24 اکتبر 2024 - چاقی یکی از علل شایع دیابت، بیماری قلبی و مرگ زودهنگام است، اما خطر ابتلا به آن در افراد مختلف بسیار متفاوت است. محققان یک الگوریتم پیش‌بینی خطر بالینی ابداع کرده اند که چاقی را به 5 نمایه تشخیصی جداگانه تقسیم می‌کند که هر کدام با پیامدهای سلامتی و الزامات درمانی متفاوتی همراه هستند.
چاقی، یک بیماری عودکننده ی پیچیده و مزمن است که با تجمع غیرطبیعی و/یا بیش از حد چربی تعریف می‌شود که خطری برای سلامتی ایجاد می‌کند. بر اساس گزارش سازمان جهانی بهداشت، حداقل 2.8 میلیون نفر در سال بر اثر عوارض چاقی جان خود را از دست می دهند. چاقی در بزرگسالان از سال 1990 بیش از دو برابر شده است و سازمان بهداشت جهانی در سال 2022تخمین زد که 890 میلیون بزرگسال در جهان به چاقی مبتلا هستند. دکتر عبد طاهرانی، عضو هیئت مشاوران بیمارIMI SOPHIA می گوید: «این آمار معادل یک نفر از هر 8 نفر در کره زمین است».
پروفسور کارل لو روکس، استاد پزشکی متابولیک از دانشگاه کالج دوبلین، توضیح داد: ما به عنوان پزشکان در هنگام تعیین اینکه چه کسانی با چاقی بیشتر در معرض عوارض چاقی هستند و چه کسانی را برای درمان در اولویت قرار دهیم، با یک چالش بزرگ روبرو هستیم. پزشکی دقیق، ایجاد پیشرفت در پیش بینی، پیشگیری، تشخیص و درمان بسیاری از بیماری ها، می تواند به رفع این چالش ها کمک کند.
در مقاله ای از کنسرسیوم IMI SOPHIA که در مجله Nature Medicine منتشر شده است، یک الگوریتم پیش بینی دقیق جدید شرح داده شده است که زیرشاخه هایی از چاقی را نشان می دهد که قبلاً ناشناخته بودند و خطر ابتلا به دیابت نوع 2 و بیماری قلبی را افزایش می دهند.
پروفسور ایوان پیرسون، استاد پزشکی دیابت از دانشگاه داندی، افزود: "در سطح جمعیت، سنگین‌تر بودن عموماً برای سلامتی بدتر است. اما وقتی با دقت بیشتری در سطح فردی نگاه کنید، الگوهای پیچیده‌تری وجود دارد که می‌توان از آنها برای بهبود پیش‌بینی بیماری استفاده کرد."
نویسنده اصلی این مقاله، دکتر دانیل کورال، از مرکز دیابت دانشگاه لوند در سوئد، گفت: «میزان چربی یا قند خون، برای مثال، می‌تواند بسیار بیشتر یا کمتر از آن چیزی باشد که با توجه به وزن بدن آنها به تنهایی انتظار می‌رود، که به نوبه خود بر خطر ابتلا به عوارض چاقی تأثیر می‌گذارد». کورال توضیح داد: "این مورد توسط ابزارهای استاندارد پیش بینی بالینی نادیده گرفته می شود، به این معنی که از هر 5 نفر که ممکن است به مداخلات اولیه نیاز داشته باشد، 1 نفر نادیده گرفته می شود. الگوریتمی که ما ایجاد کرده ایم ممکن است به پزشکان و بیماران در آینده کمک کند."
این تحقیق بر روی 170000 بزرگسال از بریتانیا، هلند و آلمان متمرکز بود که اطلاعات بالینی دقیقی از آنها در دسترس بود. محققان با استفاده از یک روش هوش مصنوعی به نام "یادگیری ماشینی" الگوریتم های قدرتمندی را توسعه دادند که چاقی را به 5 نمایه تشخیصی جداگانه با خطر متفاوت ایجاد عوارض چاقی تقسیم نمود.
نویسنده ارشد این مقاله، پرفسور پل فرانک، استاد اپیدمیولوژی ژنتیک در مرکز دیابت دانشگاه لوند، گفت: چاقی هم رایج و هم ناهمگن است، به این معنی که خطرات سلامتی که یک فرد مبتلا به چاقی با آن مواجه می‌شود ممکن است به‌طور قابل ملاحظه‌ای با خطراتی که فرد چاق دیگری با آن مواجه است متفاوت باشد. تشخیص اینکه چه کسی در معرض بیشترین خطرات سلامتی قرار دارد مهم است زیرا ممکن است منجر به پیشگیری و درمان دقیق‌تر و به موقع، شود."
این تحقیق توسط دانشمندان مرکز دیابت دانشگاه لوند در سوئد و مرکز زیست شناسی سیستم های ماستریخت و مرکز پزشکی دانشگاه اراسموس ام سی در هلند با همکاری سایر محققان کنسرسیومIMI SOPHIA هدایت شد.
نتایج بدست آمده از این تحقیق
• بیشتر افراد (80 درصد) دارای نشانگرهای سلامتی بودند که با وزن بدنشان مطابقت داشت.
• حدود 8 درصد از زنان فشار خون بالاتری نسبت به وزن خود داشتند که با کلسترول «خوب»(HDL) بالاتر و نسبت دور کمر به باسن(WHR) پایین‌تر همراه بود، که به این معنی است که چربی بیشتری در باسن و چربی کمتری در دور کمرشان نسبت به وزنشان داشتند. این در مردان دیده نشد.
• حدود 5 درصد از زنان و 7 درصد از مردان دارای کلسترول «بد» بالا(LDL)، تری گلیسیرید بالا (چربی خون)،WHR بالا (چربی بیشتر در اطراف کمر) و فشار خون بالاتر از حد انتظار برای وزنشان بودند.
• حدود 5% دارای آنزیم های کبدی بالا (ALT) و WHR بالا برای وزن خود بودند.
• حدود 4% التهاب بالاتری نسبت به وزن مورد انتظار(اندازه گیری شده توسط CRP) نشان دادند.
• حدود 2.5 درصد قند خون بالا و LDL کمتری نسبت به وزن خود داشتند.
منبع:
https://www.sciencedaily.com/releases/2024/10/241024131908.htm