Badanie sprawdza rolę ćwiczeń na mikrobiomie jelitowym u dorosłych w średnim wieku

W najnowszym badaniu opublikowanym w czasopiśmie Federation of American Societies for Experimental Biology (FASEB) naukowcy oceniają wpływ wskaźnika masy ciała (BMI) na zmiany składu mikrobiomu jelitowego wywołane aktywnością fizyczną (PA) i siłą mięśni/ręki wśród dorosłych osób w średnim wieku. Brak aktywności fizycznej jest związany z większą zachorowalnością i śmiertelnością. W rzeczywistości, PA jest związana z różnymi efektami zdrowotnymi zapobiegającymi i leczącymi choroby zapalne i kardiometaboliczne. Regularny wysiłek fizyczny powoduje adaptacje metaboliczne, takie jak zmiana składu mikrobioty jelitowej. Dysbioza mikrobioty jelitowej wpływa na masę ciała poprzez zmianę wykorzystania energii pochodzącej z pożywienia. Ponadto, symbiotyczna relacja pomiędzy gospodarzem a mikrobiotą jelitową optymalizuje metabolizm lipidów i glukozy oraz odpowiedzi immunologiczne przeciwko zapaleniu. Diety o dużej zawartości kalorii zmieniają skład i funkcje mikrobioty jelitowej poprzez zmniejszenie liczebności i różnorodności korzystnych mikrobów, takich jak Roseburia, Bifidobacterium i Faecalibacterium. Wykazano, że PA zwiększa liczebność korzystnych mikroorganizmów i zmniejsza liczbę mikroorganizmów patogennych, co prowadzi do zwiększenia poziomu krótkołańcuchowych kwasów tłuszczowych (SCFA) i lepszego wykorzystania mleczanu. Jednak wpływ regularnego spożywania PA na skład mikrobiomu jelitowego nie został dobrze scharakteryzowany, ponieważ większość poprzednich badań dotyczyła sportowców stosujących rygorystyczne diety i uczestniczących w rygorystycznym treningu. W niniejszej pracy badacze sprawdzali, czy na zmiany składu mikrobioty jelitowej pod wpływem aktywności fizycznej i siły uścisku dłoni miały wpływ wartości BMI. Kohorta badawcza obejmowała osoby z prawidłowymi wartościami BMI w zakresie od 19 do 25 kg/m2 oraz osoby z podwyższonymi wartościami BMI w zakresie od 25 do 30 kg/m2. Badanie retrospektywne i obserwacyjne obejmowało osoby uczestniczące w badaniu Alberta's Tomorrow Project. Osoby te zostały losowo wybrane spośród ponad 50 000 uczestników i skontaktowano się z nimi poprzez e-mail lub telefonicznie w celu wzięcia udziału w niniejszym badaniu. W sumie 443 osoby, z których 72% stanowiły kobiety, a 28% mężczyźni, w wieku od 38 do 65 lat, zostały włączone do obecnego badania na podstawie ich BMI, wieku, stanu zdrowia i historii medycznej. Zespół wykluczył kobiety w ciąży, osoby spożywające antybiotyki w ciągu ostatnich trzech miesięcy oraz osoby chore na nowotwory. Poziom PA oceniano za pomocą międzynarodowego kwestionariusza PA (IPAQ), siłę uścisku dłoni oceniano za pomocą dynamometrów ręcznych, a dietę rozpatrywano za pomocą kanadyjskiego kwestionariusza historii żywienia II (CDHQ-II). Dodatkowo próbki serologiczne poddano analizie lipidomicznej. Kwas dezoksyrybonukleinowy (DNA) został wyizolowany z próbek kału i poddany analizie mikrobioty. Mikrobiotę jelitową oceniano za pomocą sekwencjonowania 16S rybosomalnego kwasu rybonukleinowego (rRNA). Różnorodność alfa obliczono przy użyciu wskaźnika różnorodności Shannona, a różnorodność beta przy użyciu metryki niepodobieństwa Bray-Curtisa. Średnia wieku uczestników badania wynosiła 57 lat, z czego 75% stanowiły kobiety. Osoby z nadwagą wykazywały większe stężenie triacylogliceroli (TG) i mniejsze stężenie lipidów lizofosfatydylocholiny (LPC), estrów cholesterolu (CE) i sfingomieliny (SM) niż osoby o prawidłowych wartościach BMI. Osoby z nadwagą wykazywały również mniejszą liczebność Oscillibacter i większą Dialister. Wpływ PA na mikrobiotę jelitową był zależny od wartości BMI. Wśród osób nieotyłych o prawidłowych wartościach BMI, większy czas trwania ćwiczeń fizycznych był związany z podwyższoną liczbą drobnoustrojów komensalnych, w tym Proteobacteria, Actinobacteria, Prevotella i Collinsella species, a zmniejszoną liczbą gatunków Verrucomicrobia. Wśród nieotyłych mężczyzn, większa siła mięśni była związana ze zwiększoną liczebnością F. prausnitzii i Faecalibacterium w porównaniu z osobami o niskiej sile mięśni. Osoby z nadwagą miały większą różnorodność alfa niż osoby z prawidłowymi wartościami BMI. Wyższy poziom PA był związany z niższą różnorodnością alfa u osób nieotyłych. Mężczyźni o normalnym BMI, ale nie kobiety, wykazywali większą obfitość Faecalibacterium związaną z wyższymi poziomami PA. Liczebność Faecalibacterium prausnitzii była większa u nieotyłych mężczyzn i kobiet z nadwagą o większej sile uścisku dłoni. Zaobserwowano ujemne korelacje pomiędzy BMI, poziomem TG i liczebnością Oscillibacter, natomiast dodatnie korelacje pomiędzy czasem trwania aktywności fizycznej, jej intensywnością, fosfatydylocholiną, LPC, lipidami CE i liczebnością Prevotella. Oscillibacter produkuje prozdrowotne metabolity, takie jak maślan, poprzez fermentację błonnika pokarmowego. Podwyższona liczba bakterii Dialister jest związana z nietolerancją glukozy i opornością na utratę wagi. Actinobacteria promują zdrowie ze względu na ich zdolności konwersji glukozy do octanu, związane z tym obniżenie poziomu cholesterolu i trawienie węglowodanów złożonych. Gatunki Collinsella poprawiają funkcje bariery jelitowej i mają właściwości przeciwzapalne ze względu na ich zdolność do produkcji maślanu. Zmniejszona liczba F. prausnitzii została powiązana z cukrzycą typu 2 i otyłością. W rezultacie wykazano, że suplementacja F. prausnitzii zwiększa sygnalizację adiponektyny, masę mięśniową i utlenianie kwasów tłuszczowych.

Jaki był wpływ COVID-19 na zachowania związane ze zdrowiem?

W najnowszym badaniu opublikowanym na serwerze preprintów medRxiv* oceniono wpływ pandemii na zachowania związane ze zdrowiem w Wielkiej Brytanii. Podczas pandemii choroby koronawirusowej 2019 (COVID-19), zdrowie publiczne i środki dystansu społecznego spowodowały wzrost bezrobocia, niepewności finansowej i izolacji społecznej. Konieczne jest zrozumienie wpływu pandemii na zdrowie psychiczne i inne zachowania związane ze zdrowiem (HRBs). Osoby radzące sobie z negatywnym środowiskiem, takim jak to podczas pandemii, często stosują szereg strategii afektywnych, poznawczych i behawioralnych. Niektóre strategie, takie jak używanie substancji, mogą tymczasowo złagodzić stres, ale w dłuższej perspektywie mogą nieść ze sobą negatywne zagrożenia dla zdrowia. W Wielkiej Brytanii, w pierwszych miesiącach blokady, Public Health England zaobserwowało wzrost odsetka osób z problematycznymi zachowaniami związanymi z piciem. Badania udokumentowały również, że w czasie pandemii więcej osób próbowało rzucić palenie, być może z powodu zamknięcia sklepów lub dlatego, że palacze byli bardziej podatni na wirusy oddechowe. Wpływ COVID-19 na ćwiczenia fizyczne jest niejasny. Biorąc pod uwagę heterogeniczność indywidualnych zachowań, w obecnym badaniu przyjęto podejście skoncentrowane na osobie, a nie na zmiennej. Dane uzyskano z dwóch krajowych podłużnych badań kohortowych, British Cohort Study z 1970 roku (BCS70) i Millennium cohort study (MCS). Zastosowano analizę powtarzanych miar klasy latentnej (RMLCA), aby zbadać, czy jakościowo różne podgrupy miały podobne trajektorie w zakresie przyrostu masy ciała, długości snu, spożycia alkoholu, upijania się i palenia. W szczególności zbadano ewolucję tych pięciu klas HRB w trzech różnych punktach czasowych. W badaniu analizowano również, czy czynniki ryzyka, takie jak smutek i samotność, przewidują przynależność do klasy. Analiza wzorców HRB została przeprowadzona w ciągu pierwszych dziewięciu miesięcy pandemii. Zidentyfikowano pięć podgrup osób o podobnych wzorcach HRBs, a także pokazano, jak przyjęcie ryzykownych HRBs różniło się w poszczególnych klasach. Nie zaobserwowano związku między ryzykownymi HRBs, wsparciem społecznym i zdrowiem psychicznym. Autorzy stwierdzili jednak, że w badanej próbie nastąpił ogólny wzrost przyjmowania niezdrowych zachowań w czasie. Wykazano, że niekorzystne doświadczenia z dzieciństwa (ACE) były predyktorem przynależności do klasy o większym prawdopodobieństwie wystąpienia ryzykownych HRBs. Stałą obserwacją we wszystkich klasach była nietypowa długość snu. Odkrycie to jest zgodne z wynikami innych badań. Podczas pandemii osoby spędzały dużo czasu przy swoich telefonach, co utrudniało sen. Zaobserwowano, że dystres psychologiczny istotnie przewidywał większe prawdopodobieństwo przynależności do klasy skłonnej do podejmowania niezdrowych zachowań. Było to szczególnie prawdziwe w przypadku klasy zwiększającej BMI i kontynuującej częste picie (EBFD). Niekorzystne wydarzenia życiowe, takie jak bezrobocie czy śmierć bliskich, również sprawiały, że osoby częściej angażowały się w ryzykowne HRB. Wyniki udokumentowane tutaj mogą być nieobiektywne ze względu na eliminację przypadków z brakującymi danymi z powodu braku odpowiedzi. Stwierdzono, że brak odpowiedzi był najbardziej prawdopodobny wśród mężczyzn z młodszymi i mniej wykształconymi rodzicami oraz tych z niższych środowisk społeczno-ekonomicznych. Ponadto, różnorodność próby mogła być ograniczona przez niemożność wdrożenia grupowania. Jest to ważne, ponieważ badania wykazały, że prawdopodobieństwo przyjęcia niezdrowych HRBs jest związane z doświadczaniem większej ilości ACEs. Podsumowując, obecne badanie rzuca światło na heterogeniczny sposób, w jaki ludzie zmienili swoje HRBs podczas pandemii COVID-19. Podkreśla to również znaczenie stosowania metod skoncentrowanych na osobie zamiast metod skoncentrowanych na zmiennej w celu badania zmiany zachowania. Identyfikacja podgrup bardziej skłonnych do angażowania się w ryzykowne HRBs może pomóc w rozwoju interwencji dostosowanych do pomocy takim osobom i poinformować o kompleksowym leczeniu. W przyszłości należy stosować bardziej reprezentatywne i zróżnicowane próby z walidowanymi miarami niekorzystnych doświadczeń z dzieciństwa. Pomogłoby to dostarczyć dalszych dowodów na rolę ACEs w podejmowaniu przez osoby ryzykownych HRBs podczas blokad. Dodatkowo, przyszłe badania powinny również sprawdzić, czy przedpandemiczne HRBs dokładnie przewidują przynależność do określonej podgrupy. Jak zaznaczono w ostatniej sekcji, eliminacja brakujących wartości mogła wpłynąć na wyniki. Oprogramowanie statystyczne używane w obecnym badaniu nie mogło wykorzystać wielokrotnych imputacji do zastąpienia brakujących wartości. Ten brak powinien zostać rozwiązany w przyszłych badaniach poprzez zastosowanie bardziej zaawansowanego oprogramowania. Pomogłoby to we włączeniu większej liczby uczestników z grup niedoreprezentowanych, dzięki czemu wyniki byłyby bardziej solidne.