Disinhibited äta hos överviktiga ungdomar är förknippad med orbitofrontala volyminskningar och verkställande dysfunktion (2011)

L Maayan,^{2,4 *} C Hoogendoorn,^1* V Svett,¹ och A. Convit^1,3,4

LÄNKAR TILL FULLSTUDIE

Fetma (silverfjäder). 2011 juli; 19 (7): 1382 – 1387.

¹ Institutionen för psykiatri, New York University School of Medicine, 550 First Avenue, New York, NY 10016, USA.

² Institutionen för barnpsykiatri, New York University School of Medicine, 550 First Avenue, New York, NY 10016, USA.

³ Institutionen för medicin, New York University School of Medicine, 550 First Avenue, New York, NY 10016, USA.

⁴ Nathan Kline Institute for Psychiatric Research, 140 Old Orangeburg Rd. Orangeburg NY 10962, USA

Hos vuxna har fetma förknippats med oinhiberat ätande, minskad cortikal grå substansvolym och lägre prestanda vid kognitiva bedömningar. Mycket mindre är känt om dessa förhållanden i tonåren och det finns inga studier som bedömer beteendemässiga, kognitiva och neurostrukturella åtgärder i samma grupp av deltagarna. Denna studie undersökte förhållandet mellan fetma, verkställande funktion, desinhibition och hjärnvolymer hos relativt frisk ungdom. Deltagarna inkluderade 54 överviktiga och 37 mager tonåringar. Deltagarna fick ett kognitivt batteri, frågeformulär om ätbeteenden och magnetisk resonansavbildning (MRI). Neuropsykologiska bedömningar inkluderade uppgifter riktade till frontallobfunktion. Ätbeteenden bestämdes med hjälp av Three Factor Eating Questionnaire (TFEQ), och strukturella MRI utfördes på ett 1.5 T Siemens Avanto MRI-system (Siemens, Erlangen, Tyskland) för att bestämma hjärngråmaterialvolymer. Mager och fetma ungdomar matchades med ålder, utbildningsår, kön och socioekonomisk status. I förhållande till magra ungdomar hade feta deltagare signifikant högre betyg av hämning på TFEQ, lägre prestanda på de kognitiva testerna och lägre orbitofrontal cortexvolym. Disinhibition korrelerade signifikant med Body Mass Index, Stroop Color-Word-poäng och orbitofrontal cortexvolym. Detta är den första rapporten från dessa föreningar hos ungdomar och pekar på vikten av att bättre förstå sambanden mellan neurostrukturella underskott och fetma.

Nyckelord: Fetma, ungdomar, Disinhibition, MRI, Frontal Lobe, Cognition, Orbitofrontal Cortex

Beskrivning

Förekomsten av fetma mellan barn och ungdomar i USA har mer än tredubblats sedan 1970. Även om nyligen tyder på att fetma hos barn kan ha jämnats ut, förutspår de nuvarande höga frekvenserna ett förestående folkhälsoproblem som involverar hjärt- och endokrin sjukdom (1).

Disinhibition i ätbeteende, som delvis kännetecknas av benägenheten att äta opportunistiskt som svar på miljöhänvisningar, har länge varit associerad med fetma både hos ungdomar och vuxna (2). Det relaterade kontrollfel vid kaloriintag som leder till eventuell fetma kan uppstå på flera nivåer i hjärnan inklusive hypotalamus (3) och enligt nyare arbete i hjärnbarken (4). En serie funktionella neuroimaging-studier av mager och överviktiga individer i både hungriga och matade tillstånd har visat flera kortikala regioner inklusive den främre cingulat, medial prefrontal (5), insula, posterior cingulate, temporala och orbitofrontala cortices (6) för att aktiveras differentiellt beroende på nivå av mättnad och BMI, vilket antyder att de deltar i reglering av kaloriintaget. Förståelsen av OFC som ett nyckelområde för hämning av beteende sträcker sig tillbaka till fallet med Phineas Gage, det olyckliga 19^th århundradet järnvägsarbetare som överlevde en olycka som sannolikt skadade hans orbitofrontala cortex, vilket resulterade i personlighetsförändringar och ökad impulsivitet7).

Neurostrukturella fynd har också korrelerats med Body Mass Index (BMI). I en liten studie av kvinnor 55 år och äldre, som använde voxel-baserad morfometri (VBM), var BMI negativt korrelerat med gråmaterialvolymer i flera frontala områden inklusive vänster orbitofrontal, höger underliggande frontal och höger precentral gyri dessutom till andra regioner inklusive höger cerebellum såväl som en stor högre bakre region som omfattar parahippocampal, fusiform och lingual gyri (8). En större studie av vuxna 1,428 fann en negativ korrelation mellan män mellan BMI och övergripande gråmaterial såväl som specifika hjärnregioner som bilaterala mediala temporala lober, occipitala lober, frontala lober, precuneus, mellanhjärnan och främre loben i cerebellum (9). En annan VBM-studie visade att överviktiga vuxna har lägre gråmaterialdensitet i områden som frontal operculum, mittre frontal gyrus, post-central gyrus samt putamen (10). Vår grupp har beskrivit neurostrukturella avvikelser bland feta ungdomar med typ 2 diabetes mellitus (T2DM) (26), men såvitt vi vet har inga sådana underskott beskrivits bland feta ungdomar utan T2DM.

Förutom strukturella fynd har kognitiva bedömningar visat att verkställande funktion och responshämning kan äventyras både hos vuxna och ungdomar med övervikt. En studie som använde positronemissionstomografi (PET) och kognitiva test visade att överviktiga vuxna hade minskat prefrontal glukosmetabolism i baslinjen samt minskat prestanda på Stroop-uppgiften, ett test av selektiv uppmärksamhet och utövande funktion (11). Andra studier av utövande funktion och responshämning hos vuxna har visat en negativ förening av dessa variabler med BMI (12-14). Dessutom visar extremt överviktiga ungdomar minskad funktion på verkställande uppgifter jämfört med normativa data (15).

Vi ansåg att överviktiga ungdomar skulle ha högre betyg av självrapporterad hämning i ätbeteenden, i överensstämmelse med tidigare fynd som använde frågeformuläret för tre faktorer (TFEQ). Vi antog vidare att överviktiga ungdomar skulle ha lägre poäng för bedömningar av verkställande funktion och minskad integritet i neurostrukturella mått på frontalloben (MRI-baserade gråmaterialvolymer samt regionala hjärnvolymer). Dessutom ställde vi att desinhibition på TFEQ kommer att vara negativt förknippad med kognitiva poäng på relevanta domäner såväl som med MRI-baserade mätningar av hjärnområden involverade i svarshämning och exekutiv kontroll.

Metoder

Deltagare och förfaranden

Nittio ungdomar (14-21 å / o), 37 magra (BMI <25 kg / m² eller midja till höjdförhållande <0.5) och 54 överviktiga (BMI ≥30 kg / m² eller> 95 percentil för BMI för ålder och kön) deltog i studien. Åttio av dessa (36 magra, 45 överviktiga) fick MR. Tio ungdomar fick inte MR av följande skäl: två höll inte sin tid, en var gravid och vi valde att göra fel på säkerhetssidan, en kunde inte tolerera MR (klaustrofobi) och sex hade BMI> 50 kg / m² och överskred kroppsstorleken som kan rymmas av skannern.

Mager deltagare hade en medelålder på 17.3 ± 1.6 år och feta 17.5 år ± 1.6 år. De två grupperna matchades också på år av utbildning, kön och socioekonomisk status och var alla inom det kognitivt normala intervallet. Bevis på neurologiska, medicinska (annat än dyslipidemi, insulinresistens kort av T2DM, polycystisk äggstocksjukdom eller hypertoni) eller psykiatrisk sjukdom (inklusive depression och alkohol eller annat missbruk) uteslutte individer från deltagande i studien. T2DM uteslutte också individer från deltagande. Deltagarna och deras föräldrar gav skriftligt informerat samtycke och kompenserade för deras tid och besvär. Studieprotokollet godkändes av New York University School of Medicine Institutional Review Board.

Alla studiedeltagare fick ett blodprov som tagits efter en 10-timmars snabb natt över natt för bedömning av nivåer av glukos, insulin, lipid och inflammatorisk markör (högkänslig C-Reactive Protein; hs-CRP). Glukos mättes med användning av en glukosoxidasmetod (VITROS 950 AT, Amersham, England), insulin genom kemiluminescens (Advia Centaur, Bayer Corporation), och CRP mättes i plasma med användning av en enzymatisk immunoanalys (Vitros CRP-bild, Ortho Clinical Diagnostics). Insulinkänslighet uppskattades med hjälp av Homeostasis Model Assessment of Insulin Resistance (HOMA-IR).

Bedömningar

Neuropsykologisk bedömning

Vi genomförde en bred utvärdering av neurokognitiva funktioner, inklusive intellektuell prestation, senaste minne, arbetsminne, uppmärksamhet och verkställande funktion. Vi antog att det skulle finnas skillnader i frontala lobfunktioner mellan magra och överviktiga ungdomar och begränsade därför våra analyser till neurokognitiva tester som speglar frontal lobintegritet och intakta verkställande funktioner, nämligen Controlled Oral Word Association Test (COWAT), Trail Making Test parts A & B, Stroop Task, Attention / Concentration Index of the Wide Range Assessment of Learning and Memory (WRAML) och Working Memory Index of the WRAML. Med undantag för WRAML och Stroop, som ger ålderskorrigerade standardpoäng, rapporteras råpoäng. Alla administrerade tester är neuropsykologiska standardinstrument som beskrivs i detalj någon annanstans (16).

Trefaktorätfrågeformulär (TFEQ)

Egenskaper för ätbeteende bedömdes med hjälp av TFEQ. TFEQ är ett instrument från 51-objekt, som består av tre underskalor som mäter begränsning (dvs. kognitiv kontroll av ätbeteende; 21-föremål), hämning (dvs. känsligheten av att äta som svar på känslomässiga faktorer och sensoriska signaler; 16-artiklar) och hunger (dvs. känsligheten av att äta som svar på känslor av hunger; 14 föremål). TFEQ administrerades ungefär en timme efter att försökspersonerna hade lunch.

MR-förvärv och bildanalyser

Alla försökspersoner studerades på samma 1.5 T Siemens Avanto MRI-system, som har en borrning av 65 tum och en tabell lämplig för upp till en individuell 400 pund. Vi skaffade oss T1-viktade magnetiseringsförberedda snabba förvärvningsgradotekor (MPRAGE; TR 1300 ms; TE 4.38 ms; TI 800 ms; FOV 250 × 250; skivtjocklek 1.2 mm; NEX 1; Vändvinkel 15 °; matrisstorlek 256 × 256; 192 koronala skivor).

WM / GM Volumetrisk analys

Rumslig normalisering och segmentering av MPRAGE-bilder använde automatiserade procedurer som beskrivs i (17) den statistiska parametriska mappningsprogramvaran (SPM5). MPRAGE-bilder korrigerades först med avseende på signalens olikformighet och normaliserades rumsligt med standardmallen T1 Montreal Neurological Institute. Med hjälp av vävnadsklassificeringsalgoritmen i SPM5 segmenterade vi de normaliserade MPRAGE-bilderna i deras gråmaterial (GM), vitmaterial (WM) och cerebro-spinal fluid (CSF) partitioner, som är kartor som representerar sannolikheten för varje voxel klassificeras som GM, WM eller CSF. Dessa segmenterade partitioner normaliserades därefter till sina respektive standardmallar. Förutom att bedöma hela hjärnan och med tanke på att myelinering av frontallobb fortfarande pågår, använde vi två olika mallar för att härleda de intressanta regionerna (ROI) i frontalloben. Dessa var SPM Automatic Anatomic Labelling (AAL) (18) -mallen och vår publicerade pålitliga metod för frontalloppdelning (19). AAL-mallen användes för att härleda en total frontal lob, en främre cingulatregion och en orbitofrontal region. Vår egen paketmetod användes för att härleda ett prefrontalt område (frontalben minus det kompletterande motorområdet). Vi kvantifierade proportionerna WM-, GM-, CSF-volymer i hela hjärnan och frontalregionerna på fallnivån genom att först kartlägga regionerna till varje segmenterad partition och sedan medelvärdena mellan olika ämnen för var och en av de två grupperna.

Statistiska analyser

Vi genomförde tvåsidiga oberoende prover t-test som undersökte gruppskillnader i demografi, endokrina data, kognitiva data och hjärnvolymer samt Pearson-korrelationer mellan TFEQ-desinhibitionspoäng och BMI, Stroop-färgordpoäng och orbitofrontal cortex grå materia. Data som var längre än 2 standardavvikelser från medelvärdet för gruppen för den variabeln uteslöts. Med tanke på att det finns individuell variation i regionala hjärnvolymer relaterade till den totala huvudstorleken, mätte vi varje individs intra-kraniella valvstorlek (ICV) och använde ICV-värdena för att justera de regionala hjärnvolymerna. Därför, för att möjliggöra jämförbarhet med andra studier och ge läsaren en känsla av storleken på de undersökta hjärnregionerna, visar tabellen som beskriver regionala hjärnvolymer de råa (icke-kvarvarande) volymerna. Emellertid använde statistisk jämförelse och signifikans och effektstorlek för all avbildad bild de volymjusterade (restualiserade) hjärnvolymerna.

Resultat

Demografi och endokrina data

Ämnesgrupper matchades för ålder, kön, skolklass och Hollingshead socioekonomisk status (SES). Fetma deltagare var per definition högre i BMI och hade som förväntat också högre systoliskt och diastoliskt blodtryck, fastande insulin- och glukosnivåer (men alla inom det normoglykemiska intervallet) samt den homeostatiska modellbedömningen av insulinresistens (HOMA-IR ), triglycerider, lågdensitet lipoprotein (LDL) kolesterol och C-reaktivt protein med hög känslighet (CRP). Fetma individer hade också signifikant lägre nivåer av högdensitetslipoprotein (HDL). Se till Tabell 1.

Frågeformulär för tre faktorer

Överviktiga ungdomar fick betydligt högre poäng än magra deltagare på disinhibitionsfaktorn i Three Factor Eating Questionnaire (6.85 ± 3.55 vs. 3.91 ± 1.96, p <0.000, cohens d (d) = 1.07), liksom hungerfaktorn (6.60 ± 3.37 mot 4.68 ± 2.84, p = 0.008, d = 0.81) och den kognitiva begränsningsfaktorn (9.19 ± 4.30 jämfört med 6.78 ± 4.11, p = 0.012, d = 0.57). Observera att vi upprepade dessa analyser för delmängden av 81 deltagare med en MR och resultaten var i princip oförändrade (data visas inte).

Kognitiva åtgärder

I förhållande till magra ungdomar hade feta ungdomar sämre kognitiva prestanda i varje frontal lobuppgift, mest uttalad för Stroop (ett mått på hämning) och WRAML: s arbetsminneindex, även när vi kontrollerade för uppskattat IQ. Se till Tabell 2.

Eftersom 10-försökspersoner inte fick en MRI-utvärdering (för detaljer se avsnittet om deltagare och procedurer ovan) upprepade vi våra analyser för undergruppen av 81-ungdomar som hade en MRI och riktningen och betydelsen av de kognitiva resultaten förblev oförändrade (data inte visad).

Brain imaging

Frontal lob gråmaterialvolym (i kubikcentimeter) trenderade mindre, även om det inte var en statistisk betydelse, bland feta ungdomar (265.3 ± 29.5 vs. 269.6 ± 26.7; resterande 0.00369 ± 0.018312 vs. −0.00609 ± 0.014076, p = 0.139, d = 0.35). Observera att även om de absoluta skillnaderna mellan dessa volymer var små, genomfördes analyserna efter återställning till ICV och signifikansvärden och effektstorlekar återspeglar dessa analyser. För att kontrollera de eventuella utvecklingseffekterna av ålder på frontala och cerebrala volymer körde vi dessutom våra analyser som varierade för ålder. Vi hittade signifikant lägre gråmaterialvolymer för överviktiga ungdomar i orbitofrontal cortex (32.3 ± 3.68 vs. 33.3 ± 3.99; resterande 0.00781 ± 0.024944 vs. −0.01227 ± 0.018947, p = 0.005, d = 0.66). OFC-volymgruppsskillnaderna var oförändrade efter kontroll av systoliskt blodtryck eller HOMA-IR. Andra hjärnregioner som bedömdes, inklusive prefrontala cortex och främre cingulatbark, skilde sig inte signifikant mellan feta och mager deltagare. Samvarierande för ålder förändrade inte någon av dessa relationer.

Föreningar

Vi hittade signifikanta samband mellan TFEQ och kognitiva, BMI och MR-volymmått. Specifikt visade desinhibitionsfaktorpoängen på TFEQ en signifikant korrelation med BMI (r (81) = 0.406, p <0.001), Stroop Color-Word-poäng (r (77) = -0.272, p = 0.017) och OFC-grå materievolym (r (71) = −0.273, p = 0.021). För att ytterligare förstå förhållandet mellan OFC-volym och desinhibition undersökte vi sambandet separat för de två grupperna. Vi fann att det inte fanns någon koppling mellan desinhibition och OFC-volym för överviktiga individer (r (40) = -0.028, p = 0.864), medan det fanns en stark koppling för den magra gruppen (r (31) = -0.460, p = 0.009). Föreningarna mellan desinhibitionsfaktorpoängen och BMI och Stroop förblev signifikanta för delmängden av individer med MR (data visas inte).

Diskussion

Som förväntat hade överviktiga ungdomar betydligt högre betyg på disinhibition, hunger och kognitiv återhållsamhet på TFEQ. Även om högre nivåer av kognitiv återhållsamhet bland överviktiga ungdomar vid första inspektionen verkar motverka, överensstämmer den med den beskrivna modellen för "styv återhållsamhet" där en individ med ointressant ätande och kognitiv återhållsamhet kan ha en tendens att begränsa maten i vissa situationer, men grovt äter för mycket (20).

Våra nya neurostrukturella resultat bland feta ungdomar överensstämmer med resultaten i vuxenlitteraturen (8, 9) visar gråmaterialvolymreduktioner. I vårt ungdomsprov var dessa minskningar mest markerade för orbitofrontal cortex, en hjärnregion som är viktig för impulskontroll, men visade också en svag trend för hela frontalloben. Vi spekulerar i att de mer subtila volymminskningarna som finns i andra hjärnregioner bland feta ungdomar faktiskt kan uppnå statistisk betydelse i ett utvidgat prov.

Det är viktigt för denna rapport att vi fann att gruppen med övervikt inte bara har högre poäng för hämning på TFEQ, utan lägre prestanda på kognitiva test som återspeglar hjärnfunktioner som anses vara centrala för beteendehämning, även när man kontrollerar för IQ. Utifrån de frontala lobregionerna och funktionerna som vi mätte, var vi särskilt intresserade av att fastställa förhållandet mellan avstängningsfaktorn för TFEQ och OFC, en hjärnregion som är mycket viktig för beteendehämning (impulskontroll). Vi valde Stroop eftersom det är den enda av våra frontala lobuppgifter (inklusive de som trycker på exekutiva funktioner) som specifikt testar förmågan att hämma automatiserade svar. Detta är den direkta kognitiva parallellen mellan beteende (desinhibitionsfaktor för TFEQ) och hjärnregion (OFC) också involverad i hämning av automatiska svar. Vårt intresse var att fastställa funktionella (Stroop kontra andra frontala uppgifter som inte mäter responshämning) och anatomisk (OFC) specificitet hos våra fynd och deras associering till TFEQ: s avbrottsfaktor.

Vi fann också signifikanta samband mellan poängen för desinhibitionsfaktorer och både BMI och OFC-volym. När förhållandet mellan desinhibition och OFC-volym undersöktes separat hos mager och överviktiga deltagare, fann vi en stark negativ associering endast för den mager gruppen. Det är möjligt att överviktiga individer redan har upplevt en kritisk nivå av desinhibition- (som vi visat är förknippat med BMI), varvid ytterligare desinhibition inte är så tydligt återspeglas i ytterligare förändringar i OFC, men kanske i olika hjärnregioner eller nätverk som inte bedöms som en del av denna studie. En annan möjlighet för dessa olika fynd för var och en av de två viktgrupperna är att med tanke på att de överviktiga grupperna har högre grad av godkännande av artiklar, kan de vara mer mottagliga för frågor om social önskvärdhet och därför kan de vara mindre benägna att fullständigt rapportera omfattningen av deras beteendemässiga hämning när de äter, dämpar föreningen i denna grupp. Slutligen är det också möjligt att intervallbegränsning, nämligen korrelationsfenomen som minskar när variansen minskar som inträffar när vi delar vårt prov i två kan påverka våra resultat.

Medan vår studie upptäcker att hämning av matningsbeteende är förknippat med minskningar av verkställande funktion och volym i gråmaterialet i front, tillåter inte tvärsnittsformen av vår design oss att ta upp frågan om riktning eller orsakssamband. Med det sagt finns det flera troliga teorier om riktningen för dessa föreningar.

En möjlighet är att primära strukturella eller funktionella hjärnunderskott leder till oinhiberat ätande och minskade neurokognitiva funktioner. Denna resonemang stöds delvis av arbete som visar obehag i ätbeteende för att förutse ökat kaloriintag (21) och fetma (22). Det överensstämmer också med funktionellt bildarbete som visar att individer, som svar på visualiserat intag av smakliga livsmedel visar svagare aktivering av belöningskretsar i hjärnan, har en hög risk för framtida viktökning (23); kanske de behöver en större stimulans (mer mat) för att få samma belöningssvar.

En annan möjlig förklaring är att strukturella brister i hjärnan som de som visas i denna studie är resultatet av fetma och dess tillhörande insulinresistens. Denna möjlighet stöds av en 24-årig longitudinell studie som visar ökad BMI som började i medelåldern korrelerat med minskad temporär lobvolym i senare liv (24). Att stödja denna effektordning är också vårt eget arbete hos vuxna där vi finner att hippocampala volymer var förknippade med nedsatt glukostolerans (25) såväl som hos ungdomar med T2DM, där vi hittar kognitiva försämringar och minskningar i frontala lobvolymer och mikrostrukturell integritet i vitmaterial (26). Vi anser att den fetma-associerade insulinresistensen som vår grupp av ungdomar med övervikt uppvisar kan bidra till minskad verkställande funktion och strukturella underskott. Vi har beskrivit en möjlig modell för dessa effekter (27) där vi antar att insulinresistens är förknippat med minskad hjärnvaskulär reaktivitet relaterad till endotelial dysfunktion. Vi vet att det under hjärnaktivering, som sker när man utför en kognitiv uppgift, ökar synaptisk aktivitet i hjärnregionen. I den normala hjärnan resulterar detta i regional vasodilatation och därmed en ökning av glukostillgänglighet till den regionen för att stödja den ökade kognitiva efterfrågan (28). Därför är vaskulär reaktivitet, som är integrerad i välreglerat cerebralt blodflöde, nyckeln för att upprätthålla en optimal neuronal miljö under hjärnaktivering (29). Forskning som visar endotelial dysfunktion hos överviktiga barn, även före utvecklingen av diabetes (30), stöder vidare detta förutsättning. Dessutom förhöjdes det inflammatoriska markör C-reaktiva proteinet (CRP) hos våra feta ungdomar. I studier som undersöker stora kohorter av vuxna har utredare funnit ökade nivåer av inflammatoriska cytokiner som förmodade mediatorer för kognitiv nedgång hos individer med metaboliskt syndrom (31-34). En möjlig mekanism för dessa kognitiva effekter tillhandahålls av djuruppgifter som visar att överskott av inflammatoriska cytokiner kan minska långvarig potentiering (LTP), en process som förstås som väsentlig för att konsolidera minnet i hippocampus. Inflammatoriska cytokiner kan också orsaka försämring av neurogenes och neuroplasticitet, processer som är viktiga för att bilda minnen och upprätthålla strukturell neural integritet.

En tredje möjlighet är att dessa effekter är dubbelriktade, varvid beteendets desinhibition predisponerar för fetma, vilket kan negativt påverka hjärnområden som är ansvariga för utövande funktion och hämning av kaloriintaget och därmed orsaka en ond cirkel av dysfunktion. Denna tredje möjlighet kan hjälpa till att förklara varför det är så svårt för individer att gå ner i vikt när den har vunnit.

Vi uppmuntras av det faktum att OFC, en hjärnregion som har visat sig vara viktig i beteendemässig hämning i både djur- och mänskliga studier, bland de få hjärnregionerna som vi utvärderade hade den mest betydande volymminskningen bland feta ungdomar. Våra fynd, inklusive lägre prestanda på kognitiva tester som tros kräva intakt OFC, i kombination med volymminskningar inom detta område associerade med beteendemässigt hämmande pekar på dess troliga betydelse i viktökning.

Denna studie har några tydliga begränsningar. För det första är det en tvärsnittsvy som inte tillåter oss att kommentera tydlig kausalitet. För det andra, med tanke på vår relativt blygsamma provstorlek, begränsade vi våra mätningar till hjärnregioner som i tidigare studier antingen visat sig ha varit associerade med fetma eller desinhibition, eller de som vi hade goda teoretiska skäl att tro kunde vara inblandade. Därför är det möjligt att det finns andra hjärnområden, som vi inte utvärderade, som också kan vara inblandade. En tredje begränsning av vår studie är att vi bara har deltagarnas aktuella vikt och att vi inte kan kommentera varaktigheten av fetma; provet som vi studerade har sannolikt stor variation i fetma och dess associerade insulinresistens. Ändå har vår studie betydande styrkor, inklusive noggrann matchning mellan grupper, de flerdimensionella utvärderingar som genomförts och de opartiska MR-metoder som används i analyserna av MR-data.

För att bättre förstå de problem som beskrivs här, bör framtida arbete utvärdera ämnen i längdriktningen, spåra utvecklingen av fetma över tid samtidigt som man mäter kognitiva, beteendemässiga och neurostrukturella förändringar. Alternativt kan vår förståelse också förbättras genom en studie som utformats för att undersöka konsekvenserna av en framgångsrik fetma-behandling (t.ex. bariatrisk kirurgi), och därmed kontrollera om några av dessa underskott är reversibla. Vidare bör framtida arbete utvärdera andra möjliga associerade faktorer såsom pro- och antiinflammatoriska cytokiner samt använda mer känsliga MRI-tekniker såsom diffusion tensor imaging (DTI).

Tack

Studien stöds av bidrag från National Institute of Health R21 DK070985 och RO1 DK083537 och, delvis stödda av grant1UL1RR029893 från National Center for Research Resources. Författarna vill erkänna barnen och familjerna som deltog i denna forskning samt Po Lai Yau och Valentin Polyakov vid insamlingen och behandlingen av uppgifterna och Allison Larrs hjälp i utarbetandet av detta manuskript.

fotnoter

Finansiella upplysningar:

Ingen av de andra författarna har några ekonomiska / motstridiga intressen att avslöja

Referensprojekt

1. Ogden CL, Carroll MD, Flegal KM. Högt kroppsmassaindex för ålder bland amerikanska barn och ungdomar, 2003-2006. JAMA. 2008; 299: 2401-5 [.PubMed]

2. Stunkard AJ, Messick S. Den tre-faktor ätande frågeformuläret för att mäta kosthållning, desinhibition och hunger. J Psychosom Res. 1985; 29: 71-83 [.PubMed]

3. Schwartz MW, Woods SC, Porte D, Jr., Seeley RJ, Baskin DG. Kontroll av centrala nervsystemet av matintag. Natur. 2000; 404: 661-71 [.PubMed]

4. Korner J, Leibel RL. Att äta eller inte äta - hur tarmen pratar med hjärnan. N Engl J Med. 2003; 349: 926–8. [PubMed]

5. Martin LE, Holsen LM, Chambers RJ, et al. Neurala mekanismer förknippade med matmotivation hos överviktiga och vuxna med hälsosam vikt. Fetma (silverfjäder) 2010; 18: 254 – 60. [PubMed]

6. Del Parigi A, Gautier JF, Chen K, et al. Neuroimaging och fetma: kartlägga hjärnans svar på hunger och mättnad hos människor med hjälp av positronemissionstomografi. Ann NY Acad Sci. 2002; 967: 389-97 [.PubMed]

7. Damasio H, Grabowski T, Frank R, Galaburda AM, Damasio AR. Återlämnandet av Phineas Gage: ledtrådar om hjärnan från skalan hos en berömd patient. Vetenskap. 1994; 264: 1102-5 [.PubMed]

8. Walther K, Birdsill AC, Glisky EL, Ryan L. Strukturella hjärnskillnader och kognitiv funktion relaterad till kroppsmassaindex hos äldre kvinnor. Hum Brain Mapp. 2010; 31: 1052-64 [.PubMed]

9. Taki Y, Kinomura S, Sato K, et al. Förhållandet mellan kroppsmassaindex och gråmaterialvolym hos friska individer i 1,428. Fetma (silverfjäder) 2008; 16: 119 – 24. [PubMed]

10. Pannacciulli N, Del Parigi A, Chen K, Le DS, Reiman EM, Tataranni PA. Hjärnabnormaliteter i mänsklig fetma: en voxelbaserad morfometrisk studie. Neuroimage. 2006; 31: 1419-25 [.PubMed]

11. Volkow ND, Wang GJ, Telang F, et al. Invers associering mellan BMI och prefrontal metabolisk aktivitet hos friska vuxna. Fetma (silverfjäder) 2009; 17: 60 – 5. [PMC gratis artikel][PubMed]

12. Elias MF, Elias PK, Sullivan LM, Wolf PA, D'Agostino RB. Lägre kognitiv funktion i närvaro av fetma och högt blodtryck: hjärtstudien Framingham. Int J Obes Relat Metab Disord. 2003; 27: 260–8. [PubMed]

13. Gunstad J, Paul RH, Cohen RA, Tate DF, Spitznagel MB, Gordon E. Förhöjd kroppsmassaindex är förknippad med arbetsdysfunktion hos annars friska vuxna. Compr Psykiatri. 2007; 48: 57, 61 [.PubMed]

14. Waldstein SR, Katzel LI. Interaktiva relationer mellan centrala och totala fetma och blodtryck till kognitiv funktion. Int J Obes (Lond) 2006; 30: 201 – 7. [PubMed]

15. Lokken KL, Boeka AG, Austin HM, Gunstad J, Harmon CM. Bevis på verkställande dysfunktion hos extremt överviktiga ungdomar: en pilotstudie. Surg Obes Relat Dis. 2009; 5: 547, 52 [.PubMed]

16. Lezak MD, Howleson DB, Loring DW, Hannay HJ, Fischer JS. Neuropsykologisk bedömning. Oxford University Press; New York: 2004.

17. Good CD, Scahill RI, Fox NC, et al. Automatisk differentiering av anatomiska mönster i den mänskliga hjärnan: validering med studier av degenerativa demens. Neuroimage. 2002; 17: 29, 46 [.PubMed]

18. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, et al. Automatiserad anatomisk märkning av aktiveringar i SPM med hjälp av en makroskopisk anatomisk parcellering av MNI MRI-enskilda hjärnan. Neuroimage. 2002; 15: 273, 89 [.PubMed]

19. Convit A, Wolf OT, de Leon MJ, et al. Volumetrisk analys av de pre-frontala regionerna: fynd vid åldrande och schizofreni. Psykiatri Res. 2001; 107: 61, 73 [.PubMed]

20. Westenhoefer J, Broeckmann P, Munch AK, Pudel V. Kognitiv kontroll av ätbeteende och desinhibitionseffekten. Aptit. 1994; 23: 27, 41 [.PubMed]

21. Yeomans MR, Leitch M, Mobini S. Impulsivitet är förknippad med hämning men inte begränsningsfaktor från frågeformuläret om tre faktorer. Aptit. 2008; 50: 469, 76 [.PubMed]

22. Hays NP, Bathalon GP, ​​McCrory MA, Roubenoff R, Lipman R, Roberts SB. Ätbeteende korrelerar med vuxen viktökning och fetma hos friska kvinnor i åldern 55-65 y. Am J Clin Nutr. 2002; 75: 476, 83 [.PubMed]

23. Stice E, Yokum S, Bohon C, Marti N, Smolen A. Belöningskretsans respons på mat förutsäger framtida ökningar av kroppsmassa: moderatoriska effekter av DRD2 och DRD4. Neuroimage. 2010; 50: 1618, 25 [.PubMed]

24. Gustafson D, Lissner L, Bengtsson C, Bjorkelund C, Skoog I. En 24-årig uppföljning av kroppsmassaindex och cerebral atrofi. Neurologi. 2004; 63: 1876, 81 [.PubMed]

25. Convit A, Wolf OT, Tarshish C, de Leon MJ. Nedsatt glukostolerans är förknippad med dåligt minneprestanda och hippocampal atrofi bland normala äldre. Proc Natl Acad Sci US A. 2003; 100: 2019 – 22. [PMC gratis artikel][PubMed]

26. Yau PL, Javier DC, Ryan CM, et al. Preliminära bevis för hjärnkomplikationer hos feta ungdomar med typ 2 diabetes mellitus. Diabetologia. 2010

27. Convit A. Länkar mellan kognitiv nedsättning av insulinresistens: en förklarande modell. Neurobiol åldrande. 2005; 26 (Suppl 1): 31 – 5. [PubMed]

28. Benton D, Parker PY, Donohoe RT. Tillförseln av glukos till hjärnan och kognitiv funktion. J Biosoc Sci. 1996; 28: 463, 79 [.PubMed]

29. Drake CT, Iadecola C. Den neuronala signalens roll vid kontroll av cerebralt blodflöde. Brain Lang. 2007; 102: 141, 52 [.PubMed]

30. Karpoff L, Vinet A, Schuster I, et al. Onormal vaskulär reaktivitet under vila och träning hos feta pojkar. Eur J Clin Invest. 2009; 39: 94, 102 [.PubMed]

31. Dik MG, Jonker C, Comijs HC, et al. Bidrag av metabolismsyndromkomponenter till kognition hos äldre individer. Diabetesomsorg. 2007; 30: 2655, 60 [.PubMed]

32. Roberts RO, Geda YE, Knopman DS, et al. Metaboliskt syndrom, inflammation och nonamnestic mild kognitiv nedsättning hos äldre: en befolkningsbaserad studie. Alzheimer Dis Assoc Disord. 2009

33. Sweat V, Starr V, Bruehl H, et al. C-reaktivt protein är kopplat till lägre kognitiva prestanda hos överviktiga och feta kvinnor. Inflammation. 2008; 31: 198-207. [PMC gratis artikel][PubMed]

34. Yaffe K, Kanaya A, Lindquist K, et al. Metabolskt syndrom, inflammation och risk för kognitiv nedgång. JAMA. 2004; 292: 2237, 42 [.PubMed]