Composite Metabolic Indices for Incident Cardiometabolic Multimorbidity: Evidence from the CHARLS and ELSA Cohorts
Deze studie, die gebruikmaakt van gegevens uit de CHARLS- en ELSA-cohorten, toont aan dat samengestelde metabole indices, in het bijzonder TyG-WHtR en ICMRS, significant geassocieerd zijn met incidentie van cardiometabole multimorbiditeit, waarbij de TyG-WHtR-index de sterkste en meest consistente voorspellende prestaties vertoont in zowel de Chinese als de Britse populaties.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Naarmate mensen ouder worden, worden hun lichamen vaak geconfronteerd met een stille opeenhoping van gezondheidsuitdagingen. Het is zelden slechts één ding; in plaats daarvan hebben aandoeningen zoals een hoge bloeddruk, type 2 diabetes en hartziekten de neiging om samen te komen, een cluster dat artsen cardiometabole multimorbiditeit noemen. Deze combinatie is bijzonder gevaarlijk omdat het het lichaam kwetsbaarder maakt, het risico op overlijden vergroot en een zware last legt op gezinnen en gezondheidszorgsystemen. Decennialang hebben artsen vertrouwd op enkelvoudige metingen, zoals een nuchtere bloedsuikertest of een cholesterolmeting, om het risico van een persoon in te schatten. Deze geïsoleerde cijfers slagen er echter vaak niet in om het volledige beeld te vatten van hoe iemands metabolisme en lichaamsvorm in de loop van de tijd met elkaar interageren. Wetenschappers vermoedden al lang dat het combineren van deze verschillende signalen in één enkele score een duidelijker waarschuwingssysteem zou kunnen bieden, maar het bleef onduidelijk welke combinatie het beste werkte of of een hulpmiddel dat voor één groep mensen was ontwikkeld, ook voor een andere groep zou werken.
Om deze vragen te beantwoorden, richtten onderzoekers zich op twee enorme, langlopende studies die al jaren de levens van oudere volwassenen volgen: één in China en één in het Verenigd Koninkrijk. Door gegevens van duizenden deelnemers uit beide landen te analyseren, probeerde het team vijf verschillende samengestelde scores te testen. Deze scores waren ontworpen om informatie over hoe het lichaam met suiker en vet omgaat te mengen met metingen over waar vet op het lichaam wordt opgeslagen. De onderzoekers wilden zien of deze gecombineerde instrumenten konden voorspellen wie in de toekomst meerdere hart- en metabole ziekten zou ontwikkelen, en of één specifiek instrument eruit zou springen als het meest betrouwbare over verschillende culturen en levensstijlen heen.
De studie volgde 8.682 oudere volwassenen uit China en 2.422 uit het VK, die aan het begin van de studie allemaal vrij waren van deze gecombineerde ziekten. Gedurende een follow-up van meerdere jaren hielden de onderzoekers in de gaten wie nieuwe gevallen van cardiometabole multimorbiditeit ontwikkelde. Ze berekenden voor elke persoon vijf verschillende risicoscores aan het begin van de studie. Eén score, bekend als TyG-WHtR, combineerde een maat voor insulineresistentie met de verhouding tussen de middelmatige taille en de lengte van een persoon. Een andere, de ICMRS, was een bredere score die gestandaardiseerde waarden voor insulineresistentie, lichaamsvorm en een specifiek type cholesterolimbalans bij elkaar optelde. Het team vergeleken vervolgens hoe goed elk van deze vijf scores de opkomst van ziekte voorspelde.
De resultaten toonden aan dat alle vijf de scores over het algemeen gekoppeld waren aan een hoger risico op het ontwikkelen van deze gecombineerde ziekten. De sterkte van de link varieerde echter aanzienlijk afhankelijk van de specifieke score en het land waar de mensen woonden. In de Chinese cohort was elke van de vijf scores een sterke voorspeller. De score die het beste presteerde in deze groep was TyG-WHtR; mensen in de hoogste categorie voor deze score hadden meer dan drie keer zoveel kans om de ziekten te ontwikkelen vergeleken met mensen in de laagste categorie. De op één na beste presteerder in China was een score genaamd ICMRS. In de Britse cohort was het patroon vergelijkbaar maar zwakker. Hoewel TyG-WHtR en ICMRS significante voorspellers bleven, vertoonde een van de andere scores, AIP-BRI, geen statistisch duidelijke link met toekomstige ziekte in de Britse groep.
Dit verschil in sterkte tussen de twee landen was een belangrijke bevinding. De onderzoekers ontdekten dat de associatie tussen deze metabole scores en toekomstige ziekte consequent sterker was in China dan in het VK. Zo was de risicotoename die gepaard ging met een hogere TyG-WHtR-score veel steiler voor de Chinese deelnemers. Het team keek ook naar het vermogen van deze scores om onderscheid te maken tussen degenen die ziek zouden worden en degenen die dat niet zouden worden. Ze ontdekten dat de ICMRS-score de beste algehele bekwaamheid had om deze groepen te scheiden in beide landen, terwijl TyG-WHtR bijzonder goed was in het identificeren van risico in de Chinese populatie. Wanneer de onderzoekers testten of deze scores anders werkten afhankelijk van de leeftijd, het geslacht of de rookstatus van een persoon, waren de resultaten grotendeids stabiel, hoewel er in de Chinese groep enkele variaties verschenen met betrekking tot obesitas en rookgewoonten.
De studie suggereert dat hoewel geen enkel instrument perfect is voor elke situatie, het combineren van metabole gegevens met lichaamsvormmetingen een beter beeld van het risico geeft dan alleen naar bloedtests kijken. De TyG-WHtR-score, die eenvoudig te berekenen is met een meetlint en een standaard bloedtest, kwam naar voren als een bijzonder stabiel en krachtig instrument, vooral in de Chinese populatie. De ICMRS-score, die een iets complexere berekening vereist maar meer terrein bestrijkt, toonde de beste algehele bekwaamheid om risico te rangschikken in beide populaties. De onderzoekers merkten op dat deze instrumenten geen vervanging zijn voor een volledig medisch onderzoek, maar kunnen dienen als nuttige, goedkope screeningsmethoden om mensen te identificeren die nauwere aandacht nodig hebben. De bevindingen benadrukken dat hoewel deze metabole signalen universeel zijn, de manier waarop ze ziekte voorspellen kan variëren afhankelijk van de populatie, wat suggereert dat risicobeoordelingstools moeten worden afgestemd op de specifieke kenmerken van de mensen die ze bestuderen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.