Hry s načasováním jídla a spánku – Klíčové role v prevenci diabetu

Hry s načasováním jídla a spánku – Klíčové role v prevenci diabetu

Pokud jíte, cvičíte a spíte, může být stejně důležité jako to, co děláte, tato studie odhaluje, jak načasování každodenních návyků ovlivňuje vaše riziko diabetu 2. typu a otevírá dveře skutečně personalizované prevenci.

Ve studii nedávno zveřejněné v časopiseDigitální medicína NPJVědci zkoumali vztah mezi návykovým životním stylem a metabolickou fyziologií u jedinců s rizikem diabetu 2. typu (T2D).

Incidence T2D celosvětově stále roste a postihuje 589 milionů dospělých na celém světě a 38 milionů lidí ve Spojených státech (USA). Kromě toho má 88 milionů dospělých ve Spojených státech prediabetes, přičemž u 70 % se očekává, že se do čtyř let rozvine T2D. Prevence tohoto přechodu proto zůstává důležitou prioritou veřejného zdraví. Studie naznačují, že úprava životního stylu je robustním nástrojem pro zvládání a prevenci T2D.

Dieta, fyzická aktivita a spánek jsou klíčové modifikovatelné životní styly, které jsou nezbytné pro metabolické zdraví. Rostoucí důkazy navíc naznačují úzké interakce mezi systémem cirkadiánních hodin a chováním životního stylu. Spánková deprivace nepříznivě ovlivňuje hladiny glukózy a cirkadiánní desynchronizace způsobená souvisejícím životním stylem by mohla zhoršit fyziologické reakce a zvýšit rizika T2D.

Studie a výsledky

Tato studie zkoumala vztah mezi návykovým životním stylem a metabolickou fyziologií u lidí s rizikem T2D. Byly zahrnuty dvě kohorty; 36 zdravých dospělých bylo zařazeno do primární kohorty a 10 jedinců bylo zařazeno do nezávislé validační kohorty. V primární kohortě bylo 16 a 20 jedinců rozděleno do skupin s normoglykemií a prediabetem/T2D na základě hladin glykovaného hemoglobinu (HbA1c).

Údaje o obvyklém životním stylu byly shromažďovány v reálném čase pomocí Digital Health Technologies. Příjem potravy byl zaznamenáván pomocí aplikace pro sledování jídla v reálném čase. Údaje o fyzické aktivitě a spánku byly shromážděny pomocí pásku Fitbit Ionic, ačkoli tato data byla k dispozici pouze pro 24 z 36 účastníků kvůli stažení produktu během období studie. Kontinuální monitorování glukózy (CGM) bylo prováděno pomocí zařízení Dexcom G4 CGM. Byl proveden orální glukózový toleranční test (OGTT), izoglykemický nitrožilní glukózový infuzní test a inzulinový supresní test.

Tyto testy odhalily metabolické subfenotypy účastníků, jako je funkce inkretinů, inzulinová rezistence a dysfunkce beta buněk. Skupina prediabetes/T2D měla signifikantně vyšší glykémii ze senzoru (z CGM), variaci glykémie ze senzoru a strávila více času v hyperglykemickém rozmezí než skupina s normoglykemií.

Profily načasování jídla byly stanoveny stratifikací příjmu jídla a nápojů do šesti časových období, odrážejících klíčové doby příjmu potravy. Účastníci prokázali vysokou interindividuální variabilitu ve vzorcích načasování jídla. Analýza hlavních složek založená na charakteristikách načasování jídla rozdělila kohortu do dvou shluků podle jejich hodnot Hba1c.

Jedinci se zvýšeným HbA1c měli nižší energetický příjem z jídel konzumovaných mezi 14:00. a 17:00 hod. a vyšší energetický příjem z jídel konzumovaných mezi 17:00. a 21:00 hod. než ty s nižším HBA1c. Kromě toho byla kohorta seskupena podle inkretinové funkce a jedinci se sníženou inkretinovou funkcí vykazovali nižší energetický příjem během období 11:00-14:00 a 17:00-21:00 hodin a nižší energetický příjem během období 14:00-17:00 a 21:00-5:00 hodin.

Asociace mezi spánkem, fyzickou aktivitou, stravovacími charakteristikami a CGM a metabolickými výsledky byly hodnoceny pomocí operátoru nejmenšího absolutního zmenšení a výběru (LASSO) v kombinaci s regresními modely. Energetický příjem z jídla mezi 2:00 a 5:00 hodin byl nepřímo spojen s plazmatickou glukózou nalačno (FPG).

Vyšší energetický příjem z jídla během 17:00–21:00 byl spojen s delší dobou v hyperglykémii, kratší dobou v cílovém rozmezí glukózy a vyšší průměrnou glykémií následující den. Je pozoruhodné, že tyto souvislosti nebyly způsobeny rozdíly v celkovém denním příjmu kalorií, který byl mezi skupinami podobný, což naznačuje, že načasování samotných jídel bylo klíčovým faktorem. Vyšší příjem sacharidů z neškrobové zeleniny byl spojen se sníženým průměrem glukózy následující den, zatímco příjem ze škrobové zeleniny souvisel s vyšším FPG a HbA1c.

Kromě toho byla větší variabilita účinnosti spánku spojena s vyššími nočními hladinami glukózy, vyššími průměrnými hladinami glukózy následující den a delším trváním v nočním hyperglykemickém rozsahu. Kromě toho byla vyšší variabilita trvání probuzení po nástupu spánku spojena s vyšší dvouhodinovou OGTT glukózou. Dřívější doba probuzení byla spojena s nižšími inkretinovými účinky. Delší doba sezení během dne byla spojena s delší dobou v hyperglykémii.

Vyšší hustota kroků po posledním jídle byla spojena s kratší dobou noční hyperglykémie. Kroky provedené mezi 8:00 a 11:00 byly spojeny s nižšími hladinami glukózy následující den ve skupině s inzulínovou rezistencí (IR). Kroky mezi 00:00 a 5:00 hodin pozitivně korelovaly s vyšší hladinou glukózy po dalších 48 hodin ve skupinách IR a inzulín-senzitivních (IS). Kroky mezi 14:00 a 17:00 hod. vykázali negativní korelaci s hladinami CGM během následujících 48 hodin ve skupině IS.

Dále tým provedl analýzu permutované korelační sítě mezi spánkem, fyzickou aktivitou a stravovacími charakteristikami, přičemž se přizpůsobil všem faktorům životního stylu. Tato analýza ukázala významné korelace mezi faktory životního stylu. Vyšší příjem rýže byl spojen s delší latencí spánku a sníženou účinností spánku, zatímco vyšší příjem luštěninových ryb byl spojen s delší celkovou dobou spánku a kratší latencí.

Vyšší příjem ovoce, draslíku a vlákniny navíc koreloval s delší dobou spánku. Delší období půstu a vyšší příjem energie z jídla mezi 8:00 a 11:00 hodin korelovaly s delší dobou spánku. Kromě toho tým vytvořil integrované modely strojového učení životního stylu, které předpovídají metabolické subfenotypy na základě demografických údajů a údajů o životním stylu.

Vyšší příjem sacharidů ze sladkostí a škrobové zeleniny a zvýšený příjem energie během 17:00–21:00 hodin byly spojeny s prediabetem a vyššími hladinami HbA1c. Naproti tomu vyšší příjem sacharidů z ovoce byl spojen s normoglykémií. Vyšší věk, vyšší příjem sacharidů z nudlí a těstovin, zvýšený příjem bílkovin a vyšší energetický příjem mezi 17:00. a 21:00 hod. hodiny byly prediktivní pro inkretinovou dysfunkci. Delší trvání cvičení předpovídalo normální funkci beta buněk.

Nakonec tým posoudil reprodukovatelnost predikčních modelů pomocí nezávislé validační kohorty se zaměřením na funkci inkretinů, protože jiné metabolické subfenotypy byly vysoce zaujaté. Tato kohorta také podstoupila nepřetržité sledování životního stylu a metabolické testování. Použití predikčního modelu na tuto kohortu přineslo přesnost 80 % s chybou chybné klasifikace 0,2, což ukazuje na robustní a konzistentní předpovědní výkon napříč kohortami.

Je důležité poznamenat, že autoři studie uznávají určitá omezení. Patří mezi ně skromná velikost vzorku a pozorovací charakter dat, což znamená, že výsledky ukazují spíše silné souvislosti než přímé příčiny. Výzkum byl také proveden v jedné geografické oblasti, což naznačuje, že v budoucnu by mělo být studováno více různorodých populací.

Závěry

Stručně řečeno, výsledky poskytly jedinečnou charakteristiku toho, jak vzorce obvyklého životního stylu souvisí s metabolickou náchylností k diabetu 2. typu (T2D). Obvyklé načasování jídla bylo spojeno s inzulinovou rezistencí, nižší funkcí inkretinů a hyperglykémií. Nepravidelná kontrola spánku a účinnost byly spojeny s vyššími hladinami glukózy a IR. Zásadní je, že studie zjistila, že optimální načasování fyzické aktivity může záviset na metabolickém profilu člověka, přičemž ranní aktivita je výhodnější pro ty, kteří jsou odolnější vůči inzulinu a odpolední aktivita pro ty, kteří jsou citliví na inzulin. Celkově výsledky odhalují nové fyziologické vazby mezi chováním v životním stylu a metabolickým rizikem, které informují o vývoji personalizovaných změn životního stylu a preventivních strategií pro přesnou prevenci diabetu 2. typu.

Zdroje: