4,23 39,06 ± 5,97 39,91 ± 4,79
%GC 39,96 ± 5,44 36,08 ± 6,37 38,54 ± 6,46 36,27 ± 5,23 41,40 ± 6,10 36,06 ± 5,46ⱡ
MGT (kg) 15,33 ± 7,56 10,57 ±4,87* 13,61 ± 7,10 10,76 ± 4,96 16,31 ± 7,46 10,98 ± 5,49ⱡ
%GT 38,43 ± 11,58 34,68 ± 9,17 36,80 ± 11,06 35,62 ± 8,86 39,74 ± 12,97 34,71 ± 8,54
MGA (kg) 4,51 ± 7,68 1,86 ± 1,12* 3,60 ± 6,30 1,82 ± 0,98 5,39 ± 8,86 1,91 ± 1,18
%GA 43,31 ± 14,91 38,60 ± 10,05 41,29 ± 13,64 39,67 ± 9,91 44,24 ± 16,42 39,03 ± 10,03
MGG (kg) 8,97 ± 12,51 5,06 ± 1,08 7,68 ± 10,17 4,86 ± 0,76 10,15 ± 14,59 5,19 ± 1,14
%GG 47,98 ± 12,65 48,46 ± 4,92 47,99 ± 10,56 48,91 ± 4,60 47,19 ± 14,65 48,80 ± 4,82
A/G 0,88 ± 0,19 0,79 ± 0,18 0,85 ± 0,18 0,81 ± 0,21 0,91 ± 0,17 0,80 ± 0,18
*(p<0,05) relacionados à comparação dos grupos < 2 anos e ≥ 2 anos; ⱡ (p<0,05) relacionados à comparação dos grupos ≤ 3 dias/sem e > 3dias/sem.
Dados demonstrados em média e desvio-padrão (Média ± DP). Teste T-Student. IMC: Índice de massa corporal; PC: Perímetro da cintura; IAV: Índice
de adiposidade visceral; PAL: Produto de acumulação lipídica; IC: Índice de conicidade; IFC: Índice de forma do corpo; MG: Massa de gordura; MLG:
Massa livre de gordura; MM: Massa muscular; %GC: percentual de gordura corporal; MGT: Massa de gordura do tronco; %GT: Percentual de gordura
no tronco; MGA: Massa de gordura androide; %GA: Percentual de gordura andróide; MGG: Massa de gordura ginóide; %GG: Percentual de gordura
ginóide; A/G: Relação andróide-ginóide.
 107

Tabela 3. Associação entre perfil lipídico e fenótipos metabólicos de acordo com o tempo em anos, em minutos por semana e frequência
semanal de ER
< 2 anos ≥ 2 anos < 300 min/sem ≥ 300 min/sem ≤ 3 dias/sem > 3 dias/sem
48,4% (n=15) 51,6% (n=16) 74,2% (n=23) 25,8% (n=8) 35,5% (n=11) 64,5% (n=20)
Perfil lipídico
HDL-c (mg/dL)
Adequado 73,3 (11) 87,5 (14) 82,6 (19) 75,0 (6) 72,7 (8) 85,0 (17)
Inadequado 26,7 (4) 12,5 (2) 17,4 (4) 25,0 (2) 27,3 (3) 15,0 (3)
TG (mg/dL)
Adequado 93,3 (14) 93,8 (15) 91,3 (21) 100,0 (8) 90,9 (10) 95,0 (19)
Inadequado 6,7 (1) 6,2 (1) 8,7 (2) 0,0 (0) 9,1 (1) 5,0 (1)
LDL-c (mg/dL)
Adequado 86,7 (13) 93,8 (15) 87,0 (20) 100,0 (8) 81,8 (9) 95,0 (19)
Inadequado 13,3 (2) 6,2 (1) 13,0 (3) 0,0 (0) 18,2 (2) 5,0 (1)
CT (mg/dL)
Adequado 46,7 (7) 37,5 (6) 34,8 (8) 62,5 (5) 36,4 (4) 45,0 (9)
Inadequado 53,3 (8) 62,5 (10) 65,2 (15) 37,5 (3) 63,6 (7) 55,0 (11)
Fenótipo metabólico
MS 66,7 (10) 81,3 (13) 73,9 (17) 75,0 (6) 63,6 (7) 80,0 (16)
MNS 33,3 (5) 18,7 (3) 26,1 (6) 25,0 (2) 36,4 (4) 20,0 (4)
Não houve p-valor estatisticamente significativo (p<0,05) entre perfil lipídico e fenótipos metabólicos de acordo com o tempo em anos, tempo semanal e
frequência semanal de ER. Teste Exato de Fisher. HDL-c: Lipoproteína colesterol de alta densidade; TG: Triglicerídeos; LDL-c: Lipoproteína colesterol de
baixa densidade; CT: Colesterol total. MS: Metabolicamente saudável; MNS: Metabolicamente não saudável.
 108

100
90
80
70 < 2 anos
60 ≥ 2 anos
50 < 300 min/sem

40 ≥ 300 min/sem

30 ≤ 3 dias/sem

20 > 3 dias/sem

10
0
PC (cm) %GC IMC (kg/m²) IAV PAL

Figura 1. Frequência de inadequação dos índices antropométricos entre mulheres com tempo de exercícios de resistência < 2 anos, ≥ 2 anos; < 300
minutos por semana, ≥ 300 minutos por semana e com frequência semanal ≤ 3 dias por semana e > 3 dias por semana. PC: perímetro da cintura;
%GC: percentual de gordura corporal; IMC: índice de massa corporal; IAV: índice de adiposidade visceral; PAL: produto de acumulação lipídica.
 109

Tabela 4. Correlação entre variáveis corporais, lipídicas, tempo em anos, tempo

semanal e frequência semanal de exercícios de resistência na amostra total
Tempo_anos ER Tempo_sem ER Freq_sem ER
r r r
Índices antropométricos
IMC (kg/m²) ─ 0,36* ─ 0,27 ─ 0,25
PC (cm) ─ 0,32 ─ 0,23 ─ 0,31
IC 0,23 0,23 0,17
IFC 0,27 0,14 0,23
IAV ─ 0,20 0,03 ─ 0,01
PAL ─ 0,24 ─ 0,09 ─ 0,16
Composição corporal
MG (kg) ─ 0,45* ─ 0,30 ─ 0,41*
MLG (kg) ─ 0,21 ─ 0,27 ─ 0,20
MM (kg) ─ 0,21 ─ 0,27 ─ 0,20
MGT (kg) ─ 0,42 ─ 0,27 ─ 0,38
MGA (kg) ─ 0,21 ─ 0,17 ─ 0,23
MGG (kg) ─ 0,17 ─ 0,15 ─ 0,21
%GT ─ 0,37* ─ 0,14 ─ 0,25
%GA ─ 0,39* ─ 0,14 ─ 0,24
%GG ─ 0,09 0,04 0,00
%GC ─ 0,49* ─ 0,25 ─ 0,41*
A/G ─ 0,44* ─ 0,19 ─ 0,29
Perfil lipídico
HDL-c (mg/dL) 0,39* ─ 0,03 ─ 0,03
TG (mg/dL) ─ 0,11 0,02 ─ 0,04
LDL-c (mg/dL) ─ 0,27 ─ 0,21 ─ 0,16
VLDL-c (mg/dL) ─ 0,00 ─ 0,10 ─ 0,16
CT (mg/dL) ─ 0,04 ─ 0,24 ─ 0,20
Correlação de Pearson. (*) p<0,05. Tempo ER (anos): tempo de exercícios de resistência em
anos; Tempo semanal ER (min/sem): tempo de exercícios de resistência em minutos por
semana; Freq_sem ER (dias/sem): frequência semanal de exercícios de resistência em dias
por semana; r: fator de correlação. IMC: índice de massa corporal; PC: perímetro da cintura;
IC: índice de conicidade; IFC: índice de formato do corpo; IAV: índice de adiposidade
visceral; PAL: produto de acumulação lipídica; MG: massa de gordura; MLG: massa livre de
gordura; MM: massa muscular; MGT: massa de gordura do tronco; MGA: massa de gordura
andróide; MGG: massa de gordura ginóide; %GT: percentual de gordura do tronco; %GA:
percentual de gordura andróide; %GG: percentual de gordura ginóide; %GC: percentual de
gordura corporal; A/G: relação androide-ginóide; HDL-c: lipoproteína colesterol de alta
densidade; TG: triglicerídeos; LDL-c: lipoproteína colesterol de baixa densidade; VLDL-c:
lipoproteína colesterol de muito baixa densidade; CT: colesterol total.
 110

Tabela 5. Razão de prevalência entre variáveis corporais, perfil lipídico e fenótipos

metabólicos e tempo em anos, semanal e frequência semanal de ER
Tempo_anos ER
RP IC 95% (inferior - superior)
Fenótipos metabólicos 1,43 (0,70 - 2,92)
HDL-c (mg/dL) 1,51 (0,73 - 3,10)
TG (mg/dL) 1,03 (0,24 - 4,35)
LDL-c (mg/dL) 1,43 (0,58 - 3,50)
CT (mg/dL) 0,82 (0,40 - 1,69)
IMC (kg/m²) 2,26 (0,92 - 5,56)
PC (cm) 1,89 (1,01 - 3,54)
%GC 1,98 (0,81 - 4,86)
IAV 1,30 (0,56 - 2,97)
PAL 1,22 (0,58 - 2,56)
A/G 1,30 (0,56 - 2,97)
Tempo_sem ER
Fenótipos metabólicos 1,01 (0,63 - 1,62)
HDL-c (mg/dL) 0,87 (0,47 - 1,61)
TG (mg/dL) 1,38 (1,10 - 1,72)
LDL-c (mg/dL) 1,40 (1,10 - 1,77)
CT (mg/dL) 1,35 (0,84 - 2,18)
IMC (kg/m²) 1,54 (0,95 - 2,51)
PC (cm) 1,09 (0,66 - 1,79)
%GC 0,93 (0,62 - 1,41)
IAV 1,09 (0,66 - 1,79)
PAL 1,06 (0,69 - 1,64)
A/G 1,09 (0,66 - 1,79)
Freq_sem ER
Fenótipos metabólicos 1,64 (0,64 - 4,15)
HDL-c (mg/dL) 1,56 (0,58 - 4,17)
TG (mg/dL) 1,45 (0,33 - 6,33)
LDL-c (mg/dL) 2,07 (0,79 - 5,44)
CT (mg/dL) 1,26 (0,46 - 3,43)
IMC (kg/m²) 2,19 (0,71 - 6,74)
PC (cm) 1,95 (0,77 - 4,88)
%GC 3,25 (0,83 - 12,61)
IAV 1,15 (0,34 - 3,82)
PAL 2,03 (0,83 - 5,00)
A/G 1,95 (0,77 - 4,88)
RP: razão de prevalência. IC 95%: intervalo de confiança de 95%. Tempo ER (anos): tempo de
exercícios de resistência em anos; Tempo semanal ER (min/sem): tempo de exercícios de
resistência em minutos por semana; Freq_sem ER (dias/sem): frequência semanal de exercícios
de resistência em dias por semana; HDL-c: lipoproteína colesterol de alta densidade; TG:
triglicerídeos; LDL-c: lipoproteína colesterol de baixa densidade; CT: colesterol total; IMC: índice
de massa corporal; PC: perímetro da cintura; %GC: percentual de gordura corporal; IAV: índice
de adiposidade visceral; PAL: produto de acumulação lipídica; A/G: relação androide/ginoide.
 111

6.3. ARTIGO 3

“SUPERIORIDADE DO CUN-BAE E FÓRMULA DE DEURENBERG COMO

EQUAÇÕES PREDITIVAS DE PERCENTUAL DE GORDURA CORPORAL EM
PRATICANTES DE EXERCÍCIOS DE RESISTÊNCIA NA MENOPAUSA”

RESUMO

Objetivo: avaliar a concordância entre equações preditivas do percentual de

gordura corporal (%GC) e o %GC avaliado pelo DEXA, além da relação dessas com
fatores de risco cardiometabólico em mulheres praticantes de exercícios de
resistência (ER) na menopausa. Métodos: estudo transversal com 31 mulheres.
Foram analisados: índice de massa corporal (IMC), pressão arterial, glicemia em
jejum, triglicerídeos (TG), colesterol total (CT), lipoproteina colesterol de alta
densidade (HDL-c) e baixa densidade (LDL-c). O %GC foi avaliado pelo DEXA
(%GC_DEXA) e pelas equações de Deurenberg (%GC), Estimador de Adiposidade
da Universidade Clínica de Navarra (CUNBAE (%GC)), massa de gordura relativa
(MGR%) e Palafolls (%GC). A amostra foi classificada de acordo com o IMC.
Considerou-se como significância estatística o p-valor igual à 0.05. Resultados: As
equações preditivas de %GC apresentaram moderada correlação com a pressão arterial
sistólica. CUN-BAE (%GC) e Deurenberg (%GC) apresentaram maior concordância
com %GC_DEXA (ICC: 0,89, p<0,01, ambos), na amostra total quando comparadas
à MGR (%GC) e Palafolls (%GC). Estas equações também apresentaram menor
diferença da média em relação ao %GC_DEXA (CUN-BAE (%GC)= -0,04, p-
valor= 0,74; Deurenberg (%GC)= 0,21, p-valor= 0,76), quando comparadas as
demais equações, na amostra total e de acordo com o IMC. Conclusão: CUN-BAE
(%GC) e Deurenberg (%GC) apresentam maior concordância com %GC_DEXA em
mulheres praticantes de ER na menopausa e podem contribuir para prevenção
precoce de risco cardiometabólico nessa população.

Palavras-chave: índices de obesidade; composição corporal; menopausa;

treinamento de resistência.
 112

INTRODUÇÃO

O exercício de resistência (ER) é uma alternativa para prevenção e

tratamento do sobrepeso e obesidade, em mulheres na menopausa, pois promove
modificações positivas na composição corporal, como aumento da massa livre de
gordura (MLG) e redução da massa de gordura (MG), aumento do gasto energético
após o exercício, além de melhora de potenciais fatores de risco cardiometabólicos
como dislipidemia, resistência à insulina e elevada pressão arterial sistólica
(CONSITT et al, 2019; SANCHES et al, 2018). Contudo, algumas modificações
coporais e cardiometabólicas oriundas do ER não acompanham, necessariamente,
modificações no índice de massa corporal, o qual é considerado o principal indicador
de excesso de peso corporal pela Organização Mundial de Saúde (LEITE et al,
2021; SHETTY et al, 2021; WHO, 2017).

Shetty et al (2021), ao compararem a composição corporal de mulheres na

pré e durante a menopausa, identificaram que apesar de ambos grupos
apresentarem similar IMC, aquelas que estavam na menopausa apresentaram
maior adiposidade visceral e relação androide/ginoide (A/G), bem como menor
MLG por estatura e MLG apendicular do que as mulheres na pré-menopausa. Tais
achados se devem ao fato de que o IMC, apesar de ser um marcador de
adiposidade amplamente utilizado em estudos epidemiológicos, é incapaz de
determinar os valores absolutos e relativos do conteúdo de gordura e da MLG da
composição corporal, sendo, uma ferramenta de utilização limitada, principalmente
na menopausa, já que há uma tendência ao aumento de IMC, devido ao aumento
de adiposidade corporal nessa fase da vida (FARAHMAND et al, 2021). Diante
disso, alguns estudos recomendam que o percentual de gordura corporal seja
utilizado como indicador de excesso de peso corporal e risco cardiometabólico
(GŁUSZEC et al, 2020; VINKNES et al, 2017).

Para tal, algumas equações preditivas de percentual de gordura corporal têm

sido propostas, como a fórmula de Deurenberg (DEURENBERG et al, 1991);
Estimador de adiposidade corporal da Universidade Clínica de Navarra - CUN-BAE
(%GC) (GOMÉZ-AMBROSI et al, 2012); a fórmula de Massa de Gordura Relativa –
MGR (%GC) (WOOLCOTT; BERGMAN, 2018); e a fórmula de Palafolls (MILL-
FERREYRA et al, 2018). Para os autores dessas equações, a análise da
 113

adiposidade corporal e do risco cardiometabólico, não deve ser baseada somente

nas informações de massa corporal total e estatura, como ocorre com o IMC, pois,
essa é influenciada por fatores como sexo, idade e localização da gordura corporal
(MILL-FERREYRA et al, 2018; WOOLCOTT; BERGMAN, 2018; GOMÉZ-AMBROSI
et al, 2012; DEURENBERG et al, 1991).

O CUN-BAE (%GC) é uma das equações preditivas de percentual de

gordura corporal mais utilizadas para avaliação da composição corporal em
diferentes populações, contudo, por ser uma formula complexa e com muitas
variáveis, Deurenberg (%GC), MGR (%GC) e Palafolls (%GC) surgem como
alternativa para esta análise (MOLINA-LUQUE et al, 2019; MILL-FERREYRA et al,
2018; WOOLCOTT; BERGMAN, 2018; DEURENBERG et al, 1991).

A superioridade dessas equações em relação ao IMC, para determinar o

percentual de gordura corporal quando comparadas à algum método de referência
como a absorciometria de dupla energia de raios-x (DEXA), ressonância magnética
e tomografia computadorizada, tem sido demonstrada por alguns estudos (COSTA
etal, 2021; DAVILA-BAPTISTA et al, 2020). Entretanto, ainda não há nenhum
estudo que avalie a concordância dessas equações preditivas com o DEXA ou
qualquer outro método de referência, em mulheres praticantes de ER na
menopausa.

Deste modo, o principal objetivo do presente estudo é avaliar a concordância

de equações preditivas de percentual de gordura corporal com o percentual de
gordura corporal estimado pelo DEXA (%GC_DEXA), em mulheres praticantes de
ER na menopausa, classificadas de acordo com o IMC. Além disso, será
investigada a relação entre diferentes equações preditivas de percentual de gordura
corporal e riscocardiometabólico nessa população.

MÉTODOS

Estudo transversal com mulheres na menopausa praticantes de ER em

academia localizada na cidade de Belo Horizonte, Minas Gerais, Brasil. O convite
para participação no estudo foi feito com cartazes disponibilizados no interior da
academia. O número de participantes foi estimado baseado em um estudo piloto
 114

prévio, em uma amostragem aleatória simples, em que foi obtido um tamanho

mínimo amostral igual a 31 participantes.

Inicialmente, 189 mulheres se voluntariaram para participar da pesquisa,

contudo, somente 76 foram consideradas elegíveis. Dessas, 51 realizaram as
análises bioquímicas e 44 a avaliação da composição corporal. Aquelas que não
completaram ambas etapas do estudo (avaliação física e laboratorial) foram
excluídas. Assim, a amostra foi constituída convenientemente por 31 mulheres.

Os critérios de inclusão estabelecidos para este estudo foram: a) estar na

faixa etária entre 45 e 65 anos; b) apresentar diagnóstico clínico de menopausa
(ausência de menstruações por um período ≥ 12 meses); c) praticar exercícios de
resistência há, no mínimo, seis meses e duas vezes por semana. Foram
estabelecidos os seguintes critérios de exclusão: a) limitação ou deficiência física
que impedisse a mensuração de dados antropométricos e de composição corporal;
b) ter realizado cirurgia bariátrica prévia; c) apresentar histórico de câncer ou
doenças tireoidianas; d) realizar reposição de hormônio sexual e/ou tireoidiano; e)
tabagistas e aquelas que faziam consumo de bebidas alcoólicas em excesso
(BRASIL, 2021) e g) que praticavam outras modalidades de exercício físico, além
de exercícios de resistência.

A coleta de dados ocorreu entre os meses março e abril de 2019 e foi

realizada por equipe multidisciplinar treinada e em laboratório previamente
conveniado. Este estudo foi aprovado pelo Comitê de Ética em Pesquisa da
Universidade Salgado de Oliveira, campus Niterói, Rio de Janeiro e todas as
participantes assinaram o Termo de Consentimento Livre e Esclarecido.

Variáveis clínicas e bioquímicas:

A avaliação do risco cardiometabólico foi realizada a partir das mensurações

de pressão arterial, perfil lipídico e glicemia em jejum. A pressão arterial foi avaliada
seguindo recomendações das Diretrizes Brasileiras de Hipertensão Arterial
utilizando-se um manômetro de coluna de mercúrio plus, com braçadeira de algodão
e fecho de velcro, marca UNITEC. A classificação para inadequação de pressão
arterial foi realizada de acordo com os seguintes pontos corte: PAS ≥ 140 mmHg e
pressão arterial diastólica (PAD) ≥ 90 mmHg (BARROSO et al, 2020).
 115

As amostras de perfil lipídico e glicemia em jejum foram obtidas por punção

venosa, em jejum de até 12 horas, e analisadas por método enzimático
calorimétrico (Gold Analisa®). Considerou-se inadequação de TG ≥ 150 mg/dL;
lipoproteína colesterol de alta densidade (HDL-c) ≤ 50 mg/dL; lipoproteína colesterol
de baixa densidade (LDL-c) ≥ 160 mg/dL; colesterol total (CT) ≥ 190 mg/dL e
glicemia em jejum ≥ 126 mg/dL (SOCIEDADE BRASILEIRA DE DIABETES, 2020;
FALUDI et al, 2017).

Variáveis corporais:
A avaliação da composição corporal foi realizada utilizando-se aparelho

DEXA, marca GE® lunar I, modelo 40782. Neste exame, foram obtidas as
seguintes variáveis: massa corporal total, MG (em quilos), percentual de gordura
corporal (%GC_DEXA), MLG, percentual de gordura do tronco (%GT), percentual
de gordura androide (%GA), percentual de gordura ginóide (%GG) e relação
androide/ginóide (A/G). As variáveis de composição corporal e a estatura (em
metros –m), foram calculadas pelo programaEncore 2007, versão 11.3.

Adicionalmente, foi avaliado o perímetro da cintura (PC) de acordo com as

recomendações da I Diretriz Brasileira de Diagnóstico e Tratamento de Síndrome
Metabólica (SOCIEDADE BRASILEIRA DE CARDIOLOGIA, 2005). Considerou-se
como ponto de corte para inadequação de PC o valor > 88 cm, conforme sugerido
pelo NCEP-ATPIII (NCEP-ATP III, 2001).

As fórmulas do IMC e das equações preditivas para o %GC utilizados neste

estudo estão demonstradas no Quadro 1. O IMC foi classificado em “eutrofia”
(IMC: entre 18,5 e 24,9 kg/m²) e “excesso de peso” (IMC: ≥ 25,0 kg/m²),
considerando os pontos de corte estabelecidos pela Organização Mundial de Saúde
(WHO, 2000). Para calcular o percentual de gordura por Deurenberg (%GC), foram
consideradas as variáveis idade, IMC e sexo, nesta última foi utilizada a codificação
sexo = 0 (feminino), conforme recomendado por Deurenberg et al (1991). CUN-
BAE (%GC) foi determinado utilizando a equação proposta por Goméz-Ambrosi et
al (2012), utilizando-se as variáveis IMC, idade e sexo, este com a codificação sexo
= 1 (feminino); MGR (%GC) foi calculado com informações sobre a estatura, PC e
sexo (sexo = 1 para feminino) (WOOLCOTT; BERGMAN, 2018); e Palafolls (%GC)
a partir das variáveis IMC e PC (MILL-FERREYRA et al, 2018).
 116

Quadro 1. IMC e equações preditivas de %GC.

IMC (kg/m²) Massa corporal total (kg) / estatura

(m²)
Deurenberg (%GC) (1,20*IMC) + (0,23*idade) –
(10,8*sexo) –
5,4
CUN-BAE (%GC) - 44,988 + (0,503 *idade) +
(10,689*sexo)
+ (3,172*IMC) - (0,026*IMC²) +
(0,181*IMC*sexo) -
(0,02*IMC*idade) -
(0,005*IMC²*sexo) +
(0,00021*IMC²*idade)
MGR (%GC) 64 - (20* [estatura(cm) / PC (cm)] ) +
(12*sexo)
Palafolls (%GC) ( [IMC / PC (cm)] * 10) + IMC + 10

Prática de ER:
Foram obtidas informações sobre o tempo (em anos e minutos/semana) e
frequência semanal (dias/semana) de prática de ER a partir de questionário
previamente elaborado pela equipe de pesquisa tal como realizou Burrup et al
(2018) e Brellenthin et al (2021). Todas as participantes realizavam ER de acordo
com as recomendações do Colégio Americano de Medicina do Esporte (ACSM,
2009) e foram acompanhadas por profissional de educação física da academia em
que a pesquisa foi realizada.

Análise estatística:
As variáveis foram apresentadas em média e desvio-padrão. A comparação
das variáveis contínuas foi realizada utilizando-se o Teste T-Student. As
frequências de adequação e inadequação dos fatores de risco cardiometabólicos,
entre eutróficas e mulheres com excesso de peso,foram analisadas pelos testes qui-
quadrado (x²) ou Exato de Fisher, este quando o número de integrantes em alguma
categoria foi menor que 5. A análise de correlação entre variáveis clínicas,
bioquímicas e corporais foi realizada por Teste de Correlação de Pearson. A análise
de concordância entre as equações preditivas de percentual de gordura corporal e
 117

o %GC_DEXA foi feita utilizando o teste de Correlação Intraclasse (ICC), cujos

dados foram apresentados em coeficientes de correlação e intervalo de confiança
de 95%. A classificação do grau de concordância entre as variáveis foi feita de
acordo com as recomendações de Cicchetti; Domenic (1994). A análise de
concordância entre os métodos que estimam o percentual de gordura corporal foi
realizada pelos Gráficosde Bland-Altman. Foi adotado o nível de significância de 5%
(p-valor < 0,05) e as análises foram realizadas no programa SPSS, versão 21.

RESULTADOS

Participaram do estudo 31 mulheres, com média de idade de 52,29± 4,56

anos, tempo semanal de ER igual a 289,35 ± 216,22 minutos e frequência semanal
igual a 4,00 ± 1,15 dias. A frequência de excesso de peso, pelo IMC, foi igual à
54,8% e foram identificadas maiores médias de %GC_DEXA (Eutrofia: 33,56 ±
3,57; Excesso de peso: 41,57 ± 5,48, p-valor<0,01), CUN-BAE (%GC) (Eutrofia:
33,57 ± 2,42; Excesso de peso: 41,95 ± 4,79, p-valor<0,01), Palafolls (%GC)
(Eutrofia: 35,39 ± 1,59; Excesso de peso: 42,65 ± 4,89, p-valor<0,01), MGR (%GC)
(Eutrofia: 32,52 ± 1,91; Excesso de peso: 38,19 ± 3,23, p-valor<0,01) e Deurenberg
(%GC) (Eutrofia: 33,49 ± 2,24; Excesso de peso: 4,71 ± 5,49, p-valor<0,01) entre
estas quando comparadas às eutróficas (Tabela 1).

As mulheres com eutrofia apresentaram maiores médias de tempo em anos

de ER (eutrofia: 15,80 ± 13,73 anos; excesso de peso: 4,61 ± 8,36 anos, p-
valor=0,01), tempo semanal de ER (eutrofia: 389,28 ± 270,31 minutos; excesso de
peso: 207,35 ± 111,17, p-valor = 0,03) e frequência semanal de ER (eutrofia: 4,57
± 1,22 dias/semana; excesso de peso: 3,52 ± 0,87 dias/semana, p- valor=0,01),
quando comparadas àquelas com excesso de peso. Em relação aos fatores de
risco cardiometabólicos, as mulheres com excesso de peso apresentaram maior PC
(eutrofia: 74,82 ± 2,27 cm; excesso de peso: 84,83 ± 7,52, p-valor < 0,01) e PAS
(eutrofia: 119,14 ± 5,02; excesso de peso: 125,64 ± 8,57, p-valor = 0,01) do que as
eutróficas (Tabela 1).

As frequências de adequação dos fatores de risco cardiometabólicos na

amostra total e de acordo com a classificação do estado nutricional pelo IMC estão
demonstradas na Figura 1. A frequência de adequação de glicemia em jejum e
PAS/PAD na amostra total foi igual a 100,0%. Entre as mulheres com eutrofia,
 118

identificou-se 100,0% de adequação de PC e TG; 85,7% de adequação de HDL-c;

92,9% de LDL-c e 35,7% de CT. Entre aquelas com excesso de peso, houve 70,6%
de adequação de PC; 76,5% de HDL-c; 88,2% de TG e LDL-c; e 47,6% de CT.
Houve diferença estatisticamente significativa somente para PC quando
comparadas as mulheres com eutrofia e com excesso de peso (p-valor <0,01).

Houve correlação moderada e fraca entre o tempo em anos de ER e a

frequência semanal de ER com o %GC_DEXA e com Palafolls (%GC),
respectivamente. Em relação às variáveis corporais, foram identificadas correlações
entre a maioria destas e as equações preditivas de percentual de gordura corporal,
exceto entre MM e MLG com %GC_DEXA e do %GG com CUN- BAE (%GC); MGR
(%GC), Palafolls (%GC) e Deurenberg (%GC). Dentre as variáveis clínicas e
metabólicas, somente PAS apresentou correlação moderada com todos as
equações preditivas de percentual de gordura corporal, exceto com %GC_DEXA
(Tabela 2).

A análise de ICC das equações preditivas de percentual de gordura

corporal com%GC_DEXA na amostra total e de acordo com a classificação do IMC
estão demonstradas na Tabela 3. Identificou-se excelente concordância entre as
variáveis na amostra total, com destaque para CUN-BAE (%GC) e Deurenberg
(%GC) que apresentaram ICC igual à 0,89 (p-valor<0,01) (ambas). Entre as
mulheres com eutrofia, somente CUN-BAE (%GC) demonstrou associação com
%GC_DEXA (ICC: 0,68, p-valor = 0,04), enquanto entre aquelas com excesso de
peso, Deurenberg (%GC) apresentou maior concordância com %GC_DEXA (ICC:
0,82, p-valor<0,01), seguida de CUN-BAE (ICC: 0,81, p-valor<0,01), Palafolls
(%GC): (ICC: 0,78, p- valor<0,01) e MGR (%GC) (ICC: 0,60, p-valor = 0,01) (Tabela
3).

Os gráficos de Bland-Altman para análise das diferenças entre os métodos

demonstraram que, na amostra total, a equação de Deurenberg (%GC) (DM: 0,04,
p-valor = 0,76) e CUN-BAE (%GC) (DM: -0,21, p-valor = 0,74) são os que
apresentam menores diferenças das médias e melhor concordância com o
%GC_DEXA, além de mais estreito intervalo de confiança (Deurenberg (%GC): -
7,42 – 7,51; CUN-BAE (%GC): - 7,45 – 7,02), quando comparados ao MGR (%GC)
 119

e à Palafolls (%GC), com pequena tendência à superestimação para o primeiro e de

subestimação para o segundo (Figura 2 e Tabela 4).

Quando considerada a classificação do estado nutricional pelo IMC, CUN-

BAE (%GC) e Deurenberg (%GC) permaneceram como as equações preditivas de
percentual de gordura corporal com menores diferenças das médias entre
eutróficas (CUN-BAE (%GC): DM= -0,01, p-valor=0,98; Deurenberg (%GC): DM: -
0,06, p-valor=0,93) e mulheres com excesso de peso (CUN-BAE (%GC): DM= -
0,03, p-valor=0,71; Deurenberg (%GC): DM: 0,13, p-valor=0,89) quando
comparadas à MGR (%GC) e Palafolls (%GC) (Tabela 4).

DISCUSSÃO

Os principais achados do presente estudo são que todas as equações

preditivas de %GC apresentam correlação moderada com PAS e que CUN-BAE
(%GC) e a Fórmula de Deurenberg (%GC) são as equações que apresentam maior
concordância com o %GC_DEXA quando comparados à MGR (%GC) e Palafolls
(%GC), em mulheres praticantes de ER na menopausa.

As equações propostas para estimar o percentual de gordura corporal

surgem como alternativa ao IMC já que este é incapaz de avaliar a quantidade de
MG, MLG edistribuição da gordura corporal que são potenciais fatores de risco para
eventos cardiovasculares e complicações metabólicas na menopausa e durante o
envelhecimento cronológico (COSTA et al, 2021; GREENDALE et al, 2019). Esta
afirmativa vai ao encontro dos achados do presente estudo já que as mulheres com
excesso de peso corporal apresentaram maior MLG e MM quando comparadas
àquelas com eutrofia e, ainda, 70,6% de adequação do PC.

Diante dessa limitação, o %GC tem sido recomendado para melhor avaliação de risco
cardiometabólico e neste sentido, dados deste estudo demonstraram uma associação das
equações preditivas de %GC com a PAS. Até o momento, não há estudos que avaliem
a relação entre equações preditivas de %GC e fatores de risco cardiometabólico em
mulheres praticantes de ER na menopausa. Contudo, Costa et al (2021), em estudo
com indivíduos adultos de ambos os sexos, identificaram que CUN_BAE (%GC),
IMC e %GC_DEXA estão similarmente associados à fatores de risco
cardiometabólicos, como elevadas concentrações circulantes de insulina e TG,
aumento da quantidade de tecido adiposo visceral e maiores índices no HOMA-IR e
 120

na relação glicose-triglicerídeos; e que há uma maior concordância da adiposidade

corporal estimada pelo CUN-BAE (%GC) com %GC_DEXA do que entre IMC e
%GC_DEXA.

De forma similar, Vinknes et al (2017), em estudo com sujeitos com as

mesmas características, observaram que o CUN-BAE (%GC) foi mais relacionado
ao risco de eventos cardiovasculares e Diabetes Mellitus tipo II, em seis anos de
acompanhamento, do que o IMC, além de apresentar maior concordância com
o %GC_DEXA do que esse último, apesar de superestimar o percentual de gordura
corporal em eutróficos. Diferentemente dos achados do presente estudo em que foi
identificada uma tendência à subestimação desse índice antropométrico, na
amostra total e quando houve estratificação pelo IMC. Tal fato pode ser justificado
pela inclusão de indivíduos de ambos os sexos no estudo de Vinknes et al (2017),
enquanto o presente estudo foi constituído somente pelo sexo feminino, pois,
diferenças sexuais, assim como a idade e etnia, são fatores que influenciam a
adiposidade corporal (GREENDALE et al, 2019; PAEK et al, 2019).

A tendência à subestimação do percentual de gordura corporal verificada

entre CUN-BAE (%GC) e %GC_DEXA também foi encontrada na maioria das
equações preditivas avaliadas no presente estudo, com maior subestimação
percebida entre MGR (%GC)e %GC_DEXA. Ao contrário destes achados, Paek et al
(2019), em estudo com dados do Korea National Health and Nutritional Examination
Survey com indivíduos de ambos os sexos, observaram que o MGR (%GC) tende à
superestimar o %GC em média de 2.63% no sexo feminino, contudo, a
especificidade desse índice antropométrico em diagnosticar a obesidade, a partir do
percentual de gordura corporal, é reduzida de acordo com o aumento da faixa
etária, o que pode explicar a diferença encontrada entre o presente estudo e de
Paek et al (2019). Apesar disso, Paek et al (2019) destacam que a taxa de
classificação errada da adiposidade corporal pelo MGR (%GC) é menor do que a
observada pelo IMC, assim, o primeiro é considerado mais adequado do que o
segundo para avaliação da adiposidade, principalmente entre o sexo feminino.

Dados de Peak et al (2019) corroboram com os achados de Woolcott e

Bergaman (2018), em estudo realizado com dados do National Health and Nutrition
Examination Survey, com afro-americanos, mexicano-americanos e europeu-
 121

americanos, de ambos os sexos. Neste estudo, os autores também encontraram

maior acurácia e precisão do MGR (%GR) em diagnosticar a obesidade a partir do
percentual de gordura corporal quando comparado à CUN-BAE (%GC), Deurenberg
(%GC) e outras equações preditivas de percentual de gordura corporal. Estes
resultados se diferenciam dos encontrados no presente estudo, pois, dentre as
equações preditivas de percentual de gordura avaliados, MGR (%GC) foi o que
apresentou menor ICC, em relação ao %GC_DEXA, quando comparado aos
demais, além de maior diferença da média e maior intervalo de confiança de 95%,
avaliado pelo Gráfico de Bland-Altman, na amostra total e entre as mulheres com
excesso de peso corporal, sendo superior somente à Palafolls (%GC) entre
mulheres com eutrofia, para este último método de avaliação, em relação ao
%GC_DEXA.

A diferença encontrada entre os achados do estudo atual e dos

anteriormente referidos pode estar associada às características da amostra já que
Paek et al (2019) e Woolcott e Bergaman (2018) incluíram indivíduos de diferentes
faixas etárias, sexos e grupos étnicos, enquanto em nosso estudo foram incluídas
mulheres na menopausa. Além disso, MGR (%GC) inclui a relação estatura/cintura
em sua equação, enquanto CUN-BAE (%GC) considera IMC e outras variáveis
(GOMÉZ-AMBROSI et al, 2012; WOOLCOTT; BERGMAN, 2018). Neste caso, é
válido destacar que na população de mulheres na menopausa analisadas no
presente estudo, a prevalência de inadequação de PC, na amostra total, foi de
16,1%, o que pode ter influenciado os resultados obtidos a partir da análise de
concordância entre as equações preditivas de percentual de gordura corporal e
%GC_DEXA.

Até o presente momento, não foram encontrados estudos que avaliassem a

relação entre o percentual de gordura corporal estimado pela fórmula de Palafolls
(%GC) e %GC_DEXA. Entretanto, Mill-Ferreyra et al (2018) ao sugerirem a
equação de Palafolls (%GC) para análise do percentual de gordura corporal, em
adultos de ambos os sexos com mediana de idade de 57 anos, encontraram uma
forte correlação entre este índice antropométrico e o CUN-BAE (%GC) que foi
utilizado como método de referência. De forma similar, Molina-Luque et al (2019)
identificaram forte correlação entre Palafolls (%GC) e CUN-BAE (%GC), porém, a
análise de concordância entre os métodos pelo Gráfico de Bland-Altman
 122

demonstrou que Palafolls (%GC) apresenta maior diferença da média (diferença

da média: 3,88(DP:2,32); IC 95%: -0,66, 8,43) em relação ao CUN-BAE (%GC)
(método de referênciautilizado no estudo) quando comparada à Deurenberg (%GC),
MGR (%GC) e à equação de Córdoba para estimação de gordura corporal.

A análise de concordância entre o %GC_DEXA e diferentes equações para

estimar o percentual de gordura corporal são importantes já que métodos
considerados padrão-ouro para avaliação da composição corporal, como o DEXA,
ressonância magnética e tomografia computadorizada, são inacessíveis à maior
parte da população por apresentarem alto custo financeiro (SHETTY et al, 2021;
GADELHA et al, 2016). Além disso, em mulheres praticantes de ER na menopausa, a
avaliação do percentual de gordura corporal pode ser um indicador de saúde
cardiometabólica e auxiliar na prevenção de inúmeras comorbidades. Contudo, ao
nosso conhecimento este é o primeiro estudo a avaliar a concordância de
diferentes fórmulas que estimam o percentual de gordura corporal com o
%GC_DEXA e a relação desses índices antropométricos com fatores de risco
cardiometabólicos, nessa população. Apesar disso, o presente estudo apresenta
algumas limitações, como: o modelo transversal que não permite que sejam
estabelecidas relações de causalidade; as características da amostra,
principalmente o número limitado de participantes, que impede que os dados sejam
extrapolados para outras populações; a ausência de informações sobre a etnia e
padrão alimentar da amostra já que são fatores que influenciam a adiposidade
corporal.

CONCLUSÃO

As equações preditivas avaliadas neste estudo estão associadas à PAS e,

dentre estas, CUN-BAE (%GC) e Deurenberg (%GC) são as que apresentam maior
concordância com %GC_DEXA em mulheres praticantes de ER na menopausa.
Estas equações podem ser utilizadas na prática clínica e de atividade física como
alternativa para avaliação da composição corporal e rastreamento de risco
cardiometabólico na ausência de um método de referência como o DEXA.

REFERÊNCIAS

AMERICAN COLLEGE OF SPORTS MEDICINE (ACSM). American College of

Sports Medicine position stand: progression models in resistance training for healthy
 123

adults. Medicine & Science in Sports & Exercise, v.41, n.3, p.687-708, 2009.
BARROSO, W.K.S.; RODRIGUES, C.I.S.; BARTOLOTTO, L.A. et al. Diretrizes
brasileiras de hipertensão arterial – 2020. Arquivos Brasileiros de Cardiologia,
v.116, n.3, p.516-658, 2020.
BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de
Análise em Saúde e Vigilância de Doenças Não Transmissíveis. Vigitel Brasil
2021: vigilância de fatores de risco e proteção para doenças crônicas por
inquérito telefônico : estimativas sobre frequência e distribuição
sociodemográfica de fatores de risco e proteção para doenças crônicas nas
capitais dos 26 estados brasileiros e no Distrito Federal em 2021 / Ministério da
Saúde, Secretaria de Vigilância em Saúde, Departamento de Análise em Saúde e
Vigilância de Doenças não Transmissíveis. – Brasília: Ministério da Saúde, 2021.

BRELLENTHIN, A.G.; LEE, D.; BENNIE, J.A. et al. Resistance exercise, alone and
incombination with aerobic exercise, and obesity in Dallas, Texas, US: A
prospective cohort study. PLoS Medicine, v.18, n.6:e1003687, 2021.

BURRUP, R.; TUCKER, L.A.; LE CHEMINANT, J.D. et al. Strength training and
body composition in middle-age women. The Journal of Sports Medicine and
Physical Fitness, v.58, n.1-2, p.82-91, 2018.

CICCHETTI, D.V. Guidelines, criteria and rulesof thumb for evaluatiating normed
andstandardized assessment instruments in physiology. Physiological
Assessment, v.6, n.4, p.284-290, 1994.

CONSITT, L.A.; DUDLEY, C.; SAXENA, G. Impact of endurance and

resistance training on skeletal muscle glucose metabolism in older adults.
Nutrients, v.11,n.2636, 2019.

COSTA, A.; KONIECZNA, J.; REYNÉS, B. et al. CUN-BAE index as a acreening

toolto identify increased metabolic risk in apparently healthy normal-weight adults
and those with obesity. The Journal of Nutrition, v.151, n.8, p.2215-2225, 2021.

DAVILA-BAPTISTA, V.; MOLINA, A.J.; FERNÃNDEZ-VILLA, T. et al. The relation of

CUN-BAE index with body mass index and waist circumference in adults aged 50 to
85 years: the MCC-Spain Study. Nutrients, v.12, n.996, 2020.
DEURENBERG, P.; WESTSTRATE, J.A.; SEIDELL, J.C. Body mass index as a
measure of body fatness: Age- and sex-specific prediction formulas. British Journal
of Nutrition, v.1991, n.65, p.105–114,1991.
FALUDI, A.A.; IZAR, M.C.O.; SARAIVA, J.F.K. et al. Atualização da diretriz
brasileirade dislipidemias e prevenção da aterosclerose – 2017. Arquivos
Brasileiros de Cardiologia, v.109, n.1, p.1-76, 2017.
 124

FARAHMAND, M.; TEHRANI, F.R.; RAHMATI, M. et al. Anthropometric indices

andage at natural menopause: a 15-year follow-up population-based study.
International Journal of Endocrinology and Metabolism, v.19, n.4:e109285,
2021.

GADELHA, A.B.; MYERS, J.; MOREIRA, S. et al. Comparison of adiposity

indicesand cut-off values in the prediction of metabolic syndrome in
postmenopausal women. Diabetes & Metabolic Syndrome: Clinical
Research& Reviews, v.10, p.143-148, 2016.

GŁUSZEC, S.; CIESLA, E.; GŁUSZEC-OSUCH, M. et al. Anthropometric indices

andcut-off points in the diagnosis of metabolic disorders. PLoS ONE, v.15,
n.6:e0235121, 2020.

GOMEZ-AMBROSI, J.; SILVA, C.; CATALAN, V. et al. Clinical usefulness of a

newequation for estimating body fat. Diabetes Care, v.35, n.2, p.383–388, 2012.

GREENDALE, G.A.; STERNFELD, B.; HUANG, M. et al. Changes in body

composition and weight during the menopause transition. JCI Insight, v.4,
n.5:e124865, 2019.
LEITE, M.A.F.J.; MARIANO, I.M.; DECHICHI, J.G.C. et al. Exercise training and
detraining effects on body composition, muscle strength and lipid, inflammatory
andoxidative markers in breast cancer survivors under tamoxifen treatment. Life
Sciences, v.284, n.119924, 2021.

MILL-FERREYRA, E.; CAMENO-CARRILLO, V.; SAÚL-GORDO, H. et al. Estimación

del porcentaje de grasa corporal en funcióndel índice de masa corporal y perímetro
abdominal:fórmula Palafolls. Semergen, v.45, n.2, p.101-108, 2018.
MOLINA-LUQUE, R.; ROMERO-SALDAÑA, M.; ÁLVAREZ-FERNÁNDEZ, C. et al.
Equation Córdoba: a simplified method for estimation of body fat (ECORE-BF).
International Journal of Environment Research and Public Health, v.16, n.4529,
2019.
NCEP/ATP III. Executive Summary of the third report of the national cholesterol
education program (NCEP) expert panel on detection, evaluation and treatment
ofhigh blood cholesterol in adults. JAMA, v.285, n.19, p.2486-2497, 2001
PAEK, J.K; KIM, J.; KIM, K. et al. Usefulness of relative fat mass in estimating body
adiposity in Korean adult population. Endocrine Journal, v.66, n.8, p.723-729,
2019.

SANCHES, I.C.; BUZIN, M.; CONTI, F.F. et al. Combined aerobic and
resistanceexercise training attenuates cardiac dysfunctions in a model of
diabetes and menopause. PLoS ONE, v.13, n.9:0202731, 2018.
 125

SHETTY, S.; KAPOOR, N.; THOMAS, N. et al. DXA measured visceral adipose
tissue, total fat, anthropometric indices and its association with cardiometabolic
riskfactors in mother-daughter pairs from India. Journal of Clinical
Densitometry: Assessment & Management of Musculoskeletal Health, v. 24,
n. 1, p.146-155, 2021.

SOCIEDADE BRASILEIRA DE CARDIOLOGIA. I Diretriz Brasileira de Diagnóstico

eTratamento da Síndrome Metabólica. Arquivos Brasileiros de Cardiologia,
v.84, n.1, 2005.

SOCIEDADE BRASILEIRA DE DIABETES (SBD). Diretrizes da Sociedade

Brasileira de Diabetes 2019-2020. Disponível em:
https://www.diabetes.org.br/profissionais/images/DIRETRIZES-COMPLETA-
2019-2020.pdf. Acesso em 01/04/2021

VINKNES, K.J.; NURK, E.; TELL, G.S. et al. The relation of CUN-BAE index and
BMIwith body fat, cardiovascular events and diabetes during a 6-year follow-up: the
Hordaland Health Study. Clinical Epidemiology, v.2017, n.9, p.555-566, 2017.

WOOLCOTT, O.O; BERGMAN, R.N. Relative fat mass (RFM) as a new estimator
ofwhole-body fat percentage ─ A cross-sectional study in American adult
individuals. Scientific Reports, v.8, n.1:10908, 2018.

WORLD HEALTH ORGANIZATION. Definition, diagnosis and

classification of diabetes mellitus and its complications: report of a WHO
consultation. Geneva:WHO; 2000.

WORLD HEALTH ORGANIZATION. Fact sheet on obesity and overweight

[Internet]. Geneva: World Health Organization; 2017.
 126

Tabela 1. Características descritivas e corporais da amostra total e de acordo com a classificação do Índice de massa corporal
Amostra total (n=31) Eutrofia (n=14) Excesso de peso (n=17)
p- valor*
Média ± desvio-padrão Média ± desvio-padrão Média ± desvio-padrão
Características descritivas
Idade (anos) 52,29± 4,56 52,21 ± 4,82 52,35 ± 4,49 0,93
Tempo_anos (ER) 11,29 ± 14,11 15,80 ± 13,73 4,61 ± 8,36 0,01
Tempo_ sem (ER) (min/sem) 289,35 ± 216,22 389,28 ± 270,31 207,35 ± 111,17 0,03
Freq_sem (ER) (dias/sem) 4,00 ± 1,15 4,57 ± 1,22 3,52 ± 0,87 0,01
Equações preditivas de
%gordura corporal
CUN-BAE (%GC) 38,17 ± 5,72 33,57 ± 2,42 41,95 ± 4,79 <0,01
Palafolls (%GC) 39,37 ± 5,22 35,39 ± 1,59 42,65 ± 4,89 <0,01
MGR (%GC) 35,63 ± 3,92 32,52 ± 1,91 38,19 ± 3,23 <0,01
Deurenberg (%GC) 38,00 ± 5,96 33,49 ± 2,24 41,71 ± 5,49 <0,01
Composição corporal
%GC_DEXA 37,95 ± 6,16 33,56 ± 3,57 41,57 ± 5,48 <0,01
%GA 40,87 ± 12,65 35,83 ± 5,84 45,03 ± 15,22 0,03
%GG 48,23 ± 12,65 47,16 ± 3,84 49,10 ± 12,21 0,57
%GT 36,49 ± 10,40 31,24 ± 5,14 40,82 ± 11,72 <0,01
MG (kg) 25,06 ± 8,41 19,13 ± 3,39 29,95 ± 8,20 <0,01
MLG (kg) 41,93 ± 5,35 39,88 ± 4,29 43,62 ± 5,66 0,05
MM (kg) 39,61 ± 5,15 37,62 ± 4,12 41,25 ± 5,45 0,04
A/G 0,84 ± 0,19 0,76 ± 0,11 0,90 ± 0,21 0,03
Fatores de risco cardiometabólicos
PC (cm) 80,31 ± 7,62 74,82 ± 2,27 84,83 ± 7,52 <0,01
HDL-c (mg/dL) 66,66 ± 16,14 65,85 ± 13,38 66,11 ± 18,51 0,96
LDL-c (mg/dL) 115,00 ± 29,32 113,00 ± 30,48 116,64 ± 29,18 0,73
CT (mg/dL) 201,25 ± 35,34 197,64 ± 30,18 204,23 ± 39,76 0,61
TG (mg/dL) 82,90 ± 47,05 68,92 ± 27,93 94,41 ± 56,62 0,13
Glicemia (mg/dL) 88,41 ± 6,21 88,28 ± 5,26 88,52 ± 7,05 0,91
PAS (mmHg) 122,70 ± 7,80 119,14 ± 5,02 125,64 ± 8,57 0,01
PAD (mmHg) 78,61 ± 5,85 78,35 ± 4,12 78,82 ± 7,09 0,83
Dados apresentados em média e desvio-padrão. *valor de significância estatística < 0,05. Tempo_anos (ER): tempo em anos de exercício de resistência; Tempo_sem (ER)
(min/sem): tempo semanal de exercício de resistência em minutos por semana; Freq_sem (ER) (dias/sem): frequência semanal de exercício de resistência em dias por semana;
CUN-BAE (%GC): percentual de gordura corporal pelo estimador de adiposidade corporal da Universidade Clínica de Navarra; Palafolls (%GC): percentual de gordura corporal pela
fórmula de Palafolls; MGR (%GC): percentual de gordura corporal pela fórmula da massa de gordura relativa; Deurenberg (%GC): percentual de gordura corporal pela fórmula de
Deurenberg; %GC_DEXA: percentual de gordura corporal pela densiometria de dupla energia de raios x; %GA: percentual de gordura androide; %GG: percentual de gordura ginóide;
%GT: percentual de gordura do tronco; MG: massa de gordura em quilos; MLG: massa livre de gordura em quilos; MM: massa musculoesquelética em quilos; A/G: relação androide-
ginoide; PC: perímetro da cintura; HDL-c: lipoproteína colesterol de alta densidade; LDL-c: lipoproteína colesterol de baixa densidade; CT: colesterol total; TG: triglicerídeos; PAS:
pressão arterial sistólica; PAD: pressão arterial diastólica.
 127

Tabela 2. Correlação bivariada entre as variáveis descritivas, corporais e metabólicas com equações preditivas de percentual de
gordura corporal na amostra total.
%GC_DEXA CUN_BAE (%GC) MGR (%GC) Palafolls (%GC) Deurenberg
r p-valor* r p-valor* r p-valor* r p-valor* r p-valor*
Idade (anos) 0,12 0,49 0,07 0,67 0,11 0,54 ─0,05 0,78 0,12 0,50
Tempo_anos (ER) ─ 0,49 <0,01 ─0,35 0,05 ─0,24 0,18 ─0,36 0,04 ─0,33 0,06
Tempo_sem (ER) (min/sem) ─ 0,25 0,16 ─0,24 0,18 ─0,12 0,50 ─0,27 0,13 ─0,22 0,21
Freq_sem (ER) (dias/sem) ─ 0,41 0,01 ─0,32 0,07 ─0,22 0,22 ─0,35 0,04 ─0,31 0,08
IMC (kg/m²) 0,78 <0,01 0,98 <0,01 0,92 <0,01 1,00 <0,01 0,98 <0,01
PC (cm) 0,73 <0,01 0,95 <0,01 0,93 <0,01 0,96 <0,01 0,95 <0,01
%GA 0,77 <0,01 0,64 <0,01 0,58 <0,01 0,63 <0,01 0,66 <0,01
%GG 0,44 0,01 0,31 0,08 0,35 0,05 0,31 0,08 0,30 0,09
%GT 0,85 <0,01 0,71 <0,01 0,66 <0,01 0,68 <0,01 0,72 <0,01
MG (kg) 0,88 <0,01 0,93 <0,01 0,82 <0,01 0,95 <0,01 0,94 <0,01
MLG (kg) 0,20 0,26 0,62 <0,01 0,44 0,01 0,66 <0,01 0,60 0,01
MM (kg) 0,20 0,26 0,49 <0,01 0,44 0,01 0,66 <0,01 0,61 0,01
A/G 0,67 <0,01 0,60 <0,01 0,47 <0,01 0,63 <0,01 0,37 0,01
HDL-c (mg/dL) ─0,10 0,58 ─0,12 0,51 ─0,07 0,69 ─0,10 0,56 ─0,14 0,44
LDL-c (mg/dL) 0,13 0,48 ─0,10 0,56 ─0,11 0,52 ─0,17 0,35 ─0,09 0,60
CT (mg/dL) 0,17 0,35 ─0,03 0,83 ─0,05 0,77 ─0,10 0,59 ─0,02 0,89
TG (mg/dL) 0,24 0,17 0,25 0,16 0,18 0,33 0,19 0,28 0,28 0,11
Glicemia em jejum (mg/dL) 0,30 0,09 0,14 0,43 0,07 0,70 0,12 0,51 0,18 0,32
PAS (mmHG) 0,28 0,11 0,44 0,01 0,49 <0,01 0,44 0,01 0,43 0,01
PAD (mmHG) 0,08 0,64 0,13 0,47 0,22 0,23 0,15 0,40 0,12 0,48
Correlação bivariada de Pearson. *valor de significância estatística < 0,05. r= fator de correlação. %GC_DEXA: percentual de gordura corporal
estimado pela absorciometria de raios-x de dupla energia; CUN-BAE (%GC): percentual de gordura corporal pelo estimador de adiposidade
corporal da Universidade Clínica de Navarra; Palafolls (%GC): percentual de gordura corporal pela fórmula de Palafolls; MGR (%GC): percentual
de gordura corporal pela fórmula da massa de gordura relativa; Deurenberg (%GC): percentual de gordura corporal pela fórmula de
Deurenberg; Tempo_anos (ER): tempo de exercício de resistência em anos; Tempo_sem (ER): tempo de exercício de resistência em minutos por
semana; Freq_sem (ER): frequência de exercício de resistência em dias por semana. IMC: índice de massa corporal; PC: perímetro da cintura;
%GA: percentual de gordura androide; %GG: percentual de gordura ginóide; %GT: percentual de gordura do tronco; MG: massa de gordura em
quilos; MLG: massa livre de gordura em quilos; MM: massa musculoesquelética em quilos; A/G: relação androide-ginoide; HDL-c: lipoproteína
colesterol de alta densidade; LDL-c: lipoproteína colesterol de baixa densidade; CT: colesterol total; TG: triglicerídeos; PAS: pressão arterial
sistólica; PAD: pressão arterial diastólica.
 128

Figura 1. *Valores com diferenças estatisticamente significativas entre mulheres com eutrofia e com excesso de peso. Teste
qui-quadrado (x²) ou Teste Exato de Fischer (n<5). Frequências de adequação dos fatores de risco cardiometabólicos na
amostra total e de acordo com a classificação do IMC. PC: perímetro da cintura; TG: triglicerídeos; HDL-c: lipoproteína
colesterol de alta densidade; LDL-c: lipoproteína colesterol de baixa densidade; CT: colesterol total; PAS/PAD: pressão
arterial sistólica e diastólica.
 129

Tabela 3. Coeficientes de correlação intraclasse para análise de concordância

entre %GC_DEXA e equações preditivas de percentual de gordura corporal na
amostra total e de acordo com a classificação do índice de massa corporal.
Amostra total (n=31)
ICC IC 95% (inf., sup.) p-valor*
CUN-BAE (%GC) 0,89 (0,78, 0,95) <0,01
Palafolls (%GC) 0,86 (0,71, 0,93) <0,01
MGR (%GC) 0,77 (0,45, 0,89) <0,01
Deurenberg (%GC) 0,89 (0,77, 0,94) <0,01
Eutrofia (n=14)
ICC IC 95% (inf., sup.) p-valor*
CUN-BAE (%GC) 0,64 (-0,18, 0,88) 0,04
Palafolls (%GC) 0,48 (-0,30, 0,82) 0,08
MGR (%GC) 0,33 (-1,00, 0,78) 0,23
Deurenberg (%GC) 0,62 (-0,23, 0,88) 0,05
Excesso de peso (n=17)
ICC IC 95% (inf., sup.) p-valor*
CUN-BAE (%GC) 0,81 (0,47, 0,93) <0,01
Palafolls (%GC) 0,78 (0,41, 0,92) <0,01
MGR (%GC) 0,60 (-0,06, 0,85) 0,01
Deurenberg (%GC) 0,82 (0,49, 0,93) <0,01
*Valores com significância estatística <0,05. %GC_DEXA: percentual de gordura corporal estimado pela
densiometria de dupla energia de raios x (DEXA); ICC: Correlação intraclasse; IC 95% (inf.,sup.): intervalo de
confiança de 95% (limite inferior, limite superior); CUN-BAE (%GC): percentual de gordura corporal pelo
estimador de adiposidade corporal da Universidade Clínica de Navarra; Palafolls (%GC): percentual de gordura
corporal pela fórmula de Palafolls; MGR (%GC): percentual de gordura corporal pela fórmula da massa de
gordura relativa; Deurenberg (%GC): percentual de gordura corporal pela fórmula de Deurenberg.
.
 130

Tabela 4. Diferença das médias e intervalos de confiança entre %GC_DEXA e

equações preditivas de % de gordura corporal na amostra total e de acordo com
a classificação do índice de massa corporal.
Amostra total (n=31)
DM (DP) IC 95% (inf., sup.) p-valor*
CUN-BAE (%GC) -0,21 (3,69) (-7,45, 7,02) 0,74
Palafolls (%GC) 1,41 (3,81) (-0,65, 8,89) 0,04
MGR (%GC) -2,32 (4,11) (-10,39, 5,74) <0,01
Deurenberg (%GC) 0,04 (3,81) (-7,42, 7,51) 0,76
Eutrofia (n=14)
DM (DP) IC 95% (inf., sup.) p-valor*
CUN-BAE (%GC) -0,01 (3,19) (-6,26, 6,23) 0,98
Palafolls (%GC) 1,83 (3,09) (-4,22, 7,89) 0,04
MGR (%GC) -1,04 (3,62) (-8,14, 6,06) 0,30
Deurenberg (%GC) -0,06 (3,16) (-6,26, 6,12) 0,93
Excesso de peso (n=17)
DM (DP) IC 95% (inf., sup.) p-valor*
CUN-BAE (%GC) -0,03 (4,15) (-8,52, 7,76) 0,71
Palafolls (%GC) 1,07 (4,38) (-7,51, 9,66) 0,32
MGR (%GC) -3,38 (4,29) (-11,80, 5,04) <0,01
Deurenberg (%GC) 0,13 (4,36) (-8,42, 8,70) 0,89
*Valores com significância estatística <0,05. %GC_DEXA: percentual de gordura corporal estimado pela
densiometria de dupla energia de raios x (DEXA); DM (DP): diferença das médias (desvio-padrão); IC 95% (inf.,
sup.): intervalo de confiança de 95% (limite inferior, limite superior. CUN-BAE (%GC): percentual de gordura
corporal pelo estimador de adiposidade corporal da Universidade Clínica de Navarra; Palafolls (%GC):
percentual de gordura corporal pela fórmula de Palafolls; MGR (%GC): percentual de gordura corporal pela
fórmula da massa de gordura relativa; Deurenberg (%GC): percentual de gordura corporal pela fórmula de
Deurenberg.
 131

a) b)

c) d)

Figura 2. Representações do Gráfico de Bland-Altman para análise de concordância entre a) %GC_DEXA e CUN- BAE(%GC), b) %GC_DEXA e MGR(%GC), c)
%GC_DEXA e Pallafolls (GC%) e d) %GC_DEXA e Deurenberg (%GC)na amostra total.
 132

7. CONCLUSÃO

Os resultados da tese indicam que mulheres com fenótipo MNS apresentam

maior adiposidade visceral do que as MS, com IAV e A/G sendo os principais
indicadores de risco para este desfecho quando comparadas às demais variáveis
corporais. Sendo assim, na ausência do método padrão-ouro de análise de
composição corporal (DEXA), o IAV pode contribuir para identificação precoce do
fenótipo MNS.
Os achados deste estudo corroboram com a hipótese de que há uma relação
dose-resposta entre prática de ER e risco cardiometabólico diante da associação
encontrada entre tempo em anos de ER, HDL-c e variáveis de adiposidade corporal
e destas com a frequência semanal de ER. Destaca-se, ainda, que o menor tempo
em anos e frequência semanal de ER representa maior risco para o excesso de
peso corporal, mensurado pelo IMC e inadequação do %GC, do que maior tempo
em anos e frequência semanal desta modalidade.
Por fim, diante da ausência do DEXA para avaliação do %GC, na prática
clínica e de exercício de resistência com mulheres na menopausa, equações como
CUN-BAE (%GC) e Deurenberg (%GC) podem ser utilizadas em substituição a este,
pois apresentam maior concordância com os valores obtidos pelo método de
referência, quando comparados MGR (%GC) e Palafolls (%GC). Tais fórmulas ainda
podem contribuir para identificação precoce de alterações na pressão arterial
sistêmica vide a associação encontrada entre estas e PAS.
 133

8. CONSIDERAÇÕES FINAIS

Os dados apresentados nessa tese destacam que a avaliação da composição

corporal, em mulheres na menopausa, pode contribuir para identificação do fenótipo
MNS, e que há uma relação dose-resposta entre tempo em anos e frequência
semanal de ER com a adiposidade corporal e risco cardiometabólico. Além disso,
demonstrou-se que algumas equações preditivas de percentual de gordura corporal
apresentam concordância com o DEXA, podendo ser utilizadas na prática de
profissionais de saúde na ausência do método padrão-ouro. Sendo assim, o
presente trabalho pode colaborar com a formulação de estratégias clínicas e de
programas de exercícios físicos, além de favorecer a discussão desta temática no
âmbito acadêmico, considerando a escassez de estudos que tratam sobre relação
entre variáveis bioquímicas, composição corporal e fenótipos metabólicos em
praticantes de ER na menopausa.
 134

9. REFERÊNCIAS
AACE/ACE OBESITY TASK FORCE. AACE/ACE position statement on the
prevention, diagnosis, and treatment of obesity. Endocrine Practice, v.4, p.297-350,
1998.
ABULMEATY, M.M.A.; ALMAJWAL, A.M.; ALMADANI, N.K. et al. Anthropometric
and central obesity indices as predictors of long-term cardiometabolic risk among
Saudi young and middle-aged men and women. Saudi Medical Journal, v.38, n.4,
p.372-380, 2017.

ACHAMRAH, N.; COLANGE, G.; DELAY, J. et al. Comparison of body composition

assessment by DXA and BIA according to the body mass index: A retrospective
study on 3655 measures. Plos One, v.13, n.7, 2018.

AHN, N.; KIM, H.S.; KIM, K. Exercise training-induced changes in metabolic

syndrome parameters, carotid wall thickness, and thyroid function in middle-aged
women with subclinical hypothyroidism. Pflugers Archiv: European Journal of
Physiology, v.471, n.3, p.479-489, 2019.
ALBERTI, K.G.M.M.; ECKEL, R.H.; GRUNDY, S.M. et al. Harmonizing the Metabolic
Syndrome: A Joint Interim Statement of the International Diabetes Federation Task
Force on Epidemiology and Prevention; National Heart, Lung, and Blood Institute;
American Heart Association; World Heart Federation; International Atherosclerosis
Society; and International Association for the Study of Obesity. Circulation, v.120,
n.16, p.1640-1645, 2009.
AMATO, M.C.; GIORDANO, C.; GALIA, M. et al. Visceral adiposity índex: a reliable
indicador of visceral fat function associated with cardiometabolic risk.
Cardiovascular and Metabolic Risk, v.33, n.4, p.920-922, 2010.
AMATO, M.C.; GUARNOTTA, V.; FORTI, D. et al. Metabolically healthy polycystic
ovary syndrome (MH-PCOS) and metabolically unhealthy polycystic ovary syndrome
(MU-PCOS): a comparative analysis of four simple methods useful for metabolic
assessment. Human Reproduction, v.28, n.7, p.1919-1928, 2013.

AMERICAN COLLEGE OF SPORTS MEDICINE (ACSM). American College of

Sports Medicine position stand: progression models in resistance training for healthy
adults. Medicine & Science in Sports & Exercise, v.41, n.3, p.687-708, 2009.
AMERICAN COLLEGE OF SPORTS MEDICINE (ACSM). Guidelines for exercise
testing and prescription. 2018. Disponível em: http://www.acsm.org/blog-
detail/acsm-certified-blog/2018/07/27/featured-download-acsm-guidelines-for-
exercise-testing-and-prescription-pdf Acesso em: 15 de março de 2020.
AMERICAN MEDICAL ASSOCIATION (AMA). Système international (SI) conversion
factors for selected laboratory components. JAMA, v.283, n.1, p.134-135, 2000.

AMIRABDOLLAHIAN, F.; HAGHIGHATDOOST, F. Anthropometric indicators of

adiposity related to body weight and body shape as cardiometabolic risk predictors in
 135

british young adults: superiority of waist-to-height ratio. Journal of Obesity, v.2018,

2018.

AMOUZEGAR, A.; KAZEMIAN, E.; ABDI, H. et al. Association between thyroid

function and development of different obesity phenotypes in euthyroid adults: a nine-
year follow-up. Thyroid, v.28, n.4, p.458-464, 2018.
ARAÚJO, A.J.S.; SANTOS, A.C.O.; PRADO, W.L. Body composition of obese
adolescents: association between adiposity indicadors and cardiometabolic risk
factors. Journal of Human Nutrition and Dietetics, v.30, n.2, p.193 – 202, 2017.

ARUMÄE, K.; MÕTTUS, R.; VAINIK, U. Beyond BMI: Personality traits’ associations
with adiposity and metabolic rate. Physiology & Behavor, v.246, n.113703, 2022.

ASSOCIAÇÃO BRASILEIRA PARA O ESTUDO DA OBESIDADE E SÍNDROME

METABÓLICA (ABESO). Diretrizes Brasileiras de Obesidade. 4ed – São Paulo,
SP. 2016.

BARROSO, W.K.S.; RODRIGUES, C.I.S.; BARTOLOTTO, L.A. et al. Diretrizes

brasileiras de hipertensão arterial – 2020. Arquivos Brasileiros de Cardiologia,
v.116, n.3, p.516-658, 2020.

BELL, J.A.; HAMER, M.; VAN HESS, V.T. et al. Healthy obesity and objective
physical activity. American Journal of Clinical Nutrition, v.102, p.268-275, 2015.

BHUPATHIRAJU, S.N.; HU, F.B. Epidemiology of Obesity and Diabetes and Their
Cardiovascular Complications. Circulation Research, v.118, n.11, p.1723-1735,
2016.

BOREL, A.; COUMES, S.; RECHE, F. et al Waist, neck circumferences, waist-to-hip

ratio: Which is the best cardiometabolic risk marker in women with severe obesity?
The SOON cohort. Plos One, v.13, n.11, 2018.

BRACHETTA, I.; CHIAPPETTA, C.; CECCARELLI, V. et al. Angiopoietin-like protein

4 overexpression in visceral adipose tissue from obese subjects with impaired
glucose metabolism and relationship with lipoprotein lipase. International Journal of
Melecular Sciences, v.21, n.7197, 2020.
BRANDÃO, I., MARTINS, M.J., MONTEIRO, R. Metabolically healthy obesity-
heterogeneity in definitions and unconventional factors. Metabolites, v.10, n.48,
2020.
BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de
Análise em Saúde e Vigilância de Doenças Não Transmissíveis. Vigitel Brasil 2021:
vigilância de fatores de risco e proteção para doenças crônicas por inquérito
telefônico : estimativas sobre frequência e distribuição sociodemográfica de
fatores de risco e proteção para doenças crônicas nas capitais dos 26 estados
brasileiros e no Distrito Federal em 2021 / Ministério da Saúde, Secretaria de
Vigilância em Saúde, Departamento de Análise em Saúde e Vigilância de Doenças
 136

não Transmissíveis. – Brasília: Ministério da Saúde, 2021.

BRELLENTHIN, A.G.; LEE, D.; BENNIE, J.A. et al. Resistance exercise, alone
and incombination with aerobic exercise, and obesity in Dallas, Texas, US: A
prospective cohort study. PLoS Medicine, v.18, n.6:e1003687, 2021.

BROCHU, M.; TCHERNOF,A.; DIONNE, I. et al. What are physical characteristics

associated with a normal metabolic profile despite a high level of obesity in
postmenopausal women? The Journal of Clinical Endocrinology and Metabolism,
v.86, n.3, p.1020-1025, 2001.

BURRUP, R.; TUCKER, L.A.; LE CHEMINANT, J.D. et al. Strength training and
body composition in middle-age women. The Journal of Sports Medicine and
Physical Fitness, v.58, n.1-2, p.82-91, 2018.

CADENAS-SANCHÉZ, C.; MIGUELES, J.H.; ORTEGA, F.B. Further evidence on

cardiorrespiratory fitness as a key factor for metabolically healthy obese phenotype
independentof race. Journal of Adolescent Health, v.64, p.290-291, 2019.

CALLEGARI-JACQUES, S.M. Bioestatística: Princípios e Aplicações; Artmed:

Porto Alegre, Brazil, 2003.
CAMPA, F.; LATESSA, P.M.; GRECO, G. et al. Effects of different resistance training
frequencies on body composition, cardiometabolic risk factors, and handgrip strenght
in overweight and obese women: a randomized controlled trial. Journal of
Functional Morphology and Kinesiology, v.5, n.51, 2020.

CARBONEL, A.A.F.; SIMÕES, R.S.; GIRÃO, M.J.B.C. et al. Cardiovascular system

and estrogen in menopause. Revista da Associação Médica Brasileira, v.66, n.2,
p.97-98, 2020.

CARTOLANO, F.C.; PAPPIANI, C.; FREITAS, M.C.P. et al. O Produto de

Acumulação Lipídica está Associado a um Perfil Aterogênico de Lipoproteínas em
Indivíduos Brasileiros? Arquivos Brasileiros de Cardiologia, v.110, n.4, p.339-347,
2018.

CARVALHO, G.A.; RAMOS,H.E. Síndrome de resistência ao hormônio tireoidiano.

Arquivos Brasileiros de Endocrinologia e Metabolismo, v.48, n.1, p.83-92, 2004.

CARVALHO, L.P.; BORGHI-SILVA, A.; DUPONTGAND, S. et al. Influence of

menopausal status on the main contributors of muscle quality. Climateric, v.21, n.3,
p.298-302, 2018.

CHOOI, Y.C.; DING, C.; CHANG, Z. Moderate Weight Loss Improves Body
Composition and Metabolic Function in Metabolically Unhealthy Lean Subjects.
Obesity Biology and Integrated Physiology, v.26, n.6, p.1000-1007,2018.
 137

CHUNG, W.; PARK, J.H.; RYU, O. et al. Association of z-score of the log-
transformed a body shape index with cardiovascular disease in people who are
obese but metabolically healthy: the korea national health and nutrition examination
survey 2007–2010. Journal of Obesity and Metabolic Syndrome, v.27, p.158-165,
2018.

CICCHETTI, D.V. Guidelines, criteria and rulesof thumb for evaluatiating normed
andstandardized assessment instruments in physiology. Physiological
Assessment, v.6, n.4, p.284-290, 1994.

CLÉMENT, A.; RIESCO, E.; TESSIER, S. et al. The relationship between adisopathy
and glucose-insulin homeostasis is not affected by moderate-intensity aerobic
training in healthy women with obesity. Journal of Physiology and Biochemistry,
v.74, p.591-601, 2018.
COLE; T.J.; LOBTEIN, T. Extended international (IOTF) body mass index cutoffs for
thinness, overweight and obesity. Pediatric Obesity, v.7, p.284-294, 2012.

CONSITT, L.A.; DUDLEY, C.; SAXENA, G. Impact of endurance and

resistance training on skeletal muscle glucose metabolism in older adults.
Nutrients, v.11,n.2636, 2019.

COSTA, A.; KONIECZNA, J.; REYNÉS, B. et al. CUN-BAE index as a acreening

toolto identify increased metabolic risk in apparently healthy normal-weight adults
and those with obesity. The Journal of Nutrition, v.151, n.8, p.2215-2225, 2021.

DALZIL, C.; NIGAM, A.; JUNEAU, M. et al. Intensive lifestyle intervention improves
cardiometabolic and exercise parameters in metabolically healthy obese and
metabolically unhealthy obese individuals. Canadian Journal of Cardiology, v.30,
p.434-440, 2014.

DAM, T.V.; DALGAARD, L.B.; RINGGAARD, S. et al. Transdermal estrogen therapy

improves gains in skeletal muscle mass after 12 weeks of resistance training in early
postmenopausal women. Frontiers of Physiology, v.11, n.596130, 2021.

DAVILA-BAPTISTA, V.; MOLINA, A.J.; FERNÃNDEZ-VILLA, T. et al. The relation of

CUN-BAE index with body mass index and waist circumference in adults aged 50 to
85 years: the MCC-Spain Study. Nutrients, v.12, n.996, 2020.

DELGADO-FLOODY, P.; ÁLVAREZ, C.; CADORE, E.L. et al. Preventing metabolic

syndrome in morbid obesity with resistance training: Reporting interindividual
variability. Nutrition, Metabolism and Cardiovascular Diseases, v.29, n.12, p.
1368-1381, 2019.

DENIS, G.V.; OBIN, M.S. Metabolically healthy obesity: Origins and implications.
Molecular Aspects of Medicine, v.34, n.1, p.59-70, 2013.
 138

DEREZINSKI, T.; ZIÓLKIEWICZ, D.; URUSKA, A. et al. Visceral adiposity index as a

useful tool for the assessment of cardiometabolic disease risk in women aged 65 to
74. Diabetes/Metabolism Research and Reviews, v.34, n.8, 2018.

DEURENBERG, P.; WESTSTRATE, J.A.; SEIDELL, J.C. Body mass index as a

measure of body fatness: Age- and sex-specific prediction formulas. British Journal
of Nutrition, v.1991, n.65, p.105–114,1991.

DIMENNA, F.J.; ARAD, A.D. Exercise as ‘precision medicine’ for insulin resistance
and its progression to type 2 diabetes: a research review. BMC Sports Science,
Medicine and Rehabilitation, v.10, n.21, 2018.

DINIZ, M.F.H.S.; BELEIGOLI, A,M.R.; ROBEIRO, A.L.P. Factors associated with

metabolically healthy status in obesity, overweight, and normal weight at baseline of
ELSA-Brasil. Medicine, v.95, n.27, 2016.
DOMINGUÉZ, L.J.; SAYÓN-OREA,C.; GEA, A. et al. Increased adiposity appraised
with CUN-BAE is highly predictive of incident hypertension. The SUN Project.
Nutrients, v.13, n.3309, 2021.
DU, T.; YU, X.; ZHANG, J. et al. Lipid accumulation product and visceral adiposity
index are effective markers for identifying the metabolically obese normal-weight
phenotype. Acta Diabetologica, v.52, n.5, p.855-863, 2015.
DUNTAS, L.H.; BIONDI,B. The interconnections between obesity, thyroid function,
and autoimmunity: the multifold role of leptin. Thyroid, v.23, n.6, p.646-653, 2013.
DUNTAS, L.H.; YEN, P.M. Diagnosis and treatment of hypothyroidism in the elderly.
Endocrine, v.66, n.1, p.63-69, 2019.
ECKEL, N.; LI, Y.; KUXHAUS,O. et al. Transition from metabolic healthy to unhealthy
phenotypes and association with cardiovascular disease risk across BMIcategories in
90 257 women (the Nurses’ Health Study): 30 year follow-up from a prospective
cohort study. The Lancet: Diabetes & Endocrinology, v.6, n.9, p.714-724, 2018.

EICKEMBERG, M.; AMORIM, L.D.A.F.; ALMEIDA, M.C.C. et al. Indicadores de

adiposidade abdominal e espessura médio-intimal de carótidas: resultados do
Estudo Longitudinal de Saúde do Adulto – ELSA- Brasil. Arquivos Brasileiros de
Cardiologia, v.112, n.3, p.220-227, 2019.

ELMAOGULLARI, S.; DEMIREL, F.; HATIPOGLU, N. Risk factors that affect

metabolic health status in obese children. Journal of Pediatric Endocrinology and
Metabolism, v.30, n.1, p.49-55, 2017.

ESMAILI, H.; BAHREYNIAN, M.; QORBANI, M. et al. Prevalence of general and

abdominal obesity in a nationally representative sample of Iranian children and
adolescents: the CASPIAN-IV study. Iranian Journal of Pediatrics, v.25, n.3, 2015.
 139

FALUDI, A.A.; IZAR, M.C.O.; SARAIVA, J.F.K. et al. Atualização da diretriz b,

rasileira de dislipidemias e prevenção da aterosclerose – 2017. Arquivos
Brasileiros de Cardiologia, v.109, n.1, p.1-76, 2017.
FALUDI, A.A.; IZAR, M.C.O.; SARAIVA, J.F.K. et al. Atualização da diretriz brasileira
de dislipidemias e prevenção da aterosclerose – 2017. Arquivos Brasileiros de
Cardiologia, v.109, n.1, p.1-76, 2017.
FARAHMAND, M.; TEHRANI, F.R.; RAHMATI, M. et al. Anthropometric indices
andage at natural menopause: a 15-year follow-up population-based study.
International Journal of Endocrinology and Metabolism, v.19, n.4:e109285,
2021.

FONSECA, M.L.H.; ALMEIDA-PITTITO, B.; BENSENOR, I.M. et al. Changes in

lipoprotein subfractions following menopause in the longitudinal study of adult health
(ELSA-Brasil). Maturitas, v.130, p.32-37, 2019.

FRANÇA, A.P.; MARUCCI, M.F.N.; SILVA, M.L.N. et al. Fatores associados à

obesidade e ao percentual de gordura em mulheres no climatério da cidade de São
Paulo, Brasil. Ciência e Saúde Coletiva, v.23, n.11, p.3577-3586, 2018.

FROEHLE, A.W.; HOPKINS, S.R.; NATARAJAN, L. et al. Moderate to high levels of

exercise are associated with higher resting energy expenditure in community-
dwelling postmenopausal women. Applied Physiology, Nutrition and Metabolism,
v.38, n.11, p.1147-1153, 2013.

GADELHA, A.B.; MYERS, J.; MOREIRA, S. et al. Comparison of adiposity

indicesand cut-off values in the prediction of metabolic syndrome in
postmenopausal women. Diabetes & Metabolic Syndrome: Clinical
Research& Reviews, v.10, p.143-148, 2016.

GAJDA, S.N.; KURYLOWICZ, A.; ZACH, M. et al. Diagnosis and treatment of thyroid
disorders in obese patients — what do we know? Endrokrynologia Polska, v.70,
n.3, p.270-276, 2019.
GIETKA-CZERNEL, M. The thyroid gland in postmenopausal women: physiology and
diseases. Menopause Review, v.16, n.2, p.33-37, 2017.
GILARDINI, L.; ZAMBON, A.; SORANNA,D. et al. Predictors of the transition from
metabolically healthy obesity to unhealthy obesity. Eating and Weight Disorders -
Studies on Anorexia, Bulimia and Obesity, v.23, p.739-744, 2018.

GŁUSZEC, S.; CIESLA, E.; GŁUSZEC-OSUCH, M. et al. Anthropometric indices

andcut-off points in the diagnosis of metabolic disorders. PLoS ONE, v.15,
n.6:e0235121, 2020.
 140

GODAY, A.; CALVO, E.; VÁSQUEZ, L.A. Prevalence and clinical characteristics of
metabolically healthy obese individuals and other obese/non-obese metabolic
phenotypes in a working population: results from the Icaria study. BMC Public
Health, v.16, n.248, 2016.

GÓMEZ, M.P.A.; PONTI, F.; MERCATELLI, D. et al. Correlation between DXA and
laboratory parameters in normal weight, overweight and obese patients. Nutrition,
v.61, p.143-150, 2019.

GOMEZ-AMBROSI, J.; SILVA, C.; CATALAN, V. et al. Clinical usefulness of a

newequation for estimating body fat. Diabetes Care, v.35, n.2, p.383–388, 2012.

GÓMEZ-TOMÁS, C.; CHULVI-MEDRANO, I.; CARRASCO, J.J. et al. Effect of 1-year

elastic band resistance exercise programo n cardiovascular risk profile in
postmenopausal women. Menopause: The Journal of de North American
Menopause Society, v.25, n.9, 2018.

GONZÁLEZ-JURADO, J.A.; SUÁREZ-CARMONA, W.; LÓPEZ, S. et al. Changes in

lipoinflammation markers in people with obesity after a concurrent training program: a
comparison between men and women. International Journal of Enviroment
Research and Public Health, v.17, n.6168, 2020.
GOUVEIA, S.; LEITÃO, F.; RIBEIRO, C. et al. Fatores de interferência no estudo da
função tireoidea. Revista Portuguesa de Endocrinologia, Diabetes e
Metabolismo, v.11, n.2, p.277-286, 2016.
GREENDALE, G.A.; STERNFELD, B.; HUANG, M. et al. Changes in body
composition and weight during the menopause transition. JCI Insight, v.4,
n.5:e124865, 2019.
GUGLIELMI, V; SBRACCIA, P. Obesity phenotypes: depot-differences in adipose
tissue and theirclinical implications. Eating and Weight Disorders - Studies on
Anorexia, Bulimia and Obesity, v.23, n.1, p.3-14, 2018.

HALL, J.E.; CARMO, J.C.; SILVA, A.A. et al. Obesity, kidney dysfunction and
hypertension: mechanistic links. Nature Reviews Nephrology, v.15, n.6, p.367-385,
2019.
HARMON, B.E.; SHVETSOV, Y.B.; LIM, U. et al. The joint association of
cardiometabolic healthand weight on mortality in the multiethnic cohort. Ethnicity &
Health, v.7, p.1-14, 2020.

HE, S.; ZHENG, Y.; WANG, H. et al. Assessing the relationship between a body
shape index and mortality in a group of middle-aged men. Clinical Nutrition, v.36,
n.5, p.1355-1359, 2017.

HENRÍQUEZ, S.; MONSALVES-ALVAREZ, M.; JIMENEZ, T. et al. Effects of two

training modalities on body fat and insulin resistance in postmenopausal women.
Journal of Strenght and Conditioning Research, v.31, n.11, p.2955-2964, 2017.
 141

HERNANDEZ-ALCARAZ, C.; AGUILAR-SALINAS, C.A.; MENDOZA-HERRERA, K.

et al. Dyslipidemia prevalence, awareness, treatment and control in Mexico: results of
the Ensanut 2012. Salud Pública de México, v.62, n.2, p.137-146, 2020.
HEYMSFIELD, S.B.; LOHMAN, T.; WANG, Z. et al. Human body composition.
Champaingh: Human Kinetics; 2005.
HOGLING, D.E.; RYDÉN, M.; BACKDAHL, J. et al. Body fat mass and distribution as
predictors of metabolic outcome and weight loss after Roux-en-Y gastric bypass.
Surgery of Obesity and Related Diseases, v.14, n.7, p.936-942, 2018.

HOLLOWELL, J.G.; STAEHLING, N.W.; FLANDERS, D. et al. Serum TSH, T4, and
Thyroid Antibodies in the United States Population (1988 to 1994): National Health
and Nutrition Examination Survey (NHANES III). The Journal of Clinical
Endocrinoly and Metabolism, v.87, n.2, p.489-499, 2002.

HSU, A.R.C.; AMES, S.L.; XIE, B. et al. Sociodemographic and metabolic risk
characteristics associated with metabolic weight categories in the Women’s Health
Initiative. Cardiovascular Endocrinology & Metabolism, v.9, n.2, p.42-48, 2020.

ÍLHAN, G.A.; YILDIZHAN, B. Visceral adiposity indicators as predictors of

metabolicsyndrome in postmenopausal women. Turkish Journal of Obsterics and
Gynecology, v.16, n.3, p.164-168, 2019.

KANG, Y.M.; JUNG, C.H.; CHO, Y.K. et al. Visceral adiposity index predicts
theconversion of metabolically healthy obesity toan unhealthy phenotype. PLoS
ONE, v.12, n.6, 2017.

KARELIS, A.D., FARAJ, M.; BASTARD, J.P. JP et al. The metabolically healthy but
obese individual presents a favorable inflammation profile. The Journal of Clinical
Endocrinology and Metabolism, v.90, n.7, p.4145-4150, 2005.

KARELIS, A.D., ST-PIERRE, D.H., CONUS, F. et al. Metabolic and body composition
factorsin subgroups of obesity: what do we know? The Journal of Clinical
Endocrinology and Metabolism, v.89, n.6, p.2569-2575, 2004.

KARELIS, A.D.; RABASA-LHORET, R. Inclusion of C-reactive protein in the

identification of metabolically healthy but obese (MHO) individuals. Diabetes and
Metabolism, v.34, n.2, p.183-184, 2008.

KELLY, T.L.; WILSON, K.E.; HEYMSFIELD, S.B. Dual energy x-ray absorptiometry
body composition reference values from NHANES. Plos One, v.4, n.9, 2009.
KHAN, H.S. The "lipid accumulation product" performs better than the body mass
index for recognizing cardiovascular risk: a population-based comparison. BMC
cardiovascular Disorders, v.5, n.26, 2005.
 142

KIM, J.A.; KIM, D.H.; KIM, S.M. et al. Impact of the Dynamic Change of Metabolic
Health Status on the Incident Type 2 Diabetes: A Nationwide Population-Based
Cohort Study. Endocrinology and Metabolism, v.34, p.406-414, 2019.

KIM, J.M.; KIM, B.H.; LEE, H. et al. The relationship between thyroid function and
different obesity phenotypes in korean euthyroid adults. Obesity and Metabolic
Syndrome, v.43, p.867-878, 2019.
KNEFFEL, Z.; MURLASITS, Z.; REED, J. et al. A meta-regression of the effects of
resistance training frequency on muscle strenght and hypertrophy in adults over 60
years of age. Journal of Sports Sciences, v. 39, n.6, p.351-358, 2021.

KNUT, A.G.; MALTA, D.C.; DUMITH, S.C. et al. Prática de atividade física e
sedentarismo em brasileiros: resultados da Pesquisa Nacional por Amostra de
Domicílios (PNAD) – 2008. Ciência e Saúde Coletiva, v.16, n.9, p.3697-3705, 2011.

KO, S.; KIM, H. Menopause-Associated Lipid Metabolic Disorders and Foods

Beneficial for Postmenopausal Women. Nutrients, v.12, n.202, 2020.
KOBO, O.; LEIBA, R.; AVIZOHAR, O. et al. Relative fat mass (RFM) as
abdominal obesity criterion for metabolic syndrome. European Journal of
Internal Medicine,v.63, n.2019, p.e9-e11, 2019.
KRAKAUER, N.Y.; KRAKAUER, J.C. A new body shape index predicts mortality
hazard independently of body mass índex. Plos One, v.7, n.7, 2012.

KRAMER, C.K., ZINMAN, B., RETNAKARAN, R. Are metabolically healthy

overweight and obesity benign conditions? Annals of Internal Medicine, v.159,
n.11, p.758-769, 2013.
KUK, J.L.; ROTONDI, M.; SUI, X. et al. Individuals with obesity but no other
metabolic risk factors are not at significantly elevated all-cause mortality risk in men
and women. Clinical Obesity, v.8, p.305-312, 2018.
KURIYAN, R. Body composition techniques. Indian Journalof Medical Research,
v.148, p.648-658, 2018.

LAMBRINOUDAKI, I.; ARMENI, E.; PLIATSIKA, P. et al. Thyroid function and

autoimmunity are associated with the risk of vertebral fractures in postmenopausal
women. Journal of Bone and Mineral Metabolism, v.35, n.2, p.227-233, 2017.
LAURETTA, R.; SANSONE, M.; SANSONE, A. et al. Gender in endocrine diseases:
role of sex gonadal hormones. International Journal of Endocrinology, v.2018,
2018.
LAVIE, C.J.; LADDU, D.; ARENA, R. et al. Healthy weight and obesity prevention:
JACC health promotion series. Journal of American College of Cardiology, v.72,
n.13, 2018.
 143

LAZZARI, R.; BECK, S.T. Avaliação da função tireoideana em mulheres com idade
superior a 45 anos no município de Sobradinho, RS. Revista Brasileira de Análises
Clínicas, v.45, n.1-4, p.14-18, 2013.

LEE, H.J.; JO, H.N.; KIM, Y.H. et al. Predictive value of lipid accumulation product,
fatty liver index, visceral adiposity index for metabolic syndrome according to
menopausal status. Metabolic Syndrome and Related Disorders, v.XX, n.XX, p.1-
6, 2018.
LEITE, M.A.F.J.; MARIANO, I.M.; DECHICHI, J.G.C. et al. Exercise training and
detraining effects on body composition, muscle strength and lipid, inflammatory
andoxidative markers in breast cancer survivors under tamoxifen treatment. Life
Sciences, v.284, n.119924, 2021.

LESKINEN, T.; STENHOLM, S.; HEINONEN, O.J. et al. Change in physical activity
and accumulation of cardiometabolic risk factors. Preventive Medicine, v.112, p.31-
37, 2018.

LIN, H.; ZHANG, R.; ZHENG, Y. The prevalence, metabolic risk and effects of
lifestyle intervention for metabolically healthy obesity: a systematic review and meta-
analysis: A PRISMA-compliant article. Medicine (Baltimore), v.96, 2017.

LOHMAN, T.G.; HOUTKOOPER, L.; GOING, S.B. Body fat measurement goes high-
tech: not all created equal. American College of Sports Medicine’s Healthy &
Fitness Journal, v.1, n.1, p.30-35, 1997.

LOPAMUDRA, R.; RAVICHANDRAN, K.; NANDA, S.K. Comparison of lipid

accumulation product index with body mass index and waist circumference as a
predictor of metabolic syndrome in indian population. Metabolic Syndrome and
Related Disorders, v.16, n.5, p.1-6, 2018.

LÓPEZ-GONZÁLEZ, A.A.; MANENT, J.L.R.; VICENTE-HERRERO,M.T. et al.

Prevalence of diabesity in the Spanish working population: influence of
sociodemographic variables and tobacco consumption. Anales Del Sistema
Sanitario de Navarro, v.45, n.1:e0977, 2020.

LOUREIRO, L.M.; CORDEIRO, A.; MENDES, R. et al. Clinic, anthropometric and

metabolic changes in adults with class III obesity classified as metabolically healthy
and metabolically unhealthy. Diabetes, Metabolic Syndrome and Obesity: Targets
and Therapy, v.12, p.2419-2431, 2019.

LU, Y.; LIN, Y.C.; YEN, A.M. et al. Dual-energy X-ray absorptiometry assessed
adipose tissues in metabolically unhealthy normal weight Asians. Scientific Reports,
v.9, n.1, 2019.
 144

LUCÁKS, A.; HORVÁTH, E.; MÁTÉ, Z. et al. Abdominal obesity increases metabolic
risk factors in non-obese adults: a Hungarian cross-sectional study. BMC Public
Health, v.19, 2019.

LWOW, F.; JEDRZEJUK, D.; MILEWICZ, A. et al. Lipid accumulation product (LAP)
as a criterion for the identification of the healthy obesity phenotype in
postmenopausal women. Experimental Gerontology, v.82, p.81-87, 2016.
MALARA, M.; KESKA, A.; TKACZYK, J. et al. Body shape index versus body mass
index as correlates of health risk in young healthy sedentary men. Journal of
Translational Medicine, v.13, n.75, 2015.

MARTINÉZ-GOMES, D.; ORTEGA, F.B.; HAMER, M. et al. Physical activity and risk
of metabolic phenotypes of obesity: a prospective Taiwanese cohort study in more
200,00 adults. Mayo Clinic Proceedings, v. XXX, P.1-11, 2019.

MATSUDO, S.; ARAÚJO, T.; MATSUDO, V. et al. Questionário internacional de

atividade física (IPAQ): estudo de validade e reprodutibilidade no Brasil. Atividade
física e Saúde, v.6, n.2, 2001.

MAYORAL, L.P.; ANDRADE, G.M.; MAYORAL, E.P. et al. Obesity subtypes, related
biomarkers & heterogeneity. Indian Journal of Medical Research, v.151, p.11-21,
2020.

MEDEIROS, K.F.; SILVA, A.L.S.; FERNANDES, A.C.C.F. et al. Composição corporal

e avaliação antropométrica em adultos. Revista de Enfermagem, v.9, n.10, p.1453-
1460, 2015.

MILL-FERREYRA, E.; CAMENO-CARRILLO, V.; SAÚL-GORDO, H. et al. Estimación

del porcentaje de grasa corporal en funcióndel índice de masa corporal y perímetro
abdominal:fórmula Palafolls. Semergen, v.45, n.2, p.101-108, 2018.

MINKIN, M.J. Menopause: hormones, lifestyle, and optimizing aging. Obstetrics and
Gynecologic Clinics of North America, v.46, n.3, p.501-514, 2019.

MIRMIRAN, P. MOSLEHI, N.; HOSSEINPANAH, F. et al. Dietary determinants of

unhealthy metabolic phenotype in normal weight and overweight/obese adults:
results of prospective study. International Journal of Food Sciences and
Nutrition, v.71, n.7, p.801-901, 2020.
MOLINA-LUQUE, R.; ROMERO-SALDAÑA, M.; ÁLVAREZ-FERNÁNDEZ, C. et al.
Equation Córdoba: a simplified method for estimation of body fat (ECORE-BF).
International Journal of Environment Research and Public Health, v.16, n.4529,
2019.
MONTELEONE, P.; MASCAGNI, G.; GIANINNI, A. et al. Symptoms of menopause
— global prevalence, physiology and implications. Nature Reviews Endocrinology,
v.14, n.4, p.199-215, 2018.
 145

MOON, S.; OH, C.; CHOI, M. et al. The influence of physical activity on risk of
cardiovascular disease in peoplewho are obese but metabolically healthy. PlosOne,
v.12, n.9, 2017.

MOTAMED, N.; SOHRABI, M.; POUTSCHI, H. et al. The six obesity indices, which
one is more compatible with metabolic syndrome? A population based study.
Diabetes & Metabolic Syndrome: Clinical Research & Reviews, v.11, n.3, p.173-
177, 2017.

MYERS, J.; KOKKINOS, P.; NYELIN, E. Physical activity, cardiorespiratory fitness,

and the metabolic syndrome. Nutrients, v.11, p.1652, 2019.

NASCIMENTO-FERREIRA, M.V.; RENDO-URTEAGA, T.; VILANOVA-CAMPELO,

R.C. et al. The lipid accumulation product is a powerful tool to predict metabolic
syndrome in undiagnosed Brazilian. Clinical Nutrition, v.36, n.6, p.1693-1700, 2017.

NCEP/ATP III. 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. JAMA, v.285, n.19, p.2486-2497, 2001.
NIE, X.; MA, X.; XU, Y. et al. Characteristics of serum tyroid hormones in different
metabolic phenotypes of obesity. Frontiers in Endocrinology, v.11, n.68, 2020.
NKWANA, M.R.; MONYEKI, K.D.; LEBELO, S.L. Body roundness index, a body
shape index, conicity index, and their association with nutritional status and
cardiovascular risk factors in south african rural young adults. International Journal
of Environmental Research and Public Health, v.18, n.281, 2021.
NUMAO, S.; SO, R.; MATSUO, T. et al. A favorable metabolic profile in metabolically
healthy obesity is associated with physical activity level rather than abdominal fat
volume in Japaneses males. The Journal of Physical Terapy Science, v.33, n.2,
p.137-141, 2021.

NUNES, P.R.P.; BARCELOS, L.C.; OLIVEIRA, A.A. et al. Effect of resistance training
on muscular strengthand indicators of abdominal adiposity, metabolic risk,and
inflammation in postmenopausal women: controlledand randomized clinical trial of
efficacy of training volume. Age, v.38, n.40, 2016.

OBIRIKORANG, C.; OBIRIKORANG, Y.; ACHEAMPONG, E. et al. Association of

wrist circumference and waist-to-height ratio with cardiometabolic risk factors among
type II diabetics in a ghanaian population. Journal of Diabetes Research, v.2018,
2018.

OBREGON, M. Adipose tissues and thyroid hormones. Frontiers in Physiology.

v.5, n.479, 2014.

OH, S.; KWON, H.; AHN, J. et al. Association between thyroid dysfunction and lipid
profiles differs according to age and sex: results from the Korean National Health and
Nutrition Examination Survey. Thyroid, v.28, n.7, p.849-856, 2018.
 146

ORSATTI, F.L.; NAHAS, A.P.; MAESTÁ, N. et al. Effects of resistance training

frequency on body composition and metabolics and inflammatory markers in
overweight postmenopausal women. The Journal of Sports Medicine and
Physical Fitness, v.54, n.3, p.317-325, 2014.

ORTEGA, F.B.; CADENAS-SANCHEZ, C.; MIGUELES, J.H. et al. Role of physical

activity and fitness in the characterization and prognosis of the metabolically healthy
obesity phenotype: a systematic review and meta-analysis. Progress and
Cardiovascular Diseases, v.61, n.2, p.190-205, 2018.
ORTEGA, F.B.; LAVIE, C.J.; BLAIR, S.N. Obesity and cardiovascular diseases.
Circulation Research, v.118, n.11, p.1752-1770, 2016.

ORTEGA, F.B.; LEE, D.; KATZMARZYK, P.T. et al. The intriguing metabolically
healthy but obese phenotype: cardiovascular prognosis and role of fitness.
European Heart Journal, v.34, n.5, p.389-397, 2013.

PAEK, J.K; KIM, J.; KIM, K. et al. Usefulness of relative fat mass in estimating body
adiposity in Korean adult population. Endocrine Journal, v.66, n.8, p.723-729,
2019.

PARK, K.M.; PARK, S.C.; KANG, S. Effects of resistance exercise on

adipokinefactors and body composition in pre- and postmenopausal women.
Journal of Exercise Rehabilitation, v.15, n.5, p.676-682, 2019.

PENGJU LIU, B.M.; FANG MA, M.S.; YANNING LOU, M.S. Utility of obesity indices
in screening Chinese postmenopausal women for metabolic syndrome. Menopause:
The Journal of The North American Menopause Society, v.21, n.5, p.509-514,
2014.

PEPPA, M.; KOLIAKI, C.; PAPAEFSTATHIOU, A. et al. Body composition

determinants of metabolic phenotypes of obesity and nonobesity and obese
postmenopausal women. Obesity, v.21, n.9, p.1807-1814, 2013.

PHILIPPOU, A.; MARIDAKI, M.; TENTA, R. et al. Hormone responses following

eccentric exercise in humans. Hormones, v.16, n.4, p.405-413, 2017.
PHILLIPS, C.M.; PERRY, I.J. Lipoprotein particle subclass profiles among
metabolically healthy and unhealthy obese and non-obese adults: Does size matter?
Atherosclerosis, v.242, p.399-406, 2015.
PINHO, C.P.S.; DINIZ, A.S.; ARRUDA, I.K.G. et al. Waist circumference
measurement sites and their association with visceral and subcutaneous fat and
cardiometabolic abnormalities. Archives of Endocrinoly and Metabolism, v.64, n.4,
p.416-423, 2018.
 147

PITANGA. F.J.G.; LESSA, I. Sensibilidade e especificidade do índice de conicidade

como discriminador do risco coronariano de adultos em Salvador, Brasil. Revista
Brasileira de Epidemiologia, v.7, n.3, p.259-269, 2004.

POLAK, A.M; ADAMSKA, A.; KRENTOWSKA, A. et al. Body composition, serum

concentrations of androgens and insulin resistance in diferent polycystic ovary
syndrome phenotypes. Journal of Clinical Medicine, v.9, n.732, 2020.
QUAYE, L.; OWIREDU, W.K.B.A.; AMIDU, N. et al. Comparative abilities of body
mass index, waist circumference, abdominal volume index, body adiposity index, and
conicity index as predictive screening tools for metabolic syndrome among
apparently healthy ghanaian adults. Journal of Obesity, v.2019, 2019.
RALSTON, G.W.; KILGORE, L.; WYATT, F.B. et al. Weekly training frequency
effects on strenght gain: a meta-analysis. Sports Medicine Open, v.4, n.36, 2018.

RANDRIANARISOA, E.; LEHN-STEFAN, A.; HIERONIMUS, A. et al. Visceral

adiposity index as an independent marker of subclinical atherosclerosis in individuals
prone to Diabetes Mellitus. Journal of Atherosclerosis and Thrombosis, v.26, n.9,
p.821-834, 2019.

RASAEI, N.; MIRZABABAEI, A.; ARGHAVANI,H. et al. A comparison of the

sensitivity and specificity of anthropometric measurements to predict unhealthy
metabolic phenotype in overweight and obese women. Diabetes and Metabolic
Syndrome: Clinical Research and Reviews, v.12, n.6, p.1147-1153, 2018.

REZVANI, R.; GUPTA, A.; SMITH, J. et al. Cross-sectional associations of acylation

stimulating protein (ASP) and adipose tissue gene expression with estradiol and
progesterone in pre- and postmenopausal women. Clinical Endocrinology, v.81,
p.736-745, 2014.
RIBEIRO, V.B.; KOGURE, G.S.; SILVA, R.C. et al. Association of measures of
central fat accumulation indices with body fat distribution and metabolic, hormonal,
and inflammatory parameters in women with polycystic ovary syndrome. Archives of
Endocrinology and Metabolism, v.63, n.4, p.417-426, 2019.
SANCHES, I.C.; BUZIN, M.; CONTI, F.F. et al. Combined aerobic and
resistanceexercise training attenuates cardiac dysfunctions in a model of
diabetes and menopause. PLoS ONE, v.13, n.9:0202731, 2018.

SANCHÉZ, E. SANCHÉZ, M. BETRIU, A. et al. Are obesity indices useful for

detecting subclinical atheromatosis in a middle-aged population? Obesity
Facts,v.13, p.29-39, 2020.

SANCHÉZ, M.; SANCHÉZ, E.; BERMÚDEZ-LOPÉZ, M. et al. Clinical usefulness

ofanthropometric indices to predict the presence of prediabetes: Data from the
ILERVAS Cohort. Nutrients, v.13, n.1002, 2021.
 148

SEE, S.; ARSLANIAN, S. Body composition and cardiorespiratory fitness between

metabolically healthy versus metabolically unhealthy obese Black and White
adolescents. Journal of Adolescent Health, v.64, n.3, p.327-332, 2019.

SEFAT, S.M.; SHABANI, R.; NAZARI, M. The effect of concurrent aerobic-resistance

training on thyroid hormones, blood glucose hemostasis, and blood lipid indices in
overweight girls with hypothyroidism. Hormone Molecular Biology and Clinical
Investigation, v.40, n.3, 2019.
SHEPHERD, J.; BENNETT, N.G.; SOMMER, M. et al. Body Composition by DXA.
Bone, v.104, p.101-105,2017.

SHETTY, S.; KAPOOR, N.; THOMAS, N. et al. DXA measured visceral adipose
tissue, total fat, anthropometric indices and its association with cardiometabolic
riskfactors in mother-daughter pairs from India. Journal of Clinical
Densitometry: Assessment & Management of Musculoskeletal Health, v. 24,
n. 1, p.146-155, 2021.
SHIFREN, J.L.; GASS, M.L.S. The North American Menopause Society
recommendations for clinical care of midlife women. Menopause: The Journal of
The North American Menopause Society, v.21, n.10, 2014.

SILVA, R.F.; IWAMOTO, J.M.; MULLER, D. et al. A cross-sectional analysis of risk

factors for cardiovascular diseases in older females: association vetween body fat
distribution and physical fitness. Journal of Women & Aging, v.24, n.2, 2022.
SLAGTER, S.; CORPELEJIN, E.; VAN DER KLAUW, M.M. et al. Dietary patterns
and physical activity in the metabolically (un)healthy obese: the dutch lifelines cohort
study. Nutrition Journal, v.17, n.1, 2018.

SMEE, D.J.; WALKER, A.; RATTRAY, B. et al. Comparison of body composition

assessment methods in professional urban firefighters. International Journal of
Sports Nutrition and Exercise Metabolism, v.29, n.3, p.282-288, 2019.

SOCIEDADE BRASILEIRA DE CARDIOLOGIA. Atualização da diretriz brasileira de

dislipidemias e prevenção da aterosclerose – 2017. Arquivos Brasileiros de
Cardiologia, v.109, n.2, 2017.

SOCIEDADE BRASILEIRA DE CARDIOLOGIA. I Diretriz Brasileira de Diagnóstico e

Tratamento da Síndrome Metabólica. Arquivos Brasileiros de Cardiologia, v.84,
n.1, 2005.
SOCIEDADE BRASILEIRA DE DIABETES (SBD). Diretrizes da Sociedade
Brasileira de Diabetes 2019-2020. Disponível em:
https://www.diabetes.org.br/profissionais/images/DIRETRIZES-COMPLETA-2019-
2020.pdf. Acesso em 01/04/2021.
SOCIEDADE CHINESA DE DIABETES. China TD2 prevention and treatment
guideline (2017). Chinese Journal Diabetes Mellitus, v.10, p.4 – 67, 2018.

SON, W.; PEKAS, E.J.; PARK, S. Twelve weeks of resistance band exercise
 149

trainingimproves ageassociatedhormonal decline, blood pressure, and body

composition inpostmenopausal women with stage 1 hypertension: a
randomizedclinical trial. Menopause: The Jourrnal of The North American
Menopause Society, v.17, n.2,2020.

STEFAN, N.; SCHICK, F.; HARING, H. Causes, characteristics, and consequences

of metabolically unhealthy normal weight in humans. Cell Metabolism, v.26, n.2,
p.292-308, 2017.

ŠTĔPÁNEK, L.; HORÁKOVÁ, D.; CIBIČKOVÁ, L. et al. Can visceral adiposity index
serve as a simple tool for identifying individuals with insulin resistance in daily clinical
practice? Medicina, v.55, n.545,2019.

SULIGA, E.; CIESLA, E.; GŁUSZEK-OSUCH, M. et al. The usefulness of

anthropometric indices to identify the risk of metabolic syndrome. Nutrients, v.11,
n.2598, 2019.

TEIXEIRA, P.F.S.; SANTOS, P.B.; PAZOS-MOURA, C.C. The role ofthyroidhormone

in metabolismo andmetabolicsyndrome. Therapeutic Advances in Endocrinology
and Metabolism, v.11, p.1-33, 2020.

THOMAS, E.; GENTILE, A.; LAKICEVIC, N. et al. The effect of resistance training
programs on lean body mass in postmenopausal and elderly women: a meta-
analysis of observational studies. Aging Clinical and Experimental Research,
2021.

THORNTON, M.K.; ROSSI, S.J.; MCMILLAN, J.L. Comparison of two different

resistance training intensities on excess post-exercise oxygen consumption in african
american women who are overweight. Journal of Strengh and Conditioning
Research, v.25, n.2, 489-496, 2011.

TONGDEE, P.; NIMKUNTOD, P. Novel mathematic indexes to identify subclinical

atherosclerosis in different obesity phenotypes of perimenopausal/menopausal
women. Journal of the Medical Association of Thailand, v.99, n.Suppl 7, p.62-68,
2016.
TORRES-CASTILLO, N.; CAMPOS-PERES-Z, W.; GONZALEZ-BECERRA, K. et al.
Waist Circumference Is an Anthropometric Parameter That Identifies Women with
Metabolically Unhealthy Phenotypes. Nutrients, v.10, n.447, 2018.

TOWNSEND, L.K; WRIGHT, D.C. Looking on the “brite” side exercise-inducing

browning of white adipose tissue. Pflugers Archiv: European Journal of
Physiology, v.471, n.3, p.455-465, 2019.

TSATSOULIS, A.; PASCHOU, S.A. Metabolically healthy obesity: criteria,

epidemiology, controversies, and consequences. Current Obesity, v.9, n.2, p.109-
120, 2020.
 150

VALDEZ, R. A simple model-based índex of abdominal adiposity. Journal of Clinical

Endocrinology, v.44, n.9, p.955-956, 1991.

VAN VLIET-OSTAPTCHOUK, J.V., NOUTIO, M.L., SLAGTER S.N. et al. The

prevalence of metabolic syndrome and metabolically healthy obesity in Europe: a
collaborative analysis of ten large cohort studies. BMC Endocrine Disorders, v.14,
n.9, p.14-19, 2014.

VANITALLIE, T.B.; YANG, M.; HEYMFIELD, S.B. et al. Height-normalized indices of

the body’s fat-free mass and fat mass: potencially useful indicators of nutritional
status. American Journal of Clinical Nutrition, v.52, n.6, p.953-959, 1990.

VASSILATOU, E.; LAFOYIANNI, S.; VASSILIADI, D.A. et al. Visceral adiposity index
for the diagnosis of nonalcoholic fatty liver disease in premenopausal women with
and without polycystic ovary syndrome. Maturitas, v.116, p.1-7, 2018.

VECCHIÉ, A.; DALLEGRI, F.; CARBONE, F. et al. Obesity phenotypes and their
paradoxical association with cardiovascular diseases. European Journal of Internal
Medicine, v.48, p.6-17, 2018.
VIEIRA, J.N.; BRAZ, M.A.D.; GOMES, F.O. et al. Cardiovascular risk assessment
using the lipid accumulation product index among primary healthcare users: a cross-
sectional study. São Paulo Medical Journal, v.137, n.2, p.126-131, 2019.

VINKNES, K.J.; NURK, E.; TELL, G.S. et al. The relation of CUN-BAE index and
BMIwith body fat, cardiovascular events and diabetes during a 6-year follow-up: the
Hordaland Health Study. Clinical Epidemiology, v.2017, n.9, p.555-566, 2017.

WEBER, D.R.; LEONARD, M.B.; SCHULTS, J. et al. A comparison of fat and lean
body mass index to BMI for the identification of metabolic syndrome in children and
adolescents. Endocrine Research, v.99, n.9, p.3208-3216, 2014.

WEDELL-NEERGAARD, A.; ERIKSEN, L.; GRONBAECK, M. et al. Low fitness is

associated with abdominal adiposity and low-grade inflammation independent of BMI.
Plos One, v.13, n.1, 2018.

WILDMAN, R.P., MUNTNER, P., REYNOLDS, K. et al. The obese without

cardiometabolic risk factor clustering and the normal weight with cardiometabolic risk
factor clustering: prevalence and correlates of 2 phenotypes among the US
population (NHANES 1999-2004). Archives of Internal Medicine, v.168, n.15,
p.1617-1624, 2008.

WILLIS, L.H.; SLENTZ, C.A.; BATEMAN, L.A. et al. Effects of aerobic and/or
resistance training on body mass and fat mass in overweight or obese adults.
Journal of Applied Physiology, v.113, n. 12, p.1831-1837, 2012.
 151

WINTER, M.; RIOUX, B.V.; BOUDREAU, J.G. et al. Physical activity and sedentary
patterns among metabolically healthy individuals living with obesity. Journal of
Diabetes Research, v.2018, 2018.

WOOLCOTT, O.O; BERGMAN, R.N. Relative fat mass (RFM) as a new estimator
ofwhole-body fat percentage ─ A cross-sectional study in American adult
individuals. Scientific Reports, v.8, n.1:10908, 2018.

WORLD HEALH ORGANIZATION (WHO). Decade of healthy ageing: baseline

report. Summary. Geneva: World Health Organization, 2021.
WORLD HEALTH ORGANIZATION. Definition, diagnosis and classification of
diabetes mellitus and its complications: report of a WHO consultation. Geneva:
WHO; 2000.
WORLD HEALTH ORGANIZATION. Fact sheet on obesity and overweight
[Internet]. Geneva: World Health Organization; 2017.

WORLD HEALTH ORGANIZATION. WHO Guidelines on physical activity and

sedentary behaviour, 2020.
 152

APÊNDICES
 153

Apêndice I

(Artigo submetido ao periódico “Nutrición Hospitalaria”)

154
 155

CHARACTERISTICS OF THE METABOLICALLY UNHEALTHY PHENOTYPE IN

MENOPAUSAL RESISTANCE TRAINING PRACTITIONERS
CARACTERÍSTICAS DEL FENOTIPO METABOLICAMENTE NO SALUDABLE EN PRACTICANTES DE
ENTRENAMIENTO DE RESISTENCIA EN LA MENOPAUSIA

ABSTRACT

Objective: To evaluate clinical, metabolic and body characteristics related to the metabolically
unhealthy phenotype (MUH) in menopausal women who practice resistance training (RT).
Methods: Cross-sectional study with a sample of 31 women. Clinical and metabolic variables were
measured. Body adiposity was assessed by body mass index, waist circumference, visceral adiposity
index (VAI) and lipid accumulation product (LAP). Body composition analysis was performed by
DEXA. Results: The prevalence of the MH phenotype was 74.2%. MH women were younger, had
more years of RT practice, higher HDL-c levels and lower VAI and android/gynoid ratio (A/G) than
the MUH women. There was an association of the MUH phenotype with HDL-c and A/G levels.
Women with inadequacy of HDL-c, A/G, body fat percentage (%BF) and TG had 12.50, 5.40, 5.05
and 4.83 times greater prevalence of the MUH phenotype, respectively, than those with adequacy of
these parameters. A/G showed a strong correlation with VAI, LAP and %BF. There was no
association between Thyrotropin and clinical, body and metabolic variables, except between it and
TG. Conclusion: The evaluation of HDL-c, TG, A/G and %BF in RT practitioners as a way to
estimate the risk of the MUH phenotype during menopause is recommended.

Keywords: Thyrotropin; Metabolically Healthy Obesity; Menopause; Body composition;

Resistance Training.

RESUMEN

Objetivo: Evaluar las características clínicas, metabólicas y corporales relacionadas con el

fenotipo metabólicamente no saludable (MNS) en mujeres menopáusicas que practican
entrenamiento de resistencia (ER). Métodos: Estudio transversal con 31 mujeres. Se midieron
variables clínicas y metabólicas. La adiposidad corporal se evaluó mediante el índice de masa
corporal, la circunferencia de la cintura, el índice de adiposidad visceral (VAI) y el producto
de acumulación de lípidos (LAP). El análisis de composición corporal fue realizado por
DEXA. Resultados: La prevalencia del fenotipo metabólicamente saludable (MS) fue del
74,2%. Las mujeres MS eran más jóvenes, tenían más años de práctica de ER, niveles más
 156

altos de HDL-c y menor VAI y relación androide/ginoide (A/G) que las mujeres MNS. Hubo
asociación del fenotipo MNS con los niveles de HDL-c y A/G. Las mujeres con insuficiencia
de HDL-c, A/G, porcentaje de grasa corporal (%GC) y TG tuvieron 12,50, 5,40, 5,05 y 4,83
veces mayor prevalencia del fenotipo MNS, respectivamente, que aquellas con adecuación de
estos parámetros. A/G mostró una fuerte correlación con VAI, LAP y %GC. No hubo
asociación entre Tirotropina y variables clínicas, corporales y metabólicas, excepto entre ésta
y TG. Conclusión: Se recomienda la evaluación de HDL-c, TG, A/G y %GC en practicantes
de ER como forma de estimar el riesgo del fenotipo MUH durante la menopausia.

Palabras Clave: Tirotropina; Obesidad Metabólicamente Saludable; Menopausia;

Composición corporal; Entrenamiento de resistencia.

INTRODUCTION

The increase in obesity cases among the world population is considered a serious
public health problem because the chronic inflammatory state, typically seen in this disease, is
a risk factor for the development of systemic arterial hypertension, type 2 diabetes mellitus
and metabolic syndrome [1]. However, while some individuals with excess body mass show
alterations in cardiometabolic parameters, there are those who are free from these
abnormalities. This presence or absence of clinical and metabolic inadequacies classify these
subjects as “metabolically unhealthy” (MUH) and “metabolically healthy” (MH),
respectively, based on predefined criteria . The prevalence of MH and MUH phenotypes may
vary according to genetic, socioeconomic factors and lifestyle habits; however, it is believed
that the pattern of body fat distribution is determinant for the increase in cardiometabolic risk
[2].
During menopause, it is estimated that approximately two kilograms are gained every
three years, with a significant increase in visceral adipose tissue (VAT) and a decrease in fat-
free mass (FFM) [3]. These changes in body composition may occur due to reductions in the
levels of female sex hormones, estrogen and progesterone, which, in turn, seem to influence
the action of Thyrotropin (thyroid-stimulating hormone – TSH), the main marker of thyroid
function [4]. Recently, some studies have investigated the relationship between serum TSH
concentrations and the MH and MUH phenotypes; however, the findings on this topic are
scarce and contradictory, and, to date, there are no studies that analyze this relationship in a
population of menopausal women [5,6].
 157

As a way to minimize the damage related to the end of the female reproductive life,
the practice of physical exercises, especially resistance training (RT), seems to be an effective
alternative for influencing the release of inflammatory cytokines discharged by the VAT and
promoting improvements in body composition, such as increased FFM and reduced fat mass
(FM) [7].
Thus, considering the important hormonal and body changes that occur after
menopause, as well as the potential effectiveness of physical exercise, the objective of the
present study was to evaluate clinical, metabolic and body characteristics related to the MUH
phenotype in women practicing RT during menopause.

METHODS
Type of study and population

Observational and cross-sectional study with a sample of RT practitioners going

through menopause, selected from a gym located in the city of Belo Horizonte, Minas Gerais,
Brazil. The participants were recruited after answering adverts posted on the academy's
bulletin boards. To define the number of participants in the sample, a sample calculation was
performed, based on data from a previous pilot study carried out with 10 women in a simple
random sample to estimate the population standard deviation. After the pilot study, a sample
consisting of 31 women was obtained as the ideal minimum size, using the formula: n≥
((Zα/2*σ)/d)² (Zα/2= Z value; n= number of subjects; σ = estimated variance; d = maximum
estimation error).
The following inclusion criteria were defined: a) being over 45 years of age; b) having
had the last menstrual period at least 12 months before; and c) having been practicing RE two
days a week, at a minimum, for at least six months. The following criteria were adopted for
the exclusion of subjects: a) women with physical limitations or disabilities that prevented the
measurement of anthropometric and body composition data; b) women who underwent
previous bariatric surgery; c) women who had a history of cancer or thyroid diseases; d)
women who underwent sex and/or thyroid hormone replacement; e) smokers and/or women
who consumed alcohol in excess (more than 15 grams per day); and f) women who practiced
another type of physical exercise, in addition to RE.
The study was submitted to the Research Ethics Committee of the Universidade
Salgado de Oliveira and approved under protocol 99/2010. All possible participants received
 158

the Free and Informed Consent Term (Termo de Consentimento Livre e Esclarecido – TCLE)
and inclusion in the research was carried out only after the document was signed.

Data collection

Data collection was performed by trained health professionals, such as physicians,

nurses and physical educators, and laboratory and body composition analysis were performed
in an accredited laboratory.

Clinical and laboratory variables

Blood pressure (BP) was measured with a UNITEC mercury column manometer, with
cotton cuff and Velcro closure. To this end, the recommendations of the Brazilian Guidelines
on Arterial Hypertension were followed. As instructed, the sample members had an empty
bladder, hadn’t smoked for at least 30 minutes nor ingested alcoholic beverages, coffee or
food. They also hadn’t exercised for at least an hour. Three measurements were performed,
with an interval of one to two minutes between them. The BP value considered was
equivalent to the average of the last two measurements [8].
The assessment of serum concentrations of TSH, triglycerides (TG), high-density
lipoprotein cholesterol (HDL-c) and blood glucose were obtained by venipuncture, within 12
hours of fasting, with a specific kit for each of the variables. Blood glucose, TG and HDL-c
were evaluated by the enzymatic calorimetric method (Gold Analisa®), while for the TSH
measurement the third generation chemiluminescence method was used, with a DPC® kit
(Diagnostic Products Corporation) and an Immulite 2000® device.
The classification of BP, lipid profile and fasting blood glucose was performed
according to the cutoff points proposed by the Sociedade Brasileira de Hipertensão [10], the
Sociedade Brasileira de Cardiologia [9] and the Sociedade Brasileira de Diabetes [10],
respectively.

Anthropometric and body composition assessment

The measurement of anthropometric variables and the assessment of body composition

were performed with the participants wearing appropriate clothing, such as tops and shorts.
For the analysis of body composition, a DEXA device, brand GE® lunar I, model 40782, was
 159

used. Body composition and height variables (in meters – m) were calculated using the
Encore 2007 program, version 11.3. Information on the total body mass, fat mass (FM), body
fat percentage (%BF) and android/gynoid ratio (A/G) was obtained. Among the components
analyzed, the %BF was classified according to the Association of Clinical Endocrinologists
and the American College of Endocrinology (AACE/ACE), whose cut-off point for
inadequacy is ≥ 35% [11].
BMI was calculated by dividing the body mass (in kilograms – kg) by height (in
square meters – m²), and this variable was classified after considering the cutoff points
proposed by the World Health Organization [12]. For statistical purposes, we chose to classify
the sample as “Eutrophy” and “Overweight” for BMI between 18.5 and 24.9 kg/m² and ≥
25.00 kg/m², respectively.
Body adiposity distribution was assessed by A/G, WC, visceral adiposity index (VAI)
and lipid accumulation product (LAP). The measurement of WC was performed at the end of
a deep inspiration, using an inextensible measuring tape (precision of 0.1 cm), positioned at
the midpoint between the lower costal margin and the iliac crest, as recommended by the I
Brazilian Guidelines for Diagnosis and Treatment of Metabolic Syndrome [13]. To classify
this variable, the cutoff point for inadequacy utilized was > 88 cm, as suggested by the
National Cholesterol Education Program ATP III (NCEP-ATP III) [16].
The VAI calculations proposed by Amato et al [15] were utilized, using the variables
WC (in centimeters – cm), BMI and serum concentrations of TG and HDL-c (in mmol/L), as

demonstrated by the formula: x x . LAP was

calculated considering WC (cm), TG (in mmol/L) and a constant of 58, referring to a

minimum WC value, which comprises only the number of abdominal muscles, viscera and
bone content: LAP women = (WC – 58) x (TG) [16]. VAI and LAP were classified according
to the cut-off point established by Eickemberg et al [17] (inadequacy of VAI: ≥ 1.44;
inadequacy of LAP: ≥ 22.64).

Classification of MH and MUH phenotypes

The MH and MUH phenotypes were classified according to the Comorbidity Criteria
[18], in which individuals who do not have type 2 diabetes mellitus, systemic arterial
hypertension or dyslipidemia are considered MH. To this end, the following considerations
were made: a) for the diagnosis of systemic arterial hypertension: self-reported medical
 160

diagnosis; use of antihypertensives; or SBP: ≥ 140 mm Hg; DBP: ≥ 90 mm Hg during the

assessment; b) diagnosis of type 2 diabetes mellitus: fasting blood glucose concentrations ≥
126 mg/dL, or blood glucose after two hours of consumption of 75g of anhydrous glucose ≥
200 mg/dL, or glycated hemoglobin > 6.5%, or oral/subcutaneous use of hypoglycemic
medication, or self-report of previous diagnosis of the disease; c) diagnosis of dyslipidemia:
HDL-c: <50 mg/dL; TG: ≥ 150 mg/dL, or use of medication for lipid control.

RT practice

Information on the time (in years and minutes/week) and weekly frequency of RT was
obtained using a questionnaire developed by the research team, validated among health
professionals participating in the study, as performed in previous studies [19,20]. There was
no intervention in the RT practice performed by the sample. These exercises were performed
with the accompaniment of physical education professionals from the academy and according
to the recommendations of the American College of Sports Medicine [21].

Statistical analysis

The normality of the variables was verified using the Shapiro-Wilk test, from which it
was decided to use parametric tests for statistical analysis. Data presentation was made by
mean and standard deviation (SD). To compare the continuous variables between the MH and
MUH phenotypes, the T-Student test was used. The association between categorical variables
was evaluated using the chi-square test (x²) or Fisher's exact test (frequency < 5) and the
prevalence ratio. The correlation between continuous variables was analyzed by Pearson's
Correlation, and the correlation factor (r) was classified as strong for values above 0.6,
moderate for values between 0.4 and 0.59 and low for values below 0.39. A significance level
of 5% was adopted (p-value ≤ 0.05) and the analysis were performed using the SPSS
program, version 21.

RESULTS

Among the 189 women who enrolled in the study, only 76 were considered eligible,
though only 31 completed all stages of it. The mean age of the sample was 52.29 ± 4.56 years,
 161

BMI: 26.14 ± 4.93 kg/m², TSH: 2.23 ± 0.89 IU/mL, time in years of RT practice: 11.29 ±
14.11 and weekly frequency of RT: 4.00 ± 1.15 days/week (Table 1).
The MH and MUH phenotypes were present in 74.2% and 25.8%, respectively, of the
total sample. MH women were younger (51.26 ± 4.44 years; MUH: 55. 37 ± 3.88 years, p-
value = 0.03), performed RT for a longer time in years (11.70 ± 13.70; MUH: 3.81 ± 3.66, p-
value = 0.01) and showed higher mean serum HDL-c concentrations (72.13 ± 13.59 mg/dL;
MUH: 48.37 ± 7.55 mg/dL, p-value < 0.01), lower VAI (0.81 ± 0.37; MUH: 1.63 ± 0.85, p -
value = 0.03) and A/G (0.79 ± 0.15; MUH: 0.98 ± 0.22, p-value = 0.01) when compared to
MUH women (Table 2).
The analysis of association of clinical, metabolic and body variables with metabolic
phenotypes is shown in Table 3. Inadequacy of BP and fasting glycemia were not identified
in the total sample, so the MUH phenotype was characterized only by lipid inadequacies. 75%
of the MUH women showed inadequacy of HDL-c and 25% of TG, with a statistically
significant difference for the former when compared to MH women (p-value = 0.01).
There was greater inadequacy of A/G among MUH women when compared to MH
ones, with a statistically significant difference between metabolic phenotypes (MUH: 50.0%;
MH: 21.7%, p-value = 0.01). MUH women also had a higher prevalence of overweight by
BMI (MUH: 75.0%; MH: 47.8%) and greater inadequacy of WC (MUH: 50.00; MH: 39.1%),
VAI (MUH: 37.5%; MH: 8.7 %), LAP (MUH: 50.0%, MH: 21.7%) and %BF (MUH: 87.5%;
MH: 47.8%) when compared to MH women, although no statistically significant difference
was found between MH and MUH.
Among the variables analyzed, women with inadequacies of HDL-c, A/G and %BF
showed a higher prevalence of presenting the MUH phenotype, in the order of 12.50 (CI 95%:
3.30 – 47.23), 5.20 (CI 95%: 1.90 – 14.16) and 5.05 (CI 95%: 0.70 – 36.25), respectively,
than those with adequacy of these components. The inadequacies of the other body variables
showed lower risks of prevalence of the MUH phenotype, with a lower estimate for WC,
whose inadequacy represented a prevalence 1.73 (95% CI: 0.06 – 3.53) times greater of the
MUH phenotype than the adequacy of this variable (Table 4).
The correlation analysis of the variables in the total sample is shown in Table 5. There
was a positive, moderate and significant correlation between age, TG and VAI; in addition to
a positive, weak and significant correlation between age and A/G. The time in years of RT
practice showed a negative, moderate and significant correlation with SBP, A/G and %BF; the
latter was also correlated with the weekly frequency of RT. HDL-c showed a negative,
moderate and significant correlation with VAI, while TG showed a positive, strong and
 162

significant correlation with VAI and LAP. BMI was correlated with most body variables,
except VAI and a moderate, positive and significant correlation with SBP.

DISCUSSION

Menopause is considered a risk factor for the development of the MUH phenotype
since the reduction in estrogen and progesterone concentrations favors the accumulation of
VAT [22]. However, data found in the present study demonstrate a higher prevalence of the
MH phenotype, unlike the findings by Lwow et al [23], in a cross-sectional study with
menopausal women, in which 82.7% had the MUH phenotype. The difference between these
results can be explained by the use of different criteria for classifying metabolic phenotypes
and by the fact that only women practicing RT were included in the present sample, unlike the
aforementioned study, in which the practice of physical activity is not mentioned.
In the context of research on metabolic phenotypes, there is great diversity in relation
to the prevalence of MH and MUH profiles, mainly due to the lack of standardization of the
criteria used. In this sense, it is noteworthy that this is the first study to use the Comorbidity
Criteria [18] to assess clinical, metabolic and body characteristics related to the MUH
phenotype, in a population of menopausal women practicing RE.
The choice of this criteria is relevant since lipid, glycemic and systemic blood pressure
changes, in isolation, constitute a prothrombotic and pro-inflammatory state that serve as
pathogenic factors for cardiometabolic complications, regardless of BMI [24]. Furthermore, it
presents a strong correlation with criteria widely used for classification of metabolic
phenotypes, such as NCEP-ATPIII, IDF and NHANES [18]. Thus, the classification of MH
and MUH profiles, based on cardiometabolic inadequacy, as recommended in the
Comorbidity Criteria, can be an important tool for establishing strategies to prevent the MUH
phenotype, the transition from the MH to the MUH phenotype, and the mortality for all
causes [25].
In menopausal women, changes in lipid metabolism that can contribute to the
development of atherosclerosis, other heart diseases and metabolic diseases [26] are often
identified. In this phase, changes in the activity of some enzymes, such as lipoprotein lipase,
hepatic lipase and cholesteryl Ester transfer protein (CETP) contribute to the development of
dyslipidemias [27,9].
In the present study, lipid alterations were represented by serum HDL-c and TG
inadequacies, which characterized the MUH group since there were no cases of systemic
 163

arterial hypertension and type 2 diabetes mellitus. Similarly, Lwow et al [23] and Peppa et al
[28] identified lower levels of HDL-c and higher levels of TG in menopausal women who
presented the MUH phenotype. It is noteworthy that in both studies the practice of physical
activity was not reported.
These findings are relevant since hypoalphalipoproteinemia and hypertriglyceridemia
are lipid alterations that may precede the development of insulin resistance and type 2
diabetes mellitus, besides contributing to a worse cardiometabolic state during menopause
[29,,. Among the factors associated with this outcome, we highlight the increase in lipoprotein
lipase activity in the abdominal region, which favors the accumulation of VAT and the release
of pro-inflammatory cytokines; the high rate of TG lipolysis that contributes to the increase in
the flow of free fatty acids to the liver, promoting an increase in hepatic insulin resistance;
and greater storage of ectopic fat that negatively affects glucose homeostasis [30,31].
Several studies have shown that cardiometabolic risk factors are associated with
visceral adiposity indices, such as VAI, LAP and A/G. However, there are still few studies
that discuss their relationship with metabolic phenotypes in menopausal women [32, 33, 34].
Our data demonstrated that the VAI and LAP indices are associated with A/G, as measured by
DEXA, and that women with inadequacy of these components are at greater risk of presenting
the MUH phenotype. Similarly to these findings, Du et al [34], in a longitudinal study whose
sample consisted of individuals of both sexes, demonstrated that LAP and VAI are better
indicators of the MUH phenotype than commonly used parameters, such as WC and BMI.
Lee et al [35] demonstrated that LAP and VAI are potent predictors of metabolic syndrome
and atherosclerosis in menopausal women.
In addition to the visceral adiposity indices, the inadequacy of %BF was also a strong
risk indicator for the MUH phenotype in the present sample. In this sense, the high
inadequacy of %BF found among women with the MH phenotype deserves to be highlighted.
It is widely known that excess body adiposity stimulates the release of cytokines, such as
TNF-α, IL-1b, IL-6 and C-reactive protein, in addition to the infiltration of macrophages and
insulin-dependent T lymphocytes. As such, it is important to emphasize that the excess of
adiposity observed in MH subjects can contribute to the transition of this phenotype to MUH,
in addition to promoting the development of comorbidities still absent in MUH women, such
as type 2 diabetes mellitus and systemic arterial hypertension [36]. As a way of preventing the
transition to the MUH phenotype, among the MH group, and helping to improve the
cardiometabolic profile among women at higher risk, the practice of RT is an effective
alternative since, in addition to contributing to the increase in cardiorespiratory fitness, it
 164

promotes significant changes in body composition and greater release of anti-inflammatory

cytokines [36]. Although the association of RT with metabolic phenotypes was not analyzed
in the present study, MH women had a longer time of practice of RT in years than MUH
women, as well as weekly frequency, and both variables were associated with %BF, which
may indicate that the practice of RT among women considered MH contributes positively to
cardiometabolic health, even during a critical phase such as menopause.
The mechanisms related to the practice of RT and metabolic phenotypes are not
completely understood; however, it is verified that an acute session of this modality stimulates
the synthesis of estrogen since it is associated with the activation of satellite cells, during the
tissue repair process of the skeletal muscle. Once estrogen concentrations are increased, there
is a greater stimulus for protein synthesis, release of anabolic hormones and production of
nitric oxide, with consequent benefits to body composition and cardiometabolic health [37].
It is worth noting that body variables correlated with the practice of RT are closely
related to thyroid function, whose main marker is TSH, due to the presence of receptors for
this hormone in adipocytes. Some authors demonstrate that high levels of TSH are associated
with the development of cardiometabolic complications, since it regulates basal energy
expenditure and controls insulin secretion, glucose homeostasis and lipid metabolism [35,38].
Despite this, studies on this topic show contradictory results, as well as those assessing the
relationship between TSH and MH and MUH phenotypes.
In this metabolic context, the present study is, to date, the first to assess the
relationship between TSH and metabolic phenotypes among menopausal women practicing
RT. Thus, it was found that TSH levels were lower in the MUH group when compared to the
MH group. Similarly, Amouzegar et al [39] observed that MUH individuals of both sexes had
lower concentrations of this hormone than MH. ones On the other hand, Kim et al [6]
identified higher levels of TSH among MUH subjects, in a research with data from the Korea
National Health and Nutrition Examination Survey, from 2013 to 2015.
Serum concentrations of TSH are influenced by several factors, such as age, body
composition, lifestyle, presence of comorbidities and use of medications, which may explain
the difference between the findings of studies on TSH and MH and MUH phenotypes [5, 38].
During the aging process, changes occur in the biological activity of TSH that alter the
operation of the hypothalamic-pituitary-thyroid axis, that, in addition to being regulated by
other hormones, is influenced by feedback mechanisms carried out by thyroid hormones [40].
Thus, it is important to highlight that thyroid dysfunctions, mainly subclinical and evident
 165

hypothyroidism, are easily found in menopausal women, but these diseases are not necessarily
associated with the end of reproductive life [26,40].
In the present study, it was found that the MUH group had a higher mean age when
compared to the MH one, despite the lower TSH levels, as mentioned above. In this case, the
possibility of drug-mediated inhibition of TSH secretion or of the action of the 5' deiodinase
enzyme, responsible for the production of triiodothyronine (T3) from free tyrosine (free T4),
cannot be ruled out [26].
Despite its findings, this research has some limitations, such as the small sample size;
the cross-sectional model of the study that prevents the establishment of causal relationships;
the non-measurement of free T3 and T4 levels. However, the strengths of this work are
considered to be unprecedented, as, to date, there are no studies that assess clinical, metabolic
and body characteristics related to the MUH phenotype among RT practitioners during
menopause. In addition, the assessment of body adiposity by anthropometric indices and the
gold standard method, DEXA, stands out.

CONCLUSION

The evaluation of HDL-c, TG and body variables such as A/G and %BF in
menopausal RT practitioners is recommended, since these parameters can help in the
identification of the MUH phenotype and in the prevention of future comorbidities. It should
also be noted that further studies on this topic are needed, since there is little information
available in the scientific literature.

Competing interests

The authors declare that they have no competing interests.

REFERENCES

1. Quaye L, Owiredu WKBA, Amidu N, Dapare PPM, Adams Y. Comparative abilities of

body mass index, waist circumference, abdominal volume index, body adiposity index, and
conicity index as predictive screening tools for metabolic syndrome among apparently healthy
ghanaian adults. J Obes. 2019; 2019:8143179. doi:10.1155/2019/8143179 .
2. Tsatsoulis A, Paschou SA. Metabolically healthy obesity: criteria, epidemiology,
controversies, and consequences. Curr Obes Rep. 2020; 9(2):109-120. doi: 10.1007/s13679-
020-00375-0.
 166

3. Monteleone P, Mascagni G, Gianinni A, Genazzani AR, Simoncini T. Symptoms of

menopause – global prevalence, physiology and implications. Nat Rev Endocrinol. 2018;
14(4):199-215. doi: 10.1038/nrendo.2017.180.

4. Lauretta R, Sansone M, Sansone A, Romanelli F, Appetecchia M. Gender in endocrine

diseases: role of sex gonadal hormones. Int J Endocrinol. 2018; 2018:4847376. doi:
10.1155/2018/4847376.
5. Nie X, Ma X, Xu Y, Shen Y, Wang Y, Bao Y. Characteristics of serum tyroid hormones in
different metabolic phenotypes of obesity. Front Endocrinol. 2020; 11:68. doi:
10.3389/fendo.2020.00068..
6. Kim JM, Kim BH, Lee H, Kim EH, Kim M, Kim JH, et al. The relationship between
thyroid function and different obesity phenotypes in korean euthyroid adults. Diabetes Metab
J. 2019; 43(6):867-878. doi: 10.4093/dmj.2018.0130.
7. Ahn N, Kim HS, Kim K. Exercise training-induced changes in metabolic syndrome
parameters, carotid wall thickness, and thyroid function in middle-aged women with
subclinical hypothyroidism. Pflugers Arch. 2019; 471(3):479-489. doi: 10.1007/s00424-019-
02254-7.
8. Barroso WKS, Rodrigues CIS, Bartolotto LA, Mota-Gomes MA, Brandão AA, Feitosa
ADM, et al. Diretrizes brasileiras de hipertensão arterial – 2020. Arq Bras Cardiol. 2021;
116(3):516-658. doi: https://doi.org/10.36660/abc.20201238.
9. Faludi AA, Izar MCO, Saraiva JFK, Chacra APM, Bianco HT, Afiune Neto A et al. Update
of the Brazilian Guideline on Dyslipidemias and Prevention of Atherosclerosis – 2017. Arq
Bras Cardiol 2017; 109(2Supl.1):1-76. doi: 10.5935/abc.20170121.
10. Cobas R, Rodacki M, Giacaglia L, Calliari L, Noronha R, Valerio C, et al. Diabetes
diagnosis and type 2 diabetes screening. Official Guideline of the Brazilian Society of
Diabetes (2022). DOI: 10.29327/557753.2022-2, ISBN: 978-65-5941-622-6.
11. AACE/ACE Obesity Task Force. AACE/ACE Position Statement on the Prevention,
Diagnosis, and Treatment of Obesity. Endocr Pract. 1998;4:297-350.
12. World Health Organization (1999). Definition, diagnosis and classification of diabetes
mellitus and its complications: report of a WHO consultation. Part 1: Diagnosis and
classification of diabetes mellitus. World Healh Organization. Available:
https://apps.who.int/iris/handle/10665/66040 (acessed on 09 June 2022).
13. Cardiology Brazilian Society. I Brazilian Guideline for Diagnosis and Treatment of
Metabolic Syndrome. Arq Bras Cardiol. 2005; 84(1). doi: https://doi.org/10.1590/S0066-
782X2005000700001
14. Expert Panel on Detection, Evaluation and Treatment of High Blood Cholesterol in
Adults. Executive summary of the Third Report of the National Cholesterol Education
Program (NCEP) Expert Panel on Detection, Evaluation and Treatment of High Cholesterol.
JAMA. 2001 May 16;285(19):2486–97. doi: 10.1001/jama.285.19.2486
15. Amato MC, Giordano C, Galia M, Criscimanna A, Vitabile S, Midiri M, et al. Visceral
adiposity índex: a reliable indicador of visceral fat function associated with cardiometabolic
risk. Diabetes Care. 2010; 33(4): 920-922. doi: 10.2337/dc09-1825.
 167

16. Khan HS. The "lipid accumulation product" performs better than the body mass index for
recognizing cardiovascular risk: a population-based comparison. BMC cardiovasc Disord.
2005; 5(26). doi: 10.1186/1471-2261-5-26.
17. Eickemberg M, Amorim LDAF, Almeida MCC, Aquino EML, Fonseca MJM, Santo IS,
et al. Indicators of abdominal adiposity and carotid intima-media thickness: results from the
Longitudinal Study of Adult Health (ELSA-Brazil). Arqu Bras Cardiol. 2019; 112(3):220-
227. doi: 10.5935/abc.20180273.
18. Diniz MFHS, Beleigoli AMR, Robeiro ALP, Vidigal PG, Bensenhor IM, Lotufo PA, et al.
Factors associated with metabolically healthy status in obesity, overweight, and normal
weight at baseline of ELSA-Brasil. Medicine. 2016; 95(27):e4010. doi:
10.1097/MD.0000000000004010.
19. Burrup R, Tucker LA, Le Cheminant JD, Bailei BW. Strength training andbody
composition in middle-age women. J Sports Med Phys Fitness. 2018; 58(1-2):82-91. doi:
10.23736/S0022-4707.17.06706-8.

20. Brellenthin AG, Lee D, Bennie JA, Sui X, Blair SN. Resistance exercise, alone and
incombination with aerobic exercise, and obesity in Dallas, Texas, US: A prospective
cohort study. PLoS Med. 2021; 18(6):e1003687. doi: 10.1371/journal.pmed.1003687.

21.American College of Sports Medicine. American College of Sports Medicine position

stand: progression models in resistance training for healthy adults. Med Sci Sports Exerc.
2009 Mar;41(3):687-708. doi: 10.1249/MSS.0b013e3181915670.
22. Rezvani R, Gupta A, Smith J, Poursharifi P, Marceau P, Pérusse L, et al.. Cross-sectional
associations of acylation stimulating protein (ASP) and adipose tissue gene expression with
estradiol and progesterone in pre- and postmenopausal women. Clinic Endocrinol. 2014;
81(5):736-745. doi: 10.1111/cen.12540.
23. Lwow F, Jedrzejuk D, Milewicz A, Szmigiero L. Lipid accumulation product (LAP) as a
criterion for the identification of the healthy obesity phenotype in postmenopausal women.
Exp Gerontol. 2016; 82:81-87. doi: 10.1016/j.exger.2016.06.007.
24. Mirmiran P, Moslehi N, Hosseinpanah F, Sarbazi N, Azizi F. Dietary determinants of
unhealthy metabolic phenotype in normal weight and overweight/obese adults: results of
prospective study. Int J Food Sci Nutr. 2020;71(7):801-901. doi:
10.1080/09637486.2020.1746955.
25. Kuk JL, Rorondi M, Sui X, Blair SN, Ardern CI. Individuals with obesity but no other
metabolic risk factors are not at significantly elevated all-cause mortality risk in men and
women. Clin Obes. 8(5):305-312. doi: 10.1111/cob.12263.
26. Duntas LH, Yen PM. Diagnosis and treatment of hypothyroidism in the elderly.
Endocrine. 2019; 66(1):63-69. doi: 10.1007/s12020-019-02067-9
27. Oh S, Kwon H, Ahn J, Song E, Park S, Kim M, et al. Association between thyroid
dysfunction and lipid profiles differs according to age and sex: results from the Korean
National Health and Nutrition Examination Survey. Thyroid. 2018; 28(7):849-856. doi:
10.1089/thy.2017.0656
 168

28. Peppa M, Koliaki C, Papaefstathiou A, Garoflos E, Katsilambros N, Raptis SA, et al.

Body composition determinants of metabolic phenotypes of obesity and non obesity and
obese postmenopausal women. Obesity. 2013; 21(9):1807-1814. doi: 10.1002/oby.20227.
29. Hernandez-Alcaraz C, Agular-Salinas CA, Mendoza-Herrera K, Pedroza-Tobias A,
Villalpando S, Shamah-Levy S, et al. Dyslipidemia prevalence, awareness, treatment and
control in Mexico: results of the Ensanut 2012. Salud Publica Mex. 2020; 62(2):137-146. doi:
10.21149/10520.
30. Brachietta I, Chiappetta C, Ceccarelli V, Cimini FA, Bertoccini L, Gaggini M, Cristofano
CD, et al. Angiopoietin-like protein 4 overexpression in visceral adipose tissue from obese
subjects with impaired glucose metabolism and relationship with lipoprotein lipase. Int J Mol
Sci. 2020; 21(19):7197.doi: 10.3390/ijms21197197.
31. Ko S, Kim H. Menopause-Associated Lipid Metabolic Disorders and Foods Beneficial for
Postmenopausal Women. Nutrients. 2020; 12(1):202. doi: 10.3390/nu12010202.
32. Polak AM, Adamska A, Krentowska A, Łebrowska A, Hryniewicka J, Adamski M, et al.
Body composition, serum concentrations of androgens and insulin resistance in diferent
polycystic ovary syndrome phenotypes. J Clin Med. 2020; 9(3):732. doi:
10.3390/jcm9030732.
33. Ribeiro VB, Kogure GS, Lopes IP, Silva RC, Pedrosso DCC, Ferriani RA, et al.
Association of measures of central fat accumulation indices with body fat distribution and
metabolic, hormonal, and inflammatory parameters in women with polycystic ovary
syndrome. Arch Endocrinol Metab. 2019; 63(4):417-426. doi: 10.20945/2359-
3997000000157.
34. Du T, Yu X, Zhang J, Sun X. Lipid accumulation product and visceral adiposity index are
effective markers for identifying the metabolically obese normal-weight phenotype. Acta
Diabetol. 2015; 52(5):855-863. doi: 10.1007/s00592-015-0715-2
35. Lee HJ, Jo HN Kim YH, Kim SC, Joo JK, Lee KS. Predictive value of lipid accumulation
product, fatty liver index, visceral adiposity index for metabolic syndrome according to
menopausal status. Metab Syndr Relat Disord. 2018; 16(9):477-482. doi:
10.1089/met.2018.0019
36. González-Jurado JÁ, Suárez-Carmona W, López S, Sánchez-Oliver AJ. Changes in
lipoinflammation markers in people with obesity after a concurrent training program: a
comparison between men and women. Int J Environ Res Public Health. 2020;
17(17):6168. doi: 10.3390/ijerph17176168.
37. Son W, Pekas EJ, Park S. Twelve weeks of resistance band exercise trainingimproves
ageassociated hormonal decline, blood pressure, and body composition in post menopausal women
with stage 1 hypertension: a randomized clinical trial. Menopause. 2020; 27(2):199-207. doi:
10.1097/GME.0000000000001444.

38. Gadja SN, Kurylowincz, Zach M, Bednarczuk T, Wylezoł M. Diagnosis and treatment of
thyroid disorders in obese patients — what do we know? Endrokrynol Pol. 2019; 70(3):271-
276. doi: 10.5603/EP.a2018.0089.
 169

39. Amouzegar AM Kazemian E, Abdi H, Mansournia MA, Bakhtiyari M, Hosseini MS, et

al. Association between thyroid function and development of different obesity phenotypes in
euthyroid adults: a nine-year follow-up. Thyroid. 2018; 28(4):458-464. doi:
10.1089/thy.2017.0454.
40. Lambrinoudaki I, Armeni E, Pliatsika P, Rizos D, Kaparos G, Augoulea A, et al. Thyroid
function and autoimmunity are associated with the risk of vertebral fractures in postmenopausal
women. J Bone and Miner Metabol. 35(2):227-233. doi: 10.1007/s00774-016-0752-0.
 170

Table 1. Characteristics od total sample

Total sample (n=31)
Mean ± standard deviation
General characteristics
Age (years) 52.29± 4.56
Time_years (RT) 11.29 ± 14.11
Time_ week (RT) (min/week) 289.35 ± 216.22
Freq_week (RT) (days/weak) 4.00 ± 1.15
Clinical and metabolic
characteristics
SBP (mmHg) 122.70 ± 7.80
DBP (mmHg) 78.61 ± 5.85
TSH (Ul/mL) 2.23 ± 0.89
HDL-c (mg/dL) 66.66 ± 16.14
TG (mg/dL) 82.90 ± 47.05
Fasting blood glucose (mg/dL) 88.41 ± 6.21
Body characteristics
BMI (kg/m²) 26.14 ± 4.93
WC(cm) 80.31 ± 7.62
VAI 1.02 ± 0.63
LAP 21.64 ± 15.26
%FB 37.92 ± 6.18
A/G 0.84 ± 0.19
Data shown as mean and standard deviation. Time_years (RT): time of resistance
training in years; Time_week (RT) (min/week): time of resistance training in
minutes per week; Freq_week (RT): weekly frequency of resistance training; SBP:
systolic blood pressure; DBP: diastolic blood pressure; TSH: thyroid stimulating
hormone; HDL-c: high-density lipoprotein cholesterol; TG: triglycerides; BMI:
body mass index; WC: waist circumference; VAI: visceral adiposity index; PAL:
lipid accumulation product; %BF: percentage of body fat; A/G: android/gynoid
ratio.
 171

Table 2. Comparison of clinical, metabolic and body variables between metabolic phenotypes.
MH MUH
74.2% (n=23) 25.8% (n=8)
Mean ± Mean ± p-valor*
standard standard
deviation deviation
General characteristics
Age (years) 51.26 ± 4.44 55.25 ± 3.73 0.03
Time_years (RT) 11.70 ± 13.60 3.81 ± 3.66 0.01
Time_ week (RT) (min/week) 304.78 ± 234.20 245.00 ± 157.93 0.51
Freq_week (RT) (days/weak) 4.08 ± 1.23 3.75 ± 0.88 0.48
Clinical and metabolic characteristics

SBP (mmHg) 121.91 ± 8.02 125.00 ± 7.11 0.34

DBP (mmHg) 79.00 ± 5.70 77.50 ± 6.54 0.54
TSH (Ul/mL) 2.39 ± 0.93 1.78 ± 0.59 0.09
HDL-c (mg/dL) 72.13 ± 13.59 48.37 ± 7.55 <0.01
TG (mg/dL) 73.65 ± 29.88 109.50 ± 74.78 0.22
Fasting blood glucose (mg/dL) 88.69 ± 6.01 87.62 ± 7.13 0.68
Body characteristics
BMI (kg/m²) 25.74 ± 4.93 27.29 ± 5.09 0.45
WC(cm) 79.85 ± 7.56 81.62 ± 8.14 0.58
VAI 0.81 ± 0.37 1.63 ± 0.85 0.03
LAP 19.28 ± 13.83 28.43 ± 18.06 0.14
%FB 37.44 ± 6.68 39.42 ± 4.40 0.35
A/G 0.79 ± 0.15 0.98 ± 0.22 0.01

*Values with statistical significance (p-value > 0.05). T-student test. Data shown as mean and standard deviation.
Time_years (RT): time of resistance training in years; Time_week (RT) (min/week): time of resistance training in
minutes per week; Freq_week (RT): weekly frequency of resistance training; SBP: systolic blood pressure; DBP:
diastolic blood pressure; TSH: thyroid stimulating hormone; HDL-c: high-density lipoprotein cholesterol; TG:
triglycerides; BMI: body mass index; WC: waist circumference; VAI: visceral adiposity index; PAL: lipid
accumulation product; %BF: percentage of body fat; A/G: android/gynoid ratio.
 172

Table 3. Association between clinical, metabolic and body variables

according to metabolic phenotypes.
MH MUH
74.2% 25.8% p-valor*
(n=23) (n=8)
BP (mmHg)
Adequate 100.0 (23) 100.0 (8)
_
Inadequate 0.0 (0) 0.0 (0)
HDL-c (mg/dL)
Adequate 100.0 (23) 25.0 (2)
<0.01
Inadequate 0.0 (0) 75.0 (6)
TG (mg/dL)
Adequate 100.0 (23) 75.0 (6)
0.05
Inadequate 0.0 (0) 25.0 (2)
Fasting blood glucose
(mg/dL)
Adequate 100.0 (23) 100.0 (8)
_
Inadequate 0.0 (0) 0.0 (0)
TSH (Ul/mL)
Adequate 91.3 (21) 100.0 (8)
1.00
Inadequate 8.7 (2) 0.0 (0)
BMI (kg/m²)
Adequate 52.2 (12) 25.0 (2)
0.24
Inadequate 47.8 (11) 75.0 (6)
WC (cm)
Adequate 60.9 (14) 50.0 (4)
0.68
Inadequate 39.1 (9) 50.0 (4)
%BF
Adequate 52.2 (12) 12.5 (1)
0.09
Inadequate 47.8 (11) 87.5 (7)
A/G
Adequate 95.7 (22) 50.0 (4)
0.01
Inadequate 4.3 (1) 50.0 (4)
VAI
Adequate 91.3 (21) 62.5 (5)
0.09
Inadequate 8.7 (2) 37.5 (3)
LAP
Adequate 78.3 (18) 50.0 (4)
0.18
Inadequate 21.7 (5) 50.0 (4)

*Values with statistical significance (p-value<0.05). Chi-square test or Fisher's

exact test (n<5). MH: metabolically healthy; MUH: metabolically unhealthy; BP:
blood pressure; HDL-c: high-density lipoprotein cholesterol; TG: triglycerides;
TSH: thyroid stimulating hormone; BMI: body mass index; WC: waist
circumference; %BF: percentage of body fat; A/G: android/gynoid ratio; VAI:
visceral adiposity index; PAL: lipid accumulation product.
 173

Table 4. Prevalence ratio between metabolic and body variables

and metabolic phenotypes
PR
CI 95% (lower - upper)
HDL-c
(mg/dL) 12.50 (3.30 - 47.23)
TG (mg/dL) 4.83 (2.37 - 9.85)
TSH (Ul/mL) 1.38 (1.10 - 1.72)*
BMI (kg/m²) 2.47 (0.58 - 10.38)
WC (cm) 1.73 (0.06 - 3.53)
%BF 5.05 (0.70 - 36.25)
VAI 3.12 (1.07 - 9.04)
LAP 2.44 (0.77 - 7.70)
A/G 5.20 (1.90 - 14.16)

PR: prevalence ratio. 95% CI: 95% confidence interval. *Prevalence

ratio for metabolically healthy phenotype. HDL-c: high-density
lipoprotein cholesterol; TG: triglycerides; TSH: Thyroid Stimulating
Hormone (Tyrotropin); BMI: body mass index; wc: waist
circumference; %BF: percentage of body fat; VAI: visceral adiposity
index; PAL: lipid accumulation product; A/G: android/gynoid ratio.
 174

Table 5. Correlation between clinical, metabolic, body and resistance training variables in the total sample.
Freq_week Time_week Blood
Age Time_years RT RT TSH glucose HDL-c TG SBP DBP BMI WC
(years) RT (days/week) (min/week) (UI/ML) (mg/dL) (mg/dL) (md/dL) (mmHg) (mmHg) (kg/m²) (cm) A/G VAI LAP %BF
Age (years)

,174
Time_years RT
Freq_week RT **
,215 ,596
(days/week)
Time_week RT
(min/week)
,260 ,556** ,889**
TSH (UI/ML) -,206 -,042 -,133 -,191
Blood glucose
,334 -,132 ,135 ,125 ,130
(mg/dL)
HDL-c (mg/dL) -,201 ,399* -,030 -,034 -,146 -,151
** *
TG (md/dL) ,514 -,110 -,042 ,026 -,393 ,496** -,131
SBP (mmHg) -,031 -,478** -,185 -,054 -,066 -,019 -,287 -,019
*
DBP (mmHg) -,148 -,365 ,094 ,166 -,090 ,026 -,271 -,205 ,604**
BMI (kg/m²) -,051 -,365* -,354 -,276 -,027 ,124 -,109 ,197 ,446* ,156
WC (cm) -,027 -,320 -,313 -,238 ,017 ,147 -,116 ,190 ,479
**
,169 ,968**
A/G ,374
*
-,444
*
-,294 -,197 -,145 ,565
**
-,381
*
,541
**
,238 ,030 ,574** ,562
**

VAI ,546
**
-,204 -,011 ,038 -,315 ,472
**
-,433
*
,935
**
,062 -,158 ,187 ,188 ,615**
LAP ,347 -,247 -,164 -,099 -,259 ,490
** -,143 ,845
** ,186 -,072 ,641** ,646
** **
,690 ,787
**

%BF ,127 -,497** -,417

*
-,257 ,029 ,306 -,102 ,249 ,286 ,086 ,786** ,738
** **
,671 ,219 ,551**
Pearson's Correlation. Data shown refer to the correlation coefficient (r).* Values with statistical significance (p<0.05); ** Values with statistical significance (p<0.01). Time_years RT:
time of resistance training in years; Freq_week RT: weekly frequency of resistance training in days per week; Time_week RT: Time of resistance training in minutes per week; TSH:
Thyroid Stimulating Hormone (Tyrotropin); HDL-c: High density cholesterol; TG: Triglycerides; SBP: Systolic blood pressure; DBP: Diastolic blood pressure; BMI: body mass index;
WC: Waist circumference; A/G: android/gynoid ratio; VAI: visceral adiposity index; PAL: lipid accumulation product; %BF: Percentage of body fat.
 175

Apêndice II

(Artigo publicado no periódico “International Journal of Environmental Research

and Public Health”)
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
 192

Apêndice III

(Artigo submetido ao periódico “PlOs One”)

193
 194

SUPERIORITY OF CUN-BAE AND DEURENBERG

FORMULA AS PERCENTAGE ESTIMATES OF BODY

FAT IN MENOPAUSAL PRACTCIONERS OF

RESISTANCE TRAINING

Abstract
Objective: To evaluate the agreement between estimating equations of body fat

percentage (%BF) and %BF evaluated by DEXA, in addition to their relationship with

cardiometabolic risk factors in menopausal women who practice resistance training

(RT). Methods: Cross-sectional study with 31 women. Body mass index (BMI), systolic

blood pressure, fasting glucose, triglycerides (TG), total cholesterol (TC), high-density

lipoprotein (HDL-c) and low-density (LDL-c) cholesterol were analyzed. %BF was

evaluated by DEXA (%BF_DEXA) and Deurenberg equations (%BF), Adiposity

Estimator of the Clinical University of Navarra (CUN-BAE [%BF]), relative fat mass

(RFM%) and Palafolls (%BF). Results: There was 54.8% of overweight in the total

sample. A significant correlation was identified between the estimating equations for

%BF and systolic blood pressure. CUN-BAE (%BF) and Deurenberg (%BF) showed

greater agreement with %BF_DEXA (ICC: 0.89, p < 0.01, both) in the total sample

when compared to RFM (%BF) and Palafolls (%BF). These estimators also showed a

lower mean difference in relation to %BF_DEXA (CUN-BAE [%GC] = - 0.04, p-value =

0.74; Deurenberg [%BF] = 0.21, p-value = 0.76), when compared to the other

equations in the total sample and according to BMI. Conclusion: CUN-BAE (%BF) and

Deurenberg (%BF) show greater agreement with %BF_DEXA in menopausal women

practicing RT and may contribute to early prevention of cardiometabolic risk in this

population.

Keywords: obesity rates; body composition; menopause; resistance training.

 195

Introduction

Resistance training (RT) is an alternative for the prevention and treatment of

overweight and obesity in women at this stage of life, as it promotes positive changes

in body composition, such as an increase in fat-free mass (FFM) and a reduction in fat

mass (FM), increased energy expenditure after exercise, in addition to improving

potential cardiometabolic risk factors such as dyslipidemia, insulin resistance and high

systolic blood pressure [1,2]. However, some body and cardiometabolic changes

arising from the RT do not necessarily accompany changes in body mass index, which

is considered the main indicator of excess body weight by the World Health

Organization [3,4,5].

Shetty et al [4], when comparing the body composition of women before and

during menopause, found that despite both groups having similar BMI, those who were

in menopause had higher visceral adiposity and android/gynoid ratio (A/G), as well as

lower FFM for height and appendicular FFM than premenopausal women. Such

findings are due to the fact that BMI, despite being a marker of adiposity widely used in

epidemiological studies, is unable to determine the absolute and relative values of fat

content and FFM of body composition, being a tool with limited use, especially in

menopause, since there is a tendency to increase BMI at this stage of life due to the

increase in body adiposity [6]. Therefore, some studies recommend that the

percentage of body fat be used as an indicator of excess body weight and

cardiometabolic risk [7,8].

To this end, some equations to estimate the percentage of body fat have been

proposed, such as the Deurenberg formula [9]; body adiposity estimator of the Clinical

University of Navarra – CUN-BAE (%BF) [10]; the formula of Relative Fat Mass – RFM
 196

(%BF) [11]; and the Palafolls formula [12]. For the authors of these equations, the

analysis of body adiposity and cardiometabolic risk should not be based only on

information on total body mass and height, as is the case with BMI, since this is

influenced by factors such as sex, age and location of the body fat [9,10,11,12].

CUN-BAE (%BF) is one of the most used estimating equations of body fat

percentage to assess body composition in different populations; however, as it is a

complex formula with many variables, Deurenberg (%BF), MGR (%BF) and Palafolls

(%BF) appear as an alternative for this analysis [13,12,11,9].

The superiority of these equations in relation to BMI for determining the

percentage of body fat when compared to reference methods such as dual energy x-

ray absorptiometry (DEXA), magnetic resonance imaging and computed tomography

has been demonstrated by some studies [14,15]. However, there are still no studies

that assess the agreement of these estimators with DEXA or any other reference

method in menopausal women practicing RT.

Thus, the main objective of the present study is to evaluate the agreement of

estimating equations of body fat percentage with the percentage of body fat estimated

by DEXA (%BF_DEXA) in menopausal women practicing RT, classified according to

BMI. In addition, the relationship between different estimators of body fat percentage

and cardiometabolic risk in this population will be investigated.

Methods

Cross-sectional study with menopausal women practicing RT at a gym located

in the city of Belo Horizonte, Minas Gerais, Brazil. The invitation to participate in the

study was made through posters available inside the gym. The number of participants
 197

was estimated based on a previous pilot study, in a simple random sampling, in which

a minimum sample size of 31 participants was obtained.

Initially, 189 women volunteered to participate in the research, though only 76

were considered eligible. Of these, 51 performed biochemical analysis and 44

performed body composition assessment. Those who did not complete both stages of

the study (physical and laboratory assessment) were excluded. Thus, the sample was

conveniently constituted by 31 women.

The inclusion criteria established for this study were: a) being in the age group

between 45 and 65 years; b) presenting a clinical diagnosis of menopause (absence of

menstruation for a period ≥ 12 months); c) practicing resistance exercises for at least

six months and twice a week. The following exclusion criteria were established: a)

limitation or physical disability that prevented the measurement of anthropometric and

body composition data; b) having undergone previous bariatric surgery; c) having a

history of cancer or thyroid diseases; d) undergoing sex and/or thyroid hormone

replacement; e) being a smoker or having used cigarettes in the last six months; f)

consuming alcoholic beverages in excess (one dose of alcohol/day, equivalent to 15

grams of alcohol/day); and g) practicing other types of physical exercise, in addition to

resistance training.

Data collection took place between March and April 2019 and was carried out

by a trained multidisciplinary team in a previously agreed laboratory. This study was

approved by the Research Ethics Committee of Universidade Salgado de Oliveira,

Niterói campus, Rio de Janeiro, and all participants signed the Informed Consent Form.

Clinical and biochemical variables

 198

The assessment of cardiometabolic risk was performed from measurements of

blood pressure, lipid profile and fasting glucose. Blood pressure was assessed

following the recommendations of the Brazilian Guidelines on Arterial Hypertension

using a UNITEC mercury column manometer, with cotton cuff and Velcro closure. The

classification for blood pressure inadequacy was performed according to the following

cut-off points: SBP ≥ 140 mmHg; diastolic blood pressure (DBP) ≥ 90 mmHg [16].

Lipid profile and fasting blood glucose samples were obtained by venipuncture,

after fasting for up to 12 hours, and analyzed by the enzymatic calorimetric method

(Gold Analyze®). The following values for inadequacy were considered: TG ≥ 150

mg/dL; high-density lipoprotein cholesterol (HDL-c) ≤ 50 mg/dL; low-density lipoprotein

cholesterol (LDL-c) ≥ 160 mg/dL; total cholesterol (TC) ≥ 190 mg/dL; fasting glucose ≥

126 mg/dL [17,18].

Body variables

The assessment of body composition was performed using a DEXA device,

brand GE® lunar I, model 40782. In this exam, the following variables were obtained:

total body mass, FM (in kilograms), body fat percentage (%BF_DEXA), FFM, trunk fat

percentage (%TF), android fat percentage (%AF), gynoid fat percentage (%GF) and

android/gynoid ratio (A/G). Body composition and height variables (in meters – m) were

calculated using the Encore 2007 program, version 11.3.

Additionally, waist circumference (WC) was evaluated according to the

recommendations of the I Brazilian Guideline for the Diagnosis and Treatment of

Metabolic Syndrome [19]. A value > 88 cm was considered as the cut-off point for

inadequacy of WC, as suggested by the NCEP-ATP III [20].

The BMI equations and the %BF estimators used in this study are shown in

Chart 1. The BMI was classified as “eutrophy” (BMI between 18.5 and 24.9 kg/m²) and
 199

“overweight” (BMI ≥ 25.0 kg /m²), considering the cutoff points established by the World

Health Organization [21]. To calculate the fat percentage by Deurenberg (%BF), age,

BMI and sex were considered as variables, the latter being coded as sex = 0 (female),

as recommended by Deurenberg et al [9]. CUN-BAE (%BF) was determined through

the equation proposed by Goméz-Ambrosi et al [10], using the variables BMI, age and

sex, the latter being coded as sex = 1 (female); RFM (%BF) was calculated based on

information on height, WC and sex (sex = 1 for female) [11]; and Palafolls (%BF) from

the variables BMI and WC [12].

Chart 1. BMI and %BF estimators.

RT practice

Information on the time (in years and minutes/week) and weekly frequency

(days/week) of RT practice was obtained from a questionnaire previously prepared by

the research team, as carried out by Burrup et al [22] and Brellenthin et al [23]. All

participants performed RT according to the recommendations of the American College

of Sports Medicine [24] and were accompanied by a physical education professional

from the academy where the research was carried out.

Statistical analysis

The variables were presented as mean and standard deviation. The comparison

of continuous variables was performed using the T-Student Test. The frequencies of

adequacy and inadequacy of cardiometabolic risk factors, between eutrophic and

overweight women, were analyzed using the chi-square (x²) or Fisher's exact test, the
 200

latter when the number of members in any category was less than 5. Correlation

analysis between clinical, biochemical and body variables was performed using

Pearson's Correlation Test. The analysis of the agreement between the estimators of

body fat percentage and %BF_DEXA was performed using the Intraclass Correlation

(ICC) test, whose data were presented as correlation coefficients and with a confidence

interval of 95%. The classification of the degree of agreement between the variables

was performed according to Domenic Cicchetti's recommendations [25]. The analysis

of the agreement between the methods that estimate the percentage of body fat was

performed using the Bland-Altman plot. A significance level of 5% was adopted (p-

value < 0.05) and the analysis were performed using the SPSS program, version 21.

Results

Thirty-one menopausal women participated in the study, with a mean age of

52.29 ± 4.56 years, weekly RT time equal to 289.35 ± 216.22 minutes and weekly

frequency equal to 4.00 ± 1.15 days. The frequency of overweight, by BMI, was equal

to 54.8% and higher means of %BF_DEXA (eutrophy: 33.56 ± 3.57; overweight: 41.57

± 5.48, p-value < 0.01), CUN-BAE (%BF) (eutrophy: 33.57 ± 2.42; overweight: 41.95 ±

4.79, p-value < 0.01), Palafolls (%BF) (eutrophy: 35.39 ± 1.59; overweight: 42.65 ±

4.89, p-value < 0.01), MGR (%BC) (eutrophy: 32.52 ± 1.91; overweight: 38.19 ± 3.23,

p-value < 0.01) and Deurenberg (%BF) (eutrophy: 33.49 ± 2.24; overweight: 41.71 ±

5.49, p-value < 0.01) were identified between these women when compared to

eutrophic ones (Table 1).

Eutrophic women had higher average time in years of RT (eutrophy: 15.80 ±

13.73 years; overweight: 4.61 ± 8.36 years, p-value = 0.01), weekly RT time (eutrophy:

389.28 ± 270.31 minutes; overweight: 207.35 ± 111.17, p-value = 0.03) and weekly
 201

frequency of RT (eutrophy: 4.57 ± 1.22 days/week; overweight: 3.52 ± 0.87 days/week,

p-value = 0.01), when compared to those who were overweight. Regarding

cardiometabolic risk factors, overweight women had higher WC (normal weight: 74.82

± 2.27 cm; overweight: 84.83 ± 7.52, p-value < 0.01) and SBP (eutrophy: 119.14 ±

5.02; overweight: 125.64 ± 8.57, p-value = 0.01) than the eutrophic ones (Table 1).

The frequencies of adequacy of cardiometabolic risk factors in the total sample

and according to the classification of nutritional status by BMI are shown in Figure 1.

The frequency of adequacy of fasting glucose and SBP/DBP in the total sample was

equal to 100.0%. Among eutrophic women, it was identified an adequacy of 100.0% of

WC and TG; 85.7% of HDL-c adequacy; 92.9% and 35.7% of LDL-c and TC adequacy,

respectively. Among those with excess weight, there was 70.6% of WC adequacy;

76.5% of HDL-c adequacy; 88.2% of TG and LDL-c adequacy; and 47.6% of TC. There

was a statistically significant difference only for WC when eutrophic and overweight

women were compared (p-value < 0.01).

There was a moderate and weak correlation between the time in years of RT

practice and the weekly frequency of RT with the %BF_DEXA and with Palafolls

(%BF), respectively. Regarding body variables, correlations were identified between

most of these and the equations estimating body fat percentage, except between MM

and FFM with %BF_DEXA and %BF with CUN-BAE (%BF); RFM (%BF), Palafolls

(%BF) and Deurenberg (%BF). Among the clinical and metabolic variables, only SBP

showed a moderate correlation with all equations for estimating body fat percentage,

except for %BF_DEXA (Table 2).

The ICC analysis of body fat percentage estimators with %BF_DEXA in the total

sample and according to the BMI classification are shown in Table 3. Excellent

agreement was identified between the variables in the total sample, with emphasis on

CUN-BAE (%BF) and Deurenberg (%BF), that both presented ICC equal to 0.89 (p-

value < 0.01). Among eutrophic women, only CUN-BAE (%BF) showed an association
 202

with %BF_DEXA (ICC: 0.68, p-value = 0.04), while among those with overweight,

Deurenberg (%BF) showed greater agreement with %BF_DEXA (ICC: 0.82, p-value <

0.01), followed by CUN-BAE (ICC: 0.81, p-value < 0.01), Palafolls (%BF): (ICC: 0.78,

p-value < 0.01) and RFM (%BF) (ICC: 0.60, p-value = 0.01) (Table 3).

The Bland-Altman plots for analyzing the differences between the methods

showed that, in the total sample, the Deurenberg (%BF) (MD: 0.04, p = 0.76) and CUN-

BAE (%BF) (MD: -0.21 , p = 0.74) equations are the ones with the smallest differences

in the means and better agreement with the %BF_DEXA, in addition to the narrowest

confidence interval (Deurenberg [%BF]: -7.42 – 7.51; CUN-BAE [%BF]: -7.45 – 7.02),

when compared to RFM (%BF) and Palafolls (%BF), with a small tendency towards

overestimation for the first and underestimation for the second (Figure 2 and Table 4).

When considering the classification of nutritional status by BMI, CUN-BAE

(%BF) and Deurenberg (%BF) remained as the estimators of body fat percentage with

the smallest differences in averages between eutrophic (CUN-BAE [%BF]: MD = -0.01,

p-value = 0.98; Deurenberg [%BF]: MD = -0.06, p-value = 0.93) and overweight women

(CUN-BAE [%BF]: MD = -0.03, p-value = 0.71; Deurenberg [%BF]: MD = 0.13, p-value

= 0.89) when compared to RFM (%BF) and Palafolls (%BF) (Table 4).

Discussion

The main findings of the present study are that the time (in years and in

minutes/week) and the weekly frequency of RT practice are related to the BMI

classification; that the percentage of body fat estimated by the gold standard method

(DEXA) and by the equations CUN-BAE (%BF), RFM (%BF), Palafolls (%BF) and

Deurenberg (%BF) presents a strong correlation with obesity indicators used in clinical

practice and physical activity, such as BMI and WC; and that all of them, except
 203

%BF_DEXA, present a moderate correlation with SBP. In addition, CUN-BAE (%BF)

and the Deurenberg formula (%BF) are the body fat percentage estimators that show

greater agreement with %BF_DEXA when compared to RFM (%BF) and Palafolls

(%BF) in both BMI categories among menopausal women practicing RT.

The increase in body adiposity is one of the main characteristics observed in

menopausal women, as a result of changes in the hypothalamic-pituitary-ovarian axis,

ovarian follicular cell failure and imbalance in the estrogen/testosterone ratio, which

contributes to greater susceptibility to development. of comorbidities in this population

[26,27]. Data in the literature show that the body fat percentage, estimated by DEXA

and by equations such as CUN-BAE (%BF), Deurenberg (%BF) and RFM (%BF), is

associated with a higher risk of developing cardiometabolic disorders such as diabetes

mellitus type 2, systemic arterial hypertension and metabolic syndrome, among the

adult population of both sexes. Evidence on the association between the Palafolls

formula (%BF) and cardiometabolic outcomes is still insufficient [28,29,30].

The equations proposed to estimate body fat percentage appear as an

alternative to BMI, since BMI is unable to assess the amount of FM, FFM and

distribution of body fat, which are potential risk factors for cardiovascular events and

metabolic complications during menopause and chronological aging [14,26]. This

statement is in line with the findings of the present study, since women with overweight

had higher FFM and MM when compared to those with normal weight, and also 70.6%

of WC adequacy. It is well understood that RT are effective in promoting the reduction

of body adiposity, and our findings corroborate with some studies that showed that

lower time (in years and minutes/week) and weekly frequency of this type of physical

exercise are associated with higher body adiposity in the adult population, regardless

of biological sex [22,23]. In contrast, data on the benefits of RT for the increase in FFM

in menopausal women still need further investigation [31,27].

 204

Son et al [31], in an intervention study with 20 menopausal women in stage one

of systemic arterial hypertension, observed that after 12 weeks of RT, the group

submitted to training in this modality showed a significant increase in FFM and

significant reductions in total body mass, FM, as well as in SBP, when compared to the

control group that did not perform any physical activity during the intervention period.

According to this study, the increase in FFM and/or reduction in FM and, consequently,

in the production of pro-inflammatory cytokines may have been the main factors

associated with the reduction in SBP. The relationship between FM and SBP

corroborates the findings of the present study, since among the clinical and metabolic

risk factors analyzed, a moderate correlation was found between most of the estimating

equations of body fat percentage with SBP, with no association between them and

blood glucose and lipid profile variables being observed.

Despite this, it is important to highlight that there were no cases of systemic

arterial hypertension and type II diabetes mellitus in the present sample. However,

inadequacies were identified in the concentrations of HDL-c, TG, LDL-c and TC, which

can occur more easily due to the hormonal changes that take place as a result of

ovarian insufficiency, such as an imbalance in the estradiol/testosterone ratio that

promotes the accumulation of fat in the abdominal region and changes in lipid

metabolism [6]. To date, there are no studies that evaluate the relationship between

estimating equations of body fat percentage and lipid profile changes in menopausal

women practicing RT. However, Costa et al [14], in a study with adults of both sexes,

identified that CUN_BAE (%BF), BMI and %BF_DEXA are similarly associated with

cardiometabolic risk factors, such as high circulating concentrations of insulin and TG,

increases in the amount of visceral adipose tissue and higher indices in HOMA-IR and

in the glucose-triglycerides ratio; and that there is a greater agreement of body

adiposity estimated by CUN-BAE (%BF) with %BF_DEXA than between BMI and

%BF_DEXA.
 205

Similarly, Vinknes et al [32], in a study with subjects with the same

characteristics, observed that CUN-BAE (%BF) was more related to the risk of

cardiovascular events and type II diabetes mellitus, in six years of follow-up, than BMI,

in addition to showing greater agreement with %BF_DEXA than the latter, despite

overestimating body fat percentage in eutrophic individuals. This differs from the

findings of the present study, in which a tendency towards underestimation of this

anthropometric index was identified, in the total sample and when there was

stratification by BMI as well. This fact can be justified by the inclusion of individuals of

both sexes in the study by Vinknes et al [32], while the present study was constituted

only by the female sex, since sexual differences, as well as age and ethnicity, are

factors that influence body adiposity [26,33].

The tendency towards underestimation of the body fat percentage observed

between CUN-BAE (%BF) and %BF_DEXA was also found in most estimating

equations evaluated in the present study, with greater perceived underestimation

between RFM (%BF) and %BF_DEXA. Contrary to these findings, Paek et al [33], in a

study with data from the Korea National Health and Nutritional Examination Survey with

individuals of both sexes, observed that RFM (%BF) tends to overestimate the %BF by

an average of 2.63% in females; however, the specificity of this anthropometric index in

diagnosing obesity, based on body fat percentage, is reduced with increasing age,

which may explain the difference found between the present study and that of Paek et

al [33]. Despite this, Paek et al [33] point out that the rate of misclassification of body

adiposity by RFM (%BF) is lower than that observed by BMI, thus, the former is

considered more suitable than the latter for assessing adiposity, especially among

females.

Data by Peak et al [33] corroborate the findings of Woolcott and Bergaman [11],

in a study carried out with data from the National Health and Nutrition Examination

Survey with African-Americans, Mexican-Americans and European-Americans, of both

 206

sexes. In this study, the authors also found greater accuracy and precision of RFM

(%BF) in diagnosing obesity from the body fat percentage when compared to CUN-

BAE (%BF), Deurenberg (%BF) and other estimators of body fat percentage. These

results differ from those found in the present study, because, among the evaluated fat

percentage estimators, RFM (%BF) was the one with the lowest ICC in relation to

%BF_DEXA when compared to the others, in addition to the greatest mean difference

and a greater confidence interval of 95%, evaluated by the Bland-Altman plot, in the

total sample and among women with overweight, being superior only to Palafolls (%BF)

among eutrophic women for the latter evaluation method, relative to %BF_DEXA.

To date, no studies that evaluated the relationship between body fat percentage

estimated by the Palafolls formula (%BF) and %BF_DEXA were found. However, Mill-

Ferreyra et al [12], when suggesting the Palafolls equation (%BF) to analyze the

percentage of body fat in adults of both sexes with a median age of 57 years, found a

strong correlation between this anthropometric index and CUN-BAE (%GF) that was

used as a reference method. Similarly, Molina-Luque et al [13] identified a strong

correlation between Palafolls (%BF) and CUN-BAE (%BF). However, the analysis of

agreement between the methods using the Bland-Altman plot showed that Palafolls

(%BF) has a greater mean difference (MD: 3.88 [SD: 2.32]; 95% CI: -0.66, 8.43) in

relation to CUN-BAE (%BF) (reference method used in the study) when compared to

Deurenberg (%BF), RFM (%BF) and the Córdoba equation to estimate body fat.

The analysis of agreement between %BF_DEXA and different equations to

estimate body fat percentage is important since methods considered gold standard for

the evaluation of body composition, such as DEXA, magnetic resonance and computed

tomography, are inaccessible to most of the population, due to their high financial cost

[4,34]. In addition, the assessment of body fat percentage in menopausal women

practicing RT can be an indicator of cardiometabolic health and assist in the prevention

of numerous comorbidities. However, to our knowledge, this is the first study to assess
 207

the agreement of different formulas that estimate body fat percentage with

%BF_DEXA, and the relationship of these anthropometric indices with cardiometabolic

risk factors in this population. Despite this, the present study has some limitations, such

as: the cross-sectional model that does not allow causal relationships to be

established; the characteristics of the sample, especially the limited number of

participants, which prevents data from being extrapolated to other populations; the

absence of information about ethnicity and the dietary pattern of the sample, since

these are factors that influence body adiposity.

Conclusion

CUN-BAE (%BF) and Deurenberg (%BF) are body fat percentage estimators

that show greater agreement with %BF_DEXA in menopausal women practicing RT.

These equations can be used in clinical practice and physical activity as an alternative

for assessing body composition and tracking cardiometabolic risk in the absence of a

reference method such as DEXA.

Acknowledgments

The authors acknowledge to Center for Research on Micronutrients/Institute of

Nutrition Josué de Castro/Federal University of Rio de Janeiro to coloborate with this

research.

Competing interests

The authors declare that they have no competing interests.

 208

References
1. Consitt LA, Dudley C, Saxena G. Impact of endurance and resistance training on
skeletal muscle glucose metabolism in older adults. Nutrients. 2019 Nov
3;11(11):2636. doi:10.3390/nu11112636

2. Sanches IC, Buzin M, Conti FF, Dias DS, Santos CP, Sirvente R, et al. Combined aerobic and
resistance exercise training attenuates cardiac dysfunctions in a model of diabetes and
menopause. PLoS ONE. 2018 Sep 7; 13(9): e0202731. doi:10.1371/journal.pone.0202731.

3. Leite MAFJ, Mariano IM, Dechichi JGG, Giolo JS, Gonçalves AC, Puga GM. Exercise
training and detraining effects on body composition, muscle strength and lipid,
inflammatory andoxidative markers in breast cancer survivors under tamoxifen
treatment. Life Sci. 2021 Nov 1; 284:119924. doi:10.1016/j.lfs.2021.119924.

4. Shetty S, Kapoor N,Thomas N, Paul TV. DXA measured visceral adipose tissue, total fat,
anthropometric indices and its association with cardiometabolic riskfactors in mother-
daughter pairs from India. J Clin Densitom. Jan-Mar 2021; 24(1): 146-155. doi:
10.1016/j.jocd.2020.06.001.

5. World Health Organization. Fact sheet on obesity and overweight . Geneva:

World Health Organization 2017. Available:
https://www.who.int/data/gho/data/themes/topics/topic-details/GHO/body-
mass-index?introPage=intro_3.html (acessed on 15 February 2022).

6. Farahmand M, Tehrani FR, Rahmati M, Azizi F. Anthropometric indices andage at

natural menopause: a 15-year follow-up population-based study. Int J Endocrinol
Metab. 2021 Aug 5; 19(4):e109285. doi: 10.5812/ijem.109285.

7. Głuszec S, Ciesla E, Głuszec-Osuch M, Kozieł D, Kiebzak W, Wypchło Ł, et al.

Anthropometric indices andcut-off points in the diagnosis of metabolic disorders. PLoS
ONE. 2020 Jun 22; 15(6):e0235121. doi: 10.1371/journal.pone.0235121.

8. Vinknes KJ, Nurk E, Tell GS, Sulo G, Refsum H, Elshorbagy AK. The relation of CUN-BAE
index and BMIwith body fat, cardiovascular events and diabetes during a 6-year follow-
up: the Hordaland Health Study. Clin Epidemiol. 2017 Nov 8;9:555-566. doi:
10.2147/CLEP.S145130.

9. Deurenberg P, Weststrate JA, Seildell JC. Body mass index as a measure of body fatness:
age- and sex-specific prediction formulas. Br J Nutr. 1991 Mar;65(2):105-14. doi:
10.1079/bjn19910073.

10. Gomez-Ambrosi J, Silva C, Catalán V, Rodríguez A, Galofré JC, Escalada J, et al. Clinical
usefulness of a newequation for estimating body fat. Diabetes Care. 2012 Feb;35(2):383-8.
doi: 10.2337/dc11-1334.
 209

11. Woolcott OO, Bergman RN. Relative fat mass (RFM) as a new estimator ofwhole-body fat
percentage ─ A cross-sectional study in American adult individuals. Sci. Rep. 2018 Jul
20;8(1):10980. doi: 10.1038/s41598-018-29362-1

12. Mill-Ferreyra E, Cameno-Carrillo V, Saúl-Gordo H, Camí-Lavado MC. Estimation of the

percentage of body fat based on the body mass index and the abdominal circumference:
Palafolls Formula. Semergen. 2019 Mar;45(2):101-108. doi: 10.1016/j.semerg.2018.04.007.

13. Molina-Luque R, Romero-Saldaña M, Álvarez-Fernández C, Bennasar-Veny M, Álvarez-

López A, Molina-Recio G. Equation Córdoba: a simplified method for estimation of body fat
(ECORE-BF). Int J Environ Res Public Health. 2019 Nov 15;16(22):4529. doi:
10.3390/ijerph16224529.

14. Costa A, Konieczna J, Reynés B, Martín M, Fiol M, Palou A. CUN-BAE index as a

acreening toolto identify increased metabolic risk in apparently healthy normal-weight
adults and those with obesity. J Nutr. 2021 Aug 7;151(8):2215-2225. doi:
10.1093/jn/nxab117.

15. Davila-Baptista V, Molina AJ, Ferñandez-Villa T, Romaguera D, Pérez-Goméz B, Vilorio-

Marquéz L. The relation of CUN-BAE index with body mass index and waist circumference
in adults aged 50 to85 years: the MCC-Spain Study. Nutrients. 2020 Apr 3;12(4):996. doi:
10.3390/nu12040996.

16. Barroso WKS, Rodrigues CIS, Bartolotto LA, Mota-Gomes MA, Brandão AA, Feitosa ADM,
et al. Diretrizes brasileiras de hipertensão arterial – 2020. Arq Bras Cardiol. 2021;
116(3):516-658. doi: https://doi.org/10.36660/abc.20201238.

17. Cobas R, Rodacki M, Giacaglia L, Calliari L, Noronha R, Valerio C, et al. Diabetes diagnosis
and type 2 diabetes screening. Official Guideline of the Brazilian Society of Diabetes
(2022). DOI: 10.29327/557753.2022-2, ISBN: 978-65-5941-622-6.

18. Faludi AA, Izar MCO, Saraiva JFK, Chacra APM, Bianco HT, Afiune Neto A et al. Update of
the Brazilian Guideline on Dyslipidemias and Prevention of Atherosclerosis – 2017. Arq
Bras Cardiol 2017; 109(2Supl.1):1-76. doi: 10.5935/abc.20170121.

19. Cardiology Brazilian Society. I Brazilian Guideline for Diagnosis and

Treatment of Metabolic Syndrome. Arq Bras Cardiol. 2005; 84(1). doi:
https://doi.org/10.1590/S0066-782X2005000700001.

20. Expert Panel on Detection, Evaluation and Treatment of High Blood Cholesterol in
Adults. Executive summary of the Third Report of the National Cholesterol Education
Program (NCEP) Expert Panel on Detection, Evaluation and Treatment of High
Cholesterol. JAMA. 2001 May 16;285(19):2486–97. doi: 10.1001/jama.285.19.2486

21. World Health Organization (1999). Definition, diagnosis and classification of

diabetes mellitus and its complications: report of a WHO consultation. Part 1:
Diagnosis and classification of diabetes mellitus. World Healh Organization.
Available: https://apps.who.int/iris/handle/10665/66040 (acessed on 09 June
2022).
 210

22. Burrup R, Tucker LA, Le Cheminant JD, Bailey BW. Strength training and body
composition in middle-age women. J Sports Med Phys Fitness. Jan-Feb 2018;58(1-
2):82-91. doi: 10.23736/S0022-4707.17.06706-8.

23. Brellenthin AG, Lee D, Bennie JA, Sui X, Blair SN. Resistance exercise, alone and in
combination with aerobic exercise, and obesity in Dallas, Texas, US: A prospective
cohort study. PLoS Med. 2021 Jun 23;18(6):e1003687. Doi:
10.1371/journal.pmed.1003687.

24. American College of Sports Medicine. American College of Sports Medicine position stand:
progression models in resistance training for healthy adults. Med Sci Sports Exerc. 2009
Mar;41(3):687-708. doi: 10.1249/MSS.0b013e3181915670.

25. Cichetti DV. Guidelines, criteria and rules of thumb for evaluatiating normed and
standardized assessment instruments in physiology. Physiological Assessment. 6(4):284-
90. doi: https://doi.org/10.1037/1040-3590.6.4.284.

26. Greendale GA, Sternfeld B, Huang M, Han W, Karvonen-Gutierrez C, Ruppert K, et

al. Changes in body composition and weight during the menopause transition. JCI
Insight. 2019 Mar 7;4(5):e124865. doi: 10.1172/jci.insight.124865.

27. Park KM, Park SC, Kang S. Effects of resistance exercise on adipokinefactors and
body composition in pre- and postmenopausal women. J Exerc Rehabil. 2019 Oct
29;15(5):676-82. doi: 10.12965/jer.1938368.184.

28. Sanchéz M, Sanchéz E, Bermúdez-Lopéz, Torres G, Farràs-Sallés C, Pamplona R, et al.

Clinical usefulness ofanthropometric indices to predict the presence of prediabetes:
Data from the ILERVAS Cohort. Nutrients. 2021 Marc 19;13(3):1002. doi:
10.3390/nu13031002.

29. Sanchéz E, Sanchéz M, Betriu A, Rius F, Torres G, Purroy F, et al. Are obesity indices
useful for detecting subclinical atheromatosis in a middle-aged population? Obes
Facts. 2020;13(1):29-39. doi: 10.1159/000502696.

30. Kobo O, Leiba R, Avizohar O, Karban A. Relative fat mass (RFM) as abdominal obesity
criterion for metabolic syndrome. Eur J of Intern Med. 2019 May;63:e9-e11. doi:
10.1016/j.ejim.2019.03.002.

31. Son W. Pekas EJ, Park S. Twelve weeks of resistance band exercise trainingimproves age
associated hormonal decline, blood pressure, and body composition in post menopausal
women with stage 1 hypertension: a randomized clinical trial. Menopause. 2020
Feb;17(2):199-207. doi: 10.1097/GME.0000000000001444.

32. Vinknes KJ, Nurk E, Tell GS, Sulo G, Refsum H, Elshobargy AK. The relation of CUN-BAE
index and BMIwith body fat, cardiovascular events and diabetes during a 6-year follow-
up: the Hordaland Health Study. Clin Epidemiol. 2017 Nov 8;9:555-566. doi:
10.2147/CLEP.S145130.
 211

33. Paek JK, Kim J, Kim K, Lee SY. Usefulness of relative fat mass in estimating body adiposity
in Korean adult population. Endocr J. 2019 Aug29;66(8):723-29. doi:
10.1507/endocrj.EJ19-0064.

34. Gadelha AB, Myers J, Moreira S, Dutra MT, Safons MP, Lima RM. Comparison of
adiposity indicesand cut-off values in the prediction of metabolic syndrome in
postmenopausal women. Diabetes Metab Syndr. 2016;10(3):143-48. doi:
10.1016/j.dsx.2016.01.005.
 212

Chart 1. BMI and %BF estimators.

BMI (kg/m²) Total body mass (kg) / height (m²)

Deurenberg (%BF) (1.20*BMI) + (0.23*age) – (10.8*sex) –

5.4

CUN-BAE (%BF) - 44.988 + (0.503 *age) + (10.689*sex)

+ (3.172* BMI) - (0.026*BMI²) +

(0.181* BMI*sex) - (0.02* BMI*age) -

(0.005* BMI²*sex) + (0.00021* BMI²*age)

RFM (%BF) 64 - (20* [height(cm) / WC (cm)]) +

(12*sex)

Palafolls (%BF) ([BMI / WC (cm)] * 10) + BMI + 10

 213

Table 1. Descriptive and body characteristics of the total sample and according to the
classification of Body Mass Index

Total sample (n=31) Eutrophy Overweight (n=17) p-value*

(n=14)

Mean ± standard Mean ± standard Mean ± standard

deviation deviation deviation
Descriptive characteristics
Age (years) 52.29± 4.56 52.21 ± 4.82 52.35 ± 4.49 0.93
Time_years (RT) 11.29 ± 14.11 15.80 ± 13.73 4.61 ± 8.36 0.01
Time_week (RT) (min/week) 289.35 ± 216.22 389.28 ± 270,31 207.35 ± 111.17 0.03
Freq_week (RT) (days/week) 4.00 ± 1.15 4.57 ± 1.22 3.52 ± 0.87 0.01
% body fat
Estimators
CUN-BAE (%BF) 38.17 ± 5.72 33.57 ± 2.42 41.95 ± 4.79 <0.01
Palafolls (%BF) 39.37 ± 5.22 35.39 ± 1.59 42.65 ± 4.89 <0.01
RFM (%BF) 35.63 ± 3.92 32.52 ± 1.91 38.19 ± 3.23 <0.01
Deurenberg (%BF) 38.00 ± 5.96 33.49 ± 2.24 41.71 ± 5.49 <0.01
Body composition
%BF_DEXA 37.95 ± 6.16 33.56 ± 3.57 41.57 ± 5.48 <0.01
%AF 40.87 ± 12.65 35.83 ± 5.84 45.03 ± 15.22 0.03
%GF 48.23 ± 12.65 47.16 ± 3.84 49.10 ± 12.21 0.57
%TF 36.49 ± 10.40 31.24 ± 5.14 40.82 ± 11.72 <0.01
FM (kg) 25.06 ± 8.41 19.13 ± 3.39 29.95 ± 8.20 <0.01
FFm (kg) 41.93 ± 5.35 39.88 ± 4.29 43.62 ± 5.66 0.05
MM (kg) 39.61 ± 5.15 37.62 ± 4.12 41.25 ± 5.45 0.04
A/G 0.84 ± 0.19 0.76 ± 0.11 0.90 ± 0.21 0.03
Cardiometabolic risk factors
WC (cm) 80.31 ± 7.62 74.82 ± 2.27 84.83 ± 7.52 <0.01
HDL-c (mg/dL) 66.66 ± 16.14 65.85 ± 13.38 66.11 ± 18.51 0.96
LDL-c (mg/dL) 115.00 ± 29.32 113.00 ± 30.48 116.64 ± 29.18 0.73
TC (mg/dL) 201.25 ± 35.34 197.64 ± 30.18 204.23 ± 39.76 0.61
TG (mg/dL) 82.90 ± 47.05 68.92 ± 27.93 94.41 ± 56.62 0.13
Blood glucose (mg/dL) 88.41 ± 6.21 88.28 ± 5.26 88.52 ± 7.05 0.91
SBP (mmHg) 122.70 ± 7.80 119.14 ± 5.02 125.64 ± 8.57 0.01
DBP (mmHg) 78.61 ± 5.85 78.35 ± 4.12 78.82 ± 7.09 0.83
Data presented as mean and standard deviation. Time_years (RT): time in years of resistance
training; Time_week (RT) (min/week): weekly resistance training time in minutes per week;
Freq_week (RT) (days/week): weekly frequency of resistance training in days per week; CUN-BAE
(%BF): percentage of body fat by the body adiposity estimator of the Clinical University of Navarra;
Palafolls (%BF): body fat percentage by Palafolls formula; RFM (%BF): body fat percentage by the
formula of relative fat mass; Deurenberg (%BF): body fat percentage according to the Deurenberg
formula; %BF_DEXA: body fat percentage by dual energy x-ray densitometry; %AF: android fat
percentage; %GF: gynoid fat percentage; %TF: trunk fat percentage; FM: fat mass in kilograms; FFM:
fat-free mass in kilograms; MM: musculoskeletal mass in kilograms; A/G: android-gynoid ratio; WC:
waist circumference; HDL-c: high-density lipoprotein cholesterol; LDL-c: low-density lipoprotein
cholesterol; TC: total cholesterol; TG: triglycerides; SBP: systolic blood pressure; DBP: diastolic blood
pressure.
 214

Table 2. Bivariate correlation between descriptive, body and metabolic variables with body fat percentage estimators in
the total sample.

________________________________________________________________________________________________________

R p-value* r p-value* R p-value* r p-value* r p-value*

Age (years) 0.12 0.49 0.07 0.67 0.11 0.54 ─0.05 0.78 0.12 0.50
Time_years (RE) — 0.49 <0.01 ─0.35 0.05 ─0.24 0.18 ─0.36 0.04 ─0.33 0.06
Time_week (RE) (min/week) — 0.25 0.16 ─0.24 0.18 ─0.12 0.50 ─0.27 0.13 ─0.22 0.21
Freq_week (RE) (days/week) — 0.41 0.01 ─0.32 0.07 ─0.22 0.22 ─0.35 0.04 ─0.31 0.08
BMI (kg/m²) 0.78 <0.01 0.98 <0.01 0.92 <0.01 1.00 <0.01 0.98 <0.01
WC (cm) 0.73 <0.01 0.95 <0.01 0.93 <0.01 0.96 <0.01 0.95 <0.01
%AF 0.77 <0.01 0.64 <0.01 0.58 <0.01 0.63 <0.01 0.66 <0.01
%GF 0.44 0.01 0.31 0.08 0.35 0.05 0.31 0.08 0.30 0.09
%TF 0.85 <0.01 0.71 <0.01 0.66 <0.01 0.68 <0.01 0.72 <0.01
FM (kg) 0.88 <0.01 0.93 <0.01 0.82 <0.01 0.95 <0.01 0.94 <0.01
FFM (kg) 0.20 0.26 0.62 <0.01 0.44 0.01 0.66 <0.01 0.60 0.01
MM (kg) 0.20 0.26 0.49 <0.01 0.44 0.01 0.66 <0.01 0.61 0.01
A/G 0.67 <0.01 0.60 <0.01 0.47 <0.01 0.63 <0.01 0.37 0.01
HDL-c (mg/dL) ─0.10 0.58 ─0.12 0.51 ─0.07 0.69 ─0.10 0.56 ─0.14 0.44
LDL-c (mg/dL) 0.13 0.48 ─0.10 0.56 ─0.11 0.52 ─0.17 0.35 ─0.09 0.60
TC (mg/dL) 0.17 0.35 ─0.03 0.83 ─0.05 0.77 ─0.10 0.59 ─0.02 0.89
TG (mg/dL) 0.24 0.17 0.25 0.16 0.18 0.33 0.19 0.28 0.28 0.11
Fasting blood glucose 0.30 0.09 0.14 0.43 0.07 0.70 0.12 0.51 0.18 0.32
(mg/dL)
SBP (mmHG) 0.28 0.11 0.44 0.01 0.49 <0.01 0.44 0.01 0.43 0.01
DBP (mmHG) 0.08 0.64 0.13 0.47 0.22 0.23 0.15 0.40 0.12 0.48
Pearson's bivariate correlation. *statistical significance value < 0.05. r = correlation factor. %BF_DEXA: body fat percentage estimated by dual energy x-
ray absorptiometry; CUN-BAE (%BF): body fat percentage by the body adiposity estimator of the Clinical University of Navarra; Palafolls (%BF):
percentage of body fat by Palafolls formula; RFM (%BF): body fat percentage by the formula of relative fat mass; Deurenberg (%BF): body f at percentage
according to the Deurenberg formula; Time_years (RT): time of resistance training in years; Time_week (RT): resistance training time in minutes per week;
Freq_week (RT): frequency of resistance training in days per week. BMI: body mass index; WC: waist circumference; %AF: android fat percentage; %GF:
gynoid fat percentage; %TF: trunk fat percentage; FM: fat mass in kilograms; FFM: fat-free mass in kilograms; MM: musculoskeletal mass in kilograms;
A/G: android-gynoid ratio; HDL-c: high-density lipoprotein cholesterol; LDL-c: low-density lipoprotein cholesterol; TC: total cholesterol; TG: triglycerides;
SBP: systolic blood pressure; DBP: diastolic blood pressure.
 215

120%

*
100%

80%

Total sample

60% Eutrophy

Overweight
20%
40%

0%
WC (cm) TG (mg/dL) HDL-c LDL-c TC (mg/dL) SBP/DBP Fasting blood

(mg/dL) (mg/dL) (mmHg) glucose

(mg/dL)

Figure 1. Frequencies of adequacy of cardiometabolic risk factors in the total sample and according to the classification of nutritional status by
BMI
*Values with statistically significant differences between eutrophic and overweight women. Chi-square test (x²) or Fisher's Exact Test (n<5). Frequencies
of adequacy of cardiometabolic risk factors in the total sample and according to BMI classification. WC: waist circumference; TG: triglycerides; HDL-c:
high-density lipoprotein cholesterol; LDL-c: low-density lipoprotein cholesterol; TC: total cholesterol; SBP/DBP: systolic and diastolic blood pressure.
 216

Table 3. Intraclass correlation coefficients for analysis of agreement between %BF_DEXA and
estimators of body fat percentage in the total sample and according to the classification of
body mass index.

Total sample (n=31)

ICC CI 95% (low., upp.) p-value*
CUN-BAE (%BF) 0.89 (0.78, 0.95) <0.01
Palafolls (%BF) 0.86 (0.71, 0.93) <0.01
RFM (%BF) 0.77 (0.45, 0.89) <0.01
Deurenberg (%BF) 0.89 (0.77, 0.94) <0.01
Eutrophy (n=14)
ICC CI 95% (low., upp.) p-value*
CUN-BAE (%BF) 0.64 (-0.18, 0.88) 0.04
Palafolls (%BF) 0.48 (-0.30, 0.82) 0.08
RFM (%BF) 0.33 (-1.00, 0.78) 0.23
Deurenberg (%BF) 0.62 (-0.23, 0.88) 0.05
Overweight (n=17)
ICC CI 95% (low., upp.) p-value*
CUN-BAE (%BF) 0.81 (0.47, 0.93) <0.01
Palafolls (%BF) 0.78 (0.41, 0.92) <0.01
RFM (%BF) 0.60 (-0.06, 0.85) 0.01
Deurenberg (%BF) 0.82 (0.49, 0.93) <0.01
*Values with statistical significance <0.05. %BF_DEXA: percentage of body fat estimated by dual energy x-ray densitometry
(DEXA); ICC: Intraclass correlation; 95% CI (low., upp.): 95% confidence interval (lower limit, upper limit); CUN-BAE (%BF):
body fat percentage by the body adiposity estimator of the Clinical University of Navarra; Palafolls (%BF): body fat percentage
by Palafolls formula; RFM (%BF): body fat percentage by the formula of relative fat mass; Deurenberg (%BF): body fat
percentage according to the Deurenberg formula.
 217

Table 4. Difference in means and confidence intervals between %BF_DEXA and % body fat
estimators in the total sample and according to the classification of body mass index.

Total sample (n=31)

MD (SD) CI 95% (low., upp.) p-value*
CUN-BAE (%BF) -0.21 (3.69) (-7.45, 7.02) 0.74
Palafolls (%BF) 1.41 (3.81) (-0.65, 8.89) 0.04
RFM (%BF) -2.32 (4.11) (-10.39, 5.74) <0.01
Deurenberg (%BF) 0.04 (3.81) (-7.42, 7.51) 0.76
Eutrophy (n=14)
MD (SD) CI 95% (low., upp.) p-value*
CUN-BAE (%BF) -0.01 (3.19) (-6.26, 6.23) 0.98
Palafolls (%BF) 1.83 (3.09) (-4.22, 7.89) 0.04
RFM (%BF) -1.04 (3.62) (-8.14, 6.06) 0.30
Deurenberg (%BF) -0.06 (3.16) (-6.26, 6.12) 0.93
Overweight (n=17)
MD (SD) CI 95% (low., upp.) p-value*
CUN-BAE (%BF) -0.03 (4.15) (-8.52, 7.76) 0.71
Palafolls (%BF) 1.07 (4.38) (-7.51, 9.66) 0.32
RFM (%BF) -3.38 (4.29) (-11.80, 5.04) <0.01
Deurenberg (%BF) 0.13 (4.36) (-8.42, 8.70) 0.89
*Values with statistical significance < 0.05. %BF_DEXA: percentage of body fat estimated by dual energy x-ray densitometry
(DEXA); MD (SD): mean difference (standard deviation); 95% CI (low., upp.): 95% confidence interval (lower limit, upper limit).
CUN-BAE (%BF): body fat percentage by the body adiposity estimator of the Clinical University of Navarra; Palafolls (%BF):
body fat percentage by the Palafolls formula; RFM (%BF): body fat percentage by the formula of relative fat mass; Deurenberg
(%BF): body fat percentage by the Deurenberg formula.
 218

a) b)

c) d)

Figure 2. Representations of the Bland-Altman plot for analysis of agreement between a) %BF_DEXA and CUN-BAE (%BF), b) %BF_DEXA and RFM
(%BF), c) %BF_DEXA and Pallafolls (%BF), and d) %BF_DEXA and Deurenberg (%BF) in the total sample.
 219

ANEXOS
 220

ANEXO I – PARCERIA E PARTICIPAÇÃO EM PESQUISA (ACADEMIA)

Aos Representantes da academia ________________

A pesquisadora Vilma Fernandes Carvalho, Bióloga, RG: M3187610

vemconvidar a
academia________________________________________________ para
participação no projeto de pesquisaintitulado:

“CORRELAÇÃO ENTRE O NÍVEL DE SATISFAÇÃO CORPORAL,

COMPOSIÇÃO CORPORAL E AS VARIÁVEIS BIOQUÍMICAS EM MULHERES PRÉ
E PÓS MENOPAUSA PRATICANTES DE MUSCULAÇÃO”

A contribuição da academia será a seleção de mulheres adultas (de 45 a

60anos de idade) praticante de musculação.

Objetiva-se analisar o nível de satisfação corporal, composição corporale

variáveis bioquímicas, em mulheres adultas.Pretende-se, com os resultados
encontrados, buscar a melhora da autoestimaconsiderando a composição corporal,
os hábitos alimentares e a prática deatividade física.

Espera-se que nossas relações sejam aprimoradas no desenvolvimentodeste

projeto e novas parcerias sejam realizadas futuramente.

Belo Horizonte ______de ______________de 20__.

___________________________________

Vilma Fernandes Carvalho

 221

ANEXO II – DIVULGAÇÃO DA PESQUISA

 222

ANEXO III – CADASTRO DE VOLUNTÁRIAS PARA PESQUISA

CADASTRO NÚMERO _______

NOME COMPLETO: ________________________________________________

ENDEREÇO: ______________________________________________________

TELEFONES: _____________________________________________________

E-MAIL: __________________________________________________________

HORÁRIOS DISPONÍVEIS PARA CONSULTA:

_________________________________________________________________

* Local das consultas: Rua Ceará, 161, 4º andar, sala 405. Dra. Diana
Macedo Heffner

** Local dos exames: Laboratório HERMES PADINI – Rua Aimorés, 66, Belo
Horizonte, Minas Gerais (Centro de Densitometria óssea – coordenação:
Dr.: José Ribamar Villela).
 223

ANEXO IV – PARCERIA E PARTICIPAÇÃO EM PESQUISA (LABORATÓRIO)

Ao Intituto Hermes Pardini.

Eu, Vilma Fernandes Carvalho, Bióloga, RG: M3187610, convido o Dr. José
Ribamar Villela para parceria no projeto de pesquisaintitulado:

“CORRELAÇÃO ENTRE O NÍVEL DE SATISFAÇÃOCORPORAL,

COMPOSIÇÃO CORPORAL E AS VARIÁVEIS BIOQUÍMICAS EM MULHERES PRÉ
E PÓS MENOPAUSA PRATICANTES DE MUSCULAÇÃO”

Objetiva-se analisar o nível de satisfação corporal, composição corporale

variáveis bioquímicas, em mulheres adultas.Pretende-se, com os resultados
encontrados, buscar a melhora da autoestimaconsiderando a composição corporal,
os hábitos alimentares e a prática deatividade física.

O Dr. José Ribamar Villela, CRM 15007, habilitado em densitometria

pelaCCD/ISCD/SBDens/CBR/AMB, recebeu cordialmente o convite para parceria e
irámonitorar os resultados e a realização dos exames de Densitometria
óssearealizados no Instituto Hermes Pardini, localizado à rua Aimorés, 66, em
BeloHorizonte.

Espera-se que nossas relações sejam aprimoradas no desenvolvimentodeste

projeto e novas parcerias sejam realizadas futuramente.

Belo Horizonte ______de ______________de 20__.

___________________________________

Vilma Fernandes Carvalho

 224

ANEXO V – FORMULÁRIO DE COLETA DE DADOS

I – IDENTIFICAÇÃO

Nome: ______________________________________________________________

Data de Nascimento: ____________

Idade: _____________

II – HÁBITOS DE ESTILO DE VIDA

A) PRÁTICA DE EXERCÍCIOS DE RESISTÊNCIA

Frequência semanal: _____________ dias/semana

Tempo por sessão : ______________ minutos/sessão

Tempo de prática de exercícios de resistência (meses ou anos): _______________

Prática de exercício aeróbico adicional (Ex.: bicicleta, corrida, natação, dança,

caminhada) ( ) Sim ( ) Não

B) TABAGISMO

( ) Sim ( ) Não

C) CONSUMO DE ÁLCOOL

Nos últimos 30 dias, você chegou a consumir quatro ou mais drinks de bebida
alcoólica em uma mesma ocasião?

( ) Sim ( ) Não

III – HISTÓRICO DE CIRURGIAS/ DOENÇAS PRÉVIAS OU EXISTENTES

( ) Não
( ) Histerectomia
( ) Ooforectomia Bilateral
( ) Ooforectomia Unilateral
( ) Cirurgia Bariátrica
( ) Colecistectomia
 225

( ) Litíase Biliar
( ) Nefrolíase
( ) Artrite Reumatóide
( ) Hiperparatireoidismo
( ) Hipotireoidismo
( ) Câncer

( ) Diabetes Mellitus tipo 2

( ) Hipertensão Arterial Sistêmica

( ) Outras: _____________________________

IV – UTILIZAÇÃO DE MEDICAMENTOS
( ) Não

( ) Bisfosfonato

( ) Cálcio

( ) Calcitonina

( ) Estrógeno / TRH – em uso

( ) Estrógeno / TRH interrompido

( ) S.E.R.M.s

( ) Vitamina D

( ) Corticóides

( ) Hormônio Tireoidiano

( ) Hipoglicemiantes

( ) Anti-hipertensivos

( ) Estatinas

( ) Outros: _________________________________________________________

V – FRATURAS

( ) Não
 226

( ) Antebraço (punho)

( ) Costela

( ) Fêmur

( ) Pé

( ) Tíbia (perna)

( ) Tornozelo

( ) Úmero

( ) Vértebras

( ) Outras: _________________________________________________________

VI – INFORMAÇÕES CLÍNICAS

Menopausa: ( ) Sim ( ) Não

Menstruações: ( ) Normais ( ) Irregulares ( ) Sob medicamento

Gravidez: ( ) Sim ( ) Não

VII – INFORMAÇÕES ANTROPOMÉTRICAS

Peso corporal: _________

Estatura: ______________

Perímetro da cintura: __________

VIII – INFORMAÇÕES BIOQUÍMICAS

TSH

Glicemia em jejum

Colesterol total

HDL-c

LDL-c
 227

VLDL-c

TG
 228

ANEXO VI – APROVAÇÃO DO COMITÊ DE ÉTICA

 229

ANEXO VII – TERMO DE CONSENTIMENTO LIVRE E ESCLARECIDO

TERMO DE CONSENTIMENTO LIVRE E ESCLARECIDO

Título: “CORRELAÇÃO ENTRE O NÍVEL DE SATISFAÇÃO CORPORAL, COMPOSIÇÃO

CORPORAL E AS VARIÁVEIS BIOQUÍMICAS EM MULHERES PRÉ E PÓS MENOPAUSA
PRATICANTES DE MUSCULAÇÃO”
Pesquisador Responsável: Vilma Fernandes Carvalho
Orientadora: Danielli Braga de Mello
e-mal: vilmacarvalho@hotmail.com -Telefone: 0xx(31) 3426-6345 / 0xx(31) 9168-0321

Prezado Senhor(a):
Vilma Fernandes Carvalho, Bióloga, RG: M3187610 pretende realizar um estudo com as seguintes
características:
Título do Projeto de Pesquisa: “CORRELAÇÃO ENTRE O NÍVEL DE SATISFAÇÃO CORPORAL,
COMPOSIÇÃO CORPORAL E AS VARIÁVEIS BIOQUÍMICAS EM MULHERES NA PRÉ E PÓS
MENOPAUSA PRATICANTES DE MUSCULAÇÃO”
Objetivo do Estudo: Relacionar o nível de satisfação corporal e a composição corporal através do
DXA em mulheres adultas praticantes de musculação; analisar o nível de satisfação corporal e as
variáveis bioquímicas TSH, glicemia e colesterol total e fracionado em mulheres adultas praticantes
de musculação.
A pesquisa pretende: Correlacionar o nível de satisfação corporal, composição corporal e as
variáveis bioquímicas em mulheres pré e pós menopausa praticantes de musculação.
Descrição dos Procedimentos Metodológicos: No presente estudo, serão realizados:
- Anamnese
-Teste para avaliação da imagem corporal será o Silhuoette Matching Task (SMT) e Questionário de
satisfação corporal- Body Shape Questionnaire (BSQ).
- Exames de Desintometria óssea de corpo inteiro, para análise da composição corporal, Glicemia de
jejum, Colesterol (total e fracionado) e TSH.
Descrição de Riscos e Desconfortos: Durante a realização do teste pode haver alterações no local
e data para realização das medidas antropométricas. No entanto, todos os esforços serão feitos para
minimizar estas ocorrências através do ensaio e preparo prévio dos pesquisadores que atuarão.
Benefícios para os Participantes: Avaliação antropométrica no momento da realização das
medidas.
Forma de Obtenção da Amostra: Para coleta de medidas antropométricas será necessário o uso de
roupas de ginástica de preferências camisetas e shorts, que poderão ser vestidas no local de
realização das medidas.
Garantia de Acesso: Em qualquer fase do estudo você terá pleno acesso aos profissionais
responsáveis pelo mesmo no e-mail e telefones indicados. Em caso de dúvidas ou perguntas, queira
manifestar-se em qualquer momento, para explicações adicionais, dirigindo-se a qualquer um dos
pesquisadores.
Garantia de Liberdade: Sua participação neste estudo é absolutamente voluntária. Dentro desta
premissa, todos os participantes são absolutamente livres para, a qualquer momento, negar o seu
consentimento ou abandonar o programa se assim o desejar, sem que isto provoque qualquer tipo de
penalização.
Mediante a sua aceitação, espera-se que compareça nos dias e horários marcados e, acima de tudo,
siga as instruções determinadas pelo pesquisador responsável, quanto à segurança durante a
realização das avaliações e/ ou procedimentos de intervenção.
Direito de Confidencialidade: Os dados colhidos na presente investigação serão utilizados para
subsidiar a confecção de artigos científicos e serão armazenados por 5 anos, e após este período
serão descartados. Os
responsáveis garantem a total privacidade e estrito anonimato dos participantes, quer no tocante aos
dados, quer no caso de utilização de imagens, ou outras formas de aquisição de informações.
Garantindo, desde já a confidencialidade, a privacidade e a proteção da imagem e a não
estigmatização, escusando-se de utilizar as informações geradas pelo estudo em prejuízo das
pessoas e/ou das comunidades, inclusive em termos de autoestima, de prestigio ou de quaisquer
outras formas de discriminação.
 230

Direito de Acessibilidade: Os dados específicos colhidos de cada ente participante, no transcurso

da presente pesquisa, ficarão total e absolutamente disponíveis para consulta, bem como
asseguramos a necessária interpretação e informações cabíveis sobre os mesmos. Os resultados a
que se chegar no término do estudo, lhe serão fornecidos, como uma forma humana de
agradecimento por sua participação voluntária.
Despesas e Compensações: As despesas porventura acarretadas pela pesquisa serão de
responsabilidade da equipe de pesquisas. Não havendo por outro lado qualquer previsão de
compensação financeira.
Após a leitura do presente Termo, e estando de posse de minha plenitude mental e legal, declaro
expressamente que entendi o propósito do referido estudo e, estando em perfeitas condições de
participação, dou meu consentimento para participar livremente do mesmo.
Belo Horizonte, ______ de _____________de 20__.

Assinatura do Participante ou
Representante Legal
Nome Completo (legível)
Identidade nº: CPF nº:
Em atendimento à Convenção de Helsinki e à Resolução nº 196, de 10 de outubro de 1996, do
Conselho Nacional de Saúde (Brasil), o presente Termo é confeccionado e assinado em duas vias,
uma de posse do avaliado e outra que será encaminhada ao Comitê de Ética da Pesquisa (CEP) da
Secretária Municipal de Saúde de Belo Horizonte -SMSA-BH.