Ottimizzazione degli acidi grassi dietetici per ridurre i fattori di rischio metabolici tra i canadesi

Lo scopo dei presenti studi è dimostrare che i tipi di olio vegetale in un pasto alterano la lipemia postprandiale e il trasporto degli acidi grassi n-3. L'ipotesi è che un pasto a basso contenuto di 18:2n-6 e ad alto contenuto di acidi grassi monoinsaturi 18:1n-9 e 18:3n-3 risulterà in una minore lipemia postprandiale e in un più alto contenuto di acidi grassi n-3 a catena lunga nel acidi grassi non esterificati rispetto allo stesso pasto sia alto 18:2n-6 che basso 18:3n-3. Gli obiettivi specifici sono determinare l'entità e la durata dell'aumento dei trigliceridi plasmatici e della composizione degli acidi grassi di chilomicroni, LDL e HDL e degli acidi grassi non esterificati nelle 8 ore successive all'assunzione di un pasto standard con circa il 35-40% di energia dai grassi contenenti diversi oli vegetali. Gli obiettivi sono dimostrare che la quantità e l'equilibrio di 18:1n-9, 18:2n-6 e 18:3n-3 nel pasto è un importante determinante dell'estensione e della durata della lipemia postprandiale e della comparsa di 18:3n -3 e suoi metaboliti in TG e acidi grassi non esterificati. Useremo pasti di prova preparati con diverse quantità di grassi e oli comuni per fornire 18:2n-6, 18:3n-3 e 18:1n-9. Tutti i pasti forniranno meno del 10% di energia sotto forma di acidi grassi saturi con circa il 35% di energia totale dai grassi. Miriamo anche a identificare il singolo punto temporale più utile per mostrare differenze nella lipemia post-prandiale plasmatica e negli acidi grassi per l'uso in studi in cui il prelievo di sangue sequenziale e ripetuto nella fase post pasto non è pratico.

Le caratteristiche del soggetto e i parametri di riferimento saranno presentati utilizzando statistiche descrittive. Le differenze nella risposta dei TG tra soggetti e diversi grassi e oli saranno valutate utilizzando ANOVA, con l'uso di ANCOVA. Le differenze negli acidi grassi allo stesso punto temporale tra le diete saranno confrontate utilizzando ANOVA. Prima dell'analisi, verranno controllati tutti i dati e quelli che mostrano distribuzioni non normali. Un valore P <0,05 sarà considerato statisticamente significativo.