CC BY
15
глюкоза (Cut-off) >6,0 ммоль/л, ИМТ (Cut-off) >27 кг/м2, ЛПВП (Cut-off) >0,9 ммоль/л, ТГ (Cut-off) >1,4 ммоль/л, АД >150/90 мм рт.ст. У женщин в окончательную модель риска развития СД2 вошли предикторы, отличные от выявленных у мужчин: ОТ (Cut-off) >95 см, глюкоза (Cut-off) >5,7 ммоль/л, ТГ (Cut-off) >1,5 ммоль/л, АД >135/90 мм рт.ст., ИМТ (Cut-off) >32 кг/м2 [13].
Методы
Выделение ДНК из крови проводилось методом фенол-хлороформной экстракции. Выбор генов-кандидатов определялся известными данными о связи их полиморфизмов с СД2. Также при выборе генов-кандидатов учитывались возможные механизмы их реализации в патогенезе СД2. Детекцию полиморфизма rs13266634 гена SLC30A8 и полиморфизма rs17782313 гена MC4R проводили методом полимеразной цепной реакции с последующим анализом полиморфизма длин рестрикционных фрагментов.
Для генотипирования rs 13266634 гена SLC30A8 использовали праймеры: 5'-GTCAGAGCAGTCGCCCAT-3'(F) и 5'-CCTGGTCAACTGGAGATTCCA-3'. Амплификацию проводили в следующем температурном режиме: 33 цикла, включающих денатурацию 95°С 30 с, отжиг праймеров 56°С 30 с и элонгацию 72°С 30 с. Рестрикцию проводили с 5 ед. рестриктазы MspI («СибЭнзим», Новосибирск) с сайтом распознавания CTCGG GGCjC при 37°С в течение 16 ч. Детекцию продуктов амплификации и рестрикции осуществляли методом электрофореза в 4% по-лиакриламидном геле с последующим окрашиванием бромистым этидием. Размер продукта амплификации составлял 171 п.н. После проведения рестрикции при генотипе ТТ детектировался продукт 101 п.н., 70 п.н., при генотипе СС — продукт 171 п.н., при гетерозиготном генотипе CT — продукты 171 п.н., 101 п.н. и 70 п.н.
Для генотипирования rs17782313 гена MC4R использовали модифицированную методику S. Abbas и соавт. (2015 г.) [12], праймеры: 5'-AAGCAGGAGAGATTGTATCT-3'(F) и 5'-GCTGAGACAGGTTCATAAAA-3'(R). Амплификацию проводили в следующем температурном режиме: 35 циклов, включающих денатурацию 95°С 30 с, отжиг праймеров 60°С 30 с, элонгацию 72°С 30 с. Рестрикцию проводили с 5 ед. рестриктазы Taq I («СибЭнзим», Новосибирск) при 37°С в течение 16 ч. Детекцию продуктов амплификации и рестрикции осуществляли методом электрофореза в 4% полиакриламидном геле с последующим окрашиванием бромистым этидием. Размер продукта амплификации составлял 208 п.н. После проведения рестрикции
при генотипе TT детектировался продукт 208 п.н., при генотипе CC — продукт 187 п.н., при гетерозиготном генотипе TC — 208 п.н. и 187 п.н.
Статистический анализ
Статистическая обработка проведена с использованием пакета статистических программ SPSS 16.0. Оценку соответствия частот генотипов равновесию Харди-Вайнберга проводили с использованием критерия х2. Достоверность различий частот генотипов между группой СД2 и контрольной группой рассчитывали с использованием критерия х2 по Пирсону и точного двустороннего критерия Фишера с поправкой Йейтса на непрерывность. В качестве уровня значимости использовали р<0,05. Для составления статистических моделей оценки риска применялась бинарная логистическая регрессия с функцией последовательного включения признаков. Выполнен анализ частот генотипов и аллелей изучаемых полиморфизмов генов (SLC30A8 и MC4R) в группе СД2 и группе контроля. Дополнительно эти частоты оценивались отдельно у мужчин и женщин в возрасте до 55 лет и 55 лет и старше. Также проведен мультивариантный логистический регрессионный анализ с включением исследуемых полиморфизмов генов и факторов риска (в виде непрерывных переменных) из модели, предложенной С.В. Мустафиной и соавт., отдельно для мужчин и женщин [13].
Этическая экспертиза
Проект HAPIEE одобрен этическим комитетом НИИ терапии СО РАМН (протокол №1, от 14.03.2001). Все обследованные давали письменное информированное согласие на участие в исследовании.
РЕЗУЛЬТАТЫ
Группа СД2 составила 443 человека (29,6% мужчин и 70,4% женщин), средний возраст на момент первого скрининга 56,2±6,7 года, с подтвержденным диагнозом нового случая СД2. В качестве контроля отобраны 532 человека (32,7% мужчин и 67,3% женщин) с отсутствием диабета, средний возраст 56,1±7,1 года.
Наблюдаемые частоты генотипов ОНП rs13266634 гена SLC30A8 и rs17782313 гена MC4R в контрольной группе соответствуют ожидаемым частотам согласно равновесию Харди-Вайнберга (х2=0,52 и х2=1,30 соответственно; табл. 1).
Таблица 1. Частоты генотипов изучаемых полиморфизмов в группах с сахарным диабетом 2 типа и без него
Группа СД2 Контрольная группа
Ген Генотип -
п % П %
СС 27 6,1 54 10,2
Б1С30А8 СТ 191 43,2 242 45,6
ТТ 224 50,7 235 44,2
ТТ 273 62,0 336 64,7
МС4Я ТС 153 34,8 158 30,5
СС 14 3,2 25 4,8
Примечание: п — число индивидов
70 60 50 40 30 20 10 0
62,0
64,7
34,8
30,5
3,2
4,8
СД2
Контроль
ТТ
ТС
СС
Рисунок 1. Сравнение частот генотипов полиморфизма гз17782313 гена МС4Я в группе сахарного диабета 2 типа и в контрольной группе.
По частотам генотипов и аллелей полиморфизма rs17782313 гена MC4R не выявлено статистически значимых различий между группами, в том числе и при разделении по полу и возрасту (p>0,05); рис. 1.
Были построены многофакторные дисперсионные модели, где полиморфизм rs17782313 гена MC4R являлся детерминированной факторной переменной, возраст — ковариатой, а в качестве зависимых переменных были последовательно тестированы ИМТ, общий холестерин сыворотки крови, альфа-холестерин, холестерин ЛПНП, ТГ и индекс атерогенности (ИА), значения которых взяты из базы данных HAPIEE на момент первого скрининга. Проверка гипотезы об однородности дисперсий была проведена с помощью критерия равенства дисперсий (Levene's test). По результатам анализа статистически значимыми оказались ИМТ (p<0,006), ИА (p=0,023) и ТГ (р=0,001). ИМТ, ИА, ТГ с учетом возраста оказались достоверно ниже у носителей генотипа TT полиморфизма rs 17782313 гена MC4R по сравнению с носителями аллеля С.
При сравнении группы СД2 и контрольной группы по частотам генотипов полиморфизма гэ13266634 гена Б1С30А8 были найдены статистически значимые различия (р=0,027); рис. 2.
В результате данной работы не было обнаружено значимых различий доли гомозигот ТТ и гете-розигот СТ в группе СД2 по сравнению с контрольной группой (р=0,053 и р=0,476 соответственно). Было найдено значимое снижение доли гомозигот СС в группе СД2 (отношение шансов (ОШ) 0,575; 95% доверительный интервал (95% ДИ) 0,36-0,93; р<0,026). Таким образом, можно предположить, что гомозиготный генотип СС полиморфизма Ы3266634 гена Б1С30А8 является условно протективным в отношении СД2.
При сравнении групп, разделенных по полу, по частотам генотипов полиморфизма гб13266634 гена Б1С30А8, статистически значимые различия были найдены только у женщин. Риск развития СД2 в 1,5 раза выше у женщин — носителей генотипа ТТ (ОШ 1,51; 95% ДИ 1,11-2,05;
СД2
Контроль
60 50 40 % 30 20 10 0-
СС СТ ТТ
Рисунок 2. Сравнение частот генотипов полиморфизма г$13266634 гена $1С30А8 в группе сахарного диабета 2 типа и в контрольной группе.
50,7
43,2 45,6 44,2
1
I
10,2
6,1 ^^^ i ^^^ ■
р=0,008) по сравнению с носителями двух других генотипов (табл. 2, рис. 3).
При сравнении групп СД2 и контрольной по частотам генотипов полиморфизма гб13266634 гена Б1С30А8, разделенных по возрасту, не было найдено статистически значимых различий (р>0,05 в обеих группах). Однако при разделении групп по полу и возрасту были найдены статистически значимые различия у женщин 55 лет и старше (р=0,032); табл. 3, рис. 4.
В результате данной работы не было обнаружено значимых различий доли гомозигот ТТ и гетерозигот СТ полиморфизма гб13266634 гена Б1С30А8 в группе СД2 по сравнению с контрольной группой у женщин 55 лет и старше (р=0,055 и р=0,455 соответственно). Было найдено значимое снижение доли гомозигот СС в группе СД2 женщин 55 лет и старше (ОШ 0,4; 95% ДИ 0,17-0,93; р=0,033).
Таким образом, можно сказать, что для женщин 55 лет и старше гомозиготный генотип СС является условно протективным в отношении СД2, а относительно геноти-
па ТТ различия хоть и статистически незначимы, но близки к пороговым.
При проведении мультивариантного логистического регрессионного анализа, включающего генотипы полиморфизма гб 13266634 гена Б1С30А8 в модель шкалы риска развития СД2, предложенной С.В. Мустафиной и соавт., использовались пороговые значения факторов риска [13]. При включении в модель полиморфизма гб 13266634 гена Б1С30А8 при мультивариантном логистическом регрессионном анализе сохранили свое прогностическое значение у мужчин ИМТ (р<0,001), у женщин — концентрация глюкозы в крови (р<0,001), ИМТ (р=0,014), ОТ (р<0,001), АГ (р=0,001), генотип СС сохранил свою прогностическую значимость у женщин (р=0,029). При аналогичном анализе с включением в рискометр гб17782313 гена МС4Й сохранили свое прогностическое значение ИМТ (р<0,001) у мужчин, у женщин — концентрация глюкозы в крови (р<0,001), ИМТ (р=0,013), ОТ (р<0,001) и АГ (р=0,043); табл. 4.
Таблица 2. Частоты генотипов полиморфизма г$13266634 гена Б1С30А8 в группе сахарного диабета 2 типа и контрольной группе, разделенных по полу
Генотип СД2 Контроль
Мужчины
n % n %
СС 12 9,1 20 11,6
СТ 58 44,3 69 39,9
ТТ 61 46,6 84 48,5
Всего 131 100,0 173 100,0
р=0,666
Женщины
n % n %
СС 15 4,8 34 9,5
СТ 133 42,8 173 48,3
ТТ 163 52,4 151 42,2
Всего 311 100,0 358 100,0
р=0,008
Примечание: п — число индивидов, р — значимость.
60 50 40 £ 30 20 10 0
9,5
СС
48,3
42,8
СТ
52,4
42,2
ТТ
СД2
Контроль
Рисунок 3. Сравнение частот генотипов гб13266634 гена Б1С30А8 в группе сахарного диабета 2 типа и контрольной группе у женщин.
Таблица 3. Частоты генотипов и аллелей полиморфизма г$13266634 гена 31С30А8 в группе сахарного диабета 2 типа и контрольной группе у женщин 55 лет и старше
Генотип
СД2
Контроль
n
%
n
%
СС CT ТТ
Всего:
8 71 88 167
4,8 42,5 52,7 100,0
21 88 79 188
11,2 46,8 42,0 100,0
р=0,032
Примечание: п — число индивидов, р — значимость.
60 50 40 30 20 10 0
11,2
4,8
СС
52,7
46,8
42,5
42,0
СТ
ТТ
СД2
Контроль
Рисунок. 4. Сравнение частот генотипов полиморфизма г$13266634 гена $1С30А8 в группе сахарного диабета 2 типа и контрольной группе
у женщин 55 лет и старше.
Таблица 4. Регрессионная модель прогноза развития сахарного диабета 2 типа в течение 10 лет с включением генотипов полиморфизмов гб13266634 гена Э1С30А8 и гэ17782313 гена МС4Я в шкалу риска, предложенную С.В. Мустафиной и соавт., у женщин
Пороговые значения факторов риска ß-Коэффициент X2 Вальда p-значимость Относительный риск 95% доверительный интервал
rs13266634гена SLC30A8
Глюкоза >5,7 ммоль/л 2,968 120,307 <0,001 19,455 11,447-33,064
ИМТ >32 кг/м2 0,779 6,100 0,014 2,179 1,174-4,044
ОТ >95 см 1,632 28,169 <0,001 5,140 2,808-9,408
АД >135/90 мм рт.ст. 0,489 4,411 0,036 1,631 1,033-2,575
Генотип СС -1,056 4,768 0,029 0,348 0,135-0,898
Константа -2,042 78,897 <0,001 0,130
rs17782313 гена MC4R
Глюкоза >5,7 ммоль/л 2,987 121,315 <0,001 19,832 11,655-33,747
ИМТ >32 кг/м2 0,830 6,157 0,013 2,228 1,183-4,196
ОТ >95 см 1,595 25,797 <0,001 4,926 2,663-9,120
АД >135/90 мм рт.ст. 0,471 4,094 0,043 1,602 1,015-2,529
Константа -2,872 27,075 <0,001 0,057
ОБСУЖДЕНИЕ
Репрезентативность выборок, сопоставление
с другими публикациями
Полученные данные о полиморфизме гб 13266634 гена Б1С30А8 согласуются с результатами других исследований. Ранее показано, что изменения в этом гене ассоциированы с развитием СД2 в нескольких популяциях [24-26]. В частности, в исследованиях отечественных ученых установлено, что наличие аллеля Т повышает риск развития СД2 (0К=1,36), а наличие аллеля С уменьшает этот риск (0К=0,74) [27]. Ранее на базе используемой в данной работе выборки нами была проанализирована и изучена ассоциация полиморфизмов генов 7СР712, РАВР2, КСЫ01, Ай!РО0 с прогнозом развития СД2 в Новосибирской популяции; исследование, описанное здесь, является продолжением упомянутой работы [21].
Связь этого полиморфизма с нарушениями регуляции глюкозы и СД2 была продемонстрирована в различных этнических группах с помощью GWAS [28-31]. Данные о связи полиморфизма гб13266634 гена Б1С30А8 с СД2 противоречивы. Это может быть обусловлено расовыми, этническими, региональными различиями изучаемых популяций, разными подходами к формированию выборок и их анализу. Аллель С полиморфизма гб 13266634 связан с нарушениями регуляции глюкозы и СД2 у китайского населения [32]. Изучение связи данного полиморфизма с СД2 в Индии продемонстрировало умеренное влияние полиморфизма гб13266634 гена Б1С30А8 на предрасположенность к СД2 [33]. Множество метаанализов демонстрирует, что гб 13266634 может быть важным генетическим фактором риска СД2 среди азиатских и европейских, но не африканских популяций [34, 35]. Наше проспективное исследование подтвердило протективный эффект ОНП гб 13266634 гена Б1С30А8 относительно СД2 у женщин г. Новосибирска 55 лет и старше.
В нескольких исследованиях сообщалось, что ген рецептора меланокортина-4 (МС4Я) является одним из причинных генов относительно СД2 [36, 37]. В 2008 г. два GWAS сообщили об ассоциации полиморфизма гб17782313 около гена МС4Й с ожирением [38, 39]. Впоследствии ассоциация была подтверждена другими GWAS [40, 41]. Полногеномные исследования показали, что ОНП гб17782313 вблизи гена МС4Й связан с риском ожирения у европейцев и корейцев [38, 42]. Поскольку ожирение связано с повышенным риском СД2, во многих исследованиях изучалась связь между полиморфизмом в районе гена МС4Й и риском СД2 в различных этнических группах с противоречивыми результатами [43-45]. Так, гб 17782313 показал связь с диабетом в нескольких исследованиях «случай-контроль» [46-48]. Обширный метаанализ, включающий 123 373 человека, подтвердил независимую от ИМТ значимую связь полиморфизма гб17782313 вблизи гена МС4Й с риском СД2 в исследуемой популяции, состоящей из европейцев и азиатов [46].
Клиническая значимость результатов
Результаты ассоциации с СД2 ОНП, выявленных как вероятные маркеры СД2, уникальны относительно популяции г. Новосибирска, а также впервые проанализиро-
вана возможность включения изучаемых полиморфизмов генов в модель шкалы риска данного заболевания. Таким образом, полиморфизм rs13266634 гена SLC30A8 подтвердил вклад в развитие СД2 и может быть включен в рискометр СД2.
Направления дальнейших исследований
Необходимы дальнейшие исследования для изучения тонких механизмов связи гена MC4R с ожирением и СД2. В нашем исследовании полиморфизм rs17782313 вблизи гена MC4R не подтвердил свою ассоциацию с СД2 в исследуемой выборке жителей г. Новосибирска, в том числе при разделении групп по полу и возрасту. Однако была найдена ассоциация rs17782313 с ИМТ, что соответствует вышеупомянутым литературным данным.
ЗАКЛЮЧЕНИЕ
Полиморфизм rs13266634 гена SLC30A8 подтвердил свою ассоциацию с прогнозом развития СД2 и может рассматриваться в качестве кандидата на внесение в генетический рискометр СД2. Разработаны варианты шкал риска для оценки прогноза развития СД2 у мужчин и женщин в возрасте 45-69 лет в течение 10 лет наблюдения. Ассоциация с прогнозом развития СД2 полиморфизма rs17782313 гена MC4R не обнаружена.
ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ
Источники финансирования. Проект HAPIEE поддержан грантами WT 064947/Z/01/Z; 081081/Z/06/Z; NIA, USA (1R01 AG23522). Настоящее исследование выполнено в рамках бюджетной темы по Государственному заданию № AAAA-A17-117112850280-2.
Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с содержанием настоящей статьи.
Участие авторов. Мельникова Е.С. — сбор клинического материала, выполнение молекулярно-генетических исследований, обзор публикаций по теме статьи, написание текста рукописи, статистическая обработка результатов, анализ данных; Максимов В.Н. — концепция и дизайн исследования, анализ данных, предоставление реагентов/материалов/инструментов для анализа, редактирование статьи; Иванова А.А. — рецензирование черновика статьи, проверка критически значимого содержания; Рымар О.Д. — проверка критически значимого содержания, утверждение рукописи для публикации; Мустафина С.В. — проверка критически значимого содержания, утверждение рукописи для публикации; Щербакова Л.В. — статистическая обработка популяционного исследования, утверждение рукописи для публикации; Бобак М. — концепция базового проекта, проверка критически важного содержания, утверждение рукописи для публикации; Малютина С.К. — координация популяционного обследования, проверка критически значимого содержания, утверждение рукописи для публикации; Воевода М.И. — рассмотрение и одобрение проекта статьи. Все авторы одобрили финальную версию статьи перед публикацией, выразили согласие нести ответственность за все аспекты работы, подразумевающую надлежащее изучение и решение вопросов, связанных с точностью или добросовестностью любой части работы.
Благодарности. Авторы выражают глубокую признательность академику Юрию Петровичу Никитину за предоставленную возможность сформировать группы на материале когорты HAPIEE; а также статистикам Л.В. Щербаковой и Е.Г. Веревкину за подготовку баз данных.
СПИСОК ЛИТЕРАТУРЫ | REFERENCES
1. IDF Diabetes Atlas, 10th edition, 2021.
2. Дедов И.И., Шестакова О.К., Викулова А.В. Эпидемиологические характеристики сахарного диабета в Российской федерации: клинико-статистический анализ по данным регистра сахарного диабета на 01.01.2021 // Сахарный диабет. — 2021. — Т. 24. — №3. — С. 204-221. [Dedov II, Shestakova MV, Vikulova AV. Epidemiological characteristics of diabetes mellitus in the Russian Federation: clinical and statistical analysis according to the Federal diabetes register data of 01.01.2021. Diabetes mellitus. 2021;24(3):204-221. (In Russ.)].
doi: https://doi.org/10.14341/DM12759
3. American Diabetes Association. Standards of medical care in diabetes—2013. Diabetes Care. 2013;36(1):S11-S66. doi: https://doi.org/10.2337/dc13-S011.
4. Stancakova A., Laakso M. Genetics of type 2 diabetes. Endocrine Development. 2016;31:203-220. doi: https://doi.org/10.1159/000439418
5. Sikhayeva N, Iskakova A, Saigi-Morgui N, et al. Association between 28 single nucleotide polymorphisms and type 2 diabetes mellitus in the Kazakh population: a case-control study. BMC medical genetics. 2017;18(1):76. doi: https://doi.org/10.1186/s12881-017-0443-2
6. Дедов И.И., Шестакова М.В., Галстян Г.Р. Распространенность сахарного диабета 2 типа у взрослого населения России (исследование NATION) // Сахарный диабет. — 2016. —
Т. 19. — №2. — С. 104-112. [Dedov II, Shestakova MV, Galstyan GR. The prevalence of type 2 diabetes mellitus in the adult population of Russia (NATION study). Diabetes mellitus. 2016;19(2):104-112. (In Russ.)]. doi: https://doi.org/10.14341/DM2004116-17
7. Мустафина С.В., Симонова Г.И., Рымар О.Д. Сравнительная характеристика шкал риска сахарного диабета 2 типа // Сахарный диабет. — 2014. — Т. 17. — №3. — С. 17-22. [Mustafina SV, Simonova GI, Rymar OD. Comparative characteristics of diabetes risk scores. Diabetes Mellitus. 2014;17(3):17-22. (In Russ.)]. doi: https://doi.org/10.14341/DM2014317-22
8. Gray LJ, Taub NA, Khunti K, et al. The Leicester Risk Assessment score for detecting undiagnosed Type 2 diabetes and impaired glucose regulation for use in
a multiethnic UK setting. Diabet Med. 2010;27(8):887-895. doi: https://doi.org/10.1111/j.1464-5491.2010.03037.x
9. Wang J, Stancakova A, Kuusisto J, Laakso M. Identification of Undiagnosed Type 2 Diabetic Individuals by the Finnish Diabetes Risk Score and Biochemical and Genetic Markers: A Population-Based Study of 7232 Finnish Men. J Clin Endocrinol Metab. 2010;95(8):3858-3862. doi: https://doi.org/10.1210/jc.2010-0012
10. Hippisley-Cox J, Coupland C, Robson J, Sheikh A, Brindle P. Predicting risk of type 2 diabetes in England and Wales: prospective derivation and validation of QDScore. BMJ. 2009;338(mar17 2):b880. doi: https://doi.org/10.1136/bmj.b880
11. Schwarz P, Li J, Lindstrom J, Tuomilehto J. Tools for Predicting the Risk of Type 2 Diabetes in Daily Practice. Horm Metab Res. 2009;41(02):86-97. doi: https://doi.org/10.1055/s-0028-1087203
12. Мустафина С.В., Рымар ОД., Сазонова О.В., и др. Валидизация финской шкалы риска «FINDRISC» на европеоидной популяции Сибири // Сахарный диабет. — 2016. — Т. 19. — №2. —
С. 113-118. [Mustafina SV, Rymar OD, Sazonova OV, et al. Validation of the Finnish diabetes risk score (FINDRISC) for the Caucasian population of Siberia. Diabetes Mellitus. 2016;19(2):113-118 (In Russ.)]. doi: https://doi.org/10.14341/DM200418-10
13. Mustafina SV, Rymar OD, Shcherbakova LV, et al. The Risk of Type 2 Diabetes Mellitus in a Russian Population Cohort According to Data from the HAPIEE Project. J Pers Med. 2021;11(2):119. doi: https://doi.org/10.3390/jpm11020119
14. Шестакова М.В., Колбин А.С., Галстян Г.Р., и др. «ДИАРИСК» — первый отечественный калькулятор риска предиабета
и сахарного диабета 2 типа // Сахарный диабет. — 2020. — Т. 23. — №5. — С. 404-411. [Shestakova MV, Kolbin AS, Galstyan GR, et al. «DIARISK»-the first national prediabetes and diabetes mellitus type 2 risk calculator. Diabetes Mellitus. 2020;23(5):404-411 (In Russ.)]. doi: https://doi.org/10.14341/DM12570.
15. Janssens ACJW, Moonesinghe R, Yang Q, et al. The impact of genotype frequencies on the clinical validity of genomic profiling for predicting common chronic diseases. Genet Med. 2007;9(8):528-535. doi: https://doi.org/10.1097/GIM.0b013e31812eece0
16. Mühlenbruch K, Jeppesen C, Joost H-G, et al. The Value of Genetic Information for Diabetes Risk Prediction — Differences According to Sex, Age, Family History and Obesity. PLoSOne. 2013;8(5):e64307. doi: https://doi.org/10.1371/journal.pone.0064307
17. Goto A, Noda M, Goto M, et al. Predictive performance of
a genetic risk score using 11 susceptibility alleles for the incidence of Type 2 diabetes in a general Japanese population: a nested case-control study. Diabet Med. 2018;35(5):602-611. doi: https://doi.org/10.1111/dme.13602
18. Lin X, Song K, Lim N, et al. Risk prediction of prevalent diabetes in a Swiss population using a weighted genetic score — the CoLaus Study. Diabetologia. 2009;52(4):600-608. doi: https://doi.org/10.1007/s00125-008-1254-y
19. Meigs JB, Shrader P, Sullivan LM, et al. Genotype Score in Addition to Common Risk Factors for Prediction of Type 2 Diabetes. N Engl J Med. 2008;359(21):2208-2219. doi: https://doi.org/10.1056/NEJMoa0804742
20. Lyssenko V, Jonsson A, Almgren P, et al. Clinical Risk Factors, DNA Variants, and the Development of Type 2 Diabetes. N Engl J Med. 2008;359(21):2220-2232. doi: https://doi.org/10.1056/NEJMoa0801869
21. Мельникова Е.С., Рымар ОД., Иванова А.А., и др. Ассоциация полиморфизмов генов TCF7L2, FABP2, KCNQ1, ADIPOQ
с прогнозом развития сахарного диабета 2-го типа // Терапевтический Архив. — 2020. — Т. 92. — №10. — С. 40-47. [Melnikova ES, Rymar OD, Ivanova AA, et al. Association of polymorphisms of genes SLC30A8 and MC4R with the prognosis of the development of type 2 diabetes mellitus. Therapeutic Archive. 2020;92(10):40-47. (In Russ.)]. doi: https://doi.org/10.26442/00403660.2020.10.000393
22. Peasey A, Bobak M, Kubinova R, et al. Determinants of cardiovascular disease and other non-communicable diseases in Central and Eastern Europe: Rationale and design of the HAPIEE study. BMC Public Health. 2006;6(1):255. doi: https://doi.org/10.1186/1471-2458-6-255
23. World Health Organization. Screening for Type 2 Diabetes Report of a World Health Organization andlnternational Diabetes Federation meeting. Department of Noncommunicable Disease Management: Geneva; 2003.
24. Scott LJ, Mohlke KL, Bonnycastle LL, et al. A Genome-Wide Association Study of Type 2 Diabetes in Finns Detects Multiple Susceptibility Variants. Science (80-). 2007;316(5829):1341-1345. doi: https://doi.org/10.1126/science.1142382
25. Horikawa Y, Miyake K, Yasuda K, et al. Replication of Genome-Wide Association Studies of Type 2 Diabetes Susceptibility
in Japan. J Clin Endocrinol Metab. 2008;93(8):3136-3141. doi: https://doi.org/10.1210/jc.2008-0452
26. Ng MCY, Park KS, Oh B, et al. Implication of Genetic Variants Near TCF7L2 , SLC30A8 , HHEX , CDKAL1 , CDKN2A/B , IGF2BP2 , and FTO in Type 2 Diabetes and Obesity in 6,719 Asians. Diabetes. 2008;57(8):2226-2233. doi: https://doi.org/10.2337/db07-1583
27. Никитин А.Г., Бровкин А.Н., Лаврикова Е.Ю., и др. Ассоциация полиморфных маркеров генов FTO, KCNJ11, SLC30A8 и CDKN28
с сахарным диабетом типа 2 // Молекулярная биология. — 2015. — Т. 49. — №1. — С. 119. [Nikitin AG, Brovkin AN, Lavrikova EY, et al. Association of FTO, KCNJ11, SLC30A8 and CDKN28 polimorphisms with yype 2 diabetes mellitus. Molecular biology. 2015;49(1):119. (In Russ.)]. doi: https://doi.org/10.7868/S0026898415010115
28. Xu J, Wang J, Chen B, et al. SLC30A8 (ZnT8) variations and type 2 diabetes in the Chinese Han population. Genet Mol Res. 2012;11(2):1592-1598. doi: https://doi.org/10.4238/2012.May.24.!
29. Tan JT, Ng DPK, Nurbaya S, et al. Polymorphisms Identified through Genome-Wide Association Studies and Their Associations with Type 2 Diabetes in Chinese, Malays, and Asian-Indians
in Singapore. J Clin Endocrinol Metab. 2010;95(1):390-397. doi: https://doi.org/10.1210/jc.2009-0688
30. Waters KM, Stram DO, Hassanein MT, et al. Consistent Association of Type 2 Diabetes Risk Variants Found in Europeans in Diverse Racial and Ethnic Groups. PLoS Genet. 2010;6(8):e1001078.
doi: https://doi.org/10.1371/journal.pgen.1001078
31. Kifagi C, Makni K, Boudawara M, et al. Association of Genetic Variations in TCF7L2 , SLC30A8 , HHEX , LOC387761 , and EXT2 with Type 2 Diabetes Mellitus in Tunisia. Genet Test MolBiomarkers. 2011;15(6):399-405. doi: https://doi.org/10.1089/gtmb.2010.0199
32.
33.
34.
35.
3б.
37.
39.
40.
Dong F, Zhang B, Zheng S, et al. Association Between
SLC30A8 rs13266634 Polymorphism and Risk of T2DM and
IGR in Chinese Population: A Systematic Review and Meta-
Analysis. Front Endocrinol (Lausanne). 2018;9(6):399-405.
doi: https://doi.org/10.3389/fendo.2018.00564
Sarkar P, Bhowmick A, Baruah M, et al. Determination of individual
type 2 diabetes risk profile in the North East Indian population &
its association with anthropometric parameters. Indian J Med Res.
2019;150(4):390. doi: https://doi.org/10.4103/ijmr.IJMR_888_17
Chen B. Association between SLC30A8 rs13266634 Polymorphism
and Type 2 Diabetes Risk: A Meta-Analysis. Med Sci Monit.
2015;21(4):2178-2189. doi: https://doi.org/10.12659/MSM.894052
Drake I, Hindy G, Ericson U, Orho-Melander M. A prospective
study of dietary and supplemental zinc intake and risk of type 2
diabetes depending on genetic variation in SLC30A8. Genes Nutr.
2017;12(1):30. doi: https://doi.org/10.1186/s12263-017-0586-y
Osman W, Tay GK, Alsafar H. Multiple genetic variations
confer risks for obesity and type 2 diabetes mellitus in arab
descendants from UAE. Int JObes. 2018;42(7):1345-1353.
doi: https://doi.org/10.1038/s41366-018-0057-6
Qi L, Kraft P, Hunter DJ, Hu FB. The common obesity variant
near MC4R gene is associated with higher intakes of
total energy and dietary fat, weight change and diabetes
risk in women. Hum Mol Genet. 2008;17(22):3502-3508.
doi: https://doi.org/10.1093/hmg/ddn242
Loos RJF, Lindgren CM, Li S, et al. Common variants near MC4R
are associated with fat mass, weight and risk of obesity. Nat Genet.
2008;40(6):768-775. doi: https://doi.org/10.1038/ng.140
Chambers JC, Elliott P, Zabaneh D, et al. Common genetic variation near
MC4R is associated with waist circumference and insulin resistance. Nat
Genet. 2008;40(6):716-718. doi: https://doi.org/10.1038/ng.156
Chambers JC, Elliott P, Zabaneh D, et al. Six new loci associated
with body mass index highlight a neuronal influence
on body weight regulation. Nat Genet. 2009;41(1):25-34.
doi: https://doi.org/10.1038/ng.287
41.
42.
43.
44.
45.
4б.
47.
48.
Thorleifsson G, Walters GB, Gudbjartsson DF, et al. Genome-
wide association yields new sequence variants at seven loci that
associate with measures of obesity. Nat Genet. 2009;41(1):18-24.
doi: https://doi.org/10.1038/ng.274
Sull JW, Lee M, Jee SH. Replication of genetic effects
of MC4R polymorphisms on body mass index in a
Korean population. Endocrine. 2013;44(3):675-679.
doi: https://doi.org/10.1007/s12020-013-9909-y.
Huang W, Sun Y, Sun J. Combined effects of FTO
rs9939609 and MC4R rs17782313 on obesity and BMI
in Chinese Han populations. Endocrine. 2011;39(1):69-74.
doi: https://doi.org/10.1007/s12020-010-9413-6
Takeuchi F, Yamamoto K, Katsuya T, et al. Association of genetic
variants for susceptibility to obesity with type 2 diabetes
in Japanese individuals. Diabetologia. 2011;54(6):1350-1359.
doi: https://doi.org/10.1007/s00125-011-2086-8
Janipalli CS, Kumar MVK, Vinay DG, et al. Analysis of 32
common susceptibility genetic variants and their
combined effect in predicting risk of Type 2 diabetes and
related traits in Indians. Diabet Med. 2012;29(1):121-127.
doi: https://doi.org/10.1111/j.1464-5491.2011.03438.x
Xi B, Takeuchi F, Chandak GR, et al. Common
polymorphism near the MC4R gene is associated with
type 2 diabetes: data from a meta-analysis of 123,373
individuals. Diabetologia. 2012;55(10):2660-2666.
doi: https://doi.org/10.1007/s00125-012-2655-5.
Koochakpoor G, Hosseini-Esfahani F, Daneshpour MS, et al. Effect
of interactions of polymorphisms in the Melanocortin-4 receptor
gene with dietary factors on the risk of obesity and Type 2
diabetes: a systematic review. Diabet Med. 2016;33(8):1026-1034.
doi: https://doi.org/10.1111/dme.13052
Sull JW, Kim G, Jee SH. Association of MC4R (rs17782313)
with diabetes and cardiovascular disease in Korean
men and women. BMC Med Genet. 2020;21(1):160.
doi: https://doi.org/10.1186/s12881-020-01100-3
ИНФОРМАЦИЯ ОБ АВТОРАХ [AUTHORS INFO]
*Мельникова Елизавета Сергеевна, аспирант [Elizaveta S. Mel'nikova; MD, PhD student] адрес: Россия, 630089, Новосибирск, ул. Бориса Богаткова, д. 175/1 [address: 175/1, Borisa Bogatkova str., 630089 Novosibirsk, Russian Federation]; ORCID: https://orcid.org/0000-0002-9033-1588; Scopus Author ID: 57221300480; eLibrary SPIN: 3319-8546 e-mail: jarinaleksi@list.ru
Максимов Владимир Николаевич, д.м.н., профессор [Vladimir N. Maksimov, MD, PhD, Professor]; ORCID: https://orcid.org/0000-0002-7165-4496; Researcher ID: H-7676-2012; Scopus Author ID: 7202540327; eLibrary SPIN: 9953-7867; e-mail: medik11@mail.ru
Иванова Анастасия Андреевна, к.м.н. [Anastasiia A. Ivanova, MD, PhD]; ORCID: https://orcid.org/0000-0002-9460-6294; Researcher ID: 0-2341-2017; Scopus Author ID: 57189646609; eLibrary SPIN: 2299-0463; e-mail: ivanova_a_a@mail.ru Рымар Оксана Дмитриевна, д.м.н. [Oksana D. Rymar, MD, PhD]; ORCID: https://orcid.org/0000-0003-4095-0169; Scopus Author ID: 24339174300; eLibrary SPIN: 8345-9365; e-mail: orymar23@gmail.com Мустафина Светлана Владимировна, д.м.н. [Svetlana V. Mustafina, MD, PhD];
ORCID: https://orcid.org/0000-0003-4716-876X; Researcher ID: Q-9286-2017; Scopus Author ID: 24339090600; eLibrary SPIN: 8395-1395; e-mail: svetamustafina@rambler.ru
Щербакова Лилия Валерьевна [Liliya V. Shcherbakova]; ORCID: 0000-0001-9270-9188; eLibrary SPIN: 5849-7040; e-mail: 9584792@mail.ru
Бобак Мартин, д.м.н., профессор [Martin Bobak, MD, PhD, Professor]; ORCID: https://orcid.org/0000-0002-2633-6851; e-mail: m.bobak@ucl.ac.uk
Малютина Софья Константиновна, д.м.н., профессор [Sofia K. Maliutina, MD, PhD, Professor]; ORCID: https://orcid.org/0000-0001-6539-0466; Scopus Author ID: 57221302312; eLibrary SPIN: 6780-9141; e-mail: smalyutina@hotmail.com
Воевода Михаил Иванович, д.м.н., профессор, академик РАН [Mihail I. Voevoda, MD, PhD, Professor, academician RAS]; ORCID: https://orcid.org/0000-0001-9425-413X; Researcher ID: N-6713-2015; Scopus Author ID: 57195959148; eLibrary SPIN: 6133-1780; e-mail: mvoevoda@ya.ru
ЦИТИРОВАТЬ:
Мельникова Е.С., Мустафина С.В., Рымар О.Д., Иванова А.А., Щербакова Л.В., Бобак М., Малютин С.К., Воевода М.И., Максимов В.Н. Ассоциация полиморфизмов генов SLC30A8 и MC4R с прогнозом развития сахарного диабета 2-го типа // Сахарный диабет. — 2022. — Т. 25. — №3. — С. 215-225. doi: https://doi.org/10.14341/DM12767
TO CITE THIS ARTICLE:
Mel'nikova ES, Mustafina SV, Rymar OD, Ivanova AA, Shcherbakova LV, Bobak M, Maljutina SK, Voevoda MI, Maksimov VN. Association of polymorphisms of genes SLC30A8 and MC4R with the prognosis of the development of type 2 diabetes mellitus. Diabetes Mellitus. 2022;25(3):215-225. doi: https://doi.org/10.14341/DM12767
ОЦЕНКА СВЯЗИ МЕЖДУ ПРЕДИАБЕТОМ И НИЗКОИ МЫШЕЧНОЙ МАССОЙ НА ОСНОВЕ УРОВНЯ КРЕАТИНИНА КРОВИ
© С.И. Ибрагимова1*, Г.О. Нускабаева1, Ж.Н. Шалхарова1, К.Ж. Садыкова1, Г.А. Джунусбекова2, М. Оран3
Международный казахско-турецкий университет имени Ходжи Ахмеда Ясави, Туркестан, Казахстан 2Казахский медицинский университет непрерывного образования, Алматы, Казахстан 3Университет Намыка Кемала, Текирдаг, Турция
ОБОСНОВАНИЕ. Низкая мышечная масса повышает риск развития сахарного диабета 2 типа (СД2) и предиабета. Питание пациентов является важным фактором в изучении связи между низкой мышечной массой и развитием нарушений углеводного обмена.
ЦЕЛЬ. Оценить связь между предиабетом и низкой мышечной массой на основе уровня сывороточного креатинина с учетом питания пациентов.
МАТЕРИАЛЫ И МЕТОДЫ. В исследование включены 551 пациент в возрасте 18-69 лет, не страдающие СД2. Уровень глюкозы определен натощак и после орального глюкозотолерантного теста. Гипергликемия оценена по классификации Всемирной организации здравоохранения. Для оценки фактора питания использован опросник MedDietScore, определяющий приверженность пациентов к средиземноморской диете. С целью оценки отношений шансов (ОШ) и 95% доверительного интервала (ДИ) проведена бинарная логистическая регрессия.
РЕЗУЛЬТАТЫ. Распространенность предиабета в группе с наименьшим и наибольшим уровнями креатинина крови составила 31,9 и 17,5% соответственно (р=0,016). В результате проведенного нескорректированного регрессионного анализа выявлена статистически значимая связь между низким уровнем креатинина и шансами наличия предиабета (ОШ 2,07;95% ДИ 1,21-3,56), которая сохранялась после коррекции на социально-демографические, антропометрические факторы, уровень стресса и физической активности, а также мышечную силу. После добавления в статистическую модель данных по MedDietScore выявленная связь терялась (р=0,187).
ЗАКЛЮЧЕНИЕ. Низкий сывороточный креатинин увеличивает шансы наличия предиабета независимо от пола, возраста, индекса массы тела, объема бедер, соотношения объема талии к росту, а также физической активности, уровня стресса и мышечной силы. Однако шансы наличия предиабета не различаются у лиц с низким креатинином крови в зависимости от приверженности к средиземноморской диете среди популяции проживающих в Туркестанской области.
КЛЮЧЕВЫЕ СЛОВА: предиабет; предиабетическое состояние; креатинин; мышечная масса; средиземноморская диета
ASSESSMENT OF THE RELATIONSHIP BETWEEN PREDIABETES AND LOW MUSCLE MASS BASED ON BLOOD CREATININE LEVEL
© Sarviniso I. Ibragimova1*, Gulnaz O. Nuskabayeva1, Zhanat N. Shalkharova1, Karlygash Zh. Sadykova1, Gulnara A. Junusbekova2, Mustafa Oran3
1Khoja Akhmet Yassawi International Kazakh-Turkish University, Turkestan, Kazakhstan 2Kazakh Medical University of Continuing Education, Almaty, Kazakhstan 3Namik Kemal University, Tekirdag, Turkey
BACKGROUND: Low muscle mass increases the risk of developing type 2 diabetes mellitus (DM 2) and prediabetes. Nutrition is an important factor in the study of the relationship between low muscle mass and the development of glucose metabolic disorders.
AIM: The present study was conducted to assess the relationship between prediabetes and low muscle mass on the basis of serum creatinine levels, taking into account patient nutrition.
MATERIALS AND METHODS: The study included 551 patients aged 18-69 years without DM 2. The glucose level was determined based on fasting glucose and after an oral glucose tolerance test (OGTT). Hyperglycemia is assessed according to the classification of the World Health Organization. The MedDietScore questionnaire was used to assess the nutritional factor, which determines the adherence of patients to the Mediterranean diet. In order to assess odds ratios (OR) and 95% confidence interval (CI), a binary logistic regression was performed.
RESULTS: The prevalence of prediabetes in the group with the lowest and highest blood creatinine level was 31.9% and 17.5% respectively (p=0.016). As a result of the conducted regression analysis, a statistically significant relationship was found between low creatinine levels and the chances of having prediabetes (crude OR 2,07, 95% CI 1,21; 3,56), which persisted after adjusting for socio-demographic, anthropometric factors, stress level and physical activity as well as muscle strength. After adding the data on MedDietScore to the statistical model, the revealed relationship was lost (p = 0.187).
© Endocrinology Research Centre, 2022_Received: 01.03.2021. Accepted: 18.03.2022_BY WC ND
CONCLUSION: Low serum creatinine increases the chances of the presence of prediabet regardless of gender, age, body weight index, the volume of the hips, the ratio of the volume of the waist to growth, as well as physical activity, the level of stress and muscular power. However, the chances of the presence of prediabet do not differ in persons with low creatinine blood depending on the commitment to the Mediterranean diet among the population of those living in the Turkestan region.
KEYWORDS:prediabetes; prediabetic condition; creatinine; muscle mass; Mediterranean diet
ОБОСНОВАНИЕ
Сахарный диабет 2 типа (СД2) является одной из ведущих причин заболеваемости и смертности во всем мире. По прогнозам, распространенность СД2 увеличится более чем на 200 млн человек в промежутке между 2013 и 2035 гг. Увеличение затрат на лечение данного дорогостоящего заболевания ложится экономическим бременем как на финансовые расходы государств, так и на самих пациентов. Все это подчеркивает необходимость дальнейшего определения стратегии скрининга факторов риска, а также разработки дополнительных мер по снижению распространенности и смертности от СД2 [1].
Промежуточное состояние между нормогликеми-ей и диабетом, называемое предиабетом, представляет собой повышенный риск развития диабета в будущем. Несмотря на то что лица с предиабетом могут находиться в данном состоянии многие годы, Американская Диабетическая Ассоциация сообщает, что у 70% пациентов в конечном итоге произойдет переход от состояния предиабета в СД2. Таким образом, предиабет является своеобразным сигналом, при появлении которого профилактическими вмешательствами можно будет предотвратить развитие столь грозного заболевания, как СД2 [2].
Общеизвестно, что избыточный вес и ожирение являются ведущими факторами риска развития как СД2, так и предиабета [3]. При этом СД2 представляет собой нарастающую эпидемию в азиатских странах и привлекает особое внимание в связи с началом данного заболевания в более раннем возрасте. Кроме того, отличительной особенностью диабета в азиатских странах является тот факт, что во многих случаях диабет развивается у пациентов с нормальным весом [4]. Исследования показали, что при использовании индекса массы тела (ИМТ) как критерия ожирения у лиц азиатского происхождения ожирение выявляется в меньшей степени. Однако визуализирующие методы исследования показали, что они имеют более высокий процент висцерального жира в организме, чем европейцы, что не учитывается при расчете ИМТ. Наряду с высокими показателями висцерального жира у азиатов был выявлен более низкий процент скелетной мышечной массы, что тоже может быть причиной высокой распространенности диабета без ожирения [5].
Как известно, скелетные мышцы, составляющие 40% общей массы тела, являются органом-мишенью инсулина, выполняя инсулин-опосредованное поглощение глюкозы в плазме в постпрандиальном состоянии [6]. Поскольку мышцы являются основным органом, утилизирующим глюкозу крови, при низкой мышечной массе целевых мест для действия инсулина становится меньше, что приводит к гипергликемии и инсулинорезистент-ности [7].
Для оценки мышечной массы применялись различные методы исследования. Современные методы клинической оценки мышечной массы включают компьютерную томографию (КТ), магнитно-резонансную томографию (МРТ), дейтерированную воду (Р20) и биоэлектрический импеданс (В1А). При этом отмечено, что эти методы дороги, имеют ограниченную точность (В1А) и могут быть трудны для выполнения в клинических испытаниях с большим размером выборки (КТ, МРТ). Что более важно, ни один из этих методов не измеряет непосредственно массу скелетных мышц, и каждый метод становится менее точным в качестве меры оценки мышечной массы, если изменяется содержание воды в организме [8, 9]. Кроме этого, сложные методы визуализации обычно не доступны в обычной клинической практике, и поэтому для оценки массы мышц необходимы легкодоступные, рентабельные и надежные биомаркеры [8].
ИМТ часто используется для оценки ожирения, однако он не позволяет различить жировую и мышечную массу [10]. В качестве одного из таких маркеров мышечной массы, который лишен вышеперечисленных недостатков, выступает креатинин крови, который является недорогим и повсеместно доступным [8]. Креатинин является эндогенным субстратом, образуемым в результате неферментативного превращения креатина и фосфата креатина, 95% которого находится в мышцах. Он свободно фильтруется клубочком без канальцевой реабсорбции. При стабильной функции почек креатинин обычно вырабатывается организмом с относительно постоянной скоростью в зависимости от абсолютного количества мышечной массы. Существует корреляция между уровнем сывороточного креатинина и мышечной массой, поэтому креатинин используется как маркер для определения массы мышц [8, 11].
Многие исследования показали наличие ассоциации между низким уровнем креатинина, свидетельствующим о низкой мышечной массе, и развитием СД2 [12-14]. Между тем в исследованиях сообщается, что низкая мышечная масса повышает риск развития не только СД2, но и предиабета [14, 15].
Результаты многих исследований показали, что уменьшение мышечной массы может привести к гипергликемии [16], но при этом в работах не учитывается питание пациентов, которое непосредственно связано с массой мышц. Хотя наряду с этим ранее сообщалось, что низкая мышечная масса может быть связана с распространенностью СД2 [14, 15], в литературе имеются ограниченные работы, исследовавшие данную связь с предиабетом. Во многих исследованиях связь между мышечной массой и метаболизмом глюкозы была исследована среди пожилых людей ввиду того, что мышечная масса является низкой у этой возрастной категории пациентов [17], хотя в литературе сообщается о том, что потеря массы мышц уже начинается с 30 лет [18]. Исходя
из этого, целью настоящего исследования является оценка связи между предиабетом и низкой массой скелетных мышц на основании уровня креатинина с учетом питания пациентов.
ЦЕЛЬ ИССЛЕДОВАНИЯ
Оценить связь между низкой мышечной массой, определенной по креатинину крови, и предиабетом, с учетом питания пациентов.
МАТЕРИАЛЫ И МЕТОДЫ
Место и время проведения исследования
Место проведения. Исследование было проведено в поликлинике клинико-диагностического центра имени Ахмеда Ясави, расположенной в городе Туркестан.
Время исследования. Исследование проведено с августа 2018 г. по март 2020 г.
Изучаемые популяции
Популяция исследования: пациенты в возрасте 18-69 лет, проживающие в Туркестанской области.
Критерии включения: возраст 18-69 лет и наличие письменного информированного согласия на участие в исследовании.
Критерии исключения: наличие заболеваний почек, СД2, а также возраст старше 69 лет.
Способ формирования выборки из изучаемой
популяции
Данное исследование является частью проспективного когортного исследования по изучению предиабета. В исследование включены пациенты, участвовавшие в повторном исследовании. Выборку исследования составили 633 человека, 82 из которых были исключены, и в окончательную выборку для данного исследования вошел 551 участник (рис. 1).
Выборка
n=633
f-\
Окончательная
выборка
n=551 ч_у
Рисунок 1. Формирование окончательной выборки.
Дизайн исследования
Обсервационное аналитическое одномоментное исследование.
Описание медицинского вмешательства
(для интервенционных исследований)
В ходе работы данные об участниках исследования собраны в карту обследования пациента, которая содержала краткую информацию об исследовании, форму письменного добровольного информированного согласия, паспортные, социально-демографические данные, опросники по курению, употреблению алкоголя, физической активности, стрессу. Наряду с этим в карте обследования пациента были отображены дневники питания, анамнез перенесенных заболеваний. Проведены антропометрические, лабораторные исследования, а также определена мышечная сила участников.
В качестве опросника для определения статуса курения использован тест Фагестрема, для оценки употребления алкоголя — опросник AUDIT. Уровень физической активности определен по опроснику IPAQ. По результатам данного опросника пациенты подразделены на три группы — с низкой, умеренной и высокой физической активностью, а также определены метаболическая единица физической активности за неделю (МЕТ/мин/нед) и потраченные килокалории за неделю (ккал/нед). По результатам опросника PSQ для определения уровня стресса среди участников исследования определены лица с низким, умеренным и значительным уровнем стресса.
В ходе антропометрического исследования определены рост, масса тела, по которым рассчитан ИМТ. Рост измерялся ростомером, при котором участники исследования стояли прямо, без верхней одежды и обуви, пятки, ягодицы и плечи соприкасались с вертикальной плоскостью ростомера. Голова пациентов удерживалась в «плоскости Франкфурта»: нижние границы орбит находились в той же горизонтальной плоскости, что и внешнее слуховое пространство. При задержке дыхания на вдохе пластину ростомера опускали до головы пациентов, после чего обследуемый отходил, в результате трех измерений определялся средний показатель роста с точностью до 0,1 см. Измерение массы тела проводилось на электронных весах. После включения дисплея весов для проверки работоспособности, при появлении 0,00 г, просили участников встать на весы. При этом обувь, верхняя одежда, тяжелые предметы в карманах (мобильные телефоны, кошельки и др.) были сняты. Участники исследования стояли в центре весов со свободно опущенными по бокам руками. При этом пациенты смотрели прямо и оставались неподвижными. После трехкратного измерения средний показатель массы тела записывали с точностью до 0,1 кг. По результатам измерения роста и массы тела определялся ИМТ по формуле: вес (кг)/рост в м2. Согласно классификации Всемирной организации здравоохранения, ИМТ меньше чем 18,5 кг/м2 принимался как дефицит массы тела, показатель 18,5-24,9 кг/м2 — как нормальная масса тела, 25,0-29,9 кг/м2 — как избыточная масса тела, 30,0-34,9 кг/м2 — ожирение I степени, 35,0-39,9 кг/м2 — ожирение II степени, более 40,0 кг/м2 — ожирение
