Свързани статии

най-добрата

Диабетът тип 2 е нарастващ проблем, сложно взаимодействие между генетиката, чревния микробиом, диетата и начина на живот. В опит да бъдем проактивно превантивни, ние създадохме нови категории „заболявания“, преддиабет, при които кръвната захар или хемоглобин А1с се повишават, но не са диагностични за диабет. Това поражда терапевтична дилема, какво да предписвате на пациентите, освен да бъдат по-активни и да следят диетата си?

Диетичните съвети се въртят около два подхода, по-малко калории и или по-малко въглехидрати. Калоричното ограничение намалява теглото за почти всички; същото често важи за диета с по-ниско съдържание на въглехидрати и по-високо съдържание на протеини. Тяхното въздействие е по-приглушено по отношение на тези преддиабетни маркери, кръвната захар и Hg A1c. Част от причината, поради която ефектът не е толкова изразен, както прогнозираме и се надяваме, е, че генетиката, диетата, микробиомът и начинът на живот взаимодействат и варират за всички. Помислете за това като за агрегиращ проблем, при който средният, в случая, нашият хранителен съвет, не отразява значителните вариации в извадката, която би била общата популация. Ново проучване в JAMA прилага технологии и алгоритми към проблема.

Проучването разглежда 327 основно здрави възрастни без диабет. Участниците бяха сравнително хомогенна колекция, средна възраст 45 години, близо 80% жени и кавказки. Чрез чревния им микробиом е взета проба и те са помолени да запишат своите редовни хранителни навици и активност, докато носят непрекъснат монитор за глюкоза в едноседмичното проучване. Участниците също са яли четири тренировъчни ястия с определени количества въглехидрати, протеини и мазнини, за да калибрират ефекта на тези храни върху кръвната им захар [1]. И както често се случва в днешното изследване, калибриращите ястия заедно с всички останали демографски данни, диета, активност и микробиоми данни впоследствие бяха подадени към алгоритъм.

Както бихме очаквали, отговорите на това стандартизирано хранене варираха доста, повишавайки кръвната захар някъде от 6 до 94 mg/dL над изходното ниво. И тази променливост е била не само между индивидите, но и за един и същ индивид в различни дни. Вземете първи урок у дома, нашата „обработка“ на храна е динамична; няма диетични заповеди, които да работят всеки ден, да не говорим за всички. И това важи за начина, по който смиламе и метаболизираме въглехидратите, протеините и мазнините, заедно или поотделно.

Целта на изследването беше оценка на предсказващия алгоритъм. Той се справи много по-добре от прогнозите, базирани единствено на калории, 34% предсказуема „мощност“ или съдържание на въглехидрати, 40%. Точността му на прогнозиране беше приблизително 66% - по-добра, но не и най-добра. Всъщност резултатите не бяха толкова добри, но в същия стадий, както първоначалните проучвания, направени върху израелско население. Вземете урок втори, алгоритмичното персонализиране на нашето биологично потребление е по-трудно, отколкото при консумация на книги или трайни стоки. „Други участници, които са яли сьомга, често ядат аспержи“, не е в близкото ни бъдеще.

Една от силните страни на проучването беше, че то беше направено върху участници в „свободно живеещите“, които се занимават с нормалното си ежедневие. Но това изискваше много повече ангажираност от страна на участниците в записването на тяхната дейност и диета, проблем при превеждането на този диагностичен подход в реалния свят. Носенето на монитор в продължение на една седмица е едно нещо, трябва да записвате храненията си, дори и да се свежда до просто снимане, е много повече работа; спазването може да е проблем. Прецизната медицина остава важна цел, но ето още един пример за това колко далеч сме стигнали и трябва да пътуваме все още.

[1] Стандартното хранене беше багел и крема сирене като първото хранене за деня.

Източник: Оценка на персонализиран подход за прогнозиране на гликемичните отговори след хранене на храна сред лица без диабет JAMA Network Open DOI: 10.1001/jamanetworkopen.2018.8102

Трябва да отбележа, че изследването е проведено от Mayo Clinic в сътрудничество с компанията, разработваща алгоритъма, DayTwo. Mayo Clinic има справедлива позиция в тази компания, така че някои може да се загрижат за целостта на своите констатации. Тъй като резултатите са съвсем наред, мисля, че можем спокойно да кажем, че конфликтът на интереси не е играл роля и че корпоративната „наука“ не винаги отчита широко благоприятни резултати.