Comment évaluer les besoins énergétiques et protéiques du sujet obèse ?

Comment évaluer les besoins énergétiques et protéiques du sujet obèse ?

Modele + NUTCLI-2692; No. of Pages 8 ARTICLE IN PRESS Disponible en ligne sur ScienceDirect www.sciencedirect.com Nutrition clinique et métabolisme ...

738KB Sizes 196 Downloads 1041 Views

Modele + NUTCLI-2692; No. of Pages 8

ARTICLE IN PRESS Disponible en ligne sur

ScienceDirect www.sciencedirect.com Nutrition clinique et métabolisme xxx (2017) xxx–xxx

Revue générale

Comment évaluer les besoins énergétiques et protéiques du sujet obèse ?夽 How to assess energy and protein needs of obese subject? Pierre Jésus a,∗,b , Moïse Coëffier c,d a

Unité de nutrition, centre spécialisé de l’obésité, CHU de Limoges, 2, avenue Martin-Luther-King, 87042 Limoges cedex, France b Inserm UMR 1094, neuroépidémiologie tropicale, faculté de médecine, 87025 Limoges, France c Département de nutrition, CHU de Rouen, 76031 Rouen, France d Normandie université, UNIROUEN, Inserm UMR 1073 « nutrition, inflammation et dysfonction de l’axe intestin-cerveau », IRIB, UFR Santé, 76183 Rouen, France Rec¸u le 3 septembre 2017 ; rec¸u sous la forme révisée le 10 septembre 2017 ; accepté le 11 septembre 2017

Résumé Les besoins énergétiques et protéiques du patient obèse restent difficiles à évaluer. En effet, la modification de la composition corporelle liée à l’obésité avec une augmentation de la masse grasse rend peu précise l’utilisation du poids réel dans l’évaluation de ces besoins. La masse maigre déterminant principal de la dépense énergétique de repos et des besoins azotés doit être prise en compte. La calorimétrie indirecte est la méthode de référence pour l’évaluation de la dépense énergétique du sujet obèse, elle est néanmoins difficile d’accès. De ce fait, certaines formules prédictives de la dépense énergétique de repos peuvent donc être utilisées. Les formules d’Harris et Benedict, de Mifflin et al., de Müller et al. semblent plus précises chez le sujet obèse, de même que l’équation de Huang et al. prenant en compte la masse maigre. En cas d’agression, leurs prédictions sont moins fiables. Dans ce contexte, la formule d’Harris et Benedict peut être utilisée en utilisant le poids ajusté et un facteur correctif de 1,3. En cas de ventilation mécanique, la formule de Penn State modifiée est la plus satisfaisante. Les besoins énergétiques journaliers de l’obèse peuvent être aussi évalués de fac¸on empirique à la hauteur de 20 à 25 kcal/kg de poids ajusté. Les besoins protéiques sont plus complexes à évaluer. En l’absence de recommandation à ce niveau, des apports protéiques quotidiens de 1,0–1,1 g/kg de poids réel en l’absence d’agression et de 2 g/kg de poids idéal en cas d’agression peuvent être conseillés. © 2017 Association pour le d´eveloppement de la recherche en nutrition (ADREN). Publi´e par Elsevier Masson SAS. Tous droits r´eserv´es. Mots clés : Obésité ; Évaluation ; Dépense énergétique ; Besoins protéiques ; Équations prédictives

Abstract The energy and protein needs of obese patients remain difficult to assess. Indeed, the change in body composition related to obesity with an increase of fat mass makes the use of real weight not adapted to assess these needs. In addition, the fat-free mass, which is the main determinant of resting energy expenditure and nitrogen needs must be taken into account. Indirect calorimetry is the reference method to assess the energy expenditure of obese subject, but the access remains nevertheless difficult. Therefore, some predictive formulas of resting energy expenditure can be used. The formulas of Harris and Benedict, Mifflin et al., Müller et al. appear to be more accurate in the obese subject, as the equation of Huang et al. using fat-free mass. In critically ill obese patients, their predictions are less reliable. In this context, the Harris and Benedict formula

夽 Ce document a été rédigé par les auteurs à la demande du Comité éducationnel et de pratique clinique (CEPC) de la Société francophone nutrition clinique et métabolisme (SFNEP). Il a été discuté, corrigé et validé par le CEPC. ∗ Auteur correspondant. Adresse e-mail : [email protected] (P. Jésus).

http://dx.doi.org/10.1016/j.nupar.2017.09.008 0985-0562/© 2017 Association pour le d´eveloppement de la recherche en nutrition (ADREN). Publi´e par Elsevier Masson SAS. Tous droits r´eserv´es.

Pour citer cet article : Jésus P, Coëffier M. Comment évaluer les besoins énergétiques et protéiques du sujet obèse ? Nutr clin métab (2017), http://dx.doi.org/10.1016/j.nupar.2017.09.008

Modele + NUTCLI-2692; No. of Pages 8 2

ARTICLE IN PRESS P. Jésus, M. Coëffier / Nutrition clinique et métabolisme xxx (2017) xxx–xxx

can be used with the adjusted weight and a correction factor of 1.3. In the case of mechanical ventilation, the modified Penn State formula is the most accurate. The daily energy needs of the obese can also be assessed empirically at 20–25 kcal/kg of adjusted weight. Protein needs are more complex to evaluate. In the absence of recommendation at this level, daily protein intakes of 1.0–1.1 g/kg of real weight or 2 g/kg of ideal weight in the absence or presence of injury, respectively, may be recommended. © 2017 Association pour le d´eveloppement de la recherche en nutrition (ADREN). Published by Elsevier Masson SAS. All rights reserved. Keywords: Obesity; Assessment; Energy expenditure; Protein needs; Predictive equations

1. Introduction

2. Évaluation des besoins énergétiques

Au cours de la prise pondérale, la composition corporelle du sujet va se modifier. En effet, le pourcentage de masse grasse (MG) augmente et peut représenter plus de 50 % du poids corporel. La masse maigre (MM) diminue en valeur relative, mais augmente avec l’indice de masse corporelle (IMC) en valeur absolue [1,2]. La MM est le déterminant principal de la dépense énergétique de repos (DER) et des besoins azotés. Une perte de MM peut néanmoins apparaître et s’accentuer avec l’âge chez l’obèse, c’est l’obésité sarcopénique. En effet, des altérations métaboliques fréquemment retrouvées au cours de l’obésité (inflammation, insulinorésistance, dyslipidémie, stéatohépatite non alcoolique) peuvent altérer le métabolisme protéique [3]. Ces modifications de la composition corporelle rendent l’évaluation des besoins énergétiques et protéiques du sujet obèse plus complexe pour la pratique clinique courante. La dépense énergétique totale (DET) est constituée de la dépense énergétique de repos (DER) de la dépense énergétique liée à l’activité physique (DEAP) et de la dépense énergétique liée à la l’alimentation (DEA) [4] et de la thermogenèse au froid. La DER représente environ 60 à 65 % de la DET. La DEAP représente environ 25 à 35 % de la DET, avec une grande variabilité entre les individus. Les méthodes d’évaluation de l’activité physique, un enjeu majeur pour mieux appréhender la DET, ont précédemment été décrites [5]. Enfin la DEA (pour digérer, métaboliser et stocker l’énergie contenue dans les aliments) représente 10 % de la DET. La revue d’Anderson et al. [6] en 2014 décrit globalement une augmentation de la DET et de la DER chez les obèses par rapport aux sujets non obèses. Il existe, dans cette analyse, une corrélation positive de la DER avec l’IMC et la MM chez les patients obèses. En revanche, une fois rapportée à l’IMC ou à la MM, la DET n’est pas différente entre les deux groupes. De même, la DEAP n’est pas différente entre les deux groupes mais tend à être plus basse chez les patients obèses. Quant à la DEA, elle n’est pas modifiée chez les obèses mais les études sur le sujet comportaient des biais rendant l’interprétation difficile. La dépense énergétique du sujet souffrant d’obésité semble donc adaptée à sa composition corporelle, principalement pour la DER. En clair, de fac¸on générale, la DER rapportée à la masse maigre n’est pas significativement modifiée chez les sujets obèses.

2.1. Par calorimétrie indirecte La calorimétrie indirecte (CI) reste la méthode de référence pour la mesure de la dépense énergétique (DE). Elle permet la mesure de l’O2 consommé et du CO2 produit par l’organisme au cours d’une période donnée et de calculer ainsi la DE du patient. Cette technique est d’utilisation simple mais peu disponible. Elle peut être utilisée chez un patient au repos et mesure alors la DER. Elle peut aussi être utilisée chez un patient lors d’une activité physique ou en réanimation, la mesure se rapproche alors de la DET. Cette technique reste tout à fait applicable aux patients obèses pour évaluer la DE. Différents types d’appareils fixes ou portatifs, avec canopy ou masque existent. Le Delta® trac II (Datex, Helsinki, Finlande) a fait office de référence pendant de nombreuses années mais n’est plus commercialisé. ® D’autres appareils tels que le Quark RMR (Cosmed, Rome, Italie) semble avoir une bonne concordance avec le Deltatrac ® ® II [7], le CCMexpress (MedGraphic, Saint-Paul, États-Unis) a en revanche une moins bonne concordance. Des calorimètres peuvent aussi être couplés aux appareils de ventilation méca® nique, tels que le E-sCOVX (GE, Helsinki, Finlande). Bien qu’ayant tendance à surestimer la DE, il semble aussi intéressant pour mesurer la DE du patient obèse agressé sous ventilation ® mécanique [8,9]. Des appareils portatifs de type Fitmate (Cosmed, Rome, Italie), plus simple d’utilisation au lit du patient, sont aussi valides pour mesurer la DE [10]. Des appareils ultra® portatifs tels que le MedGem (Healthcare LLC, Littleton, CO) ont aussi été testés dans des populations en surpoids ou obèses. Il est reproductible mais les études sur le sujet retrouvent une évaluation peu précise de la DER par rapport à des calorimètres de référence [6,11,12]. Bien que la méthode de référence et recommandée pour évaluer la DE principalement chez l’obèse agressé, la CI reste encore actuellement difficile d’accès. 2.2. Par équations prédictives En l’absence de calorimètre, la DER peut être évaluée à l’aide d’équation prédictive utilisant comme variable, l’âge, le sexe, le poids, la taille ou l’IMC ou la composition corporelle (MM

Pour citer cet article : Jésus P, Coëffier M. Comment évaluer les besoins énergétiques et protéiques du sujet obèse ? Nutr clin métab (2017), http://dx.doi.org/10.1016/j.nupar.2017.09.008

Modele +

ARTICLE IN PRESS

NUTCLI-2692; No. of Pages 8

P. Jésus, M. Coëffier / Nutrition clinique et métabolisme xxx (2017) xxx–xxx

3

Tableau 1 Équations prédictives de dépense énergétique de repos pour les adultes [2,13,24]. Équations

Unité

Paramètre pour le calcul

Formule predictive de DER

Harris et Benedict 1919

kcal/j

Sexe, poids (kg), taille (cm), âge (ans)

H : P × 13,7516 + T × 5,0033 – A × 6,755 + 66,473 F : P × 9,5634 + T × 1,8496 – A × 4,6756 + 655,0955 9,99 × P + 6,2 × T – 4,92 × A + 166 × S – 161 19,7 × MM + 413 0,047 × P + 1,009 × S + 0,01452 × A + 3,21 0,05192 × MM + 0,04036 × MG + 0,869 × S + 0,01181 × A + 2,992

Équations pour poids normal et obèse kcal/j Mifflin et al. Mifflin et al. (CC) kcal/j MJ/j Müller et al. MJ/j Müller et al. (CC) De Lorenzo et al.

kJ/j

Sexe (H : 1 ; F : 0), poids (kg), taille (cm) MM (kg) Sexe, poids (kg), âge (ans) Sexe (H : 1 ; F : 0), MM (kg), MG (kg), âge (ans) Sexe, poids (kg), taille (cm), âge (ans)

Owen et al.

kcal/j

Sexe, poids (kg)

Owen et al. (CC)

kcal/j

Sexe, MM (kg)

Korth et al.

kJ/j

Korth et al. (CC) Johnstone et al. (CC) Livingston et Kohlstadt

kJ/j kJ/j kcal/j

Sexe (H : 1 ; F : 0), poids (kg), taille (cm), âge (ans) MM (kg) MM (kg), MG (kg), âge (ans) Sexe, poids (kg), âge (ans)

kcal/j

Sexe, poids (kg), taille (cm), âge (ans)

Bernstein et al. (CC) Horie-Waitzberg et Gonzalez et al. (CC) Huang et al. Huang et al. (CC) Lazzer et al.

kcal/j

MM (kg), MG (kg), âge (ans) Poids (kg), MM (kg)

kcal/j kcal/j MJ/j

Sexe, poids (kg), taille (cm), âge (ans) Sexe, MM (kg), MG (kg), âge (ans) Sexe, poids (kg), taille (cm), âge (ans)

Lazzer et al. (CC)

MJ/j

Sexe, MM (kg), MG (kg), âge (ans)

Müller et al.

MJ/j

Müller et al. (CC)

MJ/j

Penn state modifiée

kcal/j

Sexe (H : 1 ; F : 0), poids (kg), taille (cm), âge (ans) Sexe (H : 1 ; F : 0), MM (kg), MG (kg), âge (ans) Formule de Mifflin [sexe, poids (kg), taille (cm), âge (ans)], température (◦ C), ventilation (l/min)

Équations pour obèse Bernstein et al.

M : 53,284 × P + 20,957 × T – 23,859 × A + 487 F : 46,322 × P + 15,744 × T – 16,66 × A + 944 M : P × 10,2 + 879 F : P × 7,18 + 795 M : 22,3 × MM + 290 F : 19,7 × MM + 334 41,5 × P + 35,0 × T + 1107,4 × S–19,1 × A – 1731,2 108,1 × MM + 1231 90,2 × MM + 31,6 × MG – 12,2 × A + 1613 M : 293 × P0,4330 – 5,92 × A F : 248 × P0,4356 – 5,09 × A M : 11,02 × P + 10,23 × T – 5,8 × A – 1032 F : 7,48 × P – 0,42 × T–3 × A + 844 19,02 × MM + 3,72 × MG – 1,55 × A + 236,7 560,43 + 5,39 × P + 14,14 × MM 10,158 × P + 3,933 × T – 1,44 × A + 273,821 × S + 60,655 14,118 × MM + 9,367 × MG – 1,515 × A + 220,863 × S + 521,995 M : 0,048 × T + 4,655 × T – 0,020 × A – 3,605 F : 0,042 × P + 3,619 × T – 2,678 M : 0,081 × MM + 0,049 × MG – 0,019 × A – 2,194 F : 0,067 × MM + 0,046 × MG + 1,568 0,05 × P + 1,103 × S + 0,01586 × A + 2,924 0,05685 × MM + 0,04022 × MG + 0,808 × S + 0,01402 × A + 2,818 Mifflin × 0,71 + Tmax × 85 + Ve × 64 – 3,085

A : âge ; CC : composition corporelle ; MG : masse grasse ; MM : masse maigre ; P : poids ; S : sexe ; T : taille ; Tmax : température corporelle maximale dans les 24 heures précédentes ; Ve : ventilation sur une minute enregistrée au respirateur.

Tableau 2 Équations prédictives de dépense énergétique de repos pour les adolescents [39]. Équations

Unité

Équations pour poids normal et obèse kJ/j Molnar et al., 10–16 ans Müller et al., 5–17 ans Équations pour obèse Tverskaya et al. (CC), 10–18 ans Derumeaux-Burel et al. (CC), 3–18 ans Schmelzle et al., 4–15 ans Lazzer et al. (CC), 7–18 ans

Paramètre pour le calcul

Formule predictive de DER

Sexe, poids (kg), taille (cm), âge (ans)

H : 50,9 × P + 25,3 × T–50,3 × A + 26,9 F : 51,2 × P + 24,5 × T–207,5 × A + 1629,8 0,02606 × P + 0,04129 × T + 0,311 × S – 0,08369 × A – 0,808

MJ/j

Sexe (H : 1 ; F : 0), poids (kg), taille (cm), âge (ans)

kcal/j MJ/j

Sexe (H : 1 ; F : 0), MM (kg), MG (kg), âge (ans) Sexe, MM (kg), âge (ans)

kcal/j

Sexe, poids (kg), taille (cm)

kJ/j

Sexe (H : 1 ; F : 0), MM (kg), MG (kg), âge (ans)

775 + 28,4 × MM + 3,3 G − 37 × A + 82 × S H : 0,1096 × MM + 2,8862 F : 0,1371 × MM – 0,1644 × A + 3,3647 H : 6,6 × P + 13,1 × T − 794 F : 11,9 × P + 0,84 × T + 579 68,39 × MM + 55,19 × MG + 909,12 × S–107,48 × A + 3631,23

A : âge ; CC : composition corporelle ; MG : masse grasse ; MM : masse maigre ; P : poids ; S : sexe ; T : taille

Pour citer cet article : Jésus P, Coëffier M. Comment évaluer les besoins énergétiques et protéiques du sujet obèse ? Nutr clin métab (2017), http://dx.doi.org/10.1016/j.nupar.2017.09.008

Modele +

ARTICLE IN PRESS

NUTCLI-2692; No. of Pages 8 4

P. Jésus, M. Coëffier / Nutrition clinique et métabolisme xxx (2017) xxx–xxx

Tableau 3 Études sur la comparaison entre la DER prédite et mesurée chez l’obèse. Effectif sujets obèses (sexe)

IMC (kg/m2 ) Meilleure(s) équation(s) (% de bonne prédictiona )

Chez l’adulte obèse Marra et al., 2017 [2]

1851 (H et F)

Poli et al., 2016 [49] Jésus et al., 2015 [13]

40 (F) 1407 (H et F)

Ruiz et al., 2011 [17] Horie et al., 2011 [24] Weijs et al., 2010 [1] Weijs et al., 2008 [15]

86 (F) 120 (H et F) 536 (F) 338 US (H et F) 208 PB (H et F) 14 (F)

30–39,9 40–49,9 > 50 30–39,9 25–39,9 > 40 30–39,9 > 40 30–39,9 25–39,9 > 30 > 40

Référence

Dobratz et al., 2007 [18] Chez l’adulte obèse agressé Kruizenga et al., 2016 [32] Frankenfield et al., 2013 [36] Frankenfield et al., 2011 [35] Anderegg et al., 2009 [29] Glynn et al., 1999 [28]

Chez l’adolescent obèse Steinberg et al., 2017 [44] Marra et al., 2015 [26] Hofsteenge et al., 2010 [42] Lazzer et al., 2007 [50] Derumeaux-Borel, 2004 [41]

HB (57 %) ; Henry (56,9 %)

HB (40 %) ; FAO (35 %) Huang CC (70,4 %, 66 %) Müller CC (72,1 %, 63,8 %) Mifflin (74 %) Horie-Waitzberg et Gonzalez CC (70 %) Huang (71 %) ; Siervo (71 %) ; Müller (70 %) ; HB (69 %) ; Mifflin (68 %) Mifflin (US – 79 %) Lazzer (PB – H : 72 % ; F : 68 %) Mifflin (86 %) ; HB (71 %)

86 (H et F) nc 74 (H et F) 36 (H et F) 726 (H et F)

> 30 > 45 > 30 > 30 30–34,9 35–39,9 40–49,9 > 50

HB (53 %) Penn State modifiée (76 %) Penn State modifiée (74 %) HB avec poids ajusté et facteur de correction (50 %) HB avec moyenne entre poids réel et poids idéal et facteur de correction (64 %)

226 (H et F) 264 (H et F) 121 (H et F) 287 (H et F) 211 (H et F)

31–69 30–70 > 40 nc > 2DS

Mifflin (61 %) Lazzer CC (H : 64,7 % et F : 61,9 %) Molnar (74 %) Lazzer (55 %) Derumeaux (nc)

IMC : indice de masse corporelle ; DER : dépense énergétique de repos ; H : homme ; F : femme ; HB : Harris et Benedict ; FAO : Food and Agriculture Organization ; US : États-Unis ; PB : Pays-Bas ; DS : déviation standard ; nc : non connu ; CC : composition corporelle. a La bonne prédiction est définie par une DER prédite à ± 10 % de DER mesurée.

et/ou MG) (Tableaux 1 et 2) [2,13]. Les travaux portant sur la comparaison entre la DER prédite et mesurée chez l’obèse sont présentés dans le Tableau 3. La formule de Harris et Benedict (HB), 1919 [14] construite à partir de sujet avec un poids normal est une des plus utilisées même en cas d’obésité. Dans une étude récente, nous avons retrouvé dans une population de patients franc¸ais une bonne validité chez les personnes d’une corpulence normale avec un pourcentage de bonne prédiction (± 10 % de la DER mesurée) à 73,0 % [13]. Vingt-sept pour cent des patients ont donc une DER supérieure ou inférieure à 10 % de la valeur prédite ce qui peut avoir des conséquences cliniques. Chez les patients en excès de poids avec un IMC de 25 à 40 kg/m2 , ce pourcentage de mauvaise prédiction augmente à 31,5 % et à 37,6 % chez les patients avec un IMC ≥ 40 kg/m2 . Weijs et al. [1,15] retrouvaient des résultats similaires dans des populations de patients américains, hollandais ou belges. Dans une population italienne, Marra et al. [10] ont montré des résultats de bonne prédiction plus faibles. La formule de Mifflin et al. [16] semble plus précise chez le patient obèse. En effet, Weijs et al. [15] notaient une bonne prédiction dans 68 % (IMC de 30 à 40 kg/m2 ) et 79 % (IMC de 25 à 40 kg/m2 ) des cas dans des populations belges et américaines. Ruiz et al. [17] et Dobratz et al. [18] retrouvaient des données similaires (74 % et 86 %, respectivement) mais sur de petites populations de femmes. Jésus et al. [13] et Marra et al. [2] retrouvaient des

Tableau 4 Formules poids idéal et poids ajusté [19,20,51]. Poids idéal (PI) Lorentz Homme Femme Poids idéal (PI) Hamwi Homme Femme Poids idéal théorique (PIT) Poids ajusté (PA)

PI = taille (cm) – 100 –[taille (cm) – 150]/4 PI = taille (cm) – 100 – [taille (cm) – 150]/2,5 PI = 48 + [taille (cm) – 152] × 1,06 PI = 45,4 + [taille (cm) – 152] × 0,89 PIT = 25 × taille2 (cm) PA = PI (kg) + 0,25 × [PR (kg) – PI (kg)]

PI : poids idéal ; PA : poids ajusté, PIT : poids idéal théorique ; PR : poids réel.

résultats plus faibles. La majorité de ces travaux utilise le poids actuel dans les formules analysées. Or, une des questions est de savoir s’il faut utiliser le poids réel (PR), le poids idéal (PI) [19] ou le poids ajusté (PA) [20] (Tableau 4). En effet, chez le patient obèse, l’utilisation du PR peut conduire à une surestimation des besoins pouvant être délétère, car la masse grasse engendre peu de dépense au repos (environ 4,5 kcal/kg, contre 14,5 pour la masse musculaire) [21]. À l’inverse, utiliser le PI risque de conduire à une sous-estimation des besoins, car la masse maigre augmente avec l’IMC (sauf en cas d’obésité sarcopénique) [22]. De même, des formules spécifiques au sujet obèse ont été créées (Tableau 1). Il semble plus intéressant chez le patient obèse de prédire la DER avec des formules utilisant

Pour citer cet article : Jésus P, Coëffier M. Comment évaluer les besoins énergétiques et protéiques du sujet obèse ? Nutr clin métab (2017), http://dx.doi.org/10.1016/j.nupar.2017.09.008

Modele + NUTCLI-2692; No. of Pages 8

ARTICLE IN PRESS P. Jésus, M. Coëffier / Nutrition clinique et métabolisme xxx (2017) xxx–xxx

la composition corporelle. En effet, la formule de Huang et al. [23] a été construite chez des sujet obèses en utilisant la MM et la MG mesurées en impédancemétrie bioélectrique. Elle semble plus valide chez les patients en excès de poids avec pourcentage de bonne prédiction à 70,4 % et 66,0 % chez les patients avec un IMC de 25 à 40 kg/m2 et ≥ 40 kg/m2 , respectivement [13]. En revanche, avec la formule de Huang et al., la récente étude de Marra et al. [2] retrouvait un taux de bonne prédiction plus faible à 40 et 45 % des cas en fonction du sexe. L’équation de Horie-Waitzberg et Gonzalez et al. [24] chez des patients avec un IMC ≥ 35 utilisant également la composition corporelle permet d’obtenir une DER proche de la DER mesurée. Cependant, cette formule n’améliorait pas la prédiction de la DER dans l’étude de Marra et al. [2]. À l’inverse des formules validées spécifiquement pour le patient obèse telles que la formule de Bernstein et al. [25] avec composition corporelle présentait une variabilité importante du pourcentage de bonne prédiction [2,13,15]. En effet, en utilisant l’impédancemétrie bioélectrique comme mesure de composition corporelle, le pourcentage de bonne prédiction était uniquement de 14,7 % (IMC de 25 à 40 kg/m2 ) et de 8,7 % (IMC > 40 kg/m2 ) dans l’étude de Jésus et al. [13], et d’environ 5 % (IMC > 30 kg/m2 ) dans l’étude de Marra et al. [2], cette formule sous-estimant fortement la DER. À l’inverse, Weijs et al. [13] retrouvaient un pourcentage de bonne prédiction de 63 % (IMC de 25 à 40 kg/m2 ) avec composition corporelle mesurée par pléthysmographie. Il s’agit donc d’un biais important dans l’utilisation de ces formules. En effet, les formules nécessitant la composition corporelle ont été validées avec différentes techniques de mesure de composition corporelle. L’utilisation d’autres méthodes de mesure peut donc modifier la prédiction des formules et en altérer la validité. Par exemple, la formule de Bernstein et al. [25] validée avec une mesure de composition corporelle par analyse du potassium et de l’eau marquée a été testée dans 2 études avec une mesure de composition corporelle par impédancemétrie bioélectrique par Jésus et al. [13] et Marrat et al. [2] et par pléthysmographie par Weijs et al. [15]. Les valeurs de bonne prédiction varient dans ces études de 5 à 63 %. L’utilisation de l’absorptiométrie biphotonique par rayon X (DEXA), méthode de référence reste plus difficile d’utilisation chez le sujet obèse de plus de 130 kg et de disponibilité limitée. L’utilisation de ces formules associées à la mesure de la composition corporelle par impédancemétrie bioélectrique avec formule pour le sujet obèse [26,27] pourrait être une alternative plus simple en pratique clinique courante, mais qui reste à être évaluée. Il est à noter que la différence moyenne de MM entre la formule de Jiménez et al. [27] en impédancemétrie bioélectrique et la DEXA est de +0,18 kg (intervalle de confiance 95 % : –0,34 à +0,7). Un autre biais peut provenir de la population ayant permis la validation de ces formules. En effet, dans le travail de Weijs et al. [15], les mêmes formules appliquées dans deux populations différentes (États-Unis et Pays-Bas) obtenaient des pourcentages de prédiction différents. En effet, la formule de Mifflin et al. [16] obtenait le meilleur pourcentage de prédiction aux États-Unis (79 %) mais n’était que de 47 % dans la population des Pays-Bas. En résumé, les équations de HB, 1919 [14], Mifflin et al. [16] et Huang et al. [23] (avec composition corporelle) semblent donc relativement adaptées pour prédire la

5

DER du sujet obèse à l’inverse de certaines formules spécifiques (Bernstein et al. [25]). Peu d’études se sont intéressées spécifiquement à la DE de patients obèses (IMC ≥ 30 kg/m2 ) hospitalisés avec pathologies inflammatoires, cancer, chirurgie et traumatismes. Dans une étude portant sur 60 patients, Glynn et al. [28] ont montré que la formule HB, 1919 obtenait le meilleur pourcentage de bonne prédiction (67 %) en utilisant comme poids la moyenne entre le PR et le PI soit (PR + PI)/2, et en multipliant la DER obtenue par un facteur de correction de 1,3 [22]. Le pourcentage de bonne prédiction était relativement identique avec ou sans ventilation mécanique (69 % et 64 %, respectivement). De même, Anderegg et al. [29] chez 36 patients retrouvaient une meilleure prédiction à 50 % avec la formule d’HB, 1919 [14] en utilisant le PIA et un facteur de correction de 1,2 ou 1,5 (si soins intensifs). Il est à noter que la DER était mesu® rée avec l’appareil MedGem pour lequel la validité n’est pas affirmée. Les recommandations formalisées d’experts (RFE) sur la nutrition artificielle en réanimation proposent de calculer les besoins énergétiques des patients obèses agressés en utilisant le PA sur IMC à 25 kg/m2 [30]. De plus, il semble nécessaire d’appliquer un facteur de correction permettant d’ajuster le calcul de la DE du patient obèse agressé et hospitalisé. Le Tableau 5 présente les différents facteurs de correction pouvant être appliqués [31]. L’étude de Kruizenga et al. [32] comportant 86 patients retrouvait une meilleure prédiction (dans 53 %) de la DER avec HB, 1919 et n’était pas améliorée par l’ajustement du poids pour un IMC de 30 kg/m2 . De fac¸on similaire, Boullata et al. [33] trouvaient que la formule d’HB, 1919 avec le PR donnait la meilleure prédiction à 62 % chez 51 patients. En revanche, le travail de Kross et al. [25] sur 401 patients obèses ventilés en soins intensifs retrouvait une mauvaise concordance entre les formules prédictives et la valeur mesurée. Même si HB, 1919 fournissait la meilleure prédiction, celle-ci n’était pas satisfaisante (entre 27 et 34 % en fonction de la classe d’obésité analysée). En revanche, il semblerait qu’une formule dérivée de la formule de Mifflin et al. [16] (sans composition corporelle) mais nécessitant la température et la ventilation du patient donne

Tableau 5 Facteurs correctifs pour le calcul de la dépense énergétique (DE) [31]. Facteur Agression Fièvre par ◦ C au-dessus de 37 ◦ C Fractures multiples Cancer évolutif, chirurgie mineure Radio-chimiothérapie, dénutrition Polytraumatisme Sepsis (selon gravité) Brûlures (selon étendue) Activité physique Sous sédation Alité Hospitalisé non alité Ambulatoire, à activité modérée

1,1 1,1–1,3 1,2–1,3 1,2–1,3 1,2–1,5 1,2–1,7 1,3–2,1 0,8–1 1,1 1,2 1,4–1,6

DE corrigée : DER calculée × facteur agression × facteur activité physique.

Pour citer cet article : Jésus P, Coëffier M. Comment évaluer les besoins énergétiques et protéiques du sujet obèse ? Nutr clin métab (2017), http://dx.doi.org/10.1016/j.nupar.2017.09.008

Modele + NUTCLI-2692; No. of Pages 8 6

ARTICLE IN PRESS P. Jésus, M. Coëffier / Nutrition clinique et métabolisme xxx (2017) xxx–xxx

la meilleure prédiction de la DE du patient obèse agressé sous ventilation mécanique [34]. En effet, la formule de Penn State modifiée pour les personnes avec un IMC > 30 kg/m2 retrouvait dans deux études de Frankenfield et al. [35,36] une bonne prédiction dans 74 % (IMC > 30 kg/m2 ) et 76 % (IMC > 45 kg/m2 ). Cette formule semble actuellement la plus recommandée chez l’obèse agressé [37,38]. Les formules de prédiction de la DER sont une alternative à la calorimétrie indirecte mais sont à utiliser avec prudence car elles ne sont pas toutes valides chez l’obèse. La formule d’HB, 1919 bien que non validée pour le patient obèse peut être utilisée dans cette population avec ou sans agression. Les formules nécessitant la composition corporelle, bien que plus précises sont plus difficilement applicables en pratique clinique au lit du patient. Chez l’obèse agressé, l’utilisation de facteur de correction de la DE est aussi intéressant, un facteur de 1,3 peut être appliqué à la DER. La précision est aussi augmentée en utilisant le PA plutôt que le PR. L’adolescent est un cas particulier. Les adolescents de 16 à 18 ans peuvent être pris en charge dans des secteurs de médecine adulte, il faut donc dans ce cas utiliser des formules de DER adaptées à cette population (Tableau 2). L’étude de Marra et al. [39] montrait que la formule de Lazzer et al. [40] créée pour les adolescents obèses donne le meilleur pourcentage de bonne prédiction chez 64,7 % des garc¸ons et chez 61,9 % des filles. En revanche, dans cette analyse, l’équation développée par Derumeaux-Burel et al. [41] ne donne une bonne prédiction que chez 48 % des garc¸ons et 43 % des filles [39]. Hofsteenge et al. [42] ont montré qu’avec l’équation de Molnar et al. [43], le pourcentage de bonne prédiction est à 74 % dans une population de 121 adolescents hollandais. Dans le travail récent de Steinberg et al. [44], la formule de Mifflin et al. non validée pour une population pédiatrique a été testée et retrouvait la meilleure prédiction dans 61 % des cas. Ces trois formules (Lazzer et al., Molnar et al. et Mifflin et al.) sont donc les plus adaptées pour évaluer la DER d’adolescents obèses. 2.3. Par méthode empirique Les besoins énergétiques totaux des patients peuvent être estimés de fac¸on empirique. Il est habituellement admis d’utiliser en moyenne 30 kcal/kg de PR mais cette estimation entraîne une surestimation de la DE chez les patients obèses. Il est actuellement conseillé d’utiliser 20 à 35 kcal de PA pour estimer les besoins énergétiques du patient obèse [31]. Pour Kruizenga et al. [32], une bonne prédiction n’était retrouvée que dans seulement 10 % des cas avec l’évaluation de la DE de 25 kcal/kg de PR. Ce résultat était similaire (19,4 %) aux études d’Anderegg et al. [29] et d’Alves et al. [45]. En revanche, le pourcentage de bonne prédiction était amélioré si le PA était utilisé (38,9 %) et surtout si l’évaluation était de 21 kcal/kg de PA (41,7 %) [29]. Ces différents travaux ont été réalisés sur des populations de patients obèses hospitalisés et agressés. Dans ce contexte, une estimation des besoins énergétiques entre 20 et 25 kcal/kg de PA semble plus adaptée.

3. Évaluation des besoins protéiques Les apports nutritionnels conseillés en France pour la population générale sont de 0,8 g protéines/kg/jour. Cependant, il n’existe actuellement aucune recommandation pour le sujet obèse alors que les altérations métaboliques fréquemment retrouvées chez les sujets obèses (inflammation, insulinorésistance, dyslipidémie, stéatohépatite non alcoolique) peuvent influencer le métabolisme protéique et contribuer à favoriser une perte de MM. L’évaluation des besoins protéiques repose sur l’étude du bilan azoté (différence entre les entrées et les pertes), méthodologie difficilement utilisable en routine. Les apports azotés sont estimés à partir d’un journal alimentaire sur plusieurs jours et les pertes sont estimées à partir de l’excrétion urinaire d’urée sur 24 heures en utilisant la formule de MacKenzie et al. [46]. Dans une étude récente présentée lors des journées francophones de Nutrition en 2015 et portant sur 106 patients en obésité massive, Louvet et al. [3] ont montré, chez des patients obèses non hospitalisés, des besoins moyens protéiques de 0,79 g/kg PR, correspondant à un apport protéique de sécurité compris entre 0,99 et 1,13 g/kg PR. Cette étude montre donc que les besoins protéiques sont supérieurs chez le sujet obèse par rapport à la population générale. Chez des patients obèses hospitalisés hors réanimation, Choban et al. [47] retrouvaient des besoins protéiques de 1,7 g/kg PI et de 1,8 g/kg PI pour des patients ayant un IMC compris entre 30 et 39,9 et supérieur à 40, respectivement. Cependant étant donnée la pauvreté de la littérature sur ce point, il apparaît difficile de mettre en avant des recommandations. Concernant le patient obèse agressé, Dickerson et al. [48] ont publié une revue sur l’intérêt d’une nutrition hypocalorique hyperprotéique à 22–25 kcal/kg PI/jour et 2–2,5 g protéines/kg PI/jour. Les RFE nutrition artificielle en réanimation proposent des apports de 2 g protéines/kg PI/jour pour le patient obèse agressé [30]. Ce point sera développé dans un autre article. 4. Conclusion L’obésité complexifie l’évaluation des besoins énergétiques et protéiques du patient et encore plus en cas d’agression. La calorimétrie indirecte reste la méthode de référence pour l’évaluation de la DE du sujet obèse, elle est néanmoins difficile d’utilisation en pratique clinique courante. Les formules prédictives de DER peuvent donc être une alternative intéressante mais ces formules peuvent être sources d’erreurs. Les formules d’Harris et Benedict (HB) [14], de Mifflin et al. [16], de Müller et al. peuvent être utilisées avec une précision correcte chez le sujet obèse. L’équation de Huang et al. [23] nécessitant une mesure de la composition corporelle prenant en compte la MM, déterminant de la DER semble aussi d’une précision satisfaisante. Malheureusement, dans le cadre des modifications métaboliques du sujet obèse agressé, leurs prédictions sont moins fiables. La formule d’HB peut être néanmoins utilisée avec le PA et un facteur correctif de 1,3. En cas de ventilation mécanique, la formule de Penn State modifiée semble la plus satisfaisante. Les besoins énergétiques quotidiens du sujet obèse peuvent être aussi évalués de fac¸on empirique à la hauteur de 20 à

Pour citer cet article : Jésus P, Coëffier M. Comment évaluer les besoins énergétiques et protéiques du sujet obèse ? Nutr clin métab (2017), http://dx.doi.org/10.1016/j.nupar.2017.09.008

Modele + NUTCLI-2692; No. of Pages 8

ARTICLE IN PRESS P. Jésus, M. Coëffier / Nutrition clinique et métabolisme xxx (2017) xxx–xxx

25 kcal/kg de PA. Les besoins protéiques sont plus complexes à évaluer. En l’absence de recommandation à ce niveau, des apports protéiques quotidiens de 1,0–1,1 g/kg de PR en l’absence d’agression et de 2 g/kg de PI en cas d’agression peuvent être conseillés. Déclaration de liens d’intérêts Les auteurs déclarent ne pas avoir de liens d’intérêts. Références [1] Weijs PJM, Vansant GAAM. Validity of predictive equations for resting energy expenditure in Belgian normal weight to morbid obese women. Clin Nutr 2010;29(3):347–51. [2] Marra M, Cioffi I, Sammarco R, Montagnese C, Naccarato M, Amato V, et al. Prediction and evaluation of resting energy expenditure in a large group of obese outpatients. Int J Obes 2017;41(5):697–705. [3] Louvet C, Farigon N, Montel F, Fetche R, Miolanne M, Boirie Y. Besoins protéiques, composition corporelle et fonction musculaire dans l’obésité massive. Nutr Clin Metabol 2016;30(1):46. [4] Honthâas C, Ritz P. La dépense énergétique : mode d’emploi. Ann Endocrinol 2008;62(6):337. [5] Ciangura C, Faucher P, Oppert J-M. Activité physique, nutrition et obésité. Nutr Clin Metabol 2014;28(4):279–86. [6] Anderson EJ, Sylvia LG, Lynch M, Sonnenberg L, Lee H, Nathan DM. Comparison of energy assessment methods in overweight individuals. J Acad Nutr Diet 2014;114(2):273–8. [7] Graf S, Karsegard VL, Viatte V, Maisonneuve N, Pichard C, Genton L. Comparison of three indirect calorimetry devices and three methods of gas collection: a prospective observational study. Clin Nutr 2013;32(6):1067–72. [8] Rehal MS, Fiskaare E, Tjäder I, Norberg Å, Rooyackers O, Wernerman J. Measuring energy expenditure in the intensive care unit: a comparison of indirect calorimetry by E-sCOVX and Quark RMR with Deltatrac II in mechanically ventilated critically ill patients. Crit Care 2016;20(1):54. [9] Fadeur M, Malherbe C, Verbrugge A-M, Ledoux D, Paquot N. Comparai® son entre les dépenses énergétiques mesurées par Deltatrac II et celles ® mesurées par l’E-COVX chez des patients agressés : étude prospective observationnelle. Nutr Clin Métabol 2016;30(3):297–302. [10] Vandarakis D, Salacinski AJ, Broeder CE. A comparison of COSMED metabolic systems for the determination of resting metabolic rate. Res Sports Med Print 2013;21(2):187–94. [11] Woo P, Murthy G, Wong C, Hursh B, Chanoine J-P, Elango R. Assessing resting energy expenditure in overweight and obese adolescents in a clinical setting: validity of a handheld indirect calorimeter. Pediatr Res 2017;81(1–1):51–6. [12] Compher C, Hise M, Sternberg A, Kinosian BP. Comparison between Medgem and Deltatrac resting metabolic rate measurements. Eur J Clin Nutr 2005;59(10):1136–41. [13] Jésus P, Achamrah N, Grigioni S, Charles J, Rimbert A, Folope V, et al. Validity of predictive equations for resting energy expenditure according to the body mass index in a population of 1726 patients followed in a Nutrition Unit. Clin Nutr 2015;34(3):529–35. [14] Harris JA, Benedict FG. A biometric study of human basal metabolism. Proc Natl Acad Sci U S A 1918;4(12):370–3. [15] Weijs PJ. Validity of predictive equations for resting energy expenditure in US and Dutch overweight and obese class I and II adults aged 18–65 years. Am J Clin Nutr 2008;88(4):959–70. [16] Mifflin MD, St Jeor ST, Hill LA, Scott BJ, Daugherty SA, Koh YO. A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr 1990;51(2):241–7. [17] Ruiz JR, Ortega FB, Rodríguez G, Alkorta P, Labayen I. Validity of resting energy expenditure predictive equations before and after an energyrestricted diet intervention in obese women. Plos One 2011;6(9):e23759.

7

[18] Dobratz JR, Sibley SD, Beckman TR, Valentine BJ, Kellogg TA, Ikramuddin S, et al. Predicting energy expenditure in extremely obese women. JPEN J Parenter Enteral Nutr 2007;31(3):217–27. [19] Melchior J, Hanachi M, Hankard R. Méthodes d’évaluation de l’état et du risque nutritionnel. In: Quilliot D, Thibault R, Bachmann P, Guex E, Zéanandin G, Coti-Bertrand P, editors. Traité de nutrition clinique à tous les âges de la vie. Tremblay-en-France: SFNEP; 2016. p. 647–68. [20] Ireton-Jones CS, Turner WW. Actual or ideal body weight: which should be used to predict energy expenditure? J Am Diet Assoc 1991;91(2):193–5. [21] Gallagher D, Belmonte D, Deurenberg P, Wang Z, Krasnow N, Pi-Sunyer FX, et al. Organ-tissue mass measurement allows modeling of REE and metabolically active tissue mass. Am J Physiol Endocrinol Metab 1998;275(2):E249–58. [22] Cattenoz M, Lauverjat M, Chambrier C. Prise en charge nutritionnelle de l’obèse en réanimation. Reanimation 2006;15:449–53. [23] Huang K-C, Kormas N, Steinbeck K, Loughnan G, Caterson ID. Resting metabolic rate in severely obese diabetic and non-diabetic subjects. Obes Res 2004;12(5):840–5. [24] Horie LM, Gonzalez MC, Torrinhas RS, Cecconello I, Waitzberg DL. New specific equation to estimate resting energy expenditure in severely obese patients. Obesity 2011;19(5):1090–4. [25] Bernstein RS, Thornton JC, Yang MU, Wang J, Redmond AM, Pierson RN, et al. Prediction of the resting metabolic rate in obese patients. Am J Clin Nutr 1983;37(4):595–602. [26] Horie LM, Gonzalez Barbosa-Silva MC, Torrinhas RS, Túlio de Mello M, Cecconello I, Waitzberg DL. New body fat prediction equations for severely obese patients. Clin Nutr 2008;27(3):350–6. [27] Jiménez A, Oma˜na W, Flores L, Coves MJ, Bellido D, Perea V, et al. Prediction of whole-body and segmental body composition by bioelectrical impedance in morbidly obese subjects. Obes Surg 2012;22(4):587–93. [28] Glynn CC, Greene GW, Winkler MF, Albina JE. Predictive versus measured energy expenditure using limits-of-agreement analysis in hospitalized, obese patients. JPEN J Parenter Enteral Nutr 1999;23(3):147–54. [29] Anderegg BA, Worrall C, Barbour E, Simpson KN, DeLegge M. Comparison of resting energy expenditure prediction methods with measured resting energy expenditure in obese, hospitalized adults. JPEN J Parenter Enteral Nutr 2009;33(2):168–75. [30] Lefrant J-Y, Hurel D, Cano NJ, Ichai C, Preiser J-C, Tamion F. Nutrition artificielle en réanimation. Ann Fr Anesth Reanim 2014;33(3): 202–18. [31] Quilliot D. Comment prescrire la nutrition artificielle chez le sujet obèse. In: Quilliot D, Bachmann P, Bouteloup C, Guex E, Petit A, Thibault R, Zéanandin G, editors. Questions de nutrition clinique de l’adulte. Tremblayen-France: SFNEP; 2012. p. 231–9. [32] Kruizenga HM, Hofsteenge GH, Weijs PJM. Predicting resting energy expenditure in underweight, normal weight, overweight, and obese adult hospital patients. Nutr Metab 2016;13(1):85. [33] Boullata J, Williams J, Cottrell F, Hudson L, Compher C. Accurate determination of energy needs in hospitalized patients. J Am Diet Assoc 2007;107(3):393–401. [34] Kross EK, Sena M, Schmidt K, Stapleton RD. A comparison of predictive equations of energy expenditure and measured energy expenditure in critically ill patients. J Crit Care 2012;27(3):321e5–12. [35] Frankenfield D. Validation of an equation for resting metabolic rate in older obese, critically ill patients. JPEN J Parenter Enteral Nutr 2011;35(2):264–9. [36] Frankenfield DC, Ashcraft CM, Galvan DA. Prediction of resting metabolic rate in critically ill patients at the extremes of body mass index. JPEN J Parenter Enteral Nutr 2013;37(3):361–7. [37] Bischoff SC, Boirie Y, Cederholm T, Chourdakis M, Cuerda C, Delzenne NM, et al. Towards a multidisciplinary approach to understand and manage obesity and related diseases. Clin Nutr 2017;36(4):917–38. [38] Fraipont V, Preiser JC, Valla F. Nutrition en réanimation : sepsis et défaillance multiviscérale, contrôle glycémique, cas particulier de l’obèse agressé. In: Quilliot D, Thibault R, Bachmann P, Guex E, Zéanandin G, Coti-Bertrand P, editors. Traité de nutrition clinique à tous les âges de la vie. Tremblay-en-France: SFNEP; 2016. p. 647–68.

Pour citer cet article : Jésus P, Coëffier M. Comment évaluer les besoins énergétiques et protéiques du sujet obèse ? Nutr clin métab (2017), http://dx.doi.org/10.1016/j.nupar.2017.09.008

Modele + NUTCLI-2692; No. of Pages 8 8

ARTICLE IN PRESS P. Jésus, M. Coëffier / Nutrition clinique et métabolisme xxx (2017) xxx–xxx

[39] Marra M, Montagnese C, Sammarco R, Amato V, Della Valle E, Franzese A, et al. Accuracy of predictive equations for estimating resting energy expenditure in obese adolescents. J Pediatr 2015;166(6):1390e1–6e1. [40] Lazzer S, Agosti F, Col AD, Sartorio A. Development and cross-validation of prediction equations for estimating resting energy expenditure in severely obese Caucasian children and adolescents. Br J Nutr 2006;96:973–9. [41] Derumeaux-Burel H, Meyer M, Morin L, Boirie Y. Prediction of resting energy expenditure in a large population of obese children. Am J Clin Nutr 2004;80(6):1544–50. [42] Hofsteenge GH, Chinapaw MJ, Waal de HAD, Weijs PJ. Validation of predictive equations for resting energy expenditure in obese adolescents. Am J Clin Nutr 2010;91(5):1244–54. [43] Molnár D, Jeges S, Erhardt E, Schutz Y. Measured and predicted resting metabolic rate in obese and non-obese adolescents. J Pediatr 1995;127(4):571–7. [44] Steinberg A, Manlhiot C, Cordeiro K, Chapman K, Pencharz PB, McCrindle BW, et al. Determining the accuracy of predictive energy expenditure (PREE) equations in severely obese adolescents. Clin Nutr 2017;36(4):1158–64. [45] Alves VGF, da Rocha EEM, Gonzalez MC, da Fonseca RBV, Silva MH, do N, et al. Assessement of resting energy expenditure of obese patients: comparison of indirect calorimetry with formulae. Clin Nutr 2009;28(3):299–304.

[46] Mackenzie TA, Clark NG, Bistrian BR, Flatt JP, Hallowell EM, Blackburn GL. A simple method for estimating nitrogen balance in hospitalized patients: a review and supporting data for a previously proposed technique. J Am Coll Nutr 1985;4(5):575–81. [47] Choban PS, Dickerson RN. Morbid obesity and nutrition support: is bigger different? Nutr Clin Pract 2005;20(4):480–7. [48] Dickerson RN, Patel JJ, McClain CJ. Protein and calorie requirements associated with the presence of obesity. Nutr Clin Pract 2017;32(1 suppl.):86S–93S. [49] Poli VFS, Sanches RB, Moraes A, dos S, Fidalgo JPN, Nascimento MA, et al. Resting energy expenditure in obese women: comparison between measured and estimated values. Br J Nutr 2016;16(7):1306–13. [50] Lazzer S, Agosti F, Col AD, Mornati D, Md AS. Comparison of predictive equations for resting energy expenditure in severely obese Caucasian children and adolescents. J Endocrinol Invest 2007;30(4): 313–7. [51] Jusserand J, Petit J, Déchelotte P. Nutrition en réanimation : sepsis et défaillance multiviscérale, contrôle glycémique, cas particulier de l’obèse agressé. In: Cano N, Barnoud D, Schneider S, Vasson MP, Hasselmann M, Leverve X, editors. Traité de nutrition artificielle de l’adulte. 3e édition Paris: Springer; 2007. p. 801–11.

Pour citer cet article : Jésus P, Coëffier M. Comment évaluer les besoins énergétiques et protéiques du sujet obèse ? Nutr clin métab (2017), http://dx.doi.org/10.1016/j.nupar.2017.09.008