Struktur otak dan obesiti (2010)

Pengenalan

Obesiti dan jenis II, atau tidak bergantung kepada insulin, diabetes mellitus (DM2) adalah dua keadaan saling berkaitan yang telah mencapai kadar wabak. Kini terdapat lebih satu bilion berat badan berlebihan dan 300 juta orang gemuk di seluruh dunia [Pertubuhan Kesihatan Sedunia, 2009]. Populasi warga tua tidak dapat dilepaskan - 40% lelaki dan 45% wanita berusia lebih dari 70 tahun dibebani sama ada dengan obesiti atau DM2 [Ceska, 2007], meningkatkan risiko penyakit kardiovaskular dan strok [Mankovsky dan Ziegler, 2004]. Obesiti juga merupakan faktor risiko penurunan kognitif dan demensia, termasuk penyakit Alzheimer (AD) [Elias et al., 2005; Wolf et al., 2007]. Risiko tambahan ini boleh ditengahi oleh DM2, yang dikaitkan dengan kebarangkalian yang lebih tinggi mempunyai AD [Irie et al., 2008; Leibson et al., 1997].

Kajian terdahulu yang menganalisis data dari Kajian Kognisi Kajian Kardiovaskular (CHS-CS) menunjukkan bahawa penyakit serebrovaskular, sebagai tambahan kepada peringkat umur, kaum, dan pendidikan, dikaitkan dengan kognisi dan dengan perkembangan keadaan risiko pertengahan untuk AD, yang diketahui sebagai gangguan kognitif ringan (MCI) [Lopez et al., 2003a]. Faktor risiko kardiovaskular untuk MCI termasuk lesi perkara putih, infark, hipertensi, diabetes mellitus, dan penyakit jantung [Lopez et al., 2003a]. Selanjutnya, pesakit dengan AD mempunyai kadar atrofi otak yang luar biasa tinggi [Apostolova et al., 2006; Callen et al., 2001; Leow et al., 2009]. Selain itu, atrofi otak boleh dikesan pada MRI walaupun sebelum kerosakan kognitif secara klinikal terbukti, seperti yang ditunjukkan dalam kajian yang menunjukkan atrofi yang lebih besar dalam pembawa APOE4 tanpa gejala berbanding bukan pembawa [Morra et al., 2009].

Obesiti dan DM2 dapat menguatkan risiko demensia dengan memburukkan atrofi otak walaupun dalam individu yang kognitif, meningkatkan kerentanan mereka terhadap neuropatologi AD masa depan. Kajian terdahulu, kebanyakannya dalam subjek yang lebih muda dari 65, menunjukkan bahawa kandungan lemak tisu yang meningkat (adiposity) dikaitkan dengan atrofi dalam korteks temporal, cuping hadapan, putamen, caudate, precuneus, thalamus, dan bahan putih (WM) [Gustafson et al., 2004; Pannacciulli et al., 2006; Taki et al., 2008]. Tidak diketahui, tetapi minat yang tinggi, sama ada kandungan lemak tisu yang tinggi, seperti yang diukur oleh BMI, dikaitkan dengan perbezaan struktur otak dalam warga tua yang kognitif.

DM2 juga dikaitkan dengan atrofi otak pada orang tua termasuk dalam lobus temporal, hippocampus, dan dengan pengembangan ventrikel lateral [Korf et al., 2007]. Penjelasan yang paling biasa untuk kesan ini adalah lesi WM [Claus et al., 1996] dan strok klinikal [Mankovsky dan Ziegler, 2004]. Atrofi otak yang berkaitan dengan DM2 mungkin sekunder untuk meningkatkan tahap insulin yang dilihat dalam penyakit ini; insulin plasma puasa yang lebih tinggi telah dikaitkan dengan defisit kognitif dalam subjek orang tua [Yaffe et al., 2004], dan mendorong pemendapan amiloid, sehingga meningkatkan risiko penyakit Alzheimer [Watson et al., 2003]. Setakat ini, tiada kajian lain yang mengaitkan insulin plasma puasa dan struktur otak, walaupun DM2 telah diperiksa. Potensi yang serius di dalam kajian ini adalah kemungkinan perubahan neurodegeneratif sebelum gejala dalam kohort warga tua yang dikaji. Sejak atrofi otak dan patologi AD boleh wujud sebelum berlakunya gejala klinikal [Braskie et al., 2008; DeKosky et al., 2006], siasatan BMI, DM2 dan atrofi otak perlu dilakukan pada individu yang mana AD awal dapat diketepikan sejauh mungkin.

Obesiti dan DM2 dapat menguatkan risiko untuk AD dengan mempromosikan atrofi otak dan dengan demikian mungkin mewakili faktor risiko yang kritikal untuk penurunan kognitif dan demensia. Kerana syarat-syarat ini untuk beberapa tahap dapat dicegah dan dirawat, adalah penting untuk mengenal pasti struktur otak yang terjejas secara khusus di kalangan orang tua yang tidak bergetar, untuk memahami sistem yang terjejas, dan akhirnya untuk mengukur kejayaan intervensi untuk melindungi kawasan-kawasan ini.

Kami menggunakan morfometri berasaskan tensor (TBM), kaedah yang agak baru [Hua et al., 2008; Thompson et al., 2000], untuk menghasilkan peta 3D atrofi otak dalam sekelompok subjek orang tua yang tidak dimuliakan yang direkrut dari Kajian Kognisi Kajian Kardiovaskular (CHS-CS), kohort berasaskan komuniti individu yang mempunyai data klinikal, kognitif dan pengimejan yang meluas [Lopez et al., 2004]. Berdasarkan data kognitif membujur, kami memilih subjek 94 yang kekal kognitif secara normal untuk sekurang-kurangnya 5 tahun selepas imbasan MRI asasnya, sekali gus meminimumkan kesan mengelirukan awal neurodegenerasi pra-klinikal. Kami mengundur BMI (n = 94), FPI (n = 64), dan DM2 diagnosis (n = 94) terhadap ukuran imej GM dan WM di seluruh subjek, untuk menentukan sama ada pembolehubah ini dikaitkan dengan atrofi otak. Kami menggunakannya korelasi bivariat model untuk analisis penerokaan awal, dan kemudian regresi berganda model telah digunakan untuk menjelaskan potensi pemfitnah seperti jantina dan bangsa. Kami juga membandingkan struktur otak antara berat badan biasa (BMI: 18.5-25), subjek berlebihan berat badan (BMI: 25-30), dan obes (BMI: 30 +) untuk menilai jika potongan klinikal ini untuk menentukan adipositi yang lebih tinggi adalah berkaitan dengan atrofi otak.

Bahan dan Kaedah

Hasil

Demografi subjek ditunjukkan dalam Jadual I, dibahagikan kepada kategori BMI 3 untuk berat badan biasa, berat badan dan obes (BMI Range: 18.5-36.2). Hanya tahap BMI dan FPI yang berbeza antara kumpulan - seperti yang diharapkan, atau menurut definisi, orang yang berlebihan berat badan dan gemuk mempunyai tahap BMI dan FPI yang lebih tinggi daripada kumpulan BMI biasa (p ≤ 0.001). Tiada korelasi antara tahap DM2 dan FPI (r(64) = .01,p = .92). Di samping itu, DM2subjects tidak mempunyai tahap FPI yang lebih tinggi daripada subjek bukan FPI (t(62) = -.09,p = .92).

Jadual I

Ciri Subjek. Kumpulan yang dikaji berbeza hanya dalam BMI dan FPI (p <0.01).

Analisis Statistik Bivariate:

Potensi Confounders

Dalam peta TBM kita mengaitkan pembolehubah membingungkan yang berpotensi dengan struktur otak, peningkatan umur menunjukkan persatuan tahap trend dengan jumlah otak yang lebih rendah dalam sampel ini tetapi ini tidak signifikan secara statistik (p = 0.07, diperbetulkan; ujian permutasi). Umur dan BMI tidak berkorelasi dengan ketara dalam sampel kami (r (92) = - 0.04, p = 0.90) dan tidak berkait rapat dengan tahap insulin (r (64) = 0.06, p = 0.66) atau dengan diagnosis DM2 (r (92) = -0.05, p = 0.61). Selain itu, genotip APOE4, yang meningkatkan risiko untuk AD sporadis, tidak berkaitan dengan perubahan yang dapat dikesan dalam struktur otak seperti yang dinilai dengan TBM dalam sampel ini (p = 0.39, ujian permutasi). Pendidikan, ditakrifkan sebagai kemajuan di luar sekolah menengah, juga tidak signifikan secara statistik dalam korelasi dengan langkah TBM GM dan atrophy WM sama ada secara negatif (p= .92, ujian permutasi) atau positif (p= .12, ujian permutasi). Penetapan klinikal hipertensi (sistolik / diastolik> 140/90 mm hg atau penggunaan ubat anti-hipertensi) juga tidak mempunyai hubungan negatif yang signifikan secara statistik dengan struktur otak dalam sampel kami (p= .33, ujian permutasi).

BMI

BMI yang tinggi adalah berkorelasi dengan kadar GM dan WM yang lebih rendah di seluruh otak (p <0.001, ujian permutasi). Rajah 1a menunjukkan koefisien korelasi untuk persatuan terbalik BMI dengan struktur otak yang diproyeksikan ke templat deformasi minimum khusus CHS (CHS-MDT). Warna biru mewakili kawasan korelasi negatif yang lebih tinggi; nilai biasanya berkisar dari -0.30 ke 0.30. Bidang korelasi positif dalam warna merah dan kuning tidak signifikan secara statistik. Bidang korelasi negatif terkuat (r ≤ -0.30) ditemui dalam korteks hadapan orbit (anak panah merah pada x = -9, y = 57, z = 29, r = -.31), hippocampus (panah emas: kiri pada x = - 31, y = -2, z = 25, r = -.32; betul di x = 32, x = 9, z = 18, r = -.31) dan kawasan subkortikal (asterisk putih: kiri pada x = -28, y = -14, z = 1, r = -.30; betul di x = 29, y = -15, z = 1, r = -.34) termasuk putamen, globus pallidus, dan thalamus. Keputusan ini menunjukkan atrofi pada orang yang mempunyai lemak tisu badan yang lebih tinggi. Rajah 1b menunjukkan maksud yang bersesuaian (p-nilai). Warna gelap menunjukkan kawasan yang lebih rendah p-nilai.

Rajah 1

bahagian a menunjukkan a r(Pekson correlation coefficient) peta yang menonjolkan korelasi negatif dan positif antara BMI dan struktur otak yang diunjurkan ke bahagian kardinal Kajian Kesihatan Kardiovaskular Kajian Kecemasan Minimal (CHS-MDT). ...

FPI

FPI yang lebih tinggi dikaitkan dengan jumlah otak serantau yang lebih rendah (p = 0.01, ujian permutasi) di kedua-dua GM dan WM. FPI yang lebih tinggi dikaitkan dengan atrofi otak di lobus frontal, hippocampus, dan splenium corpus callosum. Keputusan ini ditunjukkan dalam Angka 2a dan 2b. Rajah 2a menunjukkan peta koefisien korelasi di mana FPI yang lebih tinggi dikaitkan dengan jumlah yang lebih rendah dalam splenium korpus callosum (anak panah merah: x = -3, y = 12, z = -12, r = -.27), korteks frontal orbit (anak panah oren: x = -3, y = -39, z = 31, r = -.33) dan hippocampus (panah emas: kiri pada x = -24, y = -1, z = 24, r = -.31; betul di x = 31, x = 3, z = 21, r = -.33). Rajah 2b menunjukkan peta p-nilai yang sepadan. Keputusan ini menunjukkan bahawa tahap insulin yang tinggi, komponen awal patologi DM2, boleh dikaitkan dengan atrofi otak di kawasan otak dengan fungsi kognitif seperti splenium corpus callosum (pemindahan sentuhan separuh hemispherik dan maklumat kognitif visual), orbital frontal korteks (fungsi eksekutif), dan hippocampus (pembelajaran dan ingatan).

Rajah 2

bahagian a menunjukkan peta korelasi yang dijangkakan ke templat CHS-MDT yang menunjukkan di mana otak atrofi (pengurangan jumlah) berkaitan dengan paras insulin plasma puasa yang lebih tinggi. FPI yang lebih tinggi dikaitkan dengan jumlah yang lebih rendah dari splenium korpus callosum (merah ...

Jenis II Diabetes Mellitus

DM2 juga dikaitkan dengan atrofi otak (p <0.001, ujian permutasi) dalam analisis bivariat. Peserta yang didiagnosis menderita DM2 mempunyai jumlah yang lebih rendah di beberapa kawasan otak termasuk lobus frontal, korteks prefrontal, genu dan splenium corpus callosum, gyrus cingulate tengah, lobula parietal unggul, lobus oksipital, dan serebelum. Ganglia basal, termasuk caudate, putamen, dan globus pallidus juga mengalami atrofi pada penderita DM2. Tidak ada subjek DM2 kami yang mempunyai sejarah strok klinikal atau infark yang dikenal pasti MRI. Kawasan atrofi yang berkaitan dengan DM2 ditunjukkan dalam Angka 3a (peta koefisien korelasi) dan dan3b3b (peta p-nilai). Angka ini menunjukkan bahawa DM2 dikaitkan dengan jumlah yang lebih rendah dalam splenium korpus callosum (Rajah 3b, peta penting, anak panah hitam, sepadan r-value = -.21 pada x = -4, y = 14, z = -17), genu corpus callosum (Rajah 3b, anak panah hijau, sepadan r-value = -.17 pada x = 4, y = -49, z = 1) dan cuping depan (Rajah 3b, anak panah merah, sepadan r-value = -.24 pada x = -7, y = -77, z = 7).

Rajah 3

. r- nilai imej dalam bahagian a menunjukkan korelasi negatif antara diagnosis kategori DM2 dan atrofi dalam GM dan WM. DM2 dikaitkan dengan jumlah yang lebih rendah dalam splenium corpus callosum Rajah 3b, peta kepentingan, panah hitam, sepadan ...

Analisis Regresi Pelbagai

Dalam regresi berganda model, BMI adalah satu-satunya pembolehubah yang berkaitan dengan atrofi otak di GM dan WM (dijangka FDR <5%); tidak ada hubungan bebas antara FPI, DM2, e, jantina, atau bangsa dengan tahap atrofi otak setelah BMI dipertanggungjawabkan. Gabungan BMI dan struktur otak terbalik ditunjukkan dalam Rajah 4. BMI yang lebih tinggi dikaitkan dengan jumlah GM dan WM yang lebih rendah dalam korteks frontal orbit (bahagian a, kotak biru), anting cingulate gyrus (bahagian a, kotak biru), lobus temporal medial (bahagian b, anak panah hitam), dan subcortical WM (bahagian c , asterisk hitam). Saiz kesan untuk persatuan ini adalah besar (r ≥ 0.30). In Rajah Tambahan 1, kami menunjukkan imej beta kesan utama BMI. Imej ini mewakili cerun garis regresi, menunjukkan peratusan isipadu otak (dalam cc) hilang untuk setiap satu sisihan piawai standard dalam BMI selepas menyesuaikan untuk pembolehubah lain dalam model. Di dalam kawasan terhad korteks frontal / cingulate frontal, contohnya, warna ungu menunjukkan bahawa lebih daripada 4% jumlah otak hilang untuk setiap satu sisihan piawai standard dalam BMI. Oleh itu, seseorang yang berada di atas 5% BMI (iaitu dua penyimpangan piawai daripada min), akan menunjukkan defisit fokal% 8 maksimum di kawasan seperti korteks frontal orbit. Anak panah dan asterisk mengenal pasti kawasan anatomi yang sepadan antara peta korelasi dan imej beta.

Rajah 4

Angka ini menunjukkan peta nilai korelasi (r-pada nilai) yang diunjurkan ke dalam templat otak MNI Tunggal Standard untuk tujuan paparan. Korelasi yang ditunjukkan adalah antara BMI dan atrofi GM / WM yang lebih tinggi untuk umur, jantina, bangsa dan DM2. Panas ...

Kami mengesan tiada persatuan bebas umur, DM2, jantina atau bangsa pada jumlah GM atau WM dalam sampel kami sekali BMI diambilkira. Analisis interaksi juga menunjukkan bahawa atrofi berkaitan BMI tidak berubah sebagai fungsi mana-mana satu daripada pembolehubah ini. BMI yang berasingan oleh analisis interaksi FPI (n = 64) menunjukkan bahawa kesan BMI pada struktur otak tidak berubah sebagai fungsi FPI. Untuk lebih memahami bagaimana atrofi berkaitan BMI diedarkan, kami juga membandingkan jumlah GM dan WM orang dengan klasifikasi diagnostik diskriminasi 3, iaitu BMI biasa, berat badan berlebihan, dan obes.

Analisis ANCOVA Antara-Kumpulan

Obesiti berbanding BMI Normal

Dalam membandingkan subjek obes (BMI: 30 +) kepada mereka yang mempunyai BMI biasa (BMI: 18.5-25), kami mendapati jumlah GM dan WM yang lebih rendahFDR <5%) dalam kumpulan obes walaupun mengawal usia, jantina, bangsa, dan DM2. Atrofi ini ditunjukkan dalam Rajah 5 sebagai rGambar digambarkan pada templat MNI Subjek Standard Single, dengan warna merah bersamaan dengan saiz kesan korelasi yang lebih tinggi (r > 0.50). Orang gemuk mempunyai jumlah GM dan WM yang lebih rendah di lobus frontal, gyrus cingulate anterior (bahagian a, panah biru), hippocampus (bahagian b, panah hitam), dan ganglia basal (bahagian c, kotak hijau) Peta ini menunjukkan bahawa menjadi gemuk dikaitkan dengan atrofi di kawasan otak yang penting untuk fungsi kognitif seperti anterior cingulate, yang mengambil bahagian dalam perhatian dan fungsi eksekutif.

Rajah 5

Peta korelasi (r- nilai gambar) ukuran kesan untuk perbandingan 14 orang gemuk (BMI> 30) dengan 29 orang berat badan normal (18.5–25). Orang gemuk mempunyai jumlah GM dan WM yang lebih rendah di lobus frontal, anterior cingulate gyrus (bahagian a, blue ...

Berat badan berbanding BMI yang Normal

Rajah 6 menunjukkan bahawa subjek yang mempunyai berat badan berlebihan (BMI: 25–30) mempunyai jumlah otak yang lebih rendah daripada yang mempunyai BMI Normal pada ganglia basal (bahagian a - anak panah hitam; bahagian b - anak panah merah; bahagian c - anak panah biru), corona radiata (bahagian b, kotak hitam), dan lobus parietal (bahagian c, anak panah ungu). Kaitan ini pada amnya lebih rendah pada skala (|r| = 0.30 - 0.40) berbanding dengan keputusan BMI yang obes-normal. Tidak seperti orang gemuk, kumpulan kelebihan berat badan tidak menunjukkan atrofi di kawasan paralimbik seperti gyrus anting cingulate dan hippocampus. Tidak terdapat perbezaan yang signifikan secara statistik dalam GM dan WM di antara golongan obes dan kelebihan berat badan. Semua analisis dikawal untuk umur, jantina, bangsa, dan DM2.

Rajah 6

Peta koefisien korelasi ditunjukkan untuk perbandingan kumpulan 51 orang berat badan berlebihan (BMI: 25-30) berbanding orang berat badan 29 (18.5-25). Atrofi dalam kumpulan kelebihan berat badan dilihat dalam ganglia basal (bahagian a - anak panah hitam; ...

Perbincangan

Di sini kami melaporkan beberapa penemuan utama yang berkaitan dengan defisit struktur otak kepada obesiti, BMI yang lebih tinggi, FPI dan DM2 dalam individu kognitif yang berusia lanjut dari kumpulan kohort. Pertama, lemak tisu badan yang lebih tinggi sangat dikaitkan dengan defisit isipadu otak dalam subjek-subjek tua yang kognitif, walaupun ketika mengawal potensi membingungkan seperti umur, jantina, dan kaum. Kedua, FPI dan DM2 menunjukkan persatuan terbalik dengan struktur otak dalam a bivariat analisis, tetapi korelasi ini tidak signifikan secara statistik apabila mengawal BMI. Ketiga, korelasi negatif antara lemak tisu badan dan struktur otak adalah paling kuat pada orang gemuk tetapi juga dilihat pada individu yang berlebihan berat badan. Walaupun kami mengakui bahawa kesan obesiti mungkin sekunder kepada kesihatan yang umumnya kurang baik, ini kurang mungkin dalam sampel kami kerana (i) mereka yang mempunyai kesihatan yang sangat kurang berkemungkinan untuk bertahan hingga usia lanjut (min: tahun 77.3) dalam kajian kami ; (ii) tiada korelasi dikesan antara BMI dan kadar kematian dalam tahun kohort 10 selepas imbasan mereka (r(94) = 0.07, p = 0.47); dan (iii) kumpulan BMI 3 tidak berbeza dalam kadar penyakit vaskular mereka yang meningkatkan morbiditi dan kematian (Jadual I). Oleh itu, walaupun pada orang-orang dengan kognisi biasa yang bertahan hingga ke usia tua, adipositas tisu badan yang lebih tinggi mungkin mempunyai akibat yang merosakkan pada struktur otak.

Penemuan atrofi otak yang dikaitkan dengan BMI di kalangan warga tua secara kognitif disokong oleh kajian dari sampel yang lebih muda. Satu kajian mengenai lelaki Jepun (umur purata: 46.1) menunjukkan penurunan jumlah GM yang berkaitan dengan peningkatan BMI dalam lobus temporal medial, hippocampus, dan precuneus [Taki et al., 2008]. Satu lagi kajian (min umur: 32) menunjukkan kehilangan jumlah GM yang lebih besar dalam individu gemuk dalam operculum depan, gyrus postcentral, dan putamen [Pannacciulli et al., 2006]. Kajian spektroskopi MR baru-baru ini mendedahkan keabnormalan metabolik di lobus frontal GM dan WM dalam kumpulan orang obesiti yang lebih muda (min umur: 41.7) [Gazdzinski et al., 2008].

Korelasi antara BMI dan jumlah otak tidak mungkin langsung dalam erti kata yang menyebabkan yang lain; Oleh itu, adalah penting untuk mengenal pasti faktor atau mekanisme Bahawa mungkin cenderung menyebabkan pengurangan jumlah otak dan obesiti dalam subjek yang sama. Mediator yang paling umum yang dicadangkan untuk hubungan antara adipositi tisu badan yang lebih tinggi dan struktur otak termasuk hypercortisolemia [Lupien et al., 1998], mengurangkan senaman [Colcombe et al., 2003], fungsi pernafasan terjejas [Guo et al., 2006], keradangan [van Dijk et al., 2005], kardiovaskular / hipertensi / hyperlipidemia [Breteler et al., 1994; Swan et al., 1998], dan diabetes mellitus jenis II [den Heijer et al., 2003; Ferguson et al., 2003]. Perwujudan defisit struktur otak dalam kajian ini adalah atrofi hippocampal, kehilangan jumlah kortikal, dan hipertensiti WM. Kami mendapati tiada interaksi antara BMI dan DM2, jadi kesan BMI tidak mungkin dimediasi oleh mekanisme dalam sampel kami. Di samping itu, keputusan BMI kami tidak berubah apabila mengawal hipertensi dan hiperensiti WM seperti yang dinilai oleh kriteria piawaian CHS [Dai et al., 2008; Yue et al., 1997]. Hasil ini mungkin mencerminkan kesan yang selamat, kerana orang yang mempunyai kedua-dua BMI yang tinggi dan penyakit serebrovaskular yang teruk secara klinikal kurang berkemungkinan hidup pada rentang umur populasi kajian kami (70-89 tahun). Di samping itu, kita tidak boleh menolak kemungkinan hubungan BMI dengan atrofi otak di kohort warga tua kita lebih ditengah secara langsung melalui mana-mana satu atau mana-mana kombinasi mekanisme lain yang disenaraikan di atas.

Setelah menetapkan bahawa BMI dikaitkan dengan atrofi otak pada orang tua, kami juga mengakui bahawa kontroversi ada dalam kesusasteraan tentang bagaimana persatuan ini dipengaruhi oleh perbezaan seks. Sekumpulan orang tua (70-84 tahun) wanita Sweden menunjukkan atrofi lobus temporal yang besar pada tomografi yang dikira [Gustafson et al., 2004] sementara satu lagi kajian mendapati BMI yang berkaitan kehilangan jumlah serebral dalam lelaki Jepun tetapi tidak pada wanita [Taki et al., 2008]. Untuk menentukan sama ada atau tidak korelasi antara BMI dan struktur otak dipengaruhi oleh jantina dalam kajian kami, kami memodelkan BMI dengan interaksi gender di dalam kami regresi berganda menganalisis dan tidak mengesan perbezaan seks dalam atrofi otak yang berkaitan dengan BMI. Oleh itu kajian kami menunjukkan bahawa kesan buruk dari adipositas tisu yang lebih tinggi pada struktur otak mungkin bebas daripada jantina; bagaimanapun, penemuan ini merangkumi penyiasatan lanjut dalam kajian masa depan.

Walaupun korelasi FPI yang tidak disesuaikan, DM2, dan atrophy otak tidak signifikan dalam model yang disesuaikan, mereka mungkin merit perbincangan kerana kesusasteraan yang semakin meningkat mengenai kesan hyperinsulinemia dan DM2 di otak. Pada peringkat awal DM2, rintangan insulin dikaitkan dengan hiperinsulinemia yang kompensator [Yaffe et al., 2004], dan tahap insulin yang tinggi dikaitkan dengan kerosakan kognitif, walaupun dalam subjek yang tidak akan mengembangkan DM2 [van Oijen et al., 2008], menunjukkan bahawa hiperinsulinemia dapat mengubah struktur otak. Mekanisme berbilang terlibat dalam kesan hyperinsulinemia pada fungsi dan struktur otak, termasuk kesan vasoaktif pada arteri serebral, neurotoksisitas akibat kelemahan amiloid dari otak dan rangsangan pembentukan neurofibrillary kusut melalui metabolisme produk akhir glisasi [Bian et al., 2004; Watson et al., 2003]. Kesan insulin diperhatikan di sini dalam pelbagai bidang yang berkaitan dengan fungsi kognitif seperti korteks frontal orbital dan hippocampus. Ini konsisten dengan tanggapan bahawa hyperinsulinemia mempengaruhi struktur otak yang terlibat dalam kognisi; ia juga boleh membawa kepada kemerosotan kognitif halus sebelum gejala klinikal demensia jelas dikesan [Kalmijn et al., 1995].

DM2 dikaitkan dengan bahagian bawah GM dan WM yang lebih rendah yang mempunyai kaitan kognitif seperti lobus frontal dan saluran WM yang besar (splenium of corpus callosum), yang menunjukkan bahawa DM2 mempunyai persatuan yang luas dengan atrofi otak. DM2 boleh mengurangkan isipadu otak melalui proses serebrovaskular yang progresif yang membawa kepada strok dan infark [Ikram et al., 2008; Knopman et al., 2005]. DM2 boleh menimbulkan kerosakan melalui glycation protein struktur utama, ketidakseimbangan antara pengeluaran dan penghapusan spesies oksigen reaktif, dan melalui gangguan hexosamine dan jalur poliol, menyebabkan pembran bawah tanah kapilari serebral untuk menebal [Arvanitakis et al., 2006]. Perubahan mikrovascular seperti yang sering berlaku dengan akibat obesiti lain seperti hipertensi, boleh membawa kepada iskemia subklinikal kronik, penggunaan tenaga neuron terjejas, dan atrofi di kawasan otak dengan vasculature yang mudah terdedah seperti arteri lenticulostriate ganglia basal [Breteler et al., 1994]. Penemuan ganglial basal dalam analisis TBM juga boleh dilihat dengan ketara kerana kekurangan kepekaan TBM mempunyai perubahan volum dalam permukaan kortikal kerana kelancaran medan ubah bentuk dan menyebabkan kesan kelantangan sebahagian [Hua et al, 2009; Leow et al., 2009]. Kami bivariat Hasil DM2 selaras dengan penemuan terdahulu bahawa GM dan WM terpengaruh dalam DM2 [Korf et al., 2007; Tiehuis et al., 2008] dan dengan kajian FDG-PET yang menunjukkan hipometabolisme di kawasan persatuan depan, temporal, dan parietal, dan gyrus cingulate di dalam subjek kognitif secara normal dengan hyperglycemia ringan [Kawasaki et al., 2008].

Persatuan DM2 tidak bertahan yang diselaraskan regresi berganda model, yang mungkin disebabkan oleh bilangan kecil subjek DM2 dalam kajian (n = 11), yang sendiri mungkin akibat kesan yang terselamat. Iaitu, ramai orang dengan DM2 mungkin tidak cukup lama menjalani pemeriksaan sebagai sebahagian daripada CHS. Ini berat sebelah mungkin telah menyebabkan kekurangan kuasa dalam regresi berganda model dan kurang interaksi signifikan antara BMI dan DM2. Isu ini boleh diatasi dalam kajian masa depan dengan menganalisis bilangan orang tua kognitif yang lebih tinggi daripada orang-orang tua DM2. Kerja-kerja sedemikian dapat menjelaskan peranan mediasi yang mungkin untuk DM2 berkenaan dengan obesiti dan atrophy otak. Walaupun ia menggoda untuk membuat spekulasi bahawa orang gemuk dan kelebihan berat badan mempunyai patologi DM2 subklinikal awal (seperti yang ditunjukkan oleh orang gemuk dan berat badan yang mempunyai FPI yang lebih tinggi) dan bahawa pemacu ini hubungan antara BMI dan atrofi otak, kerja masa depan perlu mengesahkan ini kerana kami mendapati tiada interaksi secara signifikan antara BMI dan DM2 atau FPI.

Penemuan kami, yang diambil dalam konteks kajian terdahulu, mencadangkan bahawa warga tua dengan adipositi yang lebih tinggi berada pada risiko peningkatan atrofi otak dan akibatnya demensia. Malah subjek-subjek orang tua kita, yang sangat sihat dan disahkan untuk kognitif stabil sekurang-kurangnya 5 tahun selepas pengimbasan baseline, telah mengalami atrofi otak yang berkaitan dengan obesiti. Keputusan kami menunjukkan bahawa individu mungkin mempunyai atrofi otak yang lebih besar disebabkan oleh obesiti atau disebabkan oleh faktor yang menggalakkan obesiti dan atrofi ini boleh pula menjejaskan mereka untuk masalah kognitif masa depan dan demensia. Implikasi kitaran ini termasuk: (i) peningkatan morbiditi / kematian pada orang tua; (ii) kos penjagaan kesihatan yang lebih tinggi akibat demensia berkaitan obesiti; dan (iii) beban emosi dan lain-lain yang tidak berkaitan dengan penjaga dan penjagaan kesihatan. Persatuan obesiti dengan atrofi otak dan risiko demensia memaparkan cabaran kesihatan awam yang berpotensi.

Kajian ini menggunakan kaedah neuroimaging untuk meneroka kesan BMI, insulin, dan DM2 yang lebih tinggi dalam kohort komuniti warga tua yang kekal secara kognitif selama lima tahun selepas imbasan mereka. Oleh itu, keputusan sedemikian lebih cenderung untuk mencerminkan perubahan otak dalam populasi warga tua umum kerana mereka mengelakkan rujukan bias rujukan yang menarik subjek dari klinik khusus. Morfometri Berpusat Tensor (TBM) menawarkan pemetaan resolusi tinggi bagi perbezaan anatomi, yang menawarkan kepekaan yang sangat baik terhadap perbezaan struktur sistematik dalam otak, dan tidak mempunyai pemilihan bias ROI yang hanya memeriksa bahagian otak. Kami menggunakan TBM kerana keberkesanannya dalam menganalisis perbezaan kumpulan volumetrik di seluruh otak. Dalam jenis lain kajian berasaskan voxel, seperti morfometri berasaskan voxel [Ashburner dan Friston, 2000], kadang-kadang timbul persoalan sama ada penemuan itu boleh dikaitkan dengan pendaftaran tidak sempurna. Persoalan ini timbul kerana di VBM, peta yang dilapisi bahan kelabu diklasifikasikan secara automatik merentasi subjek dan terlicin, dan kemudian kesimpulan statistik dibuat mengenai perbezaan kumpulan, oleh pengurangan voxel-by-voxel imej-imej purata. Oleh itu adalah mungkin bahawa perbezaan yang dikesan di mana-mana satu lokasi adalah kerana pendaftaran tidak sempurna [Thacker et al., 2004].

Walau bagaimanapun, dalam TBM, isyarat yang dianalisa hanya didasarkan pada pendaftaran imej dan bukan klasifikasi bahan kelabu yang sejajar, oleh itu tidak diperlukan bahawa bahan kelabu didaftarkan dengan sempurna merentasi subjek kerana ketumpatan bahan kelabu tidak dianalisis pada setiap stereotaktik lokasi. Oleh itu, penemuan positif palsu kerana perbezaan kumpulan sistematik dalam kesilapan pendaftaran kurang berkemungkinan. Walau bagaimanapun, mungkin terdapat penemuan negatif palsu, kerana kuasa untuk mengesan perbezaan morfometri bergantung pada skala di mana data anatomik dapat dipadankan dengan algorithm warping. Perbezaan morfometrik yang lebih sempurna (contohnya dalam ketebalan hippocampus atau ketebalan kortikal) mungkin lebih baik dikesan menggunakan kaedah lain yang memodelkan struktur tersebut dengan jelas. Walau bagaimanapun, kami lebih suka menggunakan TBM berbanding padanan kortikal kerana TBM dapat memproses nombor subjek yang lebih besar dalam masa lebih cepat dan memerlukan memori pengiraan yang kurang [Xue et al., 2008]. Oleh itu, TBM kurang terdedah kepada bias pendaftaran daripada VBM dan lebih cekap untuk menganalisis bilangan subjek yang lebih besar daripada pemodelan permukaan kortikal dan padanan corak kortikal.

Penemuan kami dibatasi oleh reka bentuk keratan rentas, walaupun tindak lanjut membujur digunakan untuk memberitahu pemilihan subjek untuk meminimumkan kekacauan dari mereka yang mengalami neurodegenerasi awal dari Alzheimer atau demensia lain. Kami regresi berganda pendekatan menyumbang kesan berpotensi membingungkan umur, jantina, dan bangsa dan DM2. Kami tidak memasukkan genotip APOE4 dalam model ini, kerana pemboleh ubah tersebut tidak menunjukkan hubungan penting secara statistik dalam analisis bivariat (p = 0.39, ujian permutasi).

Dengan semakin banyak orang menjadi kedua-dua gemuk dan tua, pemahaman terperinci tentang kelainan struktur otak dalam kumpulan ini adalah penting. Kajian seperti ini menunjukkan mengapa individu-individu ini mungkin mengalami peningkatan risiko demensia. Malah orang tua yang kekal kognitif lama selepas MRI mereka mempunyai atrofi berkaitan BMI di kawasan otak yang disasarkan oleh neurodegeneration: hippocampus, lobus frontal, dan thalamus. Individu tersebut mungkin mendapat manfaat daripada campur tangan untuk mengurangkan lemak tisu badan dan mengalami kesihatan otak yang lebih baik dalam penuaan.

Bahan Tambahan

Penghargaan

Rujukan