Szacowanie masy tłuszczowej w nadwadze i otyłości

Uczestnicy Niniejsze badanie oparto na danych wyjściowych z randomizowanego badania kontrolnego, którego celem była ocena wpływu 2-miesięcznego spożywania kombinacji bioaktywnych składników żywności na zmiany składu ciała, kontrolę sytości, termogenezę, surowicze markery lipolizy.

Badanie przeprowadzono za zgodą Komisji Etyki Katedry Chorób Wewnętrznych i Terapii Medycznej Uniwersytetu w Pawii. Świadomą zgodę na badanie uzyskali wszyscy uczestnicy lub ich przedstawiciele prawni. Do badania kwalifikowali się zdrowi mężczyźni i kobiety w wieku od 25 do 45 lat, z BMI powyżej 25 kg/m2 i poniżej 35 kg/m2. Wszyscy pacjenci przeszli badanie fizykalne, ocenę antropometryczną i rutynowe badania laboratoryjne. Dla wszystkich pacjentów zebrano pełną historię medyczną. Osoby, które były w ciąży lub karmiły piersią, lub cierpiały na jakąkolwiek chorobę potencjalnie wpływającą na skład ciała i wyniki badań laboratoryjnych, zostały wykluczone z badania, w szczególności z ciężką chorobą wątroby lub nerek, niestabilną chorobą sercowo-naczyniową, niekontrolowanym nadciśnieniem tętniczym, aktywnym nowotworem lub zabiegiem chirurgicznym w celu zmniejszenia masy ciała. .

Ocena wielowymiarowa Po 12-godzinnym poście i abstynencji od wody od północy badani dotarli około godziny 8:00 transportem zmotoryzowanym do Oddziału Endokrynologii i Żywienia Klinicznego Uniwersytetu w Pawii (Włochy) oraz do Oddziału Dietetyki i Oddział Metaboliczny, Instytut Rehabilitacji Klinicznej „Villa delle Querce” w Rzymie (Włochy).

Pobieranie krwi do rutynowych badań krwi oraz do oznaczania leptyny, adiponektyny, greliny, insuliny, glicerolu, wolnych kwasów tłuszczowych, a także do oceny składu ciała metodą absorpcjometrii rentgenowskiej dwuenergetycznej (DXA) i antropometrii wykonano w stan na czczo na początku badania.

Skład ciała mierzono za pomocą DXA (Lunar Prodigy DXA, General Electric Medical Systems, Wisconsin). Współczynniki zmienności in vivo wynosiły odpowiednio 4,2% i 0,48% dla masy tłuszczowej i beztłuszczowej. Tłuszcz centralny, zdefiniowany jako przybliżenie tłuszczu trzewnego, oceniono za pomocą DXA, mierząc procent tłuszczu odpowiadający idealnemu prostokątowi wyznaczonemu od górnej krawędzi drugiego kręgu lędźwiowego do dolnej krawędzi czwartego kręgu lędźwiowego. Pionowe boki tego obszaru były kontynuacją bocznych boków klatki piersiowej. Wszystkie pomiary dla każdego parametru zostały zebrane przez tego samego badacza.

U wszystkich badanych wykonano następujące pomiary antropometryczne:

masa ciała i wzrost; bicepsa (BSF), tricepsa (TSF), mięśnia nadłopatkowego (SISF) i podłopatkowego (SSSF) grubość fałdu skórno-tłuszczowego, obwód talii (W), obwód bioder (H), obwód ramienia (AC) i obwód łydki (CC) Aby uniknąć zmienność między oceniającymi, zmienne antropometryczne zostały zmierzone przez wyjątkowego badacza zgodnie ze znormalizowaną techniką.

Wykorzystując powyższe parametry antropometryczne obliczono następujące zmienne:

Wskaźnik masy ciała (BMI): waga (kg) / wzrost2 (m2) Stosunek talii do bioder (WHR) powierzchnia mięśni ramion powierzchnia tkanki tłuszczowej mięśni obwód ramienia Analiza bioimpedancji (BIA): składowe wektora impedancji całego ciała, rezystancja (R) i reaktancję (Xc), zmierzono za pomocą jednoczęstotliwościowego analizatora 50 kHz firmy AKERN Bioresearch Włochy). Pomiary wykonano zgodnie ze znormalizowanymi procedurami. Zewnętrzną kalibrację przyrządu sprawdzono za pomocą obwodu kalibracyjnego o znanej wartości impedancji. Oszacowania masy beztłuszczowej (KKM) i FM za pomocą BIA uzyskano przy użyciu specyficznych dla płci równań predykcyjnych BIA, niedawno opracowanych przez Sun i wsp. w dużej populacji, która obejmowała skrajne wartości BMI. Wskaźnik masy tłuszczu (FMI) obliczono poprzez normalizację FM, otrzymaną metodą BIA, dla wzrostu: FMI = FM (kg)/wzrost (m)2.

Analizy biochemiczne

Badanych poinstruowano, aby pościli przez 12 godzin i powstrzymali się od jakiejkolwiek formy ćwiczeń przez 48 godzin przed pobraniem krwi. Kobiety badano we wczesnej fazie folikularnej ich cykli menstruacyjnych (dni 3-10). Próbki krwi żylnej na czczo pobierano między godziną 08.00 a 10.00. Pobieranie i obchodzenie się z krwią odbywało się w ściśle wystandaryzowanych warunkach, a parametry chemii klinicznej oznaczano za pomocą dedykowanych zestawów handlowych. W szczególności zmierzono poziomy cholesterolu całkowitego, triacyloglicerolu, cholesterolu HDL i LDL, wolnych kwasów tłuszczowych (FFA), glicerolu, glukozy, insuliny, białka C-reaktywnego (CRP), acylowanej i nieacetylowanej greliny w osoczu, adiponektyny i leptyny. Obliczono stosunek leptyna/adiponektyna (LAR). Insulinooporność oceniano za pomocą Homeostasis Model Assessment (HOMA) i Quantitative Insulin Sensitive Check Index (QUICKI) przy użyciu następujących wzorów:

HOMA — insulinooporność = [(insulina na czczo, mcU/ml) x (glukoza w osoczu, mmol/l)]/22,5 QUICKI = 1/ [log (glukoza, mg/dl) + log (insulina, µU/ml)] Analiza statystyczna Dane opisano jako średnią i odchylenie standardowe (SD), jeśli są ciągłe i jako procent, jeśli są kategoryczne.

Uznaliśmy FM z DXA za zmienną wynikową, a wszystkie dane antropometryczne, bioimpedancyjne i laboratoryjne za potencjalne zmienne wyjaśniające.

Wartość predykcyjną BMI i FM z BIA porównano z FM z DXA (ogólna wartość predykcyjna, czułość, specyficzność, dodatnie i ujemne wartości predykcyjne). Dlatego przy definiowaniu otyłości wzięliśmy pod uwagę następujące wartości odcięcia:

FM ≥ 25% dla mężczyzn i ≥ 35% dla kobiet (w DXA i BIA) BMI ≥ 30 kg/m2 6 Analizę wariancji i test t-Studenta wykorzystano do oceny istotności różnic w średnich; χ2 do porównania obserwowanych częstotliwości z oczekiwanymi; Pearsona do oceny korelacji istniejącej między dwiema zmiennymi ciągłymi.

Zmienne, które okazały się jednowymiarowo skorelowane ze zmienną wynikową, zostały wprowadzone do puli potencjalnych uczestników w analizie regresji wielokrotnej.

Oszacowaliśmy modele przy użyciu metody krokowej wiarygodności przyszłej (prawdopodobieństwo odcięcia wejścia: 0,05). Z każdą dodaną zmienną przeliczano funkcję dyskryminacyjną i usuwano z równania każdą zmienną, która nie spełniała już poziomu istotności (graniczne prawdopodobieństwo usunięcia: 0,1).

Niektóre zmienne o podobnym znaczeniu biologicznym zostały wyłączone z analizy logistycznej, aby uniknąć mylącego efektu kolinearności (weryfikowanej za pomocą testu r, t-Pearsona lub χ2). Model najlepiej dopasowany został wybrany na podstawie wartości współczynników korelacji R2, (porównanie wyjaśnionej wariancji predykcji modelu z całkowitą wariancją danych), skorygowanego R2 (R2 adj), z uwzględnieniem poprawki na uwzględnienie zmiennych.

Przyjęliśmy poziom istotności równy 5% prawdopodobieństwu błędu. Dane analizowano przy użyciu pakietów oprogramowania statystycznego SPSS dla Windows 10.0 (SPSS Inc 1989-1999) i Win Episcope 2.0 [Wageningen University (N), University of Edinburgh (GB).