A leendő anti-Alzheimer-kór étrendjében a makrotápanyagok aránya, beleértve a speciális étrendi zsírokat is

Tárgyak

Absztrakt

Bevezetés

Eredmények és vita

A precedencia periódusok és a precedencia periódusok relatív konfidenciaszintjének becslése

A becsült optimális precedencia periódusok 5 makrotápanyagra négy életszakaszban, relatív megbízhatósági meghatározási sorrenddel. CH - szénhidrátok, P - fehérje, SF - telített zsír, MUF - egyszeresen telítetlen zsír, PUF - többszörösen telítetlen zsír. Három csillag - a legnagyobb bizalom, nincs csillag - a legalacsonyabb bizalom.

A makrotápanyagok arányának előrejelzése

Az 1. táblázat bemutatja a „Számológép” kimenetének eredményeit, vagyis a makrotápanyagok előre jelzett arányait az energiaegyenérték százalékában és grammokban a diétában 2000 kcal-ra méretezve. Ezeket az adatokat összehasonlítjuk az átlagos rendelkezésre állás és az átlagos rendelkezésre állás grammban kifejezett százalékával az élet adott időszakában, 2000 kcal-os étrendre is skálázva. Ez az összehasonlítás rámutat arra, hogy korai középkorban és késő középkorban felére kell csökkenteni a fehérjebevitelt. Ezeket az előrejelzéseket a prioritási periódusok meghatározásának magas vagy legmagasabb konfidenciaszintje kíséri. A változást az összes megmaradt tápanyag enyhe növekedése kompenzálja. A késői életkorban a fehérjék korábbi fogyasztását meghaladónak jósolunk, míg az ifjúkorban az előrejelzés majdnem megegyezik az élet ezen időszakának átlagos rendelkezésre állásával.

Az optimális étrend

Wang et al. 25 összefüggésről számolt be a zsírfogyasztás specifikus típusai és a teljes halálozás között. Pozitív összefüggéseket találtak a telített zsírok megnövekedett bevitelének és a teljes mortalitásnak, míg az egyszeresen és többszörösen telítetlen zsírok bevitelének növekedése negatívan társult a mortalitással. Jóslataink Wang legmagasabb kvintilisébe tartoznak et al. vagy valamivel magasabb minden zsírtípusnál. Úgy gondoljuk, hogy a megnövekedett telített zsírbevitel halálozásra gyakorolt lehetséges hatását ellensúlyozza a telítetlen zsírok fokozott bevitele.

Jelen cikkünkben öt makrotápanyag de novo globális optimalizálását használtuk, míg az előző 13 írásban a globális optimalizálást három makrotápanyagon végeztük (összes zsír a specifikus zsírtípusok helyett). Érdekes, hogy az előrejelzett szénhidrátok és fehérjetartalom eredményeinek összehasonlítása hasonló, ami megerősíti eredményeink megbízhatóságát.

Vizsgálataink korlátai

Következtetések

Előrejelzésünk szerint az étrendben a makrotápanyagok arányának négy életszakaszban (fiatalság, korai középkor, késő középkor, késői életkor) különböznie kell, különös tekintettel a fehérjebevitelre. Pontosabban azt feltételezzük, hogy a korai középkorú és a késő középkorú fehérjebevitelt felére kell csökkenteni, összehasonlítva az Egyesült Államok korábbi fogyasztásával. Ezzel szemben a késői életkorban a fehérje bevitelt a korábbi fogyasztás fölé kell növelni. Feltételezzük, hogy a fehérjefogyasztás ezen változásainak alkalmazása az egyén egész életében profilaktikusan fog fellépni az AD kialakulásában, és esetleg meghosszabbítja az egész életet és az élet időtartamát.

Mód

A bemeneti adatok időbeni változékonyságának grafikus ábrázolása a 2. ábrán látható

A 13. eredet változékonysága és az egyes zsírtípusok (fejenként naponta g/nap) rendelkezésre állásának idõbeli lefolyása az 1929–2005 közötti idõszakban. A numerikus adatokat lásd az SI S1 adatkészletben (A) telített zsír, (B) egyszeresen telítetlen zsír, (C) többszörösen telítetlen zsír. Az összes zsír, szénhidrát és fehérje rendelkezésre állásának időbeli alakulását a Rigorinalhoz képest a tanulmányban Studnicki mutatja be et al. 13. Töltött négyzetek - Eredeti, üres rhombi-specifikus zsírtípusok.

A „Számológép” folyamatábrái

Folyamatábra 1. Általános eljárás.

Folyamatábra 2. Globális optimalizálási eljárás.

Folyamatábra 3. Az optimális étrend kiszámításának eljárása a makrotápanyagok arányára tekintettel.

GAM elemzés

Az optimális étrend kiszámítása a Rigorinal (mint előre jelzett változó) és a makrotápanyagok (az egy főre jutó napi rendelkezésre állás grammjában) és a különféle zsírtípusok (mint prediktor változó) közötti lineáris összefüggésen alapult, amelyet általánosított additív modellek (GAM) segítségével modelleztek. A többszörös regressziós modellel ellentétben a GAM-ek nem feltételezik a hibaeloszlás linearitását és normalitását. A GAM-okat a Roriginal várható értékének modellezésével alkalmazzuk az alábbiak szerint:

ahol: α metszéspont; Az f1, f2, f3, f4 és f5 sima nem paraméteres funkciókat. Az új étrend következtetésének és összetételének könnyebb megszerzése érdekében linearizált sima funkciókat alkalmaztunk a 29. részben. A GAM-ot a funkció segítségével illesztették be gam csomagból mgcv R környezetben (3.5.1 verzió; R Development Core Team, 2019) 30 .

A globális optimalizálás alapján becsült elsőbbségi periódusok konfidenciaszintjének meghatározása

A jelen cikkben használt nómenklatúra:

Eredeti - Korrelációs együtthatók Stępkowski dolgozatából et al. 14 javítva a 13-ban. Összefüggést jelöl az 1929–2005 közötti PCPI (egy főre jutó személyes jövedelem) és az Alzheimer-kór (AD) életkor szerinti korrigált halálozási arányai között az USA egyes államaiban.

Roptimal - A GAM-elemzésből nyert maximális R a prioritási periódusok globális optimalizálásával.

Megjósolták - A globális optimalizálásból származó tápanyag-együtthatóknak megfelelő számológép-egyenletből számított korrelációs együttható az összes tápanyag mennyiségének diszkrét lépéseivel.

Rmean - az összes R átlaga, amelyet egy adott tápanyag globális optimalizálásából számítottak, és egy adott elsőbbségi periódusra az élet egyik időszakában.

Rmean SD - szórás Rmean esetében.

GAM - Általános adalékmodellek.

Energia különbség - Különbség az átlagos étrend energiaekvivalensei között egy adott időszakban és az előre jelzett étrend között az egyes tápanyagok különbségeinek összegeként számítva. Feltételezve, hogy 1 g szénhidrát és fehérje esetén 4 kcal, 1 g zsírnál pedig 9 kcal.

Globális optimalizálás - Az összes tápanyag elsőbbségi periódusainak kombinációinak GAM-elemzése 0, −1, −2 ……… . és −20 év között. 4084101 fontossági periódus-kombinációt ad.

Optimális előrejelzett étrend - a minimális energiakülönbségnek megfelelő étrend.

Elsőbbségi időszakok - egyéves hátralépéses periódusok 0 és –20 év között.

Átlagos elsőbbségi periódus - három szempont alapján becsült periódusokból származó átlagos elsőbbségi periódus: egy adott tápanyag optimális elsőbbségi periódusa - megfelel az Roptimal, a maximális Rmean, a minimális SD Rmean értéknek.

Az átlagos elsőbbségi periódus SD - az átlagos precedencia periódus szórása.

Optimális elsőbbségi időszak egy adott tápanyaghoz - a Roptimalnak megfelelő elsőbbségi periódus.

Az életszakaszok: fiatalság - megfelel az 1929–1949 közötti időszaknak; korai középkor - megfelel az 1949–1970 közötti időszaknak; késő középkor - az 1970–1990 közötti időszaknak felel meg; késői kor - az 1990–2005 közötti időszaknak felel meg.

A bizalom relatív sorrendje - A konfidenciaszintek azon sorrendje, amellyel a prioritási periódusokat meghatározzák, a „A konfidenciaszint meghatározása… .” fejezetben leírtak szerint.

Az adatok elérhetősége

A bemeneti adatok és a számítások eredményei a Kiegészítő információk fájlokban találhatók. A projektben alkalmazott számítások céljából írt szoftvert a https://bitbucket.org/seventm/fsproj_alzheimeroptimaldiet és a https://github.com/seventm/fsproj_alzheimeroptimaldiet/releases/tag/v1.0, https nyilvános tárolókban helyezik el.: //doi.org/10.5281/zenodo.3574598. Az összes többi adat a szerzőktől kérésre rendelkezésre áll.

Hivatkozások

Mirzaei, H., Suarez, J. A. és Longo, V. D. fehérje- és aminosav-korlátozás, öregedés és betegség: élesztőtől emberig. Trendek az endokrinolban. & Metab. 25, 558–566 (2014).

Fontana, L. & Partridge, L. Az egészség és a hosszú élettartam elősegítése az étrend révén: A modellszervezetektől az emberekig. Sejt 161, 106–118 (2015).

Simpson, S. J., Le Couteur, D. G. és Raubenheimer, D. Az egyensúly helyreállítása az étrendben. Sejt 161, 18–23 (2015).

Kelly, O., Gilman, J. & Ilich, J. Az étrendi tápanyag-arányok felhasználása a táplálkozáskutatásban: A tápanyag-arányok fogalmának kiterjesztése a makroelemekre. Nutr. 11., 282 (2019).

Brandhorst, S. & Longo, V. D. étrendi korlátozások és táplálkozás a szív- és érrendszeri betegségek megelőzésében és kezelésében. Keringési kutatás 124, 952–965 (2019).

Solon-Biet, S. M. et al. A makrotápanyagok aránya, nem pedig a kalóriabevitel, meghatározza a kardiometabolikus egészséget, az öregedést és a hosszú élettartamot az ad libitum táplált egerekben. Cell Metab. 19., 418–430 (2014).

Solon-Biet, S. M. et al. Makrotápanyagok és kalóriabevitel az egészség és a hosszú élettartam szempontjából. J. Endocrinol. 226, R17–28 (2015).

Solon-Biet, S. M. et al. Makrotápanyagok egyensúlya, reproduktív funkciója és élettartama öregedő egerekben. Proc. Natl. Acad. Sci. USA 112, 3481–3486 (2015).

Longo, V. D. Programozott hosszú élettartam, Youthspan és juventology. Öregedő sejt 18., e12843 (2019).

Miyagi, S., Iwama, N., Kawabata, T. & Hasegawa, K. Hosszú élet és étrend Okinawában, Japánban: a múlt, a jelen és a jövő. Asia Pac. J. Közegészségügy 15(Suppl), S3–9 (2003).

Le Couteur, D. G. et al. New Horizons: Étrendi fehérje, öregedés és az Okinawan arány. Kor és öregedés 45, 443–447 (2016).

Studnicki, M., Woźniak, G. & Stępkowski, D. Az Alzheimer-ellenes étrend számológépe. Makrotápanyagok. PLOS ONE 11., e0168385 (2016).

Studnicki, M., Woźniak, G. & Stępkowski, D. Javítás: Az Alzheimer-ellenes étrend számológépe. Makrotápanyagok. Plos One 13., e0209723 (2018).

Stępkowski, D., Woźniak, G. & Studnicki, M. Az Alzheimer-kór halálozási arányának összefüggése az egy főre eső személyes jövedelemmel az USA-ban. Plos One 10., e0126139 (2015).

GBD 2017 Diet Collaborators. Az étrendi kockázatok egészségre gyakorolt hatása 195 országban, 1990–2017: szisztematikus elemzés a globális betegségterhelésről szóló 2017. évi tanulmányhoz. Gerely., https://doi.org/10.1016/S0140-6736(19)30041-8 (2019)

Ioannidis, J. P. A. A táplálkozási epidemiológiai kutatások reformjának kihívása. JAMA 320, 969 (2018).

Trepanowski, J. F. és Ioannidis, J. P. A. Perspektíva: A nem randomizált vizsgálatoktól való függőség korlátozása és a randomizált vizsgálatok javítása az emberi táplálkozás kutatásában: miért és hogyan. A Nutr. 9., 367–377 (2018).

Hu, F. B. & Willett, W. C. A táplálkozási epidemiológiai kutatások jelenlegi és jövőbeli tája. JAMA 320, 2073 (2018).

Ben-Shlomo, Y. & Kuh, D. A krónikus betegség epidemiológiájának életpálya-megközelítése: koncepcionális modellek, empirikus kihívások és interdiszciplináris perspektívák. Int. J. Epidemiol. 31, 285–293 (2002).

Ding, B. et al. A makrotápanyagok bevitele és a megismerés közötti összefüggés 65 év alatti egyéneknél Kínában: keresztmetszeti vizsgálat. BMJ Open 8., e018573 (2018).

Landi, F. et al. A fehérjebevitel és az izmok egészsége idős korban: a biológiai valószínűségtől a klinikai bizonyítékig. Nutr. 8., 295 (2016).

Nowson, C. A., Service, C., Appleton, J. & Grieger, J. A. Az étrendi tényezők hatása az idős emberek krónikus betegségének mutatóira: szisztematikus áttekintés. J. Nutr. Az egészség öregedése 22., 282–296 (2018).

Senior, A. M. et al. Étrendi makrotápanyag-tartalom, korspecifikus halálozás és élettartam. Proc. R. Soc. B 286, 20190393 (2019).

Seidelmann, S. B. et al. Étrendi szénhidrátbevitel és mortalitás: prospektív kohorszvizsgálat és metaanalízis. A Lancet. Közegészségügy 3, e419 – e428 (2018).

Wang, D. D. et al. Specifikus étrendi zsírok társulása teljes és ok-specifikus halálozással. JAMA Intern. Med. 176, 1134–1145 (2016).

Levine, M. E. et al. Az alacsony fehérjebevitel az IGF-1, a rák és az összes halálozás jelentős csökkenésével jár a 65 éves és fiatalabb, de nem idősebb populációban. Sejtanyagcsere 19., 407–417 (2014).

Wahl, D. et al. Az alacsony fehérjetartalmú és a magas szénhidráttartalmú étrend és a kalória-korlátozás hatásának összehasonlítása az egerek agyi öregedésével. Cella jelentések 25, 2234–2243.e6 (2018).

Godfray, H. C. J. et al. Húsfogyasztás, egészség és a környezet. Sci. 361, eaam5324 (2018).

Wood, S. N. Általános adalékmodellek: bevezetés R-vel. (Chapman & Hall/CRC, 2006).

R Core Team R: Nyelv és környezet a statisztikai számításhoz. (2019).

Köszönetnyilvánítás

A szerzők köszönetet mondanak a Varsói Földtudományi Egyetemnek és a Nencki Kísérleti Biológiai Intézetnek az anyagi támogatásért. Grażyna Woźniak segítségét és folyamatos ösztönzését elismerik. A szerzők köszönetet mondanak Ewa Sikora professzornak és Dr. Tomasz M. Stępkowskinak a kézirat kritikus elolvasásáért.

Szerzői információk

Hovatartozások

Varsói Földtudományi Egyetem Biometriai Tanszék-SGGW, ul. Nowoursynowska 159, 02-776, Warszawa, Lengyelország

Fork Systems, ul. Broniewskiego 10, 05-850, Duchnice, Lengyelország

Konrad J. Dębski

Sejtmotilitás molekuláris alapjainak laboratóriuma, Nencki Kísérleti Biológiai Intézet, ul. Pasteura 3, 02-093, Warszawa, Lengyelország

A PubMed Google Scholar alkalmazásban is kereshet erre a szerzőre

Hozzájárulások

D.S. és M.S. megtervezte a kutatási projektet. KISASSZONY. javasolta a statisztikai módszereket. K.D. írta a szoftvert. KISASSZONY. és K.D. elvégezte a számításokat. D.S. és M.S. írta a kéziratot. KISASSZONY. készített ábrák. Minden szerző átnézte és elfogadta a kéziratot.

Levelezési cím

Etikai nyilatkozatok

Versenyző érdekek

A szerzők kijelentik, hogy nincsenek versengő érdekeik.

További információ

A kiadó megjegyzése A Springer Nature semleges marad a közzétett térképeken és az intézményi kapcsolatokban szereplő joghatósági igények tekintetében.