Antecedentes/Objetivos: El índice de masa corporal (IMC) es el estándar epidemiológico para establecer la fracción poblacional atribuible (FPA) al exceso de grasa corporal (EGC) en el desarrollo de diabetes mellitus tipo 2 (DM2); sin embargo, su capacidad predictiva es limitada. Objetivo: comparar el impacto poblacional del EGC en la incidencia de DM2 según diversos estimadores de grasa corporal.

Métodos: Estudio de cohortes prospectivo (Estudio IBERICAN). Mediante el método de Arnold se calculó la FPA, estableciendo como puntos de mínimo riesgo: IMC < 22 kg/m²; Perímetro de Cintura (PCIN) < 94 cm en hombres y < 80 cm en mujeres; y CUNBAE < 20% en hombres y < 30% en mujeres. Los riesgos relativos se estimaron mediante modelos de regresión de Cox ajustados por edad, sexo, educación, actividad física y adherencia a la dieta mediterránea. Los modelos se ajustaron recíprocamente (IMC/CUNBAE por PCIN y viceversa) y se evaluó la bondad de ajuste mediante el Criterio de Información de Akaike (AIC). Se llevaron a cabo análisis estratificados por sexo.

Resultados: Se incluyeron 4.451 pacientes (1.882 hombres, 2.569 mujeres) con una mediana de seguimiento de 3,9 años (RIC: 1,6-7,0). Se registraron 353 casos incidentes de DM2. El estimador CUNBAE mostró el mejor ajuste en todos los análisis. La FPA global estimada con CUNBAE fue del 59%, superior al PCIN (38%) y al IMC (37%). En hombres, mientras el PCIN y el IMC perdieron capacidad predictiva en modelos ajustados, el CUNBAE mantuvo una elevada potencia (FPA: 50 vs. 17% y 32% respectivamente). En mujeres, el CUNBAE reveló la mayor FPA (67%), aunque el PCIN persistió como factor de riesgo independiente (FPA: 29,8%).

Conclusiones/Recomendaciones: El IMC y el PCIN capturan con menor precisión que el CUNBAE la carga de DM2 atribuible al exceso de adiposidad. La contribución del EGC difiere por sexo: en hombres, el CUNBAE parece capturar la mayor parte del riesgo; en mujeres, es necesario incorporar el PCIN. El uso exclusivo del IMC infraestima significativamente la carga de enfermedad, por lo que se requieren herramientas como el CUNBAE para una estimación más certera del impacto del EGC.

Funding: Fundación SEMERGEN.