Lorsque vous mangez, bougez et dormez peut-être autant que ce que vous faites, cette étude révèle comment le moment des habitudes quotidiennes influence votre risque de diabète de type 2, ouvrant les portes à une prévention vraiment personnalisée.
Étude: profilage de style de vie à haute résolution et sous-phénotypes métaboliques du diabète de type 2. Crédit d'image: nattapat.j / shutterstock
Dans une étude récente publiée dans la revue NPJ Médecine numériqueles chercheurs ont étudié l'association entre les comportements habituels du mode de vie et la physiologie métabolique chez les individus à risque de diabète de type 2 (T2D).
L'incidence T2D continue d'augmenter dans le monde, affectant 589 millions d'adultes dans le monde et 38 millions de personnes aux États-Unis (États-Unis). En outre, 88 millions d'adultes aux États-Unis ont un prédiabète, avec 70% prévu de développer un T2D en quatre ans. Par conséquent, la prévention de cette transition reste une priorité majeure en matière de santé publique. Des études suggèrent que la modification du mode de vie est un moyen robuste pour gérer et prévenir le T2D.
Le régime alimentaire, l'activité physique et le sommeil sont des comportements de style de vie modifiables de base qui sont essentiels à la santé métabolique. De plus, des preuves croissantes suggèrent des interactions étroites entre le système d'horloge circadien et les comportements de style de vie. La privation de sommeil a un impact négatif sur les niveaux de glucose, et la désynchronisation circadienne due à des comportements de style de vie erronés pourrait altérer les réponses physiologiques et augmenter les risques T2D.
L'étude et les résultats
La présente étude a exploré la relation entre les comportements habituels du mode de vie et la physiologie métabolique chez les personnes à risque de T2D. Deux cohortes ont été incluses; 36 adultes en bonne santé ont été inclus dans la cohorte primaire et 10 personnes ont été incluses dans la cohorte de validation indépendante. Dans la cohorte primaire, 16 et 20 personnes ont été classées en groupes de normoglycémie et de prédiabète / T2D, sur la base des niveaux d'hémoglobine glyqués (HbA1c).
Les données de style de vie habituelles ont été collectées à l'aide de technologies de santé numérique en temps réel. L'apport alimentaire a été enregistré à l'aide d'une application de suivi des aliments en temps réel. Des données sur l'activité physique et le sommeil ont été collectées à l'aide d'une bande ionique Fitbit, bien que ces données ne soient disponibles que pour 24 des 36 participants en raison d'un rappel de produit pendant la période d'étude. La surveillance continue du glucose (CGM) a été réalisée à l'aide d'un dispositif Dexcom G4 CGM. Un test de tolérance au glucose orale (OGTT), un test de perfusion intraveineux intraveineux par le glucose et un test de suppression de l'insuline ont été effectués.
Ces tests ont déterminé les sous-phénotypes métaboliques des participants, tels que la fonction incrétine, la résistance à l'insuline et le dysfonctionnement des cellules bêta. Le groupe prédiabète / T2D avait un capteur-glucose significativement plus élevé (à partir de CGM), une variation des capteurs-glucose et a passé plus de temps dans la gamme hyperglycémique que dans le groupe de normoglycémie.
Les profils de synchronisation des repas ont été déterminés en stratifiant la consommation d'aliments et des boissons en six périodes, reflétant les grandes périodes de consommation alimentaire. Les participants ont présenté une variabilité interindividuelle élevée dans les modèles de synchronisation des repas. Une analyse des composants principales basée sur les caractéristiques de synchronisation des repas a délimité la cohorte par leurs niveaux d'HbA1c en deux grappes.
Les personnes atteintes d'HbA1c élevé avaient une consommation énergétique plus faible des repas consommés entre 14h00 et 17h00 et l'apport énergétique plus élevé des repas consommés entre 17h00 et 21h00 que ceux avec un HbA1c inférieur. De plus, la cohorte a été regroupée par une fonction incrétine, et les individus ayant une diminution de la fonction incrétine ont montré une consommation d'énergie plus élevée pendant les périodes de 11: 00–14: 00 et 17: 00–21: 00 heures et une consommation d'énergie inférieure pendant les périodes de 14: 00–17: 00 et 21: 00 à 5: 00 heures.
Les associations entre le sommeil, l'activité physique, les caractéristiques alimentaires et le CGM et les résultats métaboliques ont été évaluées en utilisant l'opérateur de retrait et de sélection le moins absolu (LASSO) combiné avec des modèles de régression. L'apport énergétique des repas entre 14h00 et 17h00 était inversement associé au glucose plasmatique à jeun (FPG).
Un apport énergétique plus élevé des repas de 17h00 à 21: 00 heures a été associé à plus de temps passé dans l'hyperglycémie, moins de temps dans la gamme de glucose cible la nuit et plus les niveaux de glucose moyen le lendemain. Notamment, ces associations n'étaient pas dues à des différences dans l'apport calorique quotidien total, qui était similaire entre les groupes, ce qui suggère que le moment des repas lui-même était un facteur clé. Un apport plus élevé de glucides à partir de légumes non féculents était associé à une réduction du glucose moyen le lendemain, tandis que celle des légumes féculents était liée à un FPG plus élevé et à l'HbA1c.
En outre, une plus grande variabilité de l'efficacité du sommeil était associée à des niveaux de glucose nocturne plus élevés, à un niveau moyen de glucose plus élevé le lendemain et à une durée plus longue passée dans la gamme hyperglycémique nocturne. De plus, une variabilité plus élevée de la durée de réveil après le début du sommeil était associée à un glucose OGTT de deux heures plus élevé. Un temps de réveil antérieur était lié à des effets d'incrétine plus faibles. Une durée sédentaire plus longue au cours de la journée a été associée à plus de temps passé dans l'hyperglycémie.
Une densité de pas plus élevée après le dernier repas a été associée à moins de temps dans l'hyperglycémie nocturne. Les mesures prises entre 8h00 et 11h00 ont été associées à des niveaux de glucose plus bas du lendemain dans le groupe résistant à l'insuline (IR). Les étapes entre 00h00 et 5h00 étaient positivement corrélées avec un glucose plus élevé pour les 48 prochaines heures dans les groupes IR et sensibles à l'insuline (IS). Les mesures prises entre 14h00 et 17h00 ont montré une corrélation négative avec les valeurs de CGM au cours des 48 prochaines heures du groupe IS.
Ensuite, l'équipe a effectué une analyse de réseau de corrélation permutée entre le sommeil, l'activité physique et les caractéristiques de l'alimentation, dans lesquelles tous les facteurs de style de vie ont été assortis de temps. Cette analyse a montré des corrélations significatives entre les facteurs de style de vie. Un apport de riz plus élevé était associé à une latence du sommeil plus longue et à une diminution de l'efficacité du sommeil, tandis que l'apport plus élevé de légumineuses était associé à une durée totale de sommeil plus longue et à une latence plus courte.
De plus, des apports plus élevés de fruits, de potassium et de fibres étaient corrélés avec des durées de sommeil plus longues. Des fenêtres à jeun plus longues et une consommation d'énergie plus élevée des repas entre 8h00 et 11h00 étaient corrélées avec des temps de sommeil plus longs. En outre, l'équipe a construit des modèles d'apprentissage automatique de style de vie intégrés pour prédire les sous-phénotypes métaboliques basés sur des données démographiques et de style de vie.
Un apport plus élevé en glucides à partir de bonbons et de légumes féculents, ainsi qu'une augmentation de l'apport énergétique pendant 17: 00 à 21: 00 heures, était associé à des prédiabétes et à des niveaux d'HbA1c plus élevés. En revanche, l'apport plus élevé en glucides des fruits était associé à la normoglycémie. L'âge plus avancé, l'apport plus élevé en glucides des nouilles et des pâtes, une augmentation de l'apport en protéines et une consommation d'énergie plus élevée entre 17h00 et 21h00 étaient prédictives d'un dysfonctionnement incrétine. La durée de l'exercice plus longue prédit la fonction normale des cellules bêta.
Enfin, l'équipe a évalué la reproductibilité des modèles de prédiction en utilisant la cohorte de validation indépendante, en se concentrant sur la fonction incrétine, car d'autres sous-phénotypes métaboliques étaient très biaisés. Cette cohorte a également subi une surveillance continue du mode de vie et des tests métaboliques. L'application du modèle de prédiction à cette cohorte a donné une précision de 80%, avec une erreur de classification erronée de 0,2, indiquant des performances prédictives robustes et cohérentes entre les cohortes.
Il est important de noter que les auteurs de l'étude reconnaissent certaines limites. Il s'agit notamment de la taille modeste de l'échantillon et de la nature observationnelle des données, ce qui signifie que les résultats montrent des associations fortes plutôt qu'une causalité directe. La recherche a également été menée dans une seule zone géographique, indiquant que des populations plus diverses devraient être étudiées à l'avenir.
Conclusions
En résumé, les résultats ont fourni une caractérisation unique de la façon dont les modèles de style de vie habituels sont liés à la sensibilité métabolique au diabète de type 2 (T2D). Le moment des repas habituels était lié à la résistance à l'insuline, à une fonction incrétine plus faible et à l'hyperglycémie. Le moment du sommeil irrégulier et l'efficacité étaient associés à des niveaux de glucose plus élevés et à IR. Surtout, l'étude a révélé que le moment optimal de l'activité physique peut dépendre du profil métabolique d'un individu, l'activité matinale étant plus bénéfique pour les personnes qui sont plus bénéfiques pour l'insuline et l'après-midi plus bénéfiques pour ceux qui sont sensibles à l'insuline. Dans l'ensemble, les résultats mettent en évidence de nouvelles connexions physiologiques entre les comportements de style de vie et les risques métaboliques, informant le développement de modifications personnalisées du mode de vie et des stratégies de prévention de la précision pour la prévention du diabète de type 2.
