Acceso usuarios
Miguel Ángel Rojo Tirado, Pedro José Benito Peinado, Francisco Javier Calderón Montero 
Antecedentes: predecir los resultados de la pérdida de peso a partir de la información recogida de los sujetos antes de que empiecen los programas de control de peso es un objetivo a largo plazo.
Objetivo: desarrollar y validar un modelo de pronóstico para la estimación del peso corporal final después de un período de intervención de seis meses.
Material y métodos: el presente trabajo se desarrolló siguiendo el estándar TRIPOD para reportar modelos pronósticos de predicción multivariable. El análisis de regresión lineal multivariable se aplicó al 70 % de los participantes para identificar las variables más relevantes y desarrollar el mejor modelo pronóstico para la estimación del peso corporal. Luego, el 30 % restante se utilizó para validar el modelo. Se realizó una intervención de 6 meses basada en la restricción calórica y el ejercicio. Los participantes fueron 239 voluntarios que habían participado en el estudio PRONAF, de 18 a 50 años de edad y con sobrepeso u obesidad (índice de masa corporal: 25-34,9 kg/m2). La composición corporal se evaluó mediante la absorción de rayos X de energía dual y el análisis de la impedancia bioeléctrica de mano a pie.
Resultados: los modelos desarrollados se calibraron y validaron con una alta correlación (más de 0,94), no mostrando las pruebas t emparejadas diferencias significativas entre los pesos corporales estimados y los medidos.
Conclusiones: los modelos desarrollados en este trabajo permiten calcular el peso corporal final de cualquier participante que participe en una intervención como las empleadas en este estudio, conociendo únicamente sus variables de composición corporal iniciales.
Background: predicting weight loss outcomes from information collected from subjects before they start a weight management program is an objective strongly pursued by scientists who study energy balance.
Objective: to develop and validate two prognostic models for the estimation of final body weight after a six-month intervention period.
Material and methods: the present work was developed following the TRIPOD standard to report prognostic multivariable prediction models. A multivariable linear regression analysis was applied to 70 % of participants to identify the most relevant variables and develop the best prognostic model for body weight estimation. Then, 30 % of the remaining sample was used to validate the model. The study involved a 6-month intervention based on 25-30 % caloric restriction and exercise. A total of 239 volunteers who had participated in the PRONAF study, aged 18 to 50 years, with overweight or obesity (body mass index: 25-34.9 kg/m2), were enrolled. Body composition was estimated by dual-energy X-ray absorptiometry (DXA) and by hand-to-foot bioelectrical impedance (BIA) analysis.
Results: prognostic models were developed and validated with a high correlation (0.954 and 0.951 for DXA and BIA, respectively), with the paired t-tests showing no significant differences between estimated and measured body weights. The mean difference, standard error, and 95 % confidence interval of the DXA model were 0.067 ± 0.547 (-1.036-1.170), and those of the BIA model were -0.105 ± 0.511 (-1.134-0.924).
Conclusions: the models developed in this work make it possible to calculate the final BW of any participant engaged in an intervention like the one employed in this study based only on baseline body composition variables.
