Meta-Analyse von Haferfaser und kardiovaskulärer Risikominderung.

Hintergrund: Obwohl Hafer-Beta-Glucan in Kanada, den USA und Europa eine zugelassene gesundheitsbezogene Angabe zur Senkung des Cholesterinspiegels hat [1-3], ist unklar, ob diese Wirkung zu einem geringeren Risiko für Herz-Kreislauf-Erkrankungen führt. Es gibt einen gut etablierten kausalen Zusammenhang zwischen LDL-C und kardiovaskulären Erkrankungen, basierend auf den Ergebnissen pharmakologischer Interventionen, die auf verschiedene LDL-C-Senkungsmechanismen abzielen [4-6] und mendelschen Randomisierungsstudien [7]. Es gibt jedoch keine randomisierten kontrollierten Studien zur Wirkung von Vollkornhafer oder Hafer-Beta-Glucan auf kardiovaskuläre Ergebnisse, und die wenigen prospektiven Kohortenstudien, die den Zusammenhang von Vollkornhafer mit kardiovaskulären Ergebnissen bewertet haben, konnten keinen zuverlässigen protektiven Zusammenhang zeigen [ 8-11].

Eine Möglichkeit, den kardiovaskulären Nutzen von Vollkornhafer und Hafer-Beta-Glucan zu bestätigen, wäre die Verwendung eines etablierten 10-Jahres-Risiko-Scores für kardiovaskuläre Erkrankungen wie dem modifizierten Framingham Risk Score (FRS) (empfohlen von der Canadian Cardiovascular Society [CCS]). [12-13], der ASCVD-Risikoschätzer des American College of Cardiology/American Heart Association (ACC/AHA) (empfohlen von der ACC/AHA) [14-15] oder Systemic Coronary Risk Estimation (SCORE) (empfohlen von der European Society of Cardiology [ESC] und European Atherosclerosis Society [EAS]) [16-17]. Diese Scores setzen sich aus kardiovaskulären Risikofaktoren zusammen, bei denen Cholesterin und Blutdruck eine wichtige Rolle spielen. Es gibt zahlreiche systematische Reviews und Metaanalysen randomisierter Studien, die einen Nutzen von Vollkornhafer und Hafer-Beta-Glucan für Cholesterin [18, 19] und Blutdruck [20] zeigen. Wir schlagen einen neuartigen Ansatz vor, um diese Vorteile zu nutzen, um anhand dieser Werte eine Gesamtreduktion der 10-jährigen Herz-Kreislauf-Erkrankungen nachzuweisen.

Bedarf an vorgeschlagener Forschung: Qualitativ hochwertige systematische Übersichtsarbeiten und Metaanalysen randomisierter kontrollierter Studien stellen das höchste Evidenzniveau dar, um Ernährungsrichtlinien und die Entwicklung der öffentlichen Gesundheitspolitik zu unterstützen. Da sich die Ernährungsleitlinien und die öffentliche Gesundheitspolitik auf nahrungsmittel- und ernährungsmusterbasierte Empfehlungen verlagert haben, besteht ein Bedarf an systematischen Übersichtsarbeiten und Metaanalysen zur Wirkung von Hafer und Hafer-Beta-Glucan auf das kardiovaskuläre Risiko.

Ziel: Um die evidenzbasierte Anleitung für klinische Praxisleitlinien für die Ernährungstherapie und die Entwicklung der öffentlichen Gesundheitspolitik zu verbessern, werden die Forscher eine systematische Überprüfung und Metaanalyse der Auswirkungen von Vollkornhafer und Hafer-Beta-Glucan auf 10-jährige Herz-Kreislauf-Erkrankungen durchführen Risiko unter Verwendung von (1) dem modifizierten Framingham-Risiko-Score, (2) dem ASCVD-Risikoschätzer und (3) dem SCORE.

Design: Der systematische Review und die Metaanalyse werden gemäß dem Cochrane Handbook for Systematic Reviews of Interventions [21] durchgeführt und gemäß den Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) [22] berichtet.

Datenquellen: MEDLINE, EMBASE und The Cochrane Central Register of Controlled Trials (Clinical Trials; CENTRAL) werden unter Verwendung geeigneter Suchbegriffe durchsucht, ergänzt durch manuelle Suche nach Referenzen eingeschlossener Studien.

Studienauswahl: Wir werden randomisierte kontrollierte Studien von ≥ 3 Wochen bei Erwachsenen aller Gesundheitszustände einbeziehen, um die Wirkung von Hafer-Beta-Glucan im Vergleich zu einer geeigneten Nicht-Beta-Glucan-Kontrolle auf das 10-Jahres-kardiovaskuläre Risiko zu bewerten, berechnet durch das 3 kardiovaskuläre Risiko Scores, die Daten über eine Kombination von Blutfetten (Gesamtcholesterin und HDL-Cholesterin) und systolischem Blutdruck (für die Berechnung der 3 Scores) erfordern. Studien, die nicht am Menschen durchgeführt werden, nicht randomisiert sind, ein akutes Ernährungsdesign (< 3 Wochen) haben, keine geeignete Kontrolle haben (nicht isokalorisch, enthalten Beta-Glucan) und/oder keine brauchbaren Endpunktdaten melden, werden nicht eingeschlossen.

Datenextraktion: Zwei oder mehr Ermittler werden relevante Daten unabhängig voneinander extrahieren und das Bias-Risiko mithilfe des Cochrane Risk of Bias Tools bewerten. Alle Meinungsverschiedenheiten werden im Konsens gelöst. Die Autoren werden für zusätzliche Informationen kontaktiert und Standardberechnungen und Imputationen werden verwendet, um fehlende Varianzdaten abzuleiten [23].

Ergebnisse: Das primäre Ergebnis wird der modifizierte Framingham Risk Score (FRS) zwischen Behandlungswechseln sein, um das 10-Jahres-Risiko einer Herz-Kreislauf-Erkrankung abzuschätzen [13] (https://www.ccs.ca/images/Guidelines/Tools_and_Calculators_En/FRS_eng_2017_fnl1 .pdf). Zu den sekundären Ergebnissen gehört der ASCVD-Risikoschätzer des American College of Cardiology/American Heart Association (ACC/AHA) [15 (https://tools.acc.org/ascvd-risk-estimator-plus/#!/calculate /estimate/) zur Abschätzung des 10-Jahres-Risikos für atherosklerotische Herz-Kreislauf-Erkrankungen (ASCVD) und in der Systemic Coronary Risk Estimation (SCORE) [17] (https://www.escardio.org/Education/Practice-Tools/CVD- Präventions-Toolbox/SCORE-Risiko-Charts) abgeleitet von der European Society of Cardiology zur Abschätzung des 10-Jahres-Risikos für Herz-Kreislauf-Erkrankungen. Zusätzliche Ergebnisse umfassen Änderungen der modifizierbaren Komponenten aller Scores zwischen den Behandlungen: Gesamtcholesterin, HDL-Cholesterin und systolischer Blutdruck.

Datensynthese: Separate gepoolte Analysen werden für jeden kardiovaskulären Risiko-Score unter Verwendung der Generic Inverse Variance-Methode durchgeführt. Random-Effects-Modelle werden auch dann verwendet, wenn keine statistisch signifikante Heterogenität zwischen den Studien vorliegt, da sie bei Vorhandensein einer Restheterogenität konservativere zusammenfassende Effektschätzungen liefern. Ausnahmen werden für die Verwendung von Fixed-Effects-Modellen gemacht, wenn <5 eingeschlossene Studien unabhängig von der Heterogenität vorhanden sind oder kleine Studien mit größeren, präziseren Studien gepoolt werden, wenn keine statistisch signifikante Heterogenität vorliegt. Gepaarte Analysen werden auf alle Crossover-Studien angewendet. Die Heterogenität wird durch die Cochran-Q-Statistik getestet und durch die I2-Statistik quantifiziert. Um Quellen der Heterogenität zu erkunden, führen die Forscher Sensitivitätsanalysen durch, in denen jede Studie systematisch entfernt wird. Wenn es ≥ 10 Studien gibt, werden die Prüfärzte auch Quellen der Heterogenität durch a priori Subgruppenanalysen nach Studiendesign (parallel oder Crossover), Nachbeobachtungsdauer (< 12 Wochen oder ≥ 12 Wochen), Vergleichsdiät, Baseline-Risiko, Bias-Risiko und Hintergrund-Gesundheitszustand. Signifikante ungeklärte Heterogenität wird durch zusätzliche Post-hoc-Untergruppenanalysen nach Alter (<18 Jahre vs. ≥18 Jahre), Energiebilanz (neutral, negativ oder positiv), Fütterungskontrolle (metabolisch, ergänzt, Ernährungsberatung, ad libitum) und Finanzierung untersucht. Meta-Regressionsanalysen werden die Aussagekraft von kategorialen und kontinuierlichen Subgruppenanalysen bewerten. Lineare Dosis-Wirkungs-Analysen werden mit kontinuierlichen Meta-Regressionsanalysen bewertet. Die nichtlineare Dosis-Wirkungs-Assoziation wird unter Verwendung einer zweistufigen multivariaten Random-Effects-Methode mit eingeschränkten kubischen Splines mit drei Knoten bewertet. Wenn ≥10 Studien verfügbar sind, wird die Publikationsverzerrung durch Inspektion von Funnel-Plots und formale Tests unter Verwendung der Egger- und Begg-Tests untersucht. Wenn ein Publikationsbias vermutet wird, werden die Forscher versuchen, die Trichterplot-Asymmetrie zu korrigieren, indem sie die fehlenden Studiendaten unter Verwendung der Trim-and-Fill-Methode von Duval und Tweedie imputieren.

Evidenzbewertung: Die Stärke der Evidenz für jedes Ergebnis wird anhand des Grading of Recommendations Assessment, Development and Evaluation (GRADE) bewertet.

Wissensübersetzungsplan: Die Ergebnisse werden durch interaktive Präsentationen auf lokalen, nationalen und internationalen wissenschaftlichen Tagungen und Veröffentlichung in Zeitschriften mit hohem Impact-Faktor verbreitet. Zu den Zielgruppen gehören das öffentliche Gesundheitswesen und wissenschaftliche Gemeinschaften mit Interesse an Ernährung, Diabetes, Fettleibigkeit und Herz-Kreislauf-Erkrankungen. Das Feedback wird aufgenommen und verwendet, um die öffentliche Gesundheitsbotschaft zu verbessern, und es werden Schlüsselbereiche für zukünftige Forschung definiert. Entscheidungsträger von Antragstellern/Mitantragstellern vernetzen sich mit Meinungsführern, um das Bewusstsein zu schärfen, und beteiligen sich direkt als Ausschussmitglieder an der Entwicklung zukünftiger Leitlinien.

BEDEUTUNG Das vorgeschlagene Projekt wird die Wissensübersetzung in Bezug auf die Rolle von Hafer bei der Verringerung des kardiovaskulären Risikos unterstützen, die Evidenzbasis für die Entwicklung von Richtlinien in den USA, Kanada, Europa und darüber hinaus stärken und die Gesundheitsergebnisse verbessern, indem Gesundheitsdienstleister und Patienten aufgeklärt werden Industrieinnovation und Leitlinie für zukünftiges Forschungsdesign.