Благотворное влияние киноа (Chenopodium Quinoa Willd) на профилактику сахарного диабета 2 типа

Исследование представляло собой перекрестное пилотное клиническое исследование, состоящее из двух периодов. Первый период был только фазой наблюдения и мониторинга, когда участники просто продолжали свою обычную диету (RD), по этой причине все участники начали этот период, и период вымывания не требовался. Впоследствии, с полученными данными первой фазы, субъекты начали второй период, в котором они должны были пройти пищевое вмешательство с помощью диеты киноа (QD).

Всего было запланировано шесть посещений плюс два дня сбора продуктов из киноа. После визита перед исследованием (V0), который состоялся за неделю до начала диетического вмешательства и когда исследователи получили подписанное информированное согласие, участников вызвали на первый визит (V1), где им объяснили, как они должны заполнять записи о питании, и они применялись с помощью FreeStyle Libre®.

Затем у испытуемых начался RD, период в 4 недели, в течение которого наблюдали только за их нормальной жизнью. После первых 14 дней был проведен второй визит (V2), во время которого были собраны записи о рационе питания, которые должны были служить для учета их обычного потребления злаков, муки, клубнеплодов и бобовых, а также был собран датчик FreeStyle Libre®.

В последний день периода РД, на 28-й день, они были процитированы (V3) на консультации, где были получены образцы крови после 8-часового голодания, антропометрические измерения и измерение артериального давления, а также для размещения нового датчика FreeStyle Libre®. Участников спрашивали об их физической активности и практике упражнений в течение последних 4 недель с помощью короткой анкеты, адаптированной из Миннесотского опросника физической активности в свободное время для лиц пожилого возраста (анкета VREM), и была дана новая пустая 14-дневная диетическая запись. Кроме того, добровольцы получили первые продукты с киноа, чтобы начать QD на следующий день. Продукты доставлялись еженедельно, из соображений сохранения, а также для обеспечения адекватного потребления, они должны были пройти консультацию, чтобы забрать продукт, и дали исследователям пустые упаковки, где были продукты из киноа.

При следующем посещении на 42-й день (V4) был собран датчик Freestyle Libre® и заполнена запись о питании. Наконец, после 28 дней диеты киноа их вызвали для последнего посещения на 56-й день (V5), где все определения были повторены так же, как V3.

Исходя из того, что созданные продукты заменили не только зерновые, бобовые или клубнеплоды, но и мучные изделия, обычно потребляемые участниками, и что была изменена только зерновая фракция, были созданы аналогичные продукты на основе муки киноа. Создание этих продуктов было необходимо после проведения исследования рынка, где было замечено, что не хватает продуктов питания, чтобы заменить потребляемые, так как процентное содержание муки киноа в них не превышает 20-30%.

Таким образом, помимо доставки лебеды, хлопьев из киноа и муки из киноа участникам были выданы продукты, созданные из ≥70% муки из киноа, а именно печенье, крекеры, булочки, бисквит, багет, нарезанный хлеб и макаронные изделия. Кроме того, рецепт на основе квиноа был доставлен с восемью широко употребляемыми рецептами, которые заменили клубень, бобовые или зерно в рецепте. Каждый субъект получил эквивалент того, что он потреблял, в соответствии с его диетическими записями RD. Таким образом, продукт на основе киноа доставлялся ему только в том случае, если доброволец указывал, что съел бисквит.

Описательные данные представлены как среднее значение и стандартное отклонение (SD) или медиана и межквартильный размах (IQR) для непрерывных переменных, а также частоты и проценты (%) для категориальных переменных. Антропометрические измерения, переменные анализа крови и потребление пищи сравнивали в разное время с использованием непараметрического рангового критерия Уилкоксона, поскольку нельзя было предположить нормальность и равенство дисперсии из-за небольшого размера выборки (n = 9). Чтобы сравнить переменные, связанные с режимом питания, для каждого участника рассматривалось среднее значение потребления пищи, включая все приемы пищи.

Датчик контроля уровня глюкозы выполняет измерения в дискретные моменты времени для каждого пациента. Поэтому сначала кривые глюкозы были линейно интерполированы, чтобы иметь наблюдения для каждого пациента в равные моменты времени. Первый взгляд на кривые уровня глюкозы в течение дня показал, что они были более однородными во время завтрака, чем во время других последующих приемов пищи. Поэтому значения концентрации глюкозы, соответствующие завтраку, рассматривались как функция времени в минутах на интервале t=[-30,120], начинающемся за полчаса до начала завтрака и заканчивающемся через два часа. Перед построением функциональной модели функциональные данные были согласованы по времени, чтобы уменьшить различия между разными пациентами и/или разными днями (например, некоторые пациенты могли систематически отмечать время начала завтрака раньше, чем другие, или систематически проводить больше времени в завтрак, чем в среднем). Выравнивание по времени было выполнено с помощью функций деформации с использованием функции WFDA в пакете R fdapace.

После того, как кривые уровня глюкозы были синхронизированы, был проведен функциональный регрессионный анализ для моделирования влияния типа диеты, пациента и потребления питательных веществ на отслеживаемые уровни глюкозы. Были рассмотрены три различные объясняющие переменные: тип диеты с двумя категориями (обычная диета и диета с лебедой), индикатор пациента (категориальная переменная с девятью уровнями) и содержание различных питательных веществ. Кривые глюкозы завтрака обрабатываются как переменная функционального ответа. Для изучения связи между этими переменными использовались модели функции скалярной регрессии (fosr).

Сначала было проанализировано одномерное влияние типа диеты на кривые глюкозы, а затем были построены более сложные модели fosr с двумя факторами (диета и факторы пациента) и скалярными переменными (нутриенты). Наиболее сложная модель, включающая все эффекты независимых переменных, определяется специально созданным уравнением. Модели функциональной регрессии были подобраны с помощью штрафной гибкой функциональной регрессии, реализованной в функции pffr возврата пакета R.