Comparación entre cálculo de requerimientos nutricionales por calorimetría indirecta y fórmulas de predicción
DOI:
https://doi.org/10.59169/pentaciencias.v17i2.1439Palabras clave:
gasto energético; evaluación metabólica; método predictivo; calorimetría; estimación energéticaResumen
El gasto energético en reposo (GER), se define como la energía requerida para las funciones vitales, incluyendo las cerebrales, cardiacas y respiratorias. Su cálculo es crucial para evitar la sobreestimación de necesidades, que pueda producir desbalances y trastornos nutricionales relacionados con la ingesta y absorción de nutrientes. Entre las ecuaciones predictivas más reconocidas se encuentran: Harris-Benedict, Mifflin-St y propuesta por la FAO. No obstante, estas ecuaciones presentan limitaciones, sesgos y amplios márgenes de error. En la actualidad, se recomienda el uso de métodos con mayor precisión, como la calorimetría indirecta (CI), considerada un método de primera línea debido a su carácter no invasivo y su precisión. Este método se basa en la medición del intercambio gaseoso, especialmente en la cuantificación del consumo de oxígeno (VO₂) y la producción de dióxido de carbono (VCO₂). La energía derivada de la oxidación de nutrientes, como: carbohidratos, proteínas y grasas, requiere oxígeno y produce dióxido de carbono en proporciones específicas. La presente investigación es de tipo cualitativo, basado en una revisión bibliográfica sistemática en la que se analizaron 40 estudios científicos obtenidos de bases de datos indexadas. Los resultados obtenidos evidencian el potencial, de la calorimetría indirecta frente a las ecuaciones predictivas, que resultan útiles en poblaciones heterogéneas, por lo que es imprescindible considerar el margen de error en su aplicación. Por otro lado, la calorimetría indirecta se posiciona como el gold standard en el cálculo del Gasto Energético en Reposo (GER) en pacientes críticos, ofreciendo una ventaja significativa en cuanto a la estimación precisa y terapia nutricional.
Descargas
Citas
Barcellos, P. S., Borges, N., & Torres, D. P. M. (2021). Resting energy expenditure in cancer patients: Agreement between predictive equations and indirect calorimetry. Clinical Nutrition ESPEN, 42, 286–291. https://doi.org/10.1016/j.clnesp.2021.01.019
Batista, L. D., Valentini Neto, J., Grande de França, N. A., Lima Ribeiro, S. M., & Fisberg, R. M. (2023). Body composition affects the accuracy of predictive equations to estimate resting energy expenditure in older adults: An exploratory study. Clinical Nutrition ESPEN, 53, 80–86. https://doi.org/10.1016/j.clnesp.2022.11.021
Boeira, L. S., Machado, S. D., & Hoefel, A. L. (2024). Comparação da calorimetria indireta com fórmulas preditoras do gasto energético basal em lutadores e muay thai de um centro de treinamento na cidade de Caxias do Sul-RS. RBNE - Revista Brasileira de Nutrição Esportiva, 18(109), 213–222. https://www.rbne.com.br/index.php/rbne/article/view/2286
Buch, A., Diener, J., Stern, N., Rubin, A., Kis, O., Sofer, Y., Yaron, M., Greenman, Y., Eldor, R., & Eilat-Adar, S. (2021). Comparison of Equations Estimating Resting Metabolic Rate in Older Adults with Type 2 Diabetes. Journal of Clinical Medicine, 10(8), 1644. https://doi.org/10.3390/jcm10081644
Clavero‐Jimeno, A., Marmol‐Perez, A., Dote‐Montero, M., Ruiz, J. R., & Alcantara, J. M. A. (2024). Whole‐body volume of oxygen consumption while walking: Agreement between measured and estimated values. European Journal of Sport Science, 24(10), 1516–1525. https://doi.org/10.1002/ejsc.12180
De Waele, E., Jonckheer, J., & Wischmeyer, P. E. (2021). Indirect Calorimetry In Critical Illness: A New Standard of Care? Current opinion in critical care, 27(4), 334. https://doi.org/10.1097/MCC.0000000000000844
Fleitas, J. Á., Franco, M. J., Franco, M., Franco, S., Franco, A., Formoso, J., Gauto, L., Giménez, V., & Delgado, L. (2021). Requerimiento energético diario de un grupo de estudian-tes universitarios. https://goo.gl/forms/xGf9qvGvJr2T55443.
Ibáñez Moya, F. C. (2024). El gasto energético: estimación por calorimetría indirecta y fórmulas. Eunate. https://academica-e.unavarra.es/handle/2454/52297
Lee, S. J., Lee, H., Jung, Y., Han, M., Lee, S., & Hong, S. (2021). Comparison of Measured Energy Expenditure Using Indirect Calorimetry vs Predictive Equations for Liver Transplant Recipients. Journal of Parenteral and Enteral Nutrition, 45(4), 761–767. https://doi.org/10.1002/jpen.1932
Londoño-Londoño, L. M., Montoya-Bernal, Á. P., Arango, F., Escobar-Serna, J. F., Florián Pérez, M. C., & Trejos-Gallego, D. (2024). Concordancia entre la calorimetría indirecta y las ecuaciones predictivas para estimar gasto energético en reposo. Revista de Nutrición Clínica y Metabolismo, 7(1). https://doi.org/10.35454/rncm.v7n1.496
Lopez, A., Gómez, M., & Gonzáles, P. (2023). Correlación de fórmulas para gasto energético con calorimetría indirecta en pacientes críticos. Rev Med Inst Mex Seguro Soc., 18(61), 246–253. https://pmc.ncbi.nlm.nih.gov/articles/PMC11513400/
Lopez, L., & Suárez, M. (2023). Fundamentos de nutrición normal (Tercera Edición). Disponible en: https://editorialelateneo.com.ar/detalle-libro.php?id_lib=930&libro=Fundamentos+de+nutrici%C3%83%C2%B3n+normal&utm_source=chatgpt.com
Mazzo, R., Ribeiro, F. B., & Vasques, A. C. J. (2020). Accuracy of predictive equations versus indirect calorimetry for the evaluation of energy expenditure in cancer patients with solid tumors – An integrative systematic review study. Clinical Nutrition ESPEN, 35, 12–19. https://doi.org/10.1016/j.clnesp.2019.11.001
Moreno, M., Castaño, C., Mora, M., Rivera-Amezquita, L., & Bejarano, E. (2023). Tasa metabólica en reposo por calorimetría indirecta y ecuaciones de predicción en deportistas con amputación: Análisis de concordancia. Revista chilena de nutrición, 50(2), 194–204. https://doi.org/10.4067/s0717-75182023000200194
Murray, G., Thomas, S., Dunlea, T., Jimenez, A. N., Eiferman, D., Nahikian‐Nelms, M., & Roberts, K. M. (2023). Comparison of predictive equations and indirect calorimetry in critical care: Does the accuracy differ by body mass index classification? Nutrition in Clinical Practice, 38(5), 1124–1132. https://doi.org/10.1002/ncp.11017
Nicolalde, T., Álvarez, L., & Heredia, S. (2021). Validez de las ecuaciones predictivas del gasto energético en reposo en la población ecuatoriana. Polo del conocimiento, 6(62), 707–722. Disponible en: https://polodelconocimiento.com/ojs/index.php/es/article/view/3074/6712
Ocagli, H., Lanera, C., Azzolina, D., Piras, G., Soltanmohammadi, R., Gallipoli, S., Gafare, C. E., Cavion, M., Roccon, D., Vedovelli, L., Lorenzoni, G., & Gregori, D. (2021). Resting Energy Expenditure in the Elderly: Systematic Review and Comparison of Equations in an Experimental Population. Nutrients, 13(2), 458. https://doi.org/10.3390/nu13020458
Oliveira, A. C. da S., de Oliveira, C. C., de Jesus, M. T., Menezes, N. N. B., de Gois, F. N., da Silva, J. T., & Santos, L. M. (2021). Comparison of Equations to Predict Energy Requirements With Indirect Calorimetry in Hospitalized Patients. Journal of Parenteral and Enteral Nutrition, 45(7), 1491–1497. https://doi.org/10.1002/jpen.2039
Olivo, J., León, B., Serrano, J., & León, M. (2024). Relación entre el Metabolismo Basal y la Actividad Física en Estudiantes Universitarios Ecuatorianos. Arrancada, 24. Disponible: https://dialnet.unirioja.es/servlet/articulo?codigo=9948285
Osuna-Padilla, I., Aguilar-Vargas, A., Rodríguez-Moguel, N. C., Villazón-De la Rosa, A., Osuna-Ramírez, I., Ormsby, C. E., & Reyes-Terán, G. (2020). Resting energy expenditure in HIV/AIDS patients: Development and validation of a predictive equation. Clinical Nutrition ESPEN, 40, 288–292. https://doi.org/10.1016/j.clnesp.2020.09.004
Park, J.-S., Cho, S.-R., & Yim, J.-E. (2023). Resting energy expenditure in Korean type 2 diabetes patients: comparison between measured and predicted values. Nutrition Research and Practice, 17(3), 464. https://doi.org/10.4162/nrp.20217.3.464
Pavlidou, E., Papadopoulou, S. K., Seroglou, K., & Giaginis, C. (2023). Revised Harris–Benedict Equation: New Human Resting Metabolic Rate Equation. Metabolites 2023, Vol. 13, Page 189, 13(2), 189. https://doi.org/10.3390/METABO13020189
Peña, A. (2024). Comparación entre la determinación del requerimiento energético usando fórmulas y calorimetría indirecta en sujetos sanos, en riesgo y con diabetes mellitus tipo 2. Universidad autónoma del estado de morelos. https://dx.doi.org/10.3305/nh.2013.28.2.6188
Porter, J., Ward, L. C., Nguo, K., Ward, A., Davidson, Z., Gibson, S., Prentice, R., Neuhouser, M. L., & Truby, H. (2024). Development and validation of age-specific predictive equations for total energy expenditure and physical activity levels for older adults. The American Journal of Clinical Nutrition, 119(5), 1111–1121. https://doi.org/10.1016/j.ajcnut.2024.02.005
Ramírez, R., Balderas, D., & Sánchez P, et al. (2020). Comparación de 3 ecuaciones para estimar el gasto energético en reposo vs calorimetría indirecta en escolares con obesidad. Rev Salud Publica Nutr, 19(2), 1–8. https://doi.org/10.29105/respyn19.2-1
Reale, R. J., Roberts, T. J., Lee, K. A., Bonsignore, J. L., & Anderson, M. L. (2020). Metabolic Rate in Adolescent Athletes: The Development and Validation of New Equations, and Comparison to Previous Models. International Journal of Sport Nutrition and Exercise Metabolism, 30(4), 249–257. https://doi.org/10.1123/ijsnem.2019-0323
Roberto Anaya Prado, Humberto Arenas Márquez, & Diego Arenas Moya. (2012). Nutrición enteral y parenteral (Segunda Edición). Disponible: https://biblioteca.ucuenca.edu.ec/digital/s/biblioteca-digital/ark:/25654/445#?c=0&m=0&s=0&cv=0
Rousseau, A.-F., Fadeur, M., Colson, C., & Misset, B. (2022). Measured Energy Expenditure Using Indirect Calorimetry in Post-Intensive Care Unit Hospitalized Survivors: A Comparison with Predictive Equations. Nutrients, 14(19), 3981. https://doi.org/10.3390/nu14193981
Sánchez, P. E., Polanco, J. P., & Rosero, R. J. (2020). Tasa metabólica basal ¿una medición sin fundamento adecuado? Revista Colombiana de Endocrinología, Diabetes & Metabolismo, 7(1), 30–36. https://doi.org/10.53853/encr.7.1.565
Sanhueza, D., Vejar, N., Venegas, E., Carías, D., & Neira, C. (2021). ESTADO NUTRICIONAL Y GASTO ENERGÉTICO BASAL DE PACIENTES CHILENOS CON SÍNDROME DE DOWN. Diaeta, 39(174). https://doi.org/10.5867/MEDWAVE.2006.06.3519
Santos, B. C., Correia, M. I. T. D., & Anastácio, L. R. (2021). Energy Expenditure and Liver Transplantation: What We Know and Where We Are. Journal of Parenteral and Enteral Nutrition, 45(3), 456–464. https://doi.org/10.1002/jpen.1985
Singer, P., De Waele, E., Sanchez, C., Ruiz Santana, S., Montejo, J. C., Laterre, P. F., Soroksky, A., Moscovici, E., & Kagan, I. (2021). TICACOS international: A multi-center, randomized, prospective controlled study comparing tight calorie control versus Liberal calorie administration study. Clinical Nutrition, 40(2), 380–387. https://doi.org/10.1016/j.clnu.2020.05.024
Slingerland-Boot, H., Adhikari, S., Mensink, M. R., & van Zanten, A. R. H. (2022). Comparison of the Beacon and Quark indirect calorimetry devices to measure resting energy expenditure in ventilated ICU patients. Clinical Nutrition ESPEN, 48, 370–377. https://doi.org/10.1016/j.clnesp.2022.01.015
Sordi, A. F., Mariano, I. R., Silva, B. F., & Magnani Branco, B. H. (2022). Resting metabolic rate in bodybuilding: Differences between indirect calorimetry and predictive equations. Clinical Nutrition ESPEN, 51, 239–245. https://doi.org/10.1016/j.clnesp.2022.08.024
Stubelj, M., Teraž, K., & Poklar Vatovec, T. (2020). Predicting Equations and Resting Energy Expenditure Changes in Overweight Adults. Slovenian Journal of Public Health, 59(1), 33–41. https://doi.org/10.2478/sjph-2020-0005
Talavera, J. (2024). Gasto energético en reposo estimado mediante seis fórmulas predictivas y su comparación con la bioimpedancia en residentes de tres ciudades del perú. Universidad ricardo palma. https://doi.org/10.37527/2024.74.2.004.
Tatucu-Babet, O. A., Fetterplace, K., Lambell, K., Miller, E., Deane, A. M., & Ridley, E. J. (2020). Is Energy Delivery Guided by Indirect Calorimetry Associated With Improved Clinical Outcomes in Critically Ill Patients? A Systematic Review and Meta-analysis. Nutrition and Metabolic Insights, 13. https://doi.org/10.1177/1178638820903295
Tek, N. A., Yurtdaş, G., Cemali, Ö., Bayazıt, A. D., Çelik, Ö. M., Uyar, G. Ö., Güneş, B. D., Özbaş, B., & Erten, Y. (2021). A Comparison of the Indirect Calorimetry and Different Energy Equations for the Determination of Resting Energy Expenditure of Patients With Renal Transplantation. Journal of Renal Nutrition, 31(3), 296–305. https://doi.org/10.1053/j.jrn.2020.05.004
Tumani, M. F., Pavez, C., Parada, A., Tumani, M. F., Pavez, C., & Parada, A. (2020). Microbiota, hábitos alimentarios y dieta en enfermedad inflamatoria intestinal. Revista chilena de nutrición, 47(5), 822–829. https://doi.org/10.4067/S0717-75182020000500822
Van Dessel, K., Verrijken, A., De Block, C., Verhaegen, A., Peiffer, F., Van Gaal, L., De Wachter, C., & Dirinck, E. (2024). Basal metabolic rate using indirect calorimetry among individuals living with overweight or obesity: The accuracy of predictive equations for basal metabolic rate. Clinical Nutrition ESPEN, 59, 422–435. https://doi.org/10.1016/j.clnesp.2023.12.024
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
