Kesehatan metabolik dan kluster risiko kardiometabolik membantu merombak prediksi penyakit kardiometabolik

Orang kurus, tidak sehat secara metabolik, memiliki risiko penyakit kardiovaskular (CVD) yang lebih tinggi daripada risiko yang diamati pada orang obesitas, orang yang sehat secara metabolik. Analisis kluster baru juga mengidentifikasi heterogenitas besar dalam risiko diabetes tipe 2 dan CVD serta respons pengobatannya. Kredit: Norbert Stefan

Orang kurus, tidak sehat secara metabolik, memiliki risiko penyakit kardiovaskular (CVD) yang lebih tinggi daripada risiko yang diamati pada orang gemuk, orang yang sehat secara metabolik. Baru-baru ini, analisis klaster baru (pengelompokan orang berbasis komputer) juga mengidentifikasi heterogenitas besar dalam risiko diabetes tipe 2 dan CVD dan respons pengobatan mereka.

Temuan ini mengungkapkan bahwa mungkin ada harta karun yang sangat besar, namun tidak terdeteksi, untuk diangkat dalam bidang penelitian kardiometabolik. Dalam artikel Review di The Lancet Diabetes & Endocrinology, Norbert Stefan dari Helmholtz Munich, Pusat Penelitian Diabetes Jerman (DZD) dan Universitas Tübingen, dan Matthias B. Schulze dari Institut Nutrisi Manusia Jerman Potsdam-Rehbruecke dan DZD menyoroti bagaimana konsep stratifikasi risiko baru ini dapat membantu menerapkan pengobatan presisi dengan lebih baik dalam praktik klinis.

Di antara 20 faktor risiko global terkemuka untuk tahun-tahun kehidupan yang hilang pada tahun 2040, tiga risiko metabolik—tekanan darah tinggi, BMI tinggi, dan glukosa plasma puasa tinggi—akan menjadi variabel risiko teratas. Dibangun di atas ini dan faktor risiko lainnya, seperti kolesterol HDL rendah dan triglisida tinggi, konsep kesehatan metabolisme menarik banyak perhatian dalam komunitas ilmiah. Ini berfokus pada agregasi faktor risiko penting, yang memungkinkan identifikasi gangguan kesehatan metabolisme.

Sampai hari ini, di sebagian besar dari lebih dari 1000 penelitian yang membahas topik ini, orang dianggap sehat secara metabolik jika kurang dari 2 faktor risiko metabolik berikut—tekanan darah tinggi, glukosa plasma tinggi, kolesterol HDL rendah, dan trigliserida tinggi, atau faktor farmakologis. pengobatan untuk kondisi ini—hadir. Dengan demikian, subfenotipe, seperti orang dengan berat badan normal yang tidak sehat secara metabolik (MUHNW) dan obesitas yang sehat secara metabolik (MHO), yang sangat berbeda dalam risiko CVD, diidentifikasi.

Dalam meta-analisis Matthias Schulze, Norbert Stefan dan rekannya menemukan bahwa, dibandingkan dengan orang dengan berat badan normal yang sehat secara metabolik (MHNW), risiko CVD meningkat sebesar 45% pada orang dengan MHO dan 100% pada orang dengan MUHNW. Dalam artikel ulasan mereka saat ini, Norbert Stefan dan Matthias Schulze tidak hanya meringkas pengetahuan tentang hubungan ini, tetapi juga menyoroti definisi baru mereka tentang kesehatan metabolisme.

Mempertimbangkan faktor risiko hipertensi, diabetes, dan rasio pinggang-panggul yang tinggi, mereka menemukan dalam dua penelitian yang sangat besar (US National Health and Nutrition Examination Survey III dan UK Biobank) bahwa risiko kematian CVD meningkat 100% pada orang dengan MUHNW, tetapi tidak meningkat pada orang dengan MHO. Matthias Schulze menekankan bahwa “data ini mengungkapkan pentingnya mempertimbangkan dampak distribusi lemak tubuh untuk definisi kesehatan metabolisme.”

Norbert Stefan menambahkan, “Apakah kelompok risiko kardiometabolik yang baru juga membantu mengidentifikasi subkelompok orang dengan risiko penyakit kardiometabolik yang berbeda?” Untuk menjawab pertanyaan ini, penulis artikel Tinjauan ini membahas temuan dari pendekatan reduksi dimensi data yang paling penting yang dapat dirangkum dalam istilah ‘analisis klaster’.

Studi-studi ini sebagian besar dilakukan pada pasien dengan diabetes atau pada orang yang berisiko terkena diabetes tipe 2. Pendekatan kluster juga didasarkan pada variabel klinis yang tersedia secara rutin, tetapi dapat mencakup data yang lebih kompleks, seperti genetika. Di antara subkelompok yang berasal dari analisis kluster ini adalah orang-orang yang sebagian besar memiliki sekresi insulin rendah, resistensi insulin, perlemakan hati, obesitas visceral, diabetes terkait usia ringan, diabetes terkait obesitas ringan, atau fenotip lain yang lebih kompleks.

Norbert Stefan dan Matthias Schulze menyimpulkan “Mengenai stratifikasi risiko kardiometabolik, baik konsep kesehatan metabolik maupun pendekatan klaster tidak dianggap lebih unggul daripada model prediksi risiko yang ada. Namun, kedua pendekatan tersebut mungkin informatif untuk memprediksi risiko kardiometabolik dengan lebih baik dalam subkelompok, seperti individu dalam kategori BMI yang berbeda atau orang dengan diabetes tipe 2.”

Mereka juga menyoroti bahwa penerapan konsep oleh dokter yang merawat dan komunikasi risiko kardiometabolik dengan pasien mungkin lebih mudah untuk konsep kesehatan metabolisme. Para penulis kemudian menunjukkan bahwa menjadi sehat atau tidak sehat secara metabolik, atau ditugaskan ke kluster risiko kardiometabolik tertentu, dalam banyak kasus akan menjadi alokasi sementara.

Selain itu, mereka menyimpulkan bahwa pendekatan untuk mengidentifikasi kelompok risiko kardiometabolik telah memberikan bukti bahwa pendekatan tersebut dapat digunakan untuk mengalokasikan individu ke kelompok risiko patofisiologis tertentu. Sejauh mana alokasi ini dapat meningkatkan penilaian risiko dan respon pengobatan masih perlu dipelajari secara hati-hati.

Informasi lebih lanjut: Norbert Stefan et al, Kesehatan metabolik dan kluster risiko kardiometabolik: implikasi untuk prediksi, pencegahan, dan pengobatan, The Lancet Diabetes & Endocrinology (2023). DOI: 10.1016/S2213-8587(23)00086-4

Disediakan oleh Deutsches Zentrum fuer Diabetesforschung DZD

Kutipan: Klaster kesehatan metabolik dan risiko kardiometabolik membantu merombak prediksi penyakit kardiometabolik (2023, 8 Mei) diambil 8 Mei 2023 dari https://medicalxpress.com/news/2023-05-metabolic-health-cardiometabolic-clusters-remodel .html

Dokumen ini tunduk pada hak cipta. Terlepas dari kesepakatan yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.