Essa tese defende que os modelos preditivos da composição corporal (CC) de idosos deveriam ser capazes de identificar/monitorar sua degeneração natural durante o envelhecimento de forma simultânea. Nesse sentido, os componentes corporais que mais se alteram durante a senescência (músculo, osso e gordura) representam alto risco do acometimento de sarcopenia, osteopenia e obesidade, e, portanto, requerem maior atenção e monitoramento. Componentes reconhecidos por tecido mole magro apendicular (TMMA), indicadores do mineral ósseo e tecido adiposo são identificadores dos agravos corporais acima referidos, deveriam ser facilmente identificados. Se os métodos preditivos da CC convencionais como antropometria e bioimpedância falham nessa tarefa, modelos alternativos de baixo custo, devem ser propostos. A redução nos custos dos serviços de saúde e ampliação das redes de atendimento a idosos sofreria positivo impacto econômico, uma vez que o acesso a equipamentos clínicos mais sofisticados está mais restrito a centros médicos. Diante do exposto, o objetivo geral deste estudo foi inicialmente verificar a precisão de métodos convencionais para identificar riscos a tais agravos, mediante o monitoramento dos componentes corporais em idosos; e caso falhassem, propor modelos de maior precisão e aplicação clínica de campo. Para isso, três objetivos específicos foram considerados e respondidos a partir de artigos originais. O primeiro (Artigo I Population specificity affects prediction of apendicular lean soft tissues for diagnosed sarcopenia: a cross-sectional study) buscou validar e examinar a eficácia das equações antropométricas existentes para predizer o TMMA em idosos brasileiros. As equações foram comparadas com os valores de referência dado por absorciometria de raio-X de dupla energia. Concluiu-se que a especificidade populacional prejudica a validade das equações, implicando em grande parte, no diagnóstico falso positivo/negativo da sarcopenia. O segundo objetivo (Artigo II Association between classic and specific bioimpedance vector analysis and sarcopenia in older adults: a cross-sectional study) verificou a capacidade da bioimpedância, por técnica mais acurada em análise vetorial de bioimpedância (BIVA - clássica e específica), identificar as nuances corporais, nomeadamente da sarcopenia em idosos. A análise vetorial mostrou potencial para monitorar hidratação e perdas musculares. Além disso, tanto a BIVA clássica como a específica foram capazes de distinguir sarcopenia nas mulheres, mas não nos homens. Quando os critérios diagnósticos para sarcopenia foram testados individualmente, ambas também foram capazes de detectar as mudanças morfológicas (índice musculoesquelético), mas não as funcionais. Dessa forma, os resultados foram promissores, mas insuficientes para monitorar riscos da sarcopenia durante o envelhecimento. O terceiro objetivo (Artigo III - Multicompartment body composition analysis in older adults: a cross-sectional study) retoma a antropometria convencional para propor e validar alternativamente um modelo multicompartimental único, capaz de predizer simultaneamente componentes corporais musculares, ósseos e de gordura. O modelo pôde predizer o TMMA como um dos critérios diagnósticos da sarcopenia, o conteúdo mineral ósseo como marcador da saúde óssea dos idosos, e a massa gorda para indicar os limiares da obesidade. O modelo foi submetido à validação cruzada, mostrando coeficientes de desempenho válidos e confiáveis. Em conclusão, considerar a especificidade populacional ao selecionar equações para predizer o evita erros no diagnóstico de sarcopenia do componente muscular. A falha da BIVA na identificação e monitoramento satisfatório dos indicadores de sarcopenia para ambos os sexos requer uma alternativa simples, de baixo custo e viável capaz de predizer simultaneamente indicadores de sarcopenia, obesidade e osteoporose. Portanto, o uso do modelo aqui proposto representa uma simples estratégia, capaz de monitorar, identificar e prever precocemente os agravos dessas doenças.

This thesis argues that predictive models of body composition (BC) of the older adults should be able to simultaneously identify/monitor your natural degeneration during aging. In this sense, the body components that change most during senescence (muscle, bone and fat) represent a high risk of sarcopenia, osteopenia and obesity, and therefore require greater attention and monitoring. Components recognized by lean soft tissue apendicular (ALST), indicators of bone mineral and adipose tissue are identifiers of the bodily injuries mentioned above, they should be easily identified. If conventional BC predictive methods such as anthropometry and bioimpedance fail in this task, alternative low-cost models should be proposed. The reduction in the costs of health services and the expansion of care networks for the older adults would have a positive economic impact, since access to more sophisticated clinical equipment is more restricted to medicais centers. Given the above, the general objective of this study was initially to verify the accuracy of conventional methods to identify risks to such injuries, by monitoring body components in the older adults; and if they failed, propose more accurate models and clinical application in the field. For this, three specific objectives were considered and answered from original articles. The first (Article I Population specificity affects prediction of appendicular lean soft tissues for diagnosed sarcopenia: a cross-sectional study) sought to validate and examine the effectiveness of existing anthropometric equations to predict ALST in Brazilians older adults. Equations were compared with reference values given by dual-energy X-ray absorptiometry. It was concluded that the population specificity impairs the validity of the equations, implying the false positive/negative diagnosis of sarcopenia. The second objective (Article II Association between classic and specific bioimpedance vector analysis and sarcopenia in older adults: a cross-sectional study) verified the capacity of bioimpedance, using a more accurate technique in bioimpedance vector analysis (BIVA - classic and specific), identify bodily nuances, namely sarcopenia in the older adults. Vector analysis showed potential to monitor hydration and muscle loss. Furthermore, both classical and specific BIVA were able to distinguish sarcopenia in women but not in men. When the diagnostic criteria for sarcopenia were tested individually, both were also able to detect morphological changes (musculoskeletal index), but not functional ones. Thus, the results were promising, but insufficient to monitor risks of sarcopenia during aging. The third objective (Article III - Multicompartment body composition analysis in older adults: a cross-sectional study) takes up conventional anthropometry to alternatively propose and validate a single multicompartment model, capable of simultaneously predicting muscle, bone and fat body components. The model was able to predict ALST as one of the diagnostic criteria for sarcopenia, bone mineral content as a marker of bone health in the older adults, and fat mass as an indicator of obesity thresholds. The model was submitted to cross-validation, showing valid and reliable coefficients. In conclusion, considering population specificity when selecting equations to predict ALST avoids errors in diagnosing sarcopenia of the muscular component. BIVA's failure to identify and monitor sarcopenia indicators for both sexes requires a simple, low-cost, and viable alternative capable of simultaneously predicting sarcopenia, obesity, and osteoporosis indicators. Therefore, the use of the model proposed here represents a simple strategy, capable of monitoring, identifying and precociously predicting the aggravations of these diseases.