Persoanele care iubesc dulciurile au un risc mai mare de depresie, diabet și AVC

Dieta și nutriția au un impact semnificativ asupra sănătății umane, însă evaluarea precisă a relațiilor dintre alimentație și sănătate prezintă provocări. Metodele tradiționale, care se bazează pe date auto-raportate precum chestionarele de frecvență alimentară sau reamintirile alimentare, sunt predispuse la inexactități și pot conduce la asocieri eronate între dietă și boli. Pentru a îmbunătăți această evaluare, biomarkerii dietetici bazați pe metabolomică și proteomică oferă perspective valoroase asupra aportului alimentar, metabolismului și calității generale a dietei.
O alternativă promițătoare este utilizarea Chestionarului de Preferințe Alimentare (FPQ), care minimizează erorile de măsurare asociate cu memoria participanților. În acest context, studiul publicat în Journal of Translational Medicine a explorat utilizarea tehnicilor de învățare automată nesupravegheată pentru a identifica subpopulații în cadrul UK Biobank, definite de preferințele lor alimentare specifice. Scopul a fost de a evalua dacă aceste profiluri de preferințe alimentare sunt asociate cu diferențe în profilurile metabolomice și proteomice sanguine și cu riscuri diferite de boli.

Autorii studiului au utilizat date de la UK Biobank, care a recrutat peste 500.000 de participanți cu vârste între 40 și 69 de ani între 2006 și 2010. Datele colectate au inclus chestionare privind stilul de viață și istoricul medical, precum și probe biologice (sânge, salivă și urină). Pentru acest studiu, s-au folosit datele din Chestionarul de Preferințe Alimentare (FPQ), datele de metabolomică NMR și datele de proteomică. Alimentele au fost grupate în funcție de similarități, rezultând 17 grupuri alimentare distincte, iar pentru a categoriza participanții în funcție de preferințele lor alimentare s-a folosit analiza profilului latent (LPA).

Rezultate

Analiza LPA a identificat trei profiluri distincte de preferințe alimentare la cei 180.000 de participanți care au completat chestionarul:

• 1. Grupul orientat spre sănătate (58.909): Caracterizat printr-o preferință ridicată pentru alimente sănătoase, în special fructe și legume, și o preferință scăzută pentru carne, dulciuri și alimente grase. Acest grup avea o proporție mai mare de femei, un nivel educațional mai ridicat și un statut socioeconomic mai bun.
• 2. Grupul omnivor (72.286): Participanții aveau preferințe pentru aproape toate grupele de alimente, cu o predilecție pentru carne și pește. Evitau însă alimentele cu arome puternice.
• 3. Grupul cu poftă de dulce ( 50.543): Caracterizat printr-o preferință scăzută pentru majoritatea alimentelor, cu excepția băuturilor îndulcite și a alimentelor dulci. Acest grup avea un aport ridicat de zaharuri libere și un indice de masă corporală (IMC) mai mare.

Caracteristicile participanților:

• Grupul orientat spre sănătate: Mai multe femei, nivel scăzut de fumat, activitate fizică ridicată, IMC mai scăzut și niveluri mai favorabile ale markerilor sanguini (colesterol HDL mai ridicat, PCR mai scăzut).
• Grupul omnivor: Consuma cele mai multe nutrienți, avea un IMC mai ridicat și o preferință pentru carne, corelată cu un IMC mai mare.
• Grupul cu poftă de dulce: Aport ridicat de zaharuri libere, IMC mai mare, niveluri mai ridicate de glucoză și HbA1c, și o proporție mai mare de persoane cu diabet și alte afecțiuni vasculare.

Analiza metabolomică și proteomică:

• Grupul orientat spre sănătate: Niveluri ridicate de acizi grași nesaturați (cum ar fi acidul linoleic) și cetone, niveluri scăzute de glicoproteine acetilate (marker inflamator).
• Grupul omnivor: Niveluri mai ridicate de aminoacizi (histidină, tirozină) și lipide asociate cu consumul de carne.
• Grupul cu poftă de dulce: Niveluri mai scăzute de acizi grași esențiali (DHA și acizi grași Omega-3).

Analiza proteomică a arătat diferențe semnificative în proteinele legate de procesele metabolice și inflamatorii. De exemplu, grupul orientat spre sănătate a avut niveluri scăzute de leptină și proteine inflamatorii, sugerând un profil metabolic mai favorabil.

Risc de boală:

Grupul orientat spre sănătate a prezentat un risc redus pentru mai multe boli cronice:

• Insuficiență cardiacă: Reducere cu 14% a riscului.
• Boală renală cronică: Reducere cu 30% a riscului.
• Accident vascular cerebral: Reducere cu 15% a riscului.
• Diabet: Tendință spre un risc redus, deși nu semnificativ statistic după ajustări.

În contrast, grupul cu poftă de dulce a avut un risc mai mare de depresie și alte afecțiuni cronice.

Concluzii

Studiul demonstrează că tehnicile de învățare automată nesupravegheată pot identifica profiluri distincte de preferințe alimentare, care sunt asociate cu markeri metabolomici și proteomici specifici și cu riscuri diferite de boli. Preferințele alimentare pot oferi indicii valoroase despre starea metabolică și riscul de boli cronice al indivizilor.

Integrarea preferințelor alimentare în strategiile personalizate de management al sănătății poate fi o abordare promițătoare pentru prevenirea bolilor și promovarea sănătății. Sunt necesare studii suplimentare pentru a confirma aceste asocieri și pentru a explora mecanismele cauzale.

Implicații practice:

• Pentru clinicieni: Evaluarea preferințelor alimentare poate ajuta la identificarea pacienților cu risc crescut de boli metabolice și la personalizarea intervențiilor dietetice.
• Pentru cercetători: Studiul subliniază importanța integrării datelor de preferințe alimentare cu analizele metabolomice și proteomice pentru o înțelegere mai profundă a relației dintre dietă și sănătate.
• Pentru publicul larg: Conștientizarea impactului preferințelor alimentare asupra sănătății poate încuraja adoptarea unor alegeri alimentare mai sănătoase.

sursa: News Medical