CMMB: circunferencia media muscular del brazo; CP: circunferencia de pantorrilla; DE: desviación estándar; DN: desnutrición; IMC: índice de masa corporal.

Análisis de datos

Los datos recolectados fueron registrados en una base de datos de elaboración propia y analizados empleando el paquete estadístico Stata 11.0 y software VCC Stat Beta 3.0. Para el análisis descriptivo de las variables de caracterización se calculó la frecuencia relativa y para las continuas, la media y la desviación estándar (DE).

La validez interna de los criterios GLIM se estudió por medio de la consistencia interna de los ítems utilizando el alfa de Cronbach. La mayoría de los autores sugiere un margen aceptable para los coeficientes de fiabilidad entre 0,65 y 0,8, y se consideran valores menores de 0,5 como inaceptables(24-27).

La concordancia se evaluó a través de la prueba kappa (𝜅), la cual comparó las categorías diagnósticas obtenidas a través de VGS y GLIM (“sin DN”, “DN moderada” y “DN grave”). Además, se calculó el mismo considerando dos categorías (“sin DN” y “con DN”). La misma se considera muy débil cuando los valores 𝜅 son inferiores a 0,20; débil entre 0,21 y 0,40; moderada entre 0,41 y 0,60; buena entre 0,61 y 0,80 y muy buena con valores superiores a 0,80. Se considera el nivel de significancia con valores de p < 0,05(28,29).

Se categorizó como “DN” a todos aquellos que pertenecían a las categorías de VGS “B” y “C” y GLIM “DN moderada” y “DN grave”. Se calculó la validez de los criterios GLIM para predecir DN mediante la especificidad y sensibilidad según la VGS. La misma se clasificó según los siguientes puntos de corte: “bueno” para ambos valores > 80 %, “justo” para uno de los valores > 80 % y ambos > 50 %, y “pobre” en caso de al menos un valor < 50 %(30). La seguridad del GLIM fue analizada mediante el valor predictivo positivo (VPP) y valor predictivo negativo (VPN). Por último, se calculó la razón de verosimilitud positiva (LR +) y negativa (LR -). Se consideraron como de “utilidad altamente relevante” los valores de LR + de 10 y como de “utilidad moderada” los valores entre 5 y 10. En el caso de LR -, las cifras menores de 0,1 se consideraron como de “utilidad altamente relevante” y entre 0,1-0,2 como de “utilidad moderada”(31-33).

Resultados

La muestra quedó conformada por 123 pacientes hospitalizados con riesgo de DN. La media de edad fue de 70 años (DE + 16,26) con un mínimo de ٢٠ y un máximo de 96 años. Con respecto al sexo, el 55,28 % fue categorizado como femenino y el 44,72 % como masculino. El 50,41 % de la muestra resultó ser pacientes oncológicos activos y el 30,89 %, pacientes quirúrgicos. En la Tabla 2 se detalla la caracterización de la muestra de estudio.

Tabla 2. Características de la muestra (n = 123)

En la Tabla 3 se visualizan los diagnósticos según cada herramienta utilizada. La herramienta GLIM mostró una prevalencia de DN del 91 %, el 39 % fue categorizado como DN moderada y el 52,03 % como grave. Con la herramienta VGS se obtuvo 88,6 % de DN, fue moderada en el 56,1 % y grave en el 32,52 %.

La herramienta GLIM obtuvo una consistencia interna aceptable, con un valor alfa de Cronbach de 0,6425. Con respecto a la “correlación del elemento total”, la variable que se correlaciona en mayor medida con el alfa del GLIM resultó ser “masa muscular reducida” (0,8326); mientras que “ingesta reducida” (0,4416) lo hizo en menor medida (Tabla 4). El ítem “inflamación” fue eliminado del análisis ya que se observó su presencia en el 100 % de la muestra. La concordancia entre GLIM y VGS fue moderada con un valor de 𝜅: 0,5946 (intervalo de confianza [IC] 95 %: 0,46-0,52; p < 0,00001) al considerar tres categorías, y fue buena con un valor de 𝜅: 0,7777 (IC 95 %: 0,68-0,86; p < 0,00001) al considerar dos categorías de las herramientas.

Tabla 3. Tabla de contingencia 2 x 2 para evaluar la prueba diagnóstica

En la Tabla 5 se pueden apreciar los resultados correspondientes a la validez de los criterios GLIM categorizados como justos. La estimación del LR + mostró una utilidad regular, ya que es 3,47 veces más probable que el GLIM categorice a un paciente desnutrido como tal a que un paciente sin DN se categorice como desnutrido. Contrariamente, el LR - mostró una utilidad altamente relevante ya que es 0,01 veces menos probable que un paciente desnutrido sea categorizado como tal a que un paciente sin DN se categorice como desnutrido.

Tabla 4. Resultados de alfa de Cronbach

Tabla 5. Resultados de validez, exactitud diagnóstica, seguridad y razón de probabilidad de los criterios GLIM usando VGS

DN: desnutrición; IC: intervalo de confianza; LR: razón de verosimilitud; VPN: valor predictivo negativo; VPP: valor predictivo positivo.

Discusión

El presente estudio es uno de los primeros en Latinoamérica en comparar la VGS con el GLIM en pacientes hospitalizados con riesgo de DN.

Las herramientas diagnósticas fueron aplicadas, tal como se propone en la práctica clínica, únicamente en pacientes con riesgo nutricional, lo que explicaría la alta prevalencia de DN hallada. El SNAQ ha demostrado ser válido y reproducible en pacientes hospitalizados, con una sensibilidad y especificidad mayores del 75 %. Es así que no se encuentra exento de haber dejado individuos fuera del estudio que podrían ser desnutridos, por lo que se puede sobreestimar el valor verdadero del comportamiento del GLIM(34-36).

La prevalencia de DN, a pesar de ser elevada por lo mencionado previamente, fue levemente superior utilizando el GLIM frente a VGS (91 % frente a 88 %). Brito y colaboradores obtuvieron resultados con igual tendencia (41,6 % frente a 33,9 %)(10). En discordancia, Allard y colaboradores hallaron un 33,29 % frente a 45,15 %, considerando como limitante que dicho estudio fue retrospectivo y utilizó únicamente los datos del GLIM que tuvieran disponibles(8). El porcentaje de DN grave en el presente estudio resultó ampliamente mayor utilizando el GLIM (52,03 % frente a 32,52 %) al igual que Allard y colaboradores (19,77 % frente a 11,73 %)(8).

Por una parte, al realizar el análisis factorial de cada criterio que compone el GLIM se concluye que, en caso de eliminar el ítem “ingesta reducida”, la consistencia interna llegaría a ser considerada “buena” (cercana a 0,7). Por otra parte, se evidencia la importancia de la variable “masa muscular reducida”, ya que sin la misma la consistencia interna resultaría aún menor (alfa: 0,4147). Por tal motivo, se requiere establecer puntos de corte y criterios operativos para la evaluación de la masa muscular. A pesar de que la antropometría presenta como limitante una menor confiabilidad con respecto a la bioimpedancia y absorciometría de energía dual con rayos X, además del posible sesgo interobservador(34), en la presente investigación no se contó con tal equipamiento. Es de importancia protocolizar un método de medición de la masa muscular accesible en la práctica clínica y estandarizar su uso a nivel global(7).

En referencia a la fiabilidad del GLIM, las herramientas concuerdan significativamente (p < 0,00001) de forma moderada (0,5946, IC 95 %: 0,46-0,72) al categorizar a los individuos en “sin DN”, “DN moderada” y “DN grave”. Si se considera el IC, se obtendría una buena fiabilidad(12). La concordancia entre las herramientas es buena (0,7777, IC 95 %: 0,68-0,86) al considerar individuos “con DN” y “sin DN”.

La sensibilidad del GLIM en pacientes con riesgo nutricional (99,1 %) fue acorde a lo recomendado (≥ 80 %) y se especula que el GLIM detecta fácilmente al individuo desnutrido(34). Lo mismo fue demostrado por Brito y colaboradores (86,6 %) y Burgel y colaboradores (86,8 %)(9,10). En cambio, Allard y colaboradores encontraron una sensibilidad menor (61,30 %)(8). Identificar a los pacientes con DN es sumamente importante. De lo contrario, no se realizaría el tratamiento nutricional adecuado, lo que supondría mayores complicaciones, peores resultados y un incremento de los costos sanitarios(37). La especificidad del GLIM no alcanzó valores aceptables (71,4 %). Se considera que, al ser una herramienta de diagnóstico de DN, debería contar con alta especificidad para reducir el riesgo de catalogar como desnutrido a un individuo que no lo está. Los resultados del GLIM pueden diferir utilizando distintas herramientas de medición de masa muscular(20). Por lo cual, como estrategias para lograr especificidad cercana a 80 %, se propone investigar cuál de las herramientas es la más específica y estandarizar su uso.

Las diferencias de sensibilidad y especificidad encontradas con otros estudios podrían deberse tanto a la disparidad en la metodología de los mismos como a la muestra de pacientes incluidos. A su vez, se debe considerar el desempeño de cada herramienta en las distintas poblaciones y las discrepancias en las técnicas de medición(8-10).

La alta prevalencia de DN pudo haber influenciado el elevado VPP (96,4 %), dado que el mismo aumenta en condiciones de mayor prevalencia. El VPN también fue elevado, por lo que se puede concluir que de los pacientes sin DN según el GLIM solo el 9,1 % sí presentaba DN según VGS. Ambos valores fueron más elevados en comparación con Allard y colaboradores. Las discrepancias podrían deberse a la diferencia en la prevalencia de DN de los estudios(8,38).

La totalidad de la muestra en estudio presentó algún grado de inflamación o estrés, lo cual puede asociarse con la elevada sensibilidad y menor especificidad de la herramienta. Este hallazgo se relaciona con que no se utilizaron parámetros objetivos para su evaluación como las medidas de apoyo recomendadas (ejemplo: proteína C-reactiva [PCR])(8,20).

Dentro de las limitaciones del presente estudio, además lo mencionado previamente sobre el uso de población tamizada con el SNAQ, se puede mencionar que la ingesta de alimentos fue obtenida mediante la percepción del paciente o su acompañante. En cuanto a la medición de la masa muscular, no se contó con la posibilidad de utilizar métodos de primera línea recomendados por GLIM, como son la tomografía axial computarizada (TAC) y la bioimpedancia, entre otros. No obstante, sí se utilizaron otras alternativas sencillas y de bajo costo también propuestas por el GLIM. Sumado a esto, hubiese sido de gran interés analizar cada una de las herramientas de medición de masa muscular utilizadas por separado observando el comportamiento del GLIM con cada una de ellas(7,34).

Durante la realización de la investigación se hallaron algunas ventajas en el uso del GLIM en comparación con la VGS. Esta última incluye un examen físico exhaustivo y una evaluación de la capacidad funcional, los cuales requieren mayor tiempo y entrenamiento previo para realizarse adecuadamente.

Se considera de importancia resaltar que la redacción del protocolo de investigación y recolección de datos fue preliminar a la guía de validación de los criterios GLIM publicada por De van der Scuheren y el Grupo de Trabajo GLIM(34). No obstante, se considera valioso su uso para el desarrollo de futuras investigaciones. Es importante destacar que, según los autores del GLIM, para estudios de validación de concordancia como este se debe considerar como método estándar de oro la valoración objetiva completa del estado nutricional.

Por último, mencionar que al haber incluido únicamente a aquellos pacientes que se encontraban en riesgo de DN y no a la totalidad de la población, los datos de este estudio podrían ser extrapolados únicamente a poblaciones con las mismas características y no a los pacientes hospitalizados en general.

Ante la falta de una herramienta estándar de oro y considerando al GLIM como una herramienta diagnóstica sencilla, rápida, objetiva y económica para evaluar el estado nutricional en la práctica clínica, se considera necesario realizar estudios adicionales de tipo multicéntricos y de seguimiento de cohorte para determinar la capacidad de los mismos en la predicción de resultados clínicos adversos (estancia hospitalaria, complicaciones clínicas y mortalidad), y de este modo determinar su validez predictiva. Para futuras investigaciones se plantea incluir a todos los pacientes hospitalizados sin excluir a aquellos sin riesgo de DN, además de comparar los resultados obtenidos haciendo uso de los distintos métodos de medición de masa muscular, para establecer el más conveniente a utilizar en el ámbito clínico.

Conclusiones

La herramienta GLIM, aplicada en pacientes con riesgo nutricional, posee una consistencia interna aceptable y una concordancia moderada o buena en comparación con la VGS, según la categorización utilizada. A su vez, posee una validez justa, con una sensibilidad mayor, pero una especificidad menor con respecto a la VGS. El GLIM logró una exactitud diagnóstica moderada en comparación con la VGS. Se requieren estudios de validez de la herramienta para su utilización en el ámbito hospitalario y, de este modo, lograr su aplicación a nivel mundial.

Puntos clave

• Los criterios GLIM fueron propuestos con el fin de alcanzar un consenso mundial en la definición de los criterios diagnósticos de DN asociada con la enfermedad.
• El objetivo de este estudio es comparar la herramienta diagnóstica GLIM con la VGS en la práctica clínica con el fin de contribuir a su validación en Latinoamérica.
• El GLIM mostró una exactitud diagnóstica y una concordancia moderada o buena con respecto a la VGS al ser utilizada en pacientes con riesgo nutricional.
• La consistencia interna del GLIM mostró ser aceptable. Se vio que el ítem “masa muscular reducida” fue relevante, de modo que se sugieren futuras investigaciones que evalúen la aplicación de los distintos métodos de medición de masa muscular en los criterios GLIM.
• Como conclusión, la herramienta GLIM, aplicada en pacientes con riesgo nutricional, posee una validez justa con una mayor sensibilidad y una menor especificidad con respecto a la VGS.

Agradecimientos

Nuestros más sinceros agradecimientos a:

• La Lic. María Angélica Nadal, jefe del servicio de alimentación y dietoterapia del Hospital Universitario CEMIC.
• Las nutricionistas de planta del servicio de alimentación y dietoterapia del Hospital Universitario CEMIC.
• Las residentes en Nutrición del Instituto Universitario CEMIC.
• El Dr. Juan Gili y el Dr. Hugo Krupitzki, por el asesoramiento metodológico.

Declaración de autoría

P. Navarro, O. Capelli, J. Adaglio, R. Barritta contribuyeron igualmente a la concepción y diseño de investigación, adquisición, análisis e interpretación de los datos. P. Navarro y O. Capelli redactaron el manuscrito. Todos los autores revisaron el manuscrito, acuerdan ser plenamente responsables de garantizar la integridad y precisión del trabajo, y leyeron y aprobaron el manuscrito final.

Conflicto de intereses

Los autores declaran no tener ningún conflicto de intereses.

Fuente de financiación

El presente estudio no tuvo financiación.

Referencias bibliográficas

1. Correia MITD, Perman MI, Waitzberg DL. Hospital malnutrition in Latin America: A systematic review. Clin Nutr. 2017;36(4):958-967. doi: 10.1016/j.clnu.2016.06.025
2. Crivelli A, Perman M, Wyszynski D, Alomar F, Bellone M, De Loredo D, et al. Estudio AANEP 99: Prevalencia de desnutrición en hospitales de la Argentina [Internet]. RNC 2001;10:121-34 [consultado el 13 de mayo de 2021]. Disponible en: https://www.researchgate.net/publication/261287437_99_PREVALENCIA_DE_DESNUTRICION_EN_HOSPITALES_DE_LA_ARGENTINA_METODOLOGIA_DEL_ESTUDIO_Y_ANALISIS_PRELIMINAR_DE_LOS_RESULTADOS
3. Canicoba M, Baptista G, Visconti G. Funciones y competencias del nutricionista clínico. Documento de consenso. Rev Cubana Aliment Nutr. 2013;23(1):146-72.
4. Epp LM, Salonen BR, Hurt RT, Mundi MS. Cross-sectional Evaluation of Home Enteral Nutrition Practice in the United States in the Context of the New Enteral Connectors. JPEN J Parenter Enteral Nutr. 2019;43(8):1020-1027. doi: 10.1002/jpen.1510
5. van Bokhorst-de van der Schueren MA, Guaitoli PR, Jansma EP, de Vet HC. Nutrition screening tools: does one size fit all? A systematic review of screening tools for the hospital setting. Clin Nutr. 2014;33(1):39-58. doi: 10.1016/j.clnu.2013.04.008
6. Barbosa-Silva MC, Barros AJ. Indications and limitations of the use of subjective global assessment in clinical practice: an update. Curr Opin Clin Nutr Metab Care. 2006;9(3):263-9. doi: 10.1097/01.mco.0000222109.53665.ed
7. Cederholm T, Jensen GL, Correia MITD, Gonzalez MC, Fukushima R, Higashiguchi T, et al. GLIM criteria for the diagnosis of malnutrition - A consensus report from the global clinical nutrition community. J Cachexia Sarcopenia Muscle. 2019;10(1):207-217. doi: 10.1002/jcsm.12383
8. Allard JP, Keller H, Gramlich L, Jeejeebhoy KN, Laporte M, Duerksen DR. GLIM criteria has fair sensitivity and specificity for diagnosing malnutrition when using SGA as comparator. Clin Nutr. 2020;39(9):2771-2777. doi: 10.1016/j.clnu.2019.12.004
9. Burgel CF, Eckert IDC, Brito JE, Rodrigues FW, Silva FM. Accuracy of three tools for malnutrition diagnosis in hospitalised patients: Comparison to subjective global assessment. J Hum Nutr Diet. 2021. doi: 10.1111/jhn.12907
10. Brito JE, Burgel CF, Lima J, Chites VS, Saragiotto CB, Rabito EI, et al. GLIM criteria for malnutrition diagnosis of hospitalized patients presents satisfactory criterion validity: A prospective cohort study. Clin Nutr. 2021;40(6):4366-4372. doi: 10.1016/j.clnu.2021.01.009
11. Galindo Martín CA, Aportela Vázquez VA, Becerril Hernández F, Aguilar Medina CR, Ayala Carrillo SL, Chávez Flores A, et al. The GLIM criteria for adult malnutrition and its relation with adverse outcomes, a prospective observational study. Clin Nutr ESPEN. 2020;38:67-73. doi: 10.1016/j.clnesp.2020.06.015
12. Jiménez Villa J, Argimon Pallás JM. Tamaño de la muestra. En: Métodos de investigación clínica y epidemiológica. 4.a edición. Barcelona: Elsevier; 2013. p. 142-154.
13. Hernández R, Fernández C, Baptista P. Muestreo en la investigación cualitativa. En: Metodología de la investigación. 6.a edición. México D.F. :McGraw-Hill Interamericana; 2014. p. 390-2.
14. Detsky AS, McLaughlin JR, Baker JP, Johnston N, Whittaker S, Mendelson RA, et al. What is subjective global assessment of nutritional status? JPEN J Parenter Enteral Nutr. 1987;11(1):8-13. doi: 10.1177/014860718701100108
15. da Silva Fink J, Daniel de Mello P, Daniel de Mello E. Subjective global assessment of nutritional status – A systematic review of the literature. Clin Nutr. 2015;34(5):785-92. doi: 10.1016/j.clnu.2014.12.014
16. Normative grip strength data [internet]. Patterson Medical Jamar Smart User Manual-Hand dynamometer [consultado el 28 de julio de 2021]. Disponible en: https://www.manualslib.com/manual/1272692/Patterson-Medical-Jamar-Smart.html?page=10#manual
17. Frisancho AR. New norms of upper limb fat and muscle areas for assessment of nutritional status. Am J Clin Nutr. 1981;34(11):2540-5. doi: 10.1093/ajcn/34.11.2540
18. Guastavino P, Llames L. Principios para la valoración del estado nutricional. En: Canicoba, M. Mauricio S (editores). Valoración del estado nutricional en diversas situaciones clínicas. 1.a edición. Lima, Perú: Universidad Privada del Norte; 2017. p. 98-110.
19. Lera L, Sánchez H, Ángel B, Albala C. Mini Nutritional Assessment Short-Form: Validation in Five Latin American Cities. SABE Study. J Nutr Health Aging. 2016;20(8):797-805. doi: 10.1007/s12603-016-0696-z
20. Contreras-Bolívar V, Sánchez-Torralvo FJ, Ruiz-Vico M, González-Almendros I, Barrios M, Padín S, Alba E, et al. GLIM Criteria Using Hand Grip Strength Adequately Predict Six-Month Mortality in Cancer Inpatients. Nutrients. 2019;11(9):2043. doi: 10.3390/nu11092043
21. Sousa-Santos AR, Amaral TF. Differences in handgrip strength protocols to identify sarcopenia and frailty - a systematic review. BMC Geriatr. 2017;17(1):238. doi: 10.1186/s12877-017-0625-y
22. Hogrel JY. Grip strength measured by high precision dynamometry in healthy subjects from 5 to 80 years. BMC Musculoskelet Disord. 2015;16:139. doi: 10.1186/s12891-015-0612-4
23. Belcher HJCR, Smith H. Extended dynamometry: reference values. J Hand Surg Eur Vol. 2019;44(2):196-202. doi: 10.1177/1753193418805959
24. Donis JH. Evaluación de la validez y confiabilidad de una prueba diagnóstica. Avances en Biomedicina. 2012;1(2):73-81.
25. Goforth C. Using and Interpreting Cronbach’s Alpha. Research Data Services and Sciences [Internet]. University of Virginia Library; 2015 [consultado el 13 de mayo de 2021]. Disponible en: https://data.library.virginia.edu/using-and-interpreting-cronbachs-alpha/
26. Carvajal A, Centeno C, Watson R, Martínez M, Sanz Rubiales Á. ¿Cómo validar un instrumento de medida de la salud?. Anales Sis San Navarra. 2011;34(1): 63-72.
27. Burgos ME, Manterola C. Cómo interpretar un artículo sobre pruebas diagnósticas. Revista Chilena de Cirugía. 2010;62(3):301-8. doi: 10.4067/S0718-40262010000300018
28. Jiménez Villa J, Argimon Pallás JM. Sensibilidad y especificidad. En: Métodos de investigación clínica y epidemiológica. 4.a edición. Barcelona: Elsevier; 2013. p. 339-344.
29. Jiménez Villa J, Argimon Pallás JM. Análisis de concordancia. En: Métodos de investigación clínica y epidemiológica. 4.a edición. Barcelona: Elsevier; 2013. p. 345-349.
30. Power L, Mullally D, Gibney ER, Clarke M, Visser M, Volkert D, et al. A review of the validity of malnutrition screening tools used in older adults in community and healthcare settings - A MaNuEL study. Clin Nutr ESPEN. 2018;24:1-13. doi: 10.1016/j.clnesp.2018.02.005
31. Fuente-Alba CS, Molina Villagra M. Likelihood ratio (razón de verosimilitud): definición y aplicación en Radiología. Rev Argent Radiol. 2017;81(3):204-8. doi: 10.1016/j.rard.2016.11.002
32. Otero W, Pineda LF, Beltran LH. Utilidad de la razón de verosimilitud (likelihood ratio) en la práctica clínica. Rev Colomb Gastroenterol. 2001;16(1):33-36.
33. García G JJ. Significado y empleo de la razón de probabilidades en la práctica clínica. Rev Mex Pediatr. 2000;67(4);188-191.
34. de van der Schueren MAE, Keller H; GLIM Consortium, Cederholm T, Barazzoni R, Compher C, et al. Global Leadership Initiative on Malnutrition (GLIM): Guidance on validation of the operational criteria for the diagnosis of protein-energy malnutrition in adults. Clin Nutr. 2020;39(9):2872-2880. doi: 10.1016/j.clnu.2019.12.022
35. Neelemaat F, Meijers J, Kruizenga H, van Ballegooijen H, van Bokhorst-de van der Schueren M. Comparison of five malnutrition screening tools in one hospital inpatient sample. J Clin Nurs. 2011;20(15-16):2144-52. doi: 10.1111/j.1365-2702.2010.03667.x
36. Kruizenga HM, Seidell JC, de Vet HC, Wierdsma NJ, van Bokhorst-de van der Schueren MA. Development and validation of a hospital screening tool for malnutrition: the short nutritional assessment questionnaire (SNAQ). Clin Nutr. 2005;24(1):75-82. doi: 10.1016/j.clnu.2004.07.015
37. Palma Milla S, Meneses D, Valero M, Calso M, García Vázquez N, Ruiz Garrido M, et al. Costes asociados a la desnutrición relacionada con la enfermedad y su tratamiento: revisión de la literatura. Nutr Hosp. 2018;35(2):442-460. doi: 10.20960/nh.1204
38. Moriana M, Civera M, Artero A, Real JT, Caro J, Ascaso JF, et al. Validity of subjective global assessment as a screening method for hospital malnutrition. Prevalence of malnutrition in a tertiary hospital. Endocrinol Nutr. 2014;61(4):184-9. doi: 10.1016/j.endonu.2013.10.006