肥胖的代谢异质性与认知衰退:一项为期14年的基于人群的纵向队列研究Metabolic heterogeneity of obesity and cognitive decline: A 14-year population-based longitudinal cohort study - ScienceDirect

环球医讯 / 认知障碍来源:www.sciencedirect.com英国 - 英语2026-05-07 18:15:20 - 阅读时长4分钟 - 1802字
这项研究基于英格兰老龄化纵向研究(ELSA)数据,对6211名中老年人进行了长达14年的追踪,系统评估了不同肥胖代谢表型与认知衰退的关系。研究发现,代谢不健康状态比肥胖本身更显著地加速认知衰退,代谢不健康的正常体重(MUNW)和代谢不健康的超重/肥胖(MUOO)人群认知衰退速度明显快于代谢健康的正常体重(MHNW)人群,主要表现在记忆功能上;而代谢健康的超重/肥胖(MHOO)人群并未表现出认知衰退加速。研究还发现,从中年期代谢健康的肥胖转变为正常体重的体重减轻,反而与更快的认知衰退相关,提示代谢健康的肥胖人群减重可能伴随潜在认知风险。此外,年龄和抑郁症状是显著的调节因子,可能影响肥胖-代谢表型与认知之间的关系,这一发现对预防中老年人认知衰退具有重要临床意义。
肥胖代谢异质性认知衰退代谢健康代谢表型体重减轻中老年健康代谢不健康
肥胖的代谢异质性与认知衰退:一项为期14年的基于人群的纵向队列研究

研究亮点

• 代谢健康状况对认知衰退的影响比肥胖更为关键。

• 中年期肥胖,即使代谢健康,也会加剧认知衰退。

• 抑郁症状可能掩盖肥胖-代谢表型对认知的影响。

• 代谢健康的超重/肥胖(MHOO)中的体重减轻可能对认知产生负面影响,尽管代谢健康。

摘要

背景

既往研究表明肥胖个体存在代谢异质性。这种代谢异质性如何影响中老年人群的多维认知衰退尚鲜有研究。

方法

数据来源于英格兰老龄化纵向研究(ELSA)的2004-2005年(Wave 2)至2018-2019年(Wave 9)。在这些调查波次中面对面进行认知评估,涵盖三个认知功能:记忆、执行功能和定向能力。根据BMI和代谢状态,将参与者分为四类表型:代谢健康的正常体重(MHNW)、代谢健康的超重/肥胖(MHOO)、代谢不健康的正常体重(MUNW)和代谢不健康的超重/肥胖(MUOO)。使用线性混合效应模型检验与认知衰退的关联。

结果

共纳入6211名参与者(基线平均年龄65.7岁;女性55.3%),中位随访时间为12年。与MHNW相比,MUNW(-0.017 SD/年,95% CI: -0.030至-0.004,P=0.009)和MUOO(-0.010 SD/年,95% CI: -0.018至-0.002,P=0.018)的认知衰退明显加速,主要表现在记忆功能上。MHOO中未观察到加速现象。年龄和抑郁是显著的调节因子(交互作用P<0.05)。从MHOO转变为MHNW的体重减轻与更快的认知衰退相关(-0.048 SD/年,95% CI: -0.077至-0.019;P=0.001)。

结论

代谢不健康,而非肥胖,与更快的认知衰退显著相关。代谢健康的超重/肥胖(MHOO)中的体重减轻可能伴随着潜在的认知风险。

背景

随着全球人口老龄化,认知衰退和痴呆症日益加重公共卫生和社会经济负担。预计到2050年,痴呆症患者人数将超过1.5亿。在缺乏治愈性治疗的情况下,识别可干预的风险因素仍然是预防和降低风险的关键优先事项。

数据来源

本研究使用和分析的所有数据均可从英格兰老龄化纵向研究(ELSA)公开获取。

研究参与者和设计

本研究使用了ELSA的数据,这是一项针对英格兰50岁及以上老年人的前瞻性、全国代表性老龄化队列研究,用于记录健康状况、工作和退休、社会经济、认知、生物和遗传数据。所有研究波次和研究组分均获得了伦敦多中心研究伦理委员会的批准。

基线特征

基线分析共纳入6211名符合条件的参与者(平均[标准差]年龄:65.7[9.1]岁,女性:55.3%)。中位随访时间为12(四分位距:6-14)年。研究人群根据BMI-代谢表型分组的基线特征显示,MUNW组的参与者年龄最大,独居和吸烟率最高。MUOO组的平均腰围、BMI、舒张压、C反应蛋白(CRP)、血红蛋白(Hb)、糖化血红蛋白(HbA1c)等指标最高。

讨论

在这项对6211名中老年人进行长达14年随访的前瞻性队列研究中,我们系统评估了BMI-代谢表型对认知轨迹的影响。研究结果表明,代谢状态与认知衰退的关联比肥胖更为强烈,MUNW和MUOO组与MHNW组相比均表现出加速的认知衰退。BMI-代谢表型的转变,特别是从MHOO转变为MHNW或MUOO,也与加速认知衰退相关。

作者贡献声明

Yao Zhou: 写作–审阅与编辑,写作–初稿,可视化,软件,方法论,形式分析,数据管理,概念化。

Shuxia Qian: 写作–审阅与编辑,方法论,资金获取,数据管理,概念化。

Chengzhen Pan: 验证,监督,写作–审阅与编辑。

Yunzhu Tang: 可视化,验证,监督。

同意声明

ELSA的伦理批准由伦敦多中心研究伦理委员会(MREC/01/2/91)授予。所有参与者均提供了书面知情同意。

资金支持

本工作得到了浙江省自然科学基金重点研发计划(编号:Z25F020008)的资助。

利益冲突声明

作者声明,他们没有已知的可能被认为影响本文报告工作的竞争性财务利益或个人关系。

致谢

作者感谢ELSA(第2至9波)原始数据的创建者、存储者、版权所有者和资助者,以及所有ELSA研究参与者对研究的贡献。ELSA研究由美国国家老龄化研究所(编号:R01AG017644)和英国政府各部门(卫生和社会护理部;交通部;工作和养老金部)的财团资助。

【全文结束】