Hjärnstruktur och fetma (2010)

Beskrivning

Fetma och typ II, eller icke-insulinberoende, diabetes mellitus (DM2) är två sammanlänkade tillstånd som har uppnått epidemiska proportioner. Det finns för närvarande över en miljard överviktiga och 300 miljoner överviktiga personer över hela världen [Världshälsoorganisationen, 2009]. Den äldre befolkningen har inte skonats - 40% av männen och 45% av kvinnorna över 70 år är belastade antingen med fetma eller DM2 [Ceska, 2007], vilket ökar deras risk för hjärt-kärlsjukdom och stroke [Mankovsky och Ziegler, 2004]. Fetma är också en riskfaktor för kognitiv nedgång och demens, inklusive Alzheimers sjukdom (AD) [Elias et al., 2005; Wolf et al., 2007]. Denna extra risk kan förmedlas av DM2, vilket är förknippat med en högre sannolikhet för att ha AD [Irie et al., 2008; Leibson et al., 1997].

Tidigare studier som analyserade data från hjärt-kärlsundersökningstudie-kognitionsstudie (CHS-CS) indikerar att cerebrovaskulär sjukdom, utöver ålder, ras och utbildningsnivå, är associerad med kognition och med utvecklingen av ett mellanliggande risktillstånd för AD, känd som mild kognitiv nedsättning (MCI) [Lopez et al., 2003a]. Kardiovaskulära riskfaktorer för MCI inkluderade vita ämnesskador, infarkt, hypertoni, diabetes mellitus och hjärtsjukdom [Lopez et al., 2003a]. Vidare har patienter med AD onormalt höga hastigheter av hjärnatrofi [Apostolova et al., 2006; Callen et al., 2001; Leow et al., 2009]. Dessutom kan hjärnatrofi vara detekterbar på MRT även innan kognitiv försämring är kliniskt tydlig, vilket visas i en studie som visar större atrofi hos asymptomatiska APOE4-bärare jämfört med icke-bärare [Morra et al., 2009].

Fetma och DM2 kan förstärka risken för demens genom att försämra hjärnatrofi även hos kognitivt intakta individer, vilket ökar deras sårbarhet för framtida AD-neuropatologi. Tidigare studier, mestadels på patienter som är yngre än 65, antyder att ökat fettinnehåll i kroppsvävnad (adipositet) är korrelerat med atrofi i den temporala cortex, frontala lober, putamen, caudate, precuneus, thalamus och vitmaterial (WM) [Gustafson et al., 2004; Pannacciulli et al., 2006; Taki et al., 2008]. Det är okänt, men av stort intresse, huruvida högt vävnadsfettinnehåll, mätt med BMI, är förknippat med skillnader i hjärnstruktur hos kognitivt normala äldre.

DM2 är också förknippat med hjärnatrofi hos äldre inklusive i de temporala loberna, hippocampus och med större expansion av sidokammarna [Korf et al., 2007]. Den vanligaste förklaringen för dessa effekter är WM-lesioner [Claus et al., 1996] och kliniska slag [Mankovsky och Ziegler, 2004]. DM2-associerad hjärnatrofi kan vara sekundär till ökade insulinnivåer som ses i sjukdomen; högre fastande plasmainsulin har associerats med kognitiva underskott hos äldre personer [Yaffe et al., 2004] och främjar amyloidavsättning, vilket ökar risken för Alzheimers sjukdom [Watson et al., 2003]. Hittills har inga andra studier korrelerat fastande plasmainsulin och hjärnstruktur, även när DM2 har undersökts. En allvarlig potentiell förvirring i sådana studier är möjligheten till pre-symptomatiska neurodegenerativa förändringar i de studerade äldre kohorterna. Eftersom hjärnatrofi och AD-patologi kan existera år innan kliniska symtom börjar [Braskie et al., 2008; DeKosky et al., 2006], undersökningar av BMI, DM2 och hjärnatrofi bör göras hos individer för vilka begynnande AD kan uteslutas så långt som möjligt.

Fetma och DM2 kan förstärka risken för AD genom att främja hjärnatrofi och kan således representera potentiellt kritiska riskfaktorer för kognitiv nedgång och demens. Eftersom dessa tillstånd i viss utsträckning är förebyggbara och behandlingsbara är det viktigt att identifiera specifikt påverkade hjärnstrukturer hos icke-dementa äldre, både för att förstå systemen som påverkas och i slutändan mäta framgången med interventioner för att skydda dessa områden.

Vi använde tensor-baserad morfometri (TBM), en relativt ny metod [Hua et al., 2008; Thompson et al., 2000], för att generera 3D-kartor över hjärnatrofi i en grupp icke-dementa äldre personer som rekryterats från Cardiovascular Health Study-Cognition Study (CHS-CS), en samhällsbaserad kohort av individer för vilka det finns omfattande kliniska, kognitiva och avbildningsdata. [Lopez et al., 2004]. Baserat på longitudinell kognitiv data valde vi 94-individer som förblev kognitivt normala i minst 5 år efter deras baslinje MRI-skanning, vilket minimerade förvirrande effekter av tidig pre-klinisk neurodegeneration. Vi regresserade BMI (n = 94), FPI (n = 64) och DM2-diagnos (n = 94) mot bild-härledda mått på GM- och WM-volymskillnader mellan försökspersoner för att bestämma om dessa variabler var associerade med hjärnatrofi. Vi använde bivariat korrelation modeller för en första undersökningsanalys och sedan multipel regression modeller användes för att redogöra för potentiella confounders som kön och ras. Vi jämförde också hjärnstruktur mellan normalvikt (BMI: 18.5 – 25), övervikt (BMI: 25 – 30) och överviktiga (BMI: 30 +) personer för att bedöma om dessa kliniska avbrott för att definiera högre fett är själva förknippade med hjärnatrofi.

Material och metoder

Resultat

Ämnesdemografi visas i Tabell I, uppdelat i 3 BMI-kategorier för normala, överviktiga och feta (BMI-intervall: 18.5 – 36.2). Endast BMI- och FPI-nivåer skilde sig åt mellan grupperna - som förväntat, eller per definition, hade överviktiga och överviktiga högre BMI- och FPI-nivåer än den normala BMI-gruppen (p ≤ 0.001). Det fanns ingen korrelation mellan DM2 och FPI-nivåer (r(64) = .01,p = .92). Dessutom hade DM2subjekt inte högre FPI-nivåer än icke-FPI-individer (t(62) = −.09,p = .92).

Tabell I

Ämnesegenskaper. De studerade grupperna skilde sig bara i BMI och FPI (p <0.01).

Bivariate statistiska analyser:

Potentiella confounders

I våra TBM-kartor som korrelerar potentiella förvirrande variabler med hjärnans struktur, visade ökande ålder en trendnivåassociation med lägre hjärnvolymer i detta prov men detta var inte statistiskt signifikant (p = 0.07, korrigerad; permutationstest). Ålder och BMI var inte signifikant korrelerade i vårt prov (r (92) = - 0.04, p = 0.90) och ålder korrelerades inte heller med insulinnivåer (r (64) = 0.06, p = 0.66) eller med DM2-diagnos (r (92) = -0.05, p = 0.61). APOE4-genotyp, som ökar risken för sporadisk AD, var dessutom inte relaterad till detekterbara förändringar i hjärnstrukturen som bedömdes med TBM i detta prov (p = 0.39, permutationstest). Utbildning, kategoriskt definierad som progression bortom gymnasiet, var inte heller statistiskt signifikant i sin korrelation med TBM-mått på GM och WM-atrofi varken negativt (p= .92, permutationstest) eller positivt (p= .12, permutationstest). En klinisk beteckning av högt blodtryck (systolisk / diastolisk> 140/90 mm hg eller användning av antihypertensiva läkemedel) hade ingen statistiskt signifikant negativ korrelation med hjärnstrukturen i vårt urval (p= .33, permutationstest).

BMI

Högre BMI var signifikant korrelerat med lägre GM- och WM-volymer i hela hjärnan (p <0.001, permutationstest). Figur 1a visar korrelationskoefficienterna för den omvända föreningen av BMI med hjärnstrukturen projicerad på den CHS-specifika minimaldeformationsmallen (CHS-MDT). Blå färger representerar områden med högre negativ korrelation; värdena sträcker sig vanligtvis från −0.30 till 0.30. Områdena med positiv korrelation i rött och gult var inte statistiskt signifikanta. Områden med starkast negativ korrelation (r ≤ −0.30) hittades i den främre cortex för kretsloppet (röd pil vid x = −9, y = 57, z = 29, r = −.31), hippocampus (guldpilar: vänster vid x = - 31, y = −2, z = 25, r = −.32; höger vid x = 32, x = 9, z = 18, r = −.31) och subkortikala områden (vita asterisker: vänster vid x = −28, y = −14, z = 1, r = −.30; höger vid x = 29, y = −15, z = 1, r = −.34) inklusive putamen, globus pallidus och thalamus. Dessa resultat antyder atrofi hos personer med högre kroppsvävnadsfett. Figur 1b visar motsvarande betydelse (p-värde) karta. Mörkare färger indikerar områden med lägre p-värden.

Figur 1

Del a visar a r-värde (Pearson-korrelationskoefficient) -karta som belyser de negativa och positiva korrelationerna mellan BMI och hjärnstruktur projicerade på kardinalavsnitt i kardiovaskulär Health Study Minimal Deformation Template (CHS-MDT). .

FPI

Högre FPI var associerat med lägre regionala hjärnvolymer (p = 0.01, permutationstest) i både GM och WM. Högre FPI förknippades med hjärnatrofi i frontala lober, hippocampus och splenium i corpus callosum. Dessa resultat visas i Figurerna 2a och 2b. Figur 2a visar korrelationskoefficientkartan där högre FPI är korrelerad med lägre volymer i splenium i corpus callosum (röd pil: x = −3, y = 12, z = −12, r = −.27), frontal cortex för orbital (orange pil: x = −3, y = −39, z = 31, r = −.33) och hippocampus (guldpilar: vänster vid x = −24, y = −1, z = 24, r = −.31; höger vid x = 31, x = 3, z = 21, r = −.33). Figur 2b visar motsvarande p-värde-karta. Dessa resultat tyder på att höga insulinnivåer, en tidig komponent av DM2-patologi, kan vara kopplade till hjärnatrofi i hjärnregioner med kognitiv funktion såsom splenium i corpus callosum (mellan hemisfärisk överföring av visuell och annan kognitiv information), orbital frontal cortex (exekutiv funktion) och hippocampus (lärande och minne).

Figur 2

Del a visar en korrelationskarta projicerad på CHS-MDT-mallen som indikerar var hjärnatrofi (volymreduktion) är relaterat till högre fastande plasmaininsulinnivåer. Högre FPI är korrelerat med lägre volymer av splenium i corpus callosum (röd .

Diabetes Mellitus av typ II

DM2 var också associerat med hjärnatrofi (p <0.001, permutationstest) i den bivariata analysen. De deltagare som diagnostiserats med DM2 hade lägre volymer i flera hjärnregioner inklusive frontlobber, prefrontal cortex, genu och splenium i corpus callosum, mellersta cingulate gyrus, överlägsen parietal lobule, occipital lobes och cerebellum. De basala ganglierna, inklusive caudat, putamen och globus pallidus, atrofierades också hos dem med diagnosen DM2. Ingen av våra DM2-patienter hade antingen en historia av klinisk stroke eller MR-identifierade infarkter. De DM2-relaterade områdena med atrofi visas i Figurer 3a (korrelationskoefficientkarta) och and3b3b (p-värde karta). Denna figur visar att DM2 är förknippat med lägre volymer i splenium i corpus callosum (Figur 3b, betydelseskarta, svart pil, motsvarande r-värde = −.21 vid x = −4, y = 14, z = −17), genus av corpus callosum (Figur 3b, grön pil, motsvarande r-värde = −.17 vid x = 4, y = −49, z = 1) och de främre flikarna (Figur 3b, röd pil, motsvarande r-värde = −.24 vid x = −7, y = −77, z = 7).

Figur 3

Smakämnen r-värdera bilden delvis a visar det negativa sambandet mellan en kategorisk diagnos av DM2 och atrofi hos GM och WM. DM2 förknippas med lägre volymer i splenium i corpus callosum Figur 3b, betydelseskarta, svart pil, motsvarande .

Flera regressionsanalyser

I multipel regression modeller, BMI var den enda variabel som var signifikant kopplad till hjärnatrofi i GM och WM (förväntat FDR <5%); det fanns inga oberoende föreningar mellan FPI, DM2, e, kön eller ras med graden av hjärnatrofi när BMI redovisades. Den omvända föreningen av BMI och hjärnstruktur visas i Figur 4. Högre BMI förknippades med lägre GM- och WM-volymer i frontal cortex (del a, blå ruta), anterior cingulate gyrus (del a, blue box), medial temporell lob (del b, svarta pilar) och subkortikalt WM (del c) , svarta asterisker). Effektstorlekarna för denna förening var stora (r ≥ 0.30). I Supplerande figur 1, visar vi en betabild av huvudeffekterna av BMI. Den här bilden representerar lutningen för regressionslinjen och visar den procentuella hjärnvolymen (i cc) förlorad för varje standardavvikelse i BMI efter justering för de andra variablerna i modellen. I ett begränsat område av den främre cortexen i främre hjärnan / främre cingulat, till exempel, visar lila färger att mer än 4% av hjärnvolymen förloras för varje standardavvikelsesförstärkning i BMI. Följaktligen skulle en person i topp 5% av BMI (dvs två standardavvikelser från medelvärdet) uppvisa ett maximalt 8% fokalt underskott i ett område såsom den främre cortex för kretsloppet. Pilarna och asteriskerna identifierar matchande anatomiska områden mellan korrelationskartan och betabilden.

Figur 4

Denna figur visar karta över korrelationsvärden (r-värdekarta) projiceras på hjärnmallen Standard Single Subject MNI för visningsändamål. Korrelationen som visas är mellan högre BMI- och GM / WM-atrofykontroll för ålder, kön, ras och DM2. Varmare .

Vi upptäckte inga oberoende sammanslutningar av ålder, DM2, kön eller ras på GM- eller WM-volymer i vårt prov när BMI redovisades. Interaktionsanalyser visade också att BMI-relaterad atrofi inte varierade som en funktion av någon av dessa variabler. En separat BMI genom FPI-interaktionsanalys (n = 64) visade att BMI-effekter på hjärnans struktur inte varierade som en funktion av FPI. För att bättre förstå hur BMI-associerad atrofi fördelades jämförde vi också GM- och WM-volymer av personer med diskreta diagnostiska klassificeringar av 3, dvs. normal BMI, övervikt och övervikt.

ANCOVA-analyser mellan grupper

Fetma kontra normal BMI

Vid jämförelse av feta individer (BMI: 30 +) med de med ett normalt BMI (BMI: 18.5 – 25) fann vi lägre GM- och WM-volymer (FDR <5%) i den överviktiga gruppen trots kontroll av ålder, kön, ras och DM2. Denna atrofi visas i Figur 5 som en r-bild projicerad på Standard Single Subject MNI-mallen, med röda färger motsvarande en högre korrelationseffektstorlek (r > 0.50). Överviktiga personer hade lägre GM- och WM-volymer i frontlobberna, främre cingulatgyrus (del a, blå pil), hippocampus (del b, svart pil) och basala ganglier (del c, grön ruta). Dessa kartor antyder att övervikt är associerad med atrofi i hjärnregioner som är viktiga för kognitiv funktion, såsom det främre cingulatet, som deltar i uppmärksamhet och verkställande funktion.

Figur 5

Korrelationskarta (reffektvärden för en jämförelse mellan 14 överviktiga personer (BMI> 30) och 29 personer med normalvikt (18.5–25). Feta personer hade lägre GM- och WM-volymer i frontlobberna, främre cingulatgyrus (del a, blå .

Övervikt kontra normal BMI

Figur 6 visar att personer med övervikt (BMI: 25–30) har lägre hjärnvolymer än de med normal BMI i basala ganglier (del a - svart pil; del b - röd pil; del c - blå pil), corona radiata (del b, svart ruta) och parietallob (del c, lila pil). Dessa föreningar var i allmänhet lägre i storlek (|r| = 0.30 - 0.40) jämfört med fetma-normala BMI-resultat. Till skillnad från överviktiga personer uppvisade inte överviktiga grupper atrofi i sådana paralimbiska områden, såsom den främre cingulatiska gyrusen och hippocampus. Det fanns inga statistiskt signifikanta skillnader i GM och WM mellan de överviktiga och överviktiga grupperna. Alla analyser kontrollerades för ålder, kön, ras och DM2.

Figur 6

Kartor över korrelationskoefficienter visas för en gruppjämförelse av personer med övervikt av 51 (BMI: 25 – 30) jämfört med personer med normal vikt i 29 (18.5 – 25). Atrofi i den överviktiga gruppen ses i basala ganglier (del a - svart pil; .

Diskussion

Här rapporterar vi flera viktiga fynd som rör strukturella underskott i hjärnan till fetma, högre BMI, FPI och DM2 hos kognitivt normala äldre individer som härrör från en samhällsgrupp. Först var högre kroppsvävnadsfett starkt associerat med hjärnvolymunderskott hos kognitivt normala äldre personer, även när man kontrollerade för potentiella förväxlingar som ålder, kön och ras. För det andra visade FPI och DM2 omvända föreningar med hjärnans struktur i en bivariat analys, men dessa korrelationer var inte statistiskt signifikanta vid kontroll av BMI. För det tredje var negativa samband mellan kroppsvävnadsfett och hjärnstruktur starkast hos överviktiga personer men sågs också hos överviktiga individer. Medan vi erkänner att effekterna av fetma kan vara sekundära till generellt dålig hälsa, är detta mindre troligt i vårt prov eftersom (i) de med mycket dålig hälsa är mindre benägna att överleva till den avancerade åldern (medelvärde: 77.3 år) i vår studie ; (ii) ingen korrelation upptäcktes mellan BMI och dödsnivåer i vår kohort 10 år efter deras skanning (r(94) = 0.07, p = 0.47); och (iii) 3 BMI-grupperna skilde sig inte i sina frekvenser av kärlsjukdomar som ökar sjuklighet och dödlighet (Tabell I). Därför, även hos personer med normal kognition som överlever till ålderdom, kan högre kroppsvävnadsfett ha skadliga konsekvenser på hjärnans struktur.

Vårt upptäckt av BMI-associerad hjärnatrofi hos kognitivt normala äldre stöds av studier från yngre prover. En studie av japanska män (medelålder: 46.1) visade minskade GM-volymer i samband med ökande BMI i mediala temporala lober, hippocampus och precuneus [Taki et al., 2008]. En annan studie (medelålder: 32) visade större GM-volymförlust hos överviktiga individer i frontal operculum, postcentral gyrus och putamen [Pannacciulli et al., 2006]. En nyligen genomförd MR-spektroskopiundersökning avslöjade metabola avvikelser i frontalloben GM och WM hos en grupp yngre feta personer (medelålder: 41.7) [Gazdzinski et al., 2008].

Korrelationen mellan BMI och hjärnvolymer är troligtvis inte direkt i den meningen att den ena orsakar den andra; därför är det av intresse att identifiera faktorer eller mekanismer den där kan ha en tendens att orsaka minskning av hjärnvolym och fetma hos samma försökspersoner. De vanligaste föreslagna medlarna för förhållandet mellan högre kroppsvävnadsförmåga och hjärnstruktur inkluderar hyperkortisolemi [Lupien et al., 1998], minskad träning [Colcombe et al., 2003], nedsatt andningsfunktion [Guo et al., 2006], inflammation [van Dijk et al., 2005], kardiovaskulär / hypertoni / hyperlipidemi [Breteler et al., 1994; Swan et al., 1998] och typ II-diabetes mellitus [den Heijer et al., 2003; Ferguson et al., 2003]. Manifestationerna av strukturella brister i hjärnan i dessa studier var hippocampal atrofi, kortikalt volymförlust och hyperintensitet hos WM. Vi hittade ingen interaktion mellan BMI och DM2, så effekterna av BMI kommer troligen inte att förmedlas av den mekanismen i vårt prov. Dessutom förändrades inte våra BMI-resultat när man kontrollerade med avseende på hypertoni och WM-hyperintensiteter som bedömdes med standardiserade CHS-kriterier [Dai et al., 2008; Yue et al., 1997]. Dessa resultat kan avspegla en överlevandeeffekt, eftersom personer med både hög BMI och kliniskt allvarlig cerebrovaskulär sjukdom är mindre benägna att leva i åldersintervallet för vår studiepopulation (70 – 89 år). Dessutom kan vi inte utesluta möjligheten att BMI-förhållanden med hjärnatrofi i vår äldre kohort medieras direkt genom någon eller någon kombination av de andra mekanismerna som anges ovan.

Efter att ha konstaterat att BMI är förknippat med hjärnatrofi hos äldre, erkänner vi också att det finns kontroverser i litteraturen om hur denna förening påverkas av könsskillnader. En grupp äldre (70 – 84 år) svenska kvinnor uppvisade betydande temporär lobatrofi på datortomografi [Gustafson et al., 2004] medan en annan studie fann BMI-associerad cerebral volymförlust hos japanska män men inte hos kvinnor [Taki et al., 2008]. För att bestämma om korrelationer mellan BMI och hjärnstruktur påverkas av kön i vår studie, modellerade vi en BMI genom könsinteraktion i vår multipel regression analyserade och upptäckte inte en könsskillnad i BMI-relaterad hjärnatrofi. Vår studie antyder därför att de skadliga effekterna av högre vävnadsämne på hjärnans struktur kan vara könsoberoende; detta konstatering förtjänar emellertid ytterligare undersökningar i framtida studier.

Även om de ojusterade korrelationerna av FPI, DM2 och hjärnatrofi inte var statistiskt signifikanta i de justerade modellerna, kan de förtjänar diskussion på grund av en växande litteratur om effekterna av hyperinsulinemi och DM2 på hjärnan. I de tidiga stadierna av DM2 förknippas insulinresistensen med en kompensatorisk hyperinsulinemi [Yaffe et al., 2004] och höga insulinnivåer är förknippade med kognitiv försämring, även hos personer som inte kommer att utveckla DM2 [van Oijen et al., 2008], vilket antyder att hyperinsulinemi kan förändra hjärnans struktur. Flera mekanismer är involverade i påverkan av hyperinsulinemi på hjärnfunktion och struktur, inklusive vasoaktiva effekter på cerebrala artärer, neurotoxicitet på grund av nedsatt clearance av amyloid från hjärnan och stimulering av bildandet av neurofibrillärfiltringar genom avancerad glycation-slutproduktmetabolism [Bian et al., 2004; Watson et al., 2003]. Insulineffekten observeras här i flera områden som är relevanta för kognitiv funktion, såsom den främre cortexens orbital och hippocampus. Detta överensstämmer med uppfattningen att hyperinsulinemi påverkar hjärnstrukturer involverade i kognition; det kan också leda till subtil kognitiv nedgång innan tydliga kliniska symtom på demens kan upptäckas [Kalmijn et al., 1995].

DM2 förknippades med lägre GM- och WM-volymer områden av kognitiv relevans såsom frontala lober och stora WM-kanaler (splenium i corpus callosum), vilket tyder på att DM2 har en utbredd förening med hjärnatrofi. DM2 kan minska hjärnvolymen genom en progressiv cerebrovaskulär process som leder till stroke och infarkt [Ikram et al., 2008; Knopman et al., 2005]. DM2 kan utöva skador genom avancerad glykation av viktiga strukturella proteiner, obalans mellan produktion och eliminering av reaktiva syrearter och genom störningar av hexosamin- och polyolvägar, vilket får källarmembranen i cerebrala kapillärer att tjockna [Arvanitakis et al., 2006]. Sådana mikrovaskulära förändringar, som ofta inträffar med andra fetma konsekvenser såsom hypertoni, kan leda till kronisk subklinisk ischemi, nedsatt neuronal energiförbrukning och atrofi i hjärnområden med delikat sårbar kärl såsom lenticulostriate artärer i basala ganglia [Breteler et al., 1994]. Basala ganglialfynd i TBM-analyser kan också märkas på grund av en jämförande brist på känslighet TBM måste volymförändringar i den kortikala ytan på grund av jämnhet i deformationsfält och resulterande partiella volymeffekter [Hua et al, 2009; Leow et al., 2009]. Vår bivariat DM2-resultat överensstämmer med tidigare fynd att GM och WM påverkas i DM2 [Korf et al., 2007; Tiehuis et al., 2008] och med FDG-PET-studier som visade hypometabolism i frontala, temporala och parietala föreningsregioner och posterior cingulat gyrus hos kognitivt normala individer med mild hyperglykemi [Kawasaki et al., 2008].

DM2-föreningen överlevde inte den justerade multipel regression modeller, som kan bero på det lilla antalet DM2-individer i studien (n = 11), som i sig kan vara en följd av en överlevandeeffekt. Det vill säga, många personer med DM2 kanske inte har levt tillräckligt länge för att genomgå skanning som en del av CHS. Detta förspänning kan ha lett till brist på makt i multipel regression modeller och brist på en statistiskt signifikant interaktion mellan BMI och DM2. Denna fråga kan övervinnas i framtida studier genom att analysera större antal kognitivt normala äldre DM2 personer. Sådant arbete kan belysa en möjlig medlingsroll för DM2 med avseende på fetma och hjärnatrofi. Medan det är frestande att spekulera om att överviktiga och överviktiga personer har tidigt subklinisk DM2-patologi (vilket återspeglas av feta och överviktiga personer med högre FPI) och att detta driver förhållandet mellan BMI och hjärnatrofi, framtida arbete skulle behöva verifiera detta eftersom vi inte hittade några statistiskt signifikanta interaktioner mellan BMI och DM2 eller FPI.

Våra fynd, tagna i samband med tidigare studier, tyder på att äldre personer med högre fett är i ökad risk för hjärnatrofi och följaktligen demens. Till och med våra äldre personer, som var mycket friska och bekräftade att de var kognitivt stabila i minst 5 år efter baslinjescanning, drabbades av hjärnatrofi i samband med fetma. Våra resultat antyder att individer kan ha en större omfattning av hjärnatrofi på grund av fetma eller på grund av faktorer som främjar fetma och att denna atrofi i sin tur kan predisponera dem för framtida kognitiv försämring och demens. Implikationerna av denna cykel inkluderar: (i) förstärkt sjuklighet / dödlighet hos äldre; (ii) högre kostnader för sjukvården på grund av fetma-relaterad demens; och (iii) emotionella och andra icke-ekonomiska bördor för vårdgivare och vårdgivare. Fetmaföreningar med hjärnatrofi och demensrisk utgör därför en potentiell utmaning för folkhälsan.

Denna studie använde neuroimaging-metoder för att undersöka effekterna av högre BMI, insulin och DM2 i en äldre samhällekohort som förblev kognitivt normala i fem år efter deras skanning. Sådana resultat är därför mer benägna att återspegla hjärnförändringar i den allmänna äldre befolkningen eftersom de undviker hänvisningsförändringar i studier som hämtar personer från specialkliniker. Tensorbaserad morfometri (TBM) erbjuder högupplösta kartläggning av anatomiska skillnader, och erbjuder utmärkt känslighet för systematiska strukturella skillnader i hjärnan och saknar urvalsförskjutningen för ROI-spårningar som endast undersöker hjärnans del. Vi använde TBM på grund av dess effektivitet i analys av skillnader i volymgrupper i hela hjärnan. I andra typer av voxel-baserade studier, såsom voxel-baserad morfometri [Ashburner och Friston, 2000], uppstår ibland en fråga om resultaten kan bero på ofullständig registrering. Denna fråga uppstår för att i VBM utjämnas utjämnade kartor över klassificerad gråmaterial automatiskt över ämnen och jämnas ut, och sedan görs statistiska slutsatser beträffande gruppskillnader, genom voxel-för-voxels subtraktion av gruppgenomsatta bilder. Som sådan är det möjligt att en skillnad som upptäcks på någon plats beror på ofullständig registrering [Thacker et al., 2004].

I TBM baseras emellertid de analyserade signalerna bara på bilderna och inte de anpassade gråmaterialklassificeringarna, så det krävs inte att gråmaterialet registreras perfekt över motiv eftersom gråmaterialens densitet inte analyseras vid varje stereotaktisk plats. Som sådan är falska positiva resultat på grund av systematiska gruppskillnader i registreringsfel mindre troliga. Trots det kan det förekomma falska negativa fynd, eftersom kraften att upptäcka morfometriska skillnader beror på den skala vid vilken anatomiska data kan matchas av varpningsalgoritmen. Morfometriska skillnader med finare skala (t.ex. i hippocampus eller kortikaltjocklek) kan bättre upptäckas med andra metoder som exakt modellerar dessa strukturer. Vi föredrog dock användning av TBM framför kortmönstermatchning eftersom TBM kan behandla större antal ämnen i snabbare tider och kräver mindre beräkningsminne [Xue et al., 2008]. TBM är därför mindre sårbart för registreringsbias än VBM och effektivare för att analysera större antal ämnen än kortikal ytmodellering och kortikamatchning.

Våra resultat är begränsade av tvärsnittsdesignen, även om longitudinell uppföljning användes för att informera ämnesval för att minimera förvirring från dem som upplever tidig neurodegeneration från Alzheimers eller andra demenssjukdomar. Vår multipel regression tillvägagångssättet stod för de potentiellt förvirrande effekterna av ålder, kön och ras och DM2. Vi inkluderade inte APOE4-genotyp i denna modell, eftersom variabeln inte visade några statistiskt signifikanta samband i den bivariata analysen (p = 0.39, permutationstest).

Med ett ökande antal personer som blir både överviktiga och äldre är det nödvändigt med en detaljerad förståelse av strukturella avvikelser i hjärnan i denna grupp. Studier som detta antyder varför dessa individer kan ha en ökad risk för demens. Till och med äldre individer som förblev kognitivt normala långt efter deras MR-sjukdom hade BMI-associerad atrofi i hjärnområden riktade mot neurodegeneration: hippocampus, frontala lobar och talamus. Sådana individer kan dra nytta av interventioner för att minska kroppsvävnadsfett och uppleva bättre hjärnhälsa vid åldrande.

Extramaterial

Erkännanden

Referensprojekt