Gry dotyczące pomiaru czasu posiłków i snu – Kluczowa rola w zapobieganiu cukrzycy

Gry dotyczące pomiaru czasu posiłków i snu – Kluczowa rola w zapobieganiu cukrzycy

Jeśli jedzenie, ćwiczenia i sen mogą być równie ważne jak to, co robisz, to badanie pokazuje, jak pora codziennych nawyków wpływa na ryzyko wystąpienia cukrzycy typu 2, otwierając drzwi do prawdziwie spersonalizowanej profilaktyki.

W badaniu opublikowanym niedawno w czasopiśmieMedycyna cyfrowa NPJNaukowcy zbadali związek między nawykowymi zachowaniami związanymi ze stylem życia a fizjologią metaboliczną u osób zagrożonych cukrzycą typu 2 (T2D).

Częstość występowania T2D stale rośnie na całym świecie, dotykając 589 milionów dorosłych na całym świecie i 38 milionów ludzi w Stanach Zjednoczonych (USA). Ponadto 88 milionów dorosłych w Stanach Zjednoczonych ma stan przedcukrzycowy, przy czym oczekuje się, że u 70% zachoruje na T2D w ciągu czterech lat. Dlatego zapobieganie temu przejściu pozostaje ważnym priorytetem zdrowia publicznego. Badania sugerują, że modyfikacja stylu życia jest solidnym narzędziem do leczenia i zapobiegania T2D.

Dieta, aktywność fizyczna i sen to kluczowe, modyfikowalne zachowania związane ze stylem życia, które są niezbędne dla zdrowia metabolicznego. Co więcej, coraz więcej dowodów wskazuje na ścisłe powiązania między systemem zegara dobowego a zachowaniem związanym ze stylem życia. Brak snu niekorzystnie wpływa na poziom glukozy, a desynchronizacja dobowa spowodowana powiązanymi zachowaniami związanymi ze stylem życia może upośledzać reakcje fizjologiczne i zwiększać ryzyko T2D.

Badanie i wyniki

W niniejszym badaniu zbadano związek między nawykowymi zachowaniami związanymi ze stylem życia a fizjologią metaboliczną u osób zagrożonych T2D. Uwzględniono dwie kohorty; Do kohorty pierwotnej włączono trzydziestu sześciu zdrowych dorosłych, a do kohorty niezależnej walidacji włączono 10 osób. W kohorcie pierwotnej 16 i 20 osób podzielono na grupy z normoglikemią i stanem przedcukrzycowym/T2D na podstawie poziomu hemoglobiny glikowanej (HbA1c).

Dane dotyczące zwyczajowego stylu życia zbierano w czasie rzeczywistym przy użyciu cyfrowych technologii zdrowotnych. Spożycie pokarmu rejestrowano za pomocą aplikacji do śledzenia żywności w czasie rzeczywistym. Dane dotyczące aktywności fizycznej i snu zebrano przy użyciu opaski Fitbit Ionic, chociaż dane te były dostępne tylko w przypadku 24 z 36 uczestników ze względu na wycofanie produktu z rynku w okresie badania. Ciągłe monitorowanie poziomu glukozy (CGM) przeprowadzono przy użyciu urządzenia Dexcom G4 CGM. Wykonano test doustnego obciążenia glukozą (OGTT), test izoglikemicznego dożylnego wlewu glukozy oraz test supresji insuliny.

Testy te ujawniły subfenotypy metaboliczne uczestników, takie jak funkcja inkretyn, insulinooporność i dysfunkcja komórek beta. W grupie pacjentów ze stanem przedcukrzycowym/T2D stwierdzono istotnie wyższy poziom glukozy z czujnika (z CGM), zmienność poziomu glukozy z czujnika i spędzano więcej czasu w zakresie hiperglikemii niż w grupie z normoglikemią.

Profile czasu posiłków określono poprzez podział spożycia żywności i napojów na sześć okresów, odzwierciedlających kluczowe pory przyjmowania pokarmu. Uczestnicy wykazali dużą zmienność międzyosobniczą w zakresie harmonogramu posiłków. Analiza głównych składowych oparta na charakterystyce czasu posiłków podzieliła kohortę na dwie grupy według wartości Hba1c.

Osoby z podwyższoną wartością HbA1c miały mniejsze spożycie energii z posiłków spożywanych pomiędzy godziną 14:00. i 17:00 i większe spożycie energii z posiłków spożywanych pomiędzy godziną 17:00. i 21:00 niż osoby z niższym HBA1c. Dodatkowo kohortę pogrupowano według funkcji inkretyn, a osoby z obniżoną funkcją inkretyn wykazywały niższe spożycie energii w okresach 11:00–14:00 i 17:00–21:00 oraz mniejsze spożycie energii w okresach 14:00–17:00 i 21:00–5:00.

Powiązania między snem, aktywnością fizyczną, charakterystyką diety oraz CGM i wynikami metabolicznymi oceniano przy użyciu najmniejszego bezwzględnego operatora skurczu i selekcji (LASSO) w połączeniu z modelami regresji. Spożycie energii z posiłków pomiędzy 2:00 a 5:00 było odwrotnie powiązane ze stężeniem glukozy w osoczu na czczo (FPG).

Większe spożycie energii z posiłków w godzinach 17:00–21:00 wiązało się z dłuższym czasem utrzymywania się hiperglikemii, krótszym czasem utrzymywania się w docelowym zakresie glukozy i wyższą średnią glikemią następnego dnia. Warto zauważyć, że powiązania te nie wynikały z różnic w całkowitym dziennym spożyciu kalorii, które było podobne w poszczególnych grupach, co sugeruje, że kluczowym czynnikiem była sama pora posiłków. Wyższe spożycie węglowodanów z warzyw nieskrobiowych wiązało się ze zmniejszeniem średniej glukozy następnego dnia, natomiast spożycie z warzyw skrobiowych wiązało się z wyższym FPG i HbA1c.

Co więcej, większa zmienność w efektywności snu była powiązana z wyższym poziomem glukozy w nocy, wyższym średnim poziomem glukozy następnego dnia i dłuższym utrzymywaniem się nocnego zakresu hiperglikemii. Co więcej, większa zmienność czasu trwania czuwania po zaśnięciu była powiązana z wyższą dwugodzinną glikemią OGTT. Wcześniejszy czas przebudzenia był związany z niższym efektem inkretynowym. Dłuższy siedzący tryb życia w ciągu dnia wiązał się z dłuższym czasem trwania hiperglikemii.

Większa gęstość kroków po ostatnim posiłku była związana z krótszym czasem trwania nocnej hiperglikemii. W grupie insulinoopornej (IR) kroki podjęte pomiędzy godziną 8:00 a 11:00 wiązały się z niższym poziomem glukozy następnego dnia. Kroki pomiędzy godziną 00:00 a 5:00 były dodatnio skorelowane z wyższym poziomem glukozy przez następne 48 godzin w grupach IR i wrażliwych na insulinę (IS). Kroki między 14:00 i 17:00 wykazał ujemną korelację z poziomami CGM w ciągu najbliższych 48 godzin w grupie IS.

Następnie zespół przeprowadził analizę sieci permutowanych korelacji między snem, aktywnością fizyczną i cechami diety, uwzględniając wszystkie czynniki stylu życia. Analiza ta wykazała istotne korelacje pomiędzy czynnikami stylu życia. Wyższe spożycie ryżu wiązało się z dłuższą latencją snu i zmniejszoną efektywnością snu, podczas gdy większe spożycie ryb strączkowych wiązało się z dłuższym całkowitym czasem snu i krótszą latencją.

Dodatkowo wyższe spożycie owoców, potasu i błonnika korelowało z dłuższym czasem snu. Dłuższe okna postu i większe spożycie energii z posiłków pomiędzy 8:00 a 11:00 były skorelowane z dłuższym czasem snu. Ponadto zespół zbudował zintegrowane modele uczenia maszynowego stylu życia, aby przewidywać podfenotypy metaboliczne na podstawie danych demograficznych i dotyczących stylu życia.

Większe spożycie węglowodanów ze słodyczy i warzyw skrobiowych oraz zwiększone spożycie energii w godzinach 17:00–21:00 wiązało się ze stanem przedcukrzycowym i wyższym poziomem HbA1c. Natomiast wyższe spożycie węglowodanów z owoców było powiązane z normoglikemią. Starszy wiek, większe spożycie węglowodanów z makaronów i makaronów, zwiększone spożycie białka i wyższe spożycie energii pomiędzy godziną 17:00. i 21:00 godzin wskazywały na dysfunkcję inkretyn. Dłuższy czas trwania ćwiczeń przewidywał normalne funkcjonowanie komórek beta.

Na koniec zespół ocenił odtwarzalność modeli prognostycznych przy użyciu niezależnej kohorty walidacyjnej, koncentrując się na funkcji inkretyn, ponieważ inne subfenotypy metaboliczne były silnie obciążone. Kohortę tę poddano także ciągłemu monitorowaniu stylu życia i testom metabolicznym. Zastosowanie modelu predykcyjnego do tej kohorty dało dokładność na poziomie 80% z błędem błędnej klasyfikacji wynoszącym 0,2, co wskazuje na solidną i spójną wydajność przewidywania we wszystkich kohortach.

Należy zauważyć, że autorzy badania zdają sobie sprawę z pewnych ograniczeń. Należą do nich skromna wielkość próby i obserwacyjny charakter danych, co oznacza, że ​​wyniki wskazują raczej na silne powiązania niż na bezpośrednie przyczyny. Badania przeprowadzono także na jednym obszarze geograficznym, co wskazuje, że w przyszłości należy badać bardziej zróżnicowane populacje.

Wnioski

Podsumowując, wyniki dostarczyły unikalnej charakterystyki związku nawyków związanych ze stylem życia z podatnością metaboliczną na cukrzycę typu 2 (T2D). Nawykowy czas posiłków był powiązany z insulinoopornością, gorszą funkcją inkretyn i hiperglikemią. Nieregularna kontrola i wydajność snu była powiązana z wyższym poziomem glukozy i IR. Co najważniejsze, badanie wykazało, że optymalny czas na aktywność fizyczną może zależeć od profilu metabolicznego danej osoby, przy czym poranna aktywność jest bardziej korzystna dla osób z większą insulinoopornością, a popołudniowa aktywność dla osób wrażliwych na insulinę. Ogólnie rzecz biorąc, wyniki ujawniają nowe fizjologiczne powiązania między zachowaniami związanymi ze stylem życia a ryzykiem metabolicznym, co stanowi podstawę do opracowania spersonalizowanych zmian stylu życia i strategii prewencyjnych w zakresie precyzyjnego zapobiegania cukrzycy typu 2.

Źródła: