Biegowelove.pl

informacje o Polsce. Wybierz tematy, o których chcesz dowiedzieć się więcej

Tendencje w lukach nierównowagi energetycznej u dorosłych w Belgii w ciągu dwóch dekad przy użyciu modelowania dynamiki systemu | Odżywianie BMC

Zastosowaliśmy nową metodę opracowaną w System Dynamics [16] Powiązać dynamikę mikropoziomu BMI jednostek z dynamiką makropoziomu rozkładu BMI w populacji. Od tego czasu, w oparciu o belgijskie wywiady dotyczące zdrowia [3]Tendencje dotyczące nadwagi i otyłości różniły się między dorosłymi mężczyznami i kobietami (w wieku 20–74 lat), a w głównych regionach podzieliliśmy populację belgijską najpierw na dwie podgrupy w zależności od płci (mężczyzn i kobiet), a następnie na sześć subpopulacji w oparciu o w ich regionie Major (Flandria, Walonia, Bruksela) i rodzaju. Oszacowaliśmy trendy EIG i MEG dla każdej subpopulacji.

Dla każdej subpopulacji najpierw podzieliliśmy zakres możliwych wartości BMI na 14 różnych działów lub kategorii (np. (15,18](18,20](20,23]…, [65,68]), z których każdy reprezentuje odrębny zasób. Każde stado obejmuje część populacji, której BMI mieści się w zakresie BMI związanym z tym stadem.

Przypisaliśmy hipotetycznego reprezentatywnego osobnika do każdego stada, gdzie BMI reprezentatywnej osoby było średnią przedziału BMI związanego z tym stadem.

Modelowaliśmy dynamikę przyrostu i utraty masy ciała dla każdego reprezentatywnego osobnika za pomocą Halla i in. Model [11] Metabolizm dorosłych i dynamika masy ciała. Przyrost/utrata masy ciała została modelowana dla reprezentatywnych osób w wyniku braku równowagi między ich poborem energii a wydatkami energetycznymi, co jest reprezentowane przez ich EIG.

Jako reprezentatywny osobnik powiązany z każdą klasą BMI (stado) przybierał na wadze / tracił na wadze, pchnął populację z tego stada do sąsiednich klas BMI, powodując przesunięcie rozkładu BMI w czasie. Tempo zmian BMI dla reprezentatywnych osób określało szybkość, z jaką rozkład BMI w populacji przesuwał się w prawo lub w lewo.

dla każdej subpopulacji JEIG reprezentatywnej osoby związanej z każdą kategorią BMI k (k = 1, …, 14) Kiedykolwiek R (R = 1997, …, 2018 (jako funkcja bilansowego wydatku energetycznego)każdy
jk) i mnożnik przerwy energetycznej (\({\mu}_{jkt}\)), jak pokazano w równaniu. (1). Równoważny wydatek energetyczny dla każdej reprezentatywnej osoby związanej z kategorią BMI k Pokazuje energię potrzebną do normalnej aktywności i utrzymania masy ciała.

READ  Izolacja społeczna zwiększa ryzyko demencji o 26% i zmniejsza mózg

$$EIG_{jkt}=EI_{jkt}-EE_{jk}=\mu_{jkt}\; \ast\; EE_{jk}$$

(1)

Następnie obliczyliśmy pobór energii reprezentatywnej osoby dla klasy BMI k(\({EI}_{jkt}\)) poprzez dodanie luki nierównowagi energetycznej \({EIG}_{jkt}\) dla bilansowego wydatku energetycznego \({EE}_{jk}\). Modelowaliśmy lukę nierównowagi energetycznej \({\mu}_{jkt}\) w funkcji czasu i kategorii BMI oraz interakcji między nimi, jak pokazano w równaniu. (2). Zdefiniowaliśmy ogólne modele, aby umożliwić elastyczne, nieliniowe relacje między czasem a BMI w modelu.

$$\start{array}{c}\mu_{jkt}=BMI\; Efekt_{jk} + Czas\; Efekt_j + Interakcja \; z \; czas\; I \; BMi\; Efekty_{jk}\\BMI\; Effect_{jk}=\beta_{1j+}\beta_2BMI_{jk}+\beta_{3j}\left(BMI_{jk} \right)^{\beta_{4j}}\\Czas\; Efekt_j = \beta_{5j} Czas + \beta_{6j}\left (Czas \right)^2 \beta_{7j}\left (Czas \right)^3 \\ Interakcja \; efekt_{jk}=\beta_{8j}BMI_{jk}czas\end{set}$$

(2)

Aby upewnić się, że model dynamiki systemu był demograficznie reprezentatywny dla dorosłej populacji w Belgii, modelowaliśmy również śmiertelność i tempo przejścia od dzieciństwa (osoby 19-letnie) do dorosłości dla każdej kategorii BMI. Aby uwzględnić zróżnicowaną śmiertelność związaną z bardzo niskim lub bardzo wysokim BMI, wykorzystaliśmy krzywe korekty śmiertelności opracowane przez Graya [17].

Należy zauważyć, że w literaturze omówiono różne ścieżki przyczynowe dla modeli otyłości [18]. Jedna ścieżka przyczynowa, która została również wykorzystana w tym artykule, opiera się na pierwszej zasadzie termodynamiki i stwierdza, że ​​aby zwiększyć magazynowanie tłuszczu w tkance tłuszczowej, musi istnieć dodatnia luka w nierównowadze energetycznej [11, 19]. W tym poglądzie, powszechnie akceptowanym w literaturze, dodatnia luka w bilansie energetycznym jest (przyczyną) wzrostu masy tłuszczowej. Innym szlakiem przyczynowym jest model węglowodanowo-insulinowy [18, 20, 21]. W tym modelu odpowiedź hormonalna na wysoko przetworzone węglowodany prowadzi do zwiększonego odkładania energii w tkance tłuszczowej. Wtedy narastająca otyłość prowadzi do przejadania się. W modelu węglowodanowo-insulinowym dodatnia nierównowaga energetyczna następuje za magazynowaniem lipidów w tkance tłuszczowej [18]. Hall i in. Model [11] Z dorosłego metabolomu, który został użyty w naszym modelu do uchwycenia dynamiki masy ciała reprezentatywnych osobników, pierwszy widok. Zatem ustalenia, dyskusja i wnioski przedstawione w dalszej części tego artykułu opierają się na pierwszym poglądzie na temat przyczynowych ścieżek otyłości.

READ  Jak wiele szkód wyrządzają media społecznościowe umysłowi wrażliwego nastolatka?

kalibrowanie

Wykorzystaliśmy dane przekrojowe z sześciu belgijskich wywiadów zdrowotnych z lat 1997, 2001, 2004, 2008, 2013 i 2018, aby uzyskać rozkład BMI na poziomie populacji w wieku od 20 do 74 lat dla różnych subpopulacji w tym badaniu. Pierwsza edycja HIS została przeprowadzona w 1997 roku dla populacji ogólnej. Od tego czasu był powtarzany okresowo aż do szóstej edycji w 2018 r. Jednym z głównych celów systemu informacji zdrowotnej jest mierzenie stanu zdrowia populacji w Belgii, z uwzględnieniem również trzech subpopulacji regionalnych (we Flandrii , Walonii i Brukseli-stolicy). W oparciu o obliczenia liczebności próby, łączną liczbę uczestników, którzy pomyślnie przeszli próbę podstawową, ustalono na ogół na 10 000 (3500 dla Flandrii, 3500 dla Walonii, 300 dla wschodniej Belgii i 3000 dla Brukseli). Do doboru próby zastosowano zmienny wieloetapowy projekt. Więcej szczegółów na temat projektu badania i doboru próby można znaleźć gdzie indziej [22]. Dane są gromadzone w HIS za pomocą dwóch standardowych kwestionariuszy: (1) kwestionariusz przeprowadzany w ramach wywiadu bezpośredniego oraz (2) kwestionariusz papierowy rozdawany uczestnikom do samodzielnego wypełnienia. Wzrost i waga uczestników są zgłaszane przez samych uczestników i zbierane za pomocą osobistego kwestionariusza. Dane dotyczące wskaźników przejścia z okresu dojrzewania (19 lat) do dorosłości (20 do 74 lat) uzyskano również z HIS. Wszystkie ankiety HIS zostały zatwierdzone przez Urząd ds. Ochrony Danych w Belgii oraz Komisję Etyki Szpitala Uniwersyteckiego w Gandawie. Uczestnicy wyrazili pisemną świadomą zgodę. Dane dotyczące śmiertelności z jakiejkolwiek przyczyny uzyskano z belgijskiego projektu monitorowania śmiertelności (Be-Momo). [23].

Dla każdej subpopulacji zainicjowaliśmy model przy użyciu danych dystrybucji BMI uzyskanych z pierwszego HIS (tj. 1997). Model został następnie poddany symulacji w 2018 roku. Zastosowaliśmy metodę największej wiarygodności do oszacowania parametrów beta EIG (a tym samym oszacowania EIG), tak aby rozkład BMI wygenerowany przez model był jak najbardziej zbliżony do rozkładu BMI uzyskanego z danych dotyczących zdrowia system informacyjny we wszystkich latach, dla których dostępne były dane (np. 1997, 2001, 2004, 2008, 2013, 2018). Ogólna funkcja logarytmu wiarygodności podsumowuje logarytm wartości prawdopodobieństwa w latach badania.

READ  Radioterapia niskodawkowa chroni młode pacjentki z rakiem piersi przed nawrotami choroby

Zastosowaliśmy nieliniową metodę optymalizacji, aby znaleźć parametry beta EIG, tak aby zmaksymalizować całkowitą logarytmiczną funkcję wiarygodności.

Szacunkowe parametry beta przedstawiono w Tabeli 1. Obliczyliśmy również MEG dla każdej subpopulacji, aby przedstawić wzrost spożycia energii potrzebnej do utrzymania wyższej średniej masy ciała podzielonej przez jeden w 1997 roku.

Tabela 1. Parametry modelu oszacowane w drodze kalibracji dla wszystkich subpopulacji

Aby zweryfikować nasze wyniki, wykorzystaliśmy test dobroci dopasowania Kołmogorowa-Smirnowa dla pojedynczej próby, aby sprawdzić, czy rozkład BMI symulowany przez model dynamiki systemu różni się od rozkładu BMI obserwowanego w ankietach. Tabela 2 przedstawia wyniki testu Kołmogorowa-Smirnowa. Przetwarzanie danych wykonaliśmy za pomocą Stata wersja 14 (StataCorp, College Station, TX, USA) oraz wszystkie symulacje i optymalizacje za pomocą Vensim™ (Ventana Systems, Inc., Harvard, MA, USA).

Tabela 2: Wyniki testu jakości dopasowania KS dla wszystkich subpopulacji w Belgii