Субекти

Резюме

Въведение

Резултати и дискусия

Предварителни периоди и оценка на относителните нива на доверие на предишните периоди

макронутриенти

Очакваните оптимални периоди на приоритет за 5 макроелемента в четири периода на живот с относителна последователност на нивата на доверие на определяне. CH - въглехидрати, P - протеин, SF - наситени мазнини, MUF - мононенаситени мазнини, PUF - полиненаситени мазнини. Три звезди - най-висока увереност, без звезда - най-ниска увереност.

Предсказване на пропорциите на макронутриенти

Таблица 1. представя резултатите от изхода „Калкулатор“, т.е. предвидени пропорции на макронутриенти в проценти от еквивалента на енергия и в грамове в диетата, мащабирани до 2000 kcal. Тези данни се сравняват с процента енергиен еквивалент на средните наличности и средните наличности в грамове за даден период от живота, мащабирани също до диета от 2000 kcal. Това сравнение посочва необходимостта от намаляване на приема на протеини в ранна средна и късна средна възраст наполовина. Тези прогнози са придружени от високи или най-високи нива на доверие за определяне на приоритетните периоди. Промяната се компенсира от леко увеличение на всички останали хранителни вещества. В късната възраст предсказваме по-висока от историческата консумация на протеини, докато през младостта прогнозата е почти равна на средната наличност в този период от живота.

Оптималната диета

Уанг и др. 25 съобщават за връзки между специфичните видове прием на мазнини и общата смъртност. Те откриха положителни връзки на увеличения прием на наситени мазнини с общата смъртност, докато увеличаването на приема на мононенаситени и полиненаситени мазнини беше отрицателно свързано със смъртността. Нашите прогнози се класират в рамките на най-високите квинтили в Уанг и др. или малко над за всички видове мазнини. Смятаме, че потенциалното влияние върху смъртността на увеличения прием на наситени мазнини, което прогнозираме, се уравновесява от увеличения прием на ненаситени мазнини.

В настоящата статия използвахме глобална оптимизация на пет макронутриенти de novo, докато в предишната статия 13 глобалната оптимизация беше извършена върху три макронутриента (обща мазнина вместо специфични видове мазнини). Интересно е, че сравнението на резултатите за прогнозираното съдържание на въглехидрати и протеини е сходно, което засилва надеждността на нашите резултати.

Ограничения на нашите изследвания

Заключения

Предполагаме, че пропорциите на макронутриенти в диетата в четири периода на живот (младост, ранна средна възраст, късна средна възраст, късна възраст) трябва да се различават, особено по отношение на приема на протеини. По-конкретно, ние постулираме, че приемът на протеини в ранна средна и късна средна възраст трябва да бъде намален наполовина в сравнение с историческата консумация в САЩ. И обратно, в късната възраст приемът на протеини трябва да се увеличи над историческата консумация. Ние постулираме, че прилагането на тези промени в консумацията на протеин през целия живот на индивида ще действа профилактично срещу развитието на АД и вероятно ще удължи здравословния период и продължителността на живота

Методи

Графичното представяне на променливостта на входните данни във времето е представено на фиг. 2

Променливостта на оригинал 13 и времевият ход на наличността на специфични видове мазнини (g на ден на глава от населението) в периода 1929–2005. За числени данни вижте SI Dataset S1 (A) Наситените мазнини, (Б.) мононенаситени мазнини, (° С) полиненаситени мазнини. Времевите курсове на наличността на общите мазнини, въглехидрати и протеини спрямо Roriginal са представени в статията на Studnicki и др. 13. Пълни квадратчета - Оригинални, празни ромби-специфични видове мазнини.

Диаграми на потока на „Калкулатора“

Диаграма 1. Обща процедура.

Блок-схема 2. Процедура за глобална оптимизация.

Диаграма 3. Процедура за изчисляване на оптималната диета по отношение на пропорциите на макроелементите.

GAM анализ

Изчисляването на оптималната диета се основава на линейна връзка между Roriginal (както се предвижда променлива) и макронутриенти (в грамове дневни наличности на глава от населението) с отделни видове мазнини (като прогностична променлива), моделирани с използване на генерализирани адитивни модели (GAM) За разлика от модела на множествена регресия, GAM не приемат линейността и нормалността на разпределението на грешките. GAM се използват чрез моделиране на очакваната стойност на Roriginal, както следва:

където: α е прихващане; f1, f2, f3, f4 и f5 са неизвестни гладки непараметричен функции. За да получим по-лесно заключение и състав на нова диета, използвахме линеаризирани гладки функции, описани в 29. GAM беше монтиран с помощта на функцията гам от опаковката mgcv в R среда (версия 3.5.1; R Development Core Team, 2019) 30 .

Определяне на нивата на доверие за периоди на приоритет, изчислени от глобалната оптимизация

Номенклатурата, използвана в настоящия доклад:

Оригинал - Коефициенти на корелация от статията на Stępkowski и др. 14 коригиран в 13. Обозначава корелация между PCPI (личен доход на глава от населението) от 1929–2005 г. и AADR от 2005 г. (адаптирани към възрастта смъртности) от болестта на Алцхаймер (AD) за всеки щат на САЩ.

Роптимално - Максималният R, получен от GAM анализ, използващ глобална оптимизация на периодите на приоритет.

Rпредсказан - Коефициентът на корелация, изчислен от уравнението на калкулатора, съответстващ на коефициентите на хранителни вещества, получени от глобална оптимизация, използвайки дискретни стъпки на количествата на всички хранителни вещества.

Означава - средна стойност на всички R, изчислени от глобалната оптимизация за дадено хранително вещество и даден период на предимство за него в един от периодите от живота.

SD на Rmean - стандартно отклонение за Rmean.

ИГРА - Генерализирани адитивни модели.

Енергийна разлика - Разлика между енергийните еквиваленти на средната диета за даден период и предвидената диета, изчислена като сбор от разлики за всяко хранително вещество. Ако приемем 4 kcal за 1 g въглехидрати и протеини и 9 kcal за 1 g мазнини.

Глобална оптимизация - GAM анализ на всички комбинации от периоди на приоритет за всички хранителни вещества, започвайки от 0, -1, -2 ....... . до -20 години. Той дава 4084101 комбинации от набори от периоди на приоритет.

Оптимално предсказана диета - диета, съответстваща на минимална енергийна разлика.

Прецедентни периоди - периоди със стъпки назад, равни на една година от 0 до -20 години.

Среден период на предимство - среден период на предимство, получен от периоди, изчислени по три критерия: оптимален период на предимство за дадено хранително вещество - съответстващ на Roptimal, максимален Rmean, минимум SD на Rmean.

SD на средния период на приоритет - стандартно отклонение на средния период на предимство.

Оптимален период на предимство за дадено хранително вещество - период на приоритет, съответстващ на Roptimal.

Периоди от живота: младост - съответства на периода 1929–1949 г .; ранна средна възраст - съответства на периода 1949–1970; късна средна възраст - съответства на периода 1970–1990; късна възраст - съответства на периода 1990–2005.

Относителна последователност на доверието - Последователността на нивата на доверие, с които се определят приоритетните периоди, както е описано в глава „Определяне на нивата на доверие ... .“.

Наличност на данни

Входните данни и резултатите от изчисленията са налични във файловете с допълнителна информация. Софтуерът, написан за целите на изчисленията, използван в този проект, се депозира в публични хранилища https://bitbucket.org/seventm/fsproj_alzheimeroptimaldiet и https://github.com/seventm/fsproj_alzheimeroptimaldiet/releases/tag/v1.0, https: //doi.org/10.5281/zenodo.3574598. Всички други данни се предоставят от авторите при поискване.

Препратки

Mirzaei, H., Suarez, J. A. & Longo, V. D. Рестрикция на протеини и аминокиселини, стареене и болести: от дрожди до хора. Тенденции в ендокринола. & Metab. 25, 558–566 (2014).

Фонтана, Л. и Партридж, Л. Насърчаване на здравето и дълголетието чрез диета: от моделни организми до хора. Клетка 161, 106–118 (2015).

Simpson, S. J., Le Couteur, D. G. & Raubenheimer, D. Връщане на баланса в диетата. Клетка 161, 18–23 (2015).

Kelly, O., Gilman, J. & Ilich, J. Използване на съотношенията на хранителните хранителни вещества в хранителните изследвания: Разширяване на концепцията за съотношенията на хранителните вещества до макронутриентите. Nutr. 11., 282 (2019).

Brandhorst, S. & Longo, V. D. Диетични ограничения и хранене при профилактика и лечение на сърдечно-съдови заболявания. Циркулационни изследвания 124, 952–965 (2019).

Solon-Biet, S. M. и др. Съотношението на макронутриентите, а не на калорийния прием, диктува кардиометаболитното здраве, стареене и дълголетие при мишки, хранени с либит. Cell Metab. 19., 418–430 (2014).

Solon-Biet, S. M. и др. Макронутриенти и калориен прием в здравето и дълголетието. J. Ендокринол. 226, R17–28 (2015).

Solon-Biet, S. M. и др. Баланс на макроелементите, репродуктивна функция и продължителност на живота при застаряващи мишки. Proc. Natl. Акад. Sci. САЩ 112, 3481–3486 (2015).

Лонго, В. Д. Програмирано дълголетие, младост и ювентология. Старееща клетка 18., e12843 (2019).

Miyagi, S., Iwama, N., Kawabata, T. & Hasegawa, K. Дълголетие и диета в Окинава, Япония: миналото, настоящето и бъдещето. Asia Pac. J. Обществено здраве 15(Допълнение), S3–9 (2003).

Le Couteur, D. G. и др. New Horizons: Диетични протеини, стареене и съотношението на Окинава. Възраст и стареене 45, 443–447 (2016).

Studnicki, M., Woźniak, G. & Stępkowski, D. The Calculator of Anti-Alzheimer’s Diet. Макронутриенти. PLOS ONE 11., e0168385 (2016).

Studnicki, M., Woźniak, G. & Stępkowski, D. Корекция: Калкулаторът на диетата срещу Алцхаймер. Макронутриенти. Plos One 13, e0209723 (2018).

Stępkowski, D., Woźniak, G. & Studnicki, M. Корелация на смъртността от болестта на Алцхаймер с исторически личен доход на глава от населението в САЩ. Plos One 10, e0126139 (2015).

GBD 2017 Диетични сътрудници. Ефекти върху здравето от диетичните рискове в 195 страни, 1990–2017: систематичен анализ за изследването на Глобалната тежест на заболяванията 2017. Лансет., https://doi.org/10.1016/S0140-6736(19)30041-8 (2019)

Ioannidis, J. P. A. Предизвикателството на реформирането на хранителните епидемиологични изследвания. ДЖАМА 320, 969 (2018).

Trepanowski, J. F. & Ioannidis, J. P. A. Перспектива: Ограничаване на зависимостта от нерандомизирани проучвания и подобряване на рандомизирани опити в изследванията на човешкото хранене: Защо и как. Напредък в Nutr. 9, 367–377 (2018).

Hu, F. B. & Willett, W. C. Текущ и бъдещ пейзаж на хранителните епидемиологични изследвания. ДЖАМА 320, 2073 (2018).

Ben-Shlomo, Y. & Kuh, D. Подход на жизнения курс към епидемиологията на хроничните заболявания: концептуални модели, емпирични предизвикателства и интердисциплинарни перспективи. Международна J. Епидемиол. 31, 285–293 (2002).

Динг, Б. и др. Връзката между приема на макронутриенти и познанието при лица на възраст под 65 години в Китай: проучване в напречно сечение. BMJ Open 8, e018573 (2018).

Ланди, Ф. и др. Прием на протеини и мускулно здраве в напреднала възраст: от биологична правдоподобност до клинични доказателства. Nutr. 8, 295 (2016).

Nowson, C. A., Service, C., Appleton, J. & Grieger, J. A. Влиянието на диетичните фактори върху индексите на хронични заболявания при възрастни хора: Систематичен преглед. J. Nutr. Стареене на здравето 22., 282–296 (2018).

Старши, А. М. и др. Съдържание на хранителни макронутриенти, специфична за възрастта смъртност и продължителност на живота. Proc. R. Soc. Б. 286, 20190393 (2019).

Зайделман, S. B. и др. Диетичен прием на въглехидрати и смъртност: проспективно кохортно проучване и мета-анализ. The Lancet. Общественото здраве 3, e419 – e428 (2018).

Уанг, Д. Д. и др. Асоциация на специфични диетични мазнини с обща и специфична смъртност. JAMA Стажант. Med. 176, 1134–1145 (2016).

Levine, M. E. и др. Ниският прием на протеин е свързан с голямо намаляване на IGF-1, рак и обща смъртност при 65 и по-младо, но не и по-старо население. Клетъчен метаболизъм 19., 407–417 (2014).

Уол, D. и др. Сравняване на ефектите от диети с ниско съдържание на протеини и високо съдържание на въглехидрати и калорично ограничение върху стареенето на мозъка при мишки. Клетъчни отчети 25, 2234–2243.e6 (2018).

Godfray, H. C. J. и др. Консумация на месо, здраве и околна среда. Sci. 361, eaam5324 (2018).

Wood, S. N. Генерализирани адитивни модели: въведение с R. (Chapman & Hall/CRC, 2006).

Екип на R Core R: Език и среда за статистически изчисления. (2019).

Благодарности

Авторите благодарят на Варшавския университет за науки за живота и Института по експериментална биология Ненки за финансовата подкрепа. Признава се помощта и постоянното насърчение от Grażyna Woźniak. Авторите благодарят на проф. Ewa Sikora и д-р Tomasz M. Stępkowski за критичното четене на ръкописа.

Информация за автора

Принадлежности

Департамент по биометрия, Варшавски университет за науки за живота-SGGW, ул. Nowoursynowska 159, 02-776, Warszawa, Полша

Вилични системи, ул. Broniewskiego 10, 05-850, Duchnice, Полша

Конрад Й. Дембски

Лаборатория за молекулярна основа на клетъчната подвижност, Институт по експериментална биология Ненки, ул. Pasteura 3, 02-093, Warszawa, Полша

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Вноски

Д.С. и М.С. проектира изследователския проект. ГОСПОЖИЦА. предложи статистическите методи. К.Д. написа софтуера. ГОСПОЖИЦА. и К.Д. извърши изчисленията. Д.С. и М.С. написа ръкописа. ГОСПОЖИЦА. подготвени Фигури. Всички автори прегледаха и приеха ръкописа.

Автора за кореспонденция

Етични декларации

Конкуриращи се интереси

Авторите не декларират конкуриращи се интереси.

Допълнителна информация

Бележка на издателя Springer Nature остава неутрален по отношение на юрисдикционните претенции в публикувани карти и институционални принадлежности.