Comparación entre ecuaciones predictivas de gasto energético basal y calorimetría indirecta en gimnastas

  • Marina Chmelnitsky Branco Universidade Federal do Rio Grande do Sul (UFRGS), Porto Alegre-RS, Brasil.
  • Fernanda Donner Alves Grêmio Náutico União de Porto Alegre, Porto Alegre-RS, Brasil.
  • Priscila Berti Zanella Universidade Federal do Rio Grande do Sul (UFRGS), Porto Alegre-RS, Brasil.
  • Carolina Guerini de Souza Universidade Federal do Rio Grande do Sul (UFRGS), Porto Alegre-RS, Brasil.
Palabras clave: Metabolismo energético, calorimetria indireta, Aptitud física, Composición corporal

Resumen

Objetivo: comparar las ecuaciones para estimar el gasto energético en reposo con los valores obtenidos por calorimetría indirecta en atletas de gimnasia artística y rítmica. Métodos: estudio transversal realizado con una muestra de conveniencia de 11 atletas femeninas de un club deportivo de Porto Alegre, Brasil, evaluadas en relación al porcentaje de grasa corporal, gasto energético en reposo obtenido por calorimetría indirecta y por las ecuaciones predictivas de Harris. Benedict, Henry y Rees, FAO/OMS, Schofield, Katch y McArdle y el Instituto de Medicina. Resultados: todos los atletas tuvieron un porcentaje de grasa adecuado y ninguna de las ecuaciones probadas se correlacionó con los resultados obtenidos por calorimetría indirecta, especialmente cuando el gasto energético en reposo por calorimetría indirecta fue mayor a 1400 calorías. Entre todas las ecuaciones, la ecuación de Harris-Benedict fue la que menos difería de la calorimetría indirecta. El gasto de energía en reposo por calorimetría indirecta tampoco se correlacionó con la composición corporal, la edad, el tiempo de menarquia o el tiempo de entrenamiento. Conclusiones: en base a los datos obtenidos, ninguna de las ecuaciones predictivas estudiadas para estimar el gasto energético en reposo fue similar a los resultados de la calorimetría indirecta, aunque la ecuación de Harris-Benedict mostró la menor diferencia. Se necesitan más estudios para comprender mejor estos resultados.

Citas

-Cruz, S. M.; Silleras, B.M.; Martín, M. A. C.; Enciso, L. C.; Torre, A. M.; Galgani, J. E.; Redondo del Río M. P. Agreement between indirect calorimetry and predictive equations in a sample of spanishhealthy adults. Nutr Hosp. Vol. 32. Núm. 2. p. 888-896. 2015.

-FAO/WHO/UNU. Energy and protein requirements. Geneva. SWI. 1985.

-Frutuoso, A. S.; Diefenthaeler, F.; Vaz, M. A.; Freitas, C. L. Lower athletes limb asymmetries in rhythmic gymnastics. IntJ Sports Phys Ther. Vol. 11. Núm. 1. p. 34-43. 2016.

-Fullmer, S.; Benson-Davies, S.; Earthman, C. P.; Frankenfield, D. C.; Gradwell, E.; Lee, P. S.; Piemonte, T.; Trabulsi, J. Evidence analysis library review of best practices for performing indirect calorimetry in healthy and non-critically ill individuals. J Acad Nutr Diet. Vol. 115. p. 1417-1446. 2015.

-Galetta, F.; Franzoni, F.; D'alessandro, C.; Piazza, M.; Tocchini, L.; Fallahi, P.; Antonelli, A.; Cupisti, F.; Santoro, G. Body composition and cardiac dimensions in elite rhythmic gymnasts. J Sports Med Phys Fitness. Vol. 55. Núm. 9. p. 946-952. 2015.

-Georgopoulos, N. A.; Theodoropoulou, A.; Roupas, N. A.; Rottstein, L.; Tsekouras, A.; Mylonas. P.; Vagenakis, G. A.; Koukkou, E.; Arameni, A. K.; Sakellaropoulos, G.; Leglise, M.; Vagenakis, A. G.; Markou, K. B. Growth velocity and final height in elite female rhythmic and artistic gymnasts. Hormones (Athens). Vol. 11. Núm. 1. p. 61-69. 2012.

-Harris, J. A.; Benedict, F. G. A biometric study of human basal metabolism. Proc Natl Acad Sci USA. Vol. 4. p. 370-373. 1918.

-Henry, C. J. K.; Rees, D. G. New predictive equations for the estimation of basal metabolic rate in tropical peoples. Eur J Clin Nutr. Vol. 45. Núm. 4. p. 177-185. 1991.

-Hind, K.; Gannon, L.; Whatley, E.; Cooke, C.; Truscott, J. Bone cross-sectional geometry in male runners, gymnasts, swimmers and non-athletic controls: a hip-structural analysis study. Eur J Appl Physiol. Vol. 112. Núm. 2. p. 535-541. 2012.

-Institute of Medicine (IOM). Food and Nutrition Board. Dietary reference intakes for energy, carbohydrate, fiber, fat, fatty acids, cholesterol, protein, and amino acids (macronutrients). National Academy Press. Washington (DC). 2005.

-Jackson, A. S.; Pollock, M. L.; Ward, A. Generalized equations for predicting body density of women. Med Sci Sports Exerc. Vol. 12. Núm. 3. p. 175-181. 1980.

-Malina, R. M.; Baxter-Jones, A. D.; Armstrong, N.; Beunen, G.P.; Caine, D.; Daly, R. M.; Lewis, R. D.; Rogol, A. D.; Russell, K. Role of intensive training in the growth and maturation of artistic gymnasts. Sports Med. Vol. 43. Núm. 9. p. 783-802. 2013.

-McArdle, W.; Katch, F.; Katch, V. Exercise Physiology: energy, nutrition and human performance. 4th ed. Baltimore: Lippincott Williams and Wilkins, 1996.

-Müller, M. J.; Enderle, J.; Pourhassan, M.; Braun, W.; Eggeling, B.; Lagerpusch, M.; Glüer, C. C.; Kehayias, J. J.; Kiosz, D.; Bosy-Westphal, A. Metabolic adaptation to caloric restriction and subsequent refeeding: the Minnesota Starvation Experiment revisited. Am J Clin Nutr. Vol. 102. Núm. 4. p.807-819. 2015.

-Oliveira, E. P.; Orsatti, F. L.; Teixeira, O.; Maestá, N.; Burini, R.C. Comparison of predictive equations for resting energy expenditure in overweight and obese adults. J Obes. 2011.

-Paoli, A.; Grimaldi, K.; D'Agostino, D.; Cenci, L.; Moro, T.; Bianco, A.; Palma, A. Ketogenic diet does not affect strength performance in elite artistic gymnasts. J Int Soc Sports Nutr. Vol. 9. Núm. 1. 2012.

-Psota, T.; Chen, K. Y. Measuring energy expenditure in clinical populations: rewards and challenges. Eur J Clin Nutr. Vol. 67. Núm. 5. p. 436-442. 2013.

-Schofield, W. N. Predicting basal metabolic rate, new standards and review of previous work. Hum Nutr Clin Nutr. Vol. 39. Núm. Suppl 1. p. 5-41. 1985.

-Silva, M. R. Paiva, T. Poor precompetitive sleep habits, nutrients' deficiencies, inappropriate body composition and athletic performance in elite gymnasts. Eur J Sport Sci. Vol. 16. Núm. 6. p. 726-735. 2016.

-Siri, W. E. Body composition from fluid spaces and density: analysis of methods. Nutrition. Vol. 9. p. 480-491. 1993.

-Slaughter, M. H.; Lohman, T. G.; Boileau, R. A.; Horswill, C. A.; Stillman, R. J.; Van Loan, M. D.; Bemben, D. A. Skinfold equations for estimation of body fatness in children and youth. Hum Biol. Vol. 60. Núm. 5. p. 709-723. 1988.

-Smith-Ryan, A. E.; Fultz, S. N.; Melvin, M. N.; Wingfield, H. L.; Woessner, M. N. Reproducibility and validity of A-mode ultrasound for body composition measurement and classification in overweight and obese men and women. PLoS One. Vol. 9. Núm. 3. 2014.

-Taguchi, M.; Ishikawa-Takata, K.; Tatsuta, W.; Katsuragi, C.; Usui, C.; Sakamoto, S.; Higuchi, M. Resting energy expenditure can be assessed by fat-free mass in femalie athletes regardless of body size. J Nutr Sci Vitaminol (Tokyo). Vol. 57. Núm. 1. p. 22-29. 2011.

-Trexler, E. T.; Smith-Ryan, A. E.; Roelofs, E. J.; Hirsch, K. R. Body Composition, Muscle Quality and Scoliosis in Female Collegiate Gymnasts: A Pilot Study. Int J Sports Med. Vol. 36. Núm. 13. p. 1087-1092. 2015.

-Wilmore, J. H.; Costill, D. L. Physiologyof sport and exercise. Champaign, IL:Human Kinetics, 1994.

-Yao, E.; Buchholz, A. C.; Edwards, A. M.; Simpson, J. A. Predicted and measured resting metabolic rate in young, non-obese women. Can J Diet Pract Res. Vol. 74. Núm. 3. p. 124-130. 2013.

Publicado
2018-03-19
Cómo citar
Branco, M. C., Alves, F. D., Zanella, P. B., & de Souza, C. G. (2018). Comparación entre ecuaciones predictivas de gasto energético basal y calorimetría indirecta en gimnastas. RBNE - Revista Brasileña De Nutrición Deportiva, 12(70), 195-203. Recuperado a partir de https://www.rbne.com.br/index.php/rbne/article/view/1008
Sección
Artículos Científicos - Original