تعریف مقاومت به انسولین از گیره های هیپرینسولینمیک-اوگلیسمی

Charmaine S. Tam ، Weding Xie ، William D. Johnson ، William T. Cefalu ، Leae M. Redman ، Eric Ravussin ؛تعیین مقاومت به انسولین از گیره های هیپرینسولینمیک-اوگلیسمی. مراقبت از دیابت 1 ژوئیه 2012 ؛35 (7): 1605-1610. https://doi.org/10. 2337/dc11-2339

دانلود پرونده استناد:

این مطالعه به منظور تعیین یک نقطه برش برای شناسایی مقاومت به انسولین از مطالعات گیره هایپرینسولینمیک-اوگلیسمی انجام شده در 120 mu/m 2 دقیقه در یک جمعیت سفید پوست و برای تولید معادلات از کلینیک اندازه گیری شده و متغیرهای خون به طور معمول برای پیش بینی دفع گلوکز گلوکز مشتق شده از گیره طراحی شده است. نرخ (GDR) ، یعنی حساسیت به انسولین.

ما داده های حاصل از گیره های هیپرینسولینمیک-اوگلیسمی (120 MU/m 2 ⋅ دقصه انسولین) را در مرکز تحقیقات زیست پزشکی پنینگتون بین سالهای 2001 تا 2011 انجام دادیم. افراد به افراد مبتلا به دیابت تقسیم شدند (51 نفر) و افراد بدون دیابت (n = n =116) توسط گزارش خود و/یا گلوکز ناشتا ≥126 میلی گرم در دسی لیتر.

ما یک برش برای تعیین مقاومت به انسولین از گیره های هیپرینسولیسمیک-اوگلیسمی ایجاد کردیم. علاوه بر این ، ما اکنون درختان طبقه بندی را برای پیش بینی مقاومت به انسولین از نشانگرهای بالینی و بیوشیمیایی به طور معمول اندازه گیری می کنیم. این یافته ها گیره را از یک ابزار تحقیقاتی تا ارائه یک پیام بالینی معنی دار برای شرکت کنندگان در مطالعات تحقیقاتی گسترش می دهد ، که به طور بالقوه فرصتی بیشتر برای شناخت قبلی مقاومت به انسولین فراهم می کند.

There is substantial evidence that insulin resistance, typically defined as decreased sensitivity or responsiveness to the metabolic actions of insulin, is a precursor of the metabolic syndrome and type 2 diabetes. The gold standard for assessing insulin resistance in humans is the hyperinsulinemic-euglycemic clamp. Developed by DeFronzo et al. in 1979 (1), this procedure assumes that at high doses of insulin infusion (>80 MU/m 2 ⋅ دقیقه) ، حالت هایپرینسولینمیک برای سرکوب کامل تولید گلوکز کبدی کافی است و هیچ تغییر خالص در غلظت قند خون در شرایط حالت پایدار وجود ندارد. در چنین شرایطی ، میزان تزریق گلوکز برابر با میزان دفع گلوکز تمام بدن (GDR) یا گلوکز قابل سوخت و ساز (M) است و میزان گلوکز اگزوژن لازم برای جبران کامل هایپرینسولینمی را منعکس می کند. GDR به عنوان تابعی از اندازه متابولیک بدن ، مانند وزن بدن (کیلوگرم) ، سطح بدن (M 2 ؛ BSA) ، جرم بدون چربی (کیلوگرم ؛ FFM) یا اندازه متابولیک (KGFFM+17. 7) بیان شده است (2)بشر

از گیره های هیپرینسولینمیک-اوگلیسمی در مطالعات مقطعی و در مطالعات آینده نگر برای آزمایش تأثیر مداخلات (کاهش وزن ، افزایش وزن یا درمان دارویی) بر حساسیت به انسولین استفاده می شود. این سؤال که مقدار M "عادی" چیست ، تا حد زیادی ناشناخته است اما به دوز انسولین تزریق شده بستگی دارد. در سال 1985 ، برگمان و همکاران.(3) مقادیر M را در 18 مطالعه گیره مستقل با میزان تزریق انسولین 40 Mu/m 2 ⋅ دقیقه بررسی کرد. برای افراد تحمل گلوکز طبیعی غیر اوبا ، میانگین مقدار M بین 7/4 تا 8. 7 میلی گرم گلوکز در کیلوگرم جرم بدن در دقیقه بود. از این داده ها ، برگمان و همکاران.(3) تعریف محافظه کارانه برای مقاومت به انسولین به عنوان یک مقدار m پیشنهاد کرد

این سؤال که یک مقدار M طبیعی و بالینی مرتبط از گیره ها با استفاده از سایر دوزهای تزریق انسولین ، مانند 120 Mu/m 2 ⋅ دقیقه (5-7) چیست ، ناشناخته است. به همین ترتیب ، برای پزشکان دشوار است که اهمیت نتایج این گیره ها را به شرکت کنندگان تحقیق توضیح دهند. انسولین 120 mu/m 2 ⋅ min برای این تجزیه و تحلیل به دو دلیل اصلی انتخاب شد: 1) تولید گلوکز درون زا به طور کامل سرکوب می شود ، و 2) زمان کمتری برای رسیدن به شرایط حالت پایدار با میزان تزریق بالاتر لازم است، بدین ترتیب این دوز انسولین مقرون به صرفه تر می شود و در عین حال بار شرکت کننده را نیز کاهش می دهد. علاوه بر این ، اگرچه تکنیک گیره استاندارد طلا برای ارزیابی مستقیم مقاومت به انسولین در انسان است ، اما وقت گیر ، پر کار و به طور کلی گران است. بنابراین ، توانایی پیش بینی نتایج گیره از سایر داده های بالینی ، که هر دو به دست آوردن آسان تر و اندازه گیری ارزان تر هستند ، مهم است.

در مطالعه حاضر ، ما داده های مربوط به مطالعات گیره انجام شده تحت روشهای عملیاتی استاندارد را در مرکز تحقیقات زیست پزشکی Peington (PBRC ؛ باتون روژ ، LA) ، بین سالهای 2001 تا 2011 ، با میزان تزریق انسولین 120 MU/m 2 ⋅ دقیقه جمع آوری کردیم. اهداف ما این بود که 1) تعیین یک نقطه برش برای شناسایی مقاومت به انسولین برای مطالعات گیره هایپرینسولینمیک-اوگلیسمی انجام شده در 120 MU/m 2 ⋅ دقیقه در یک جمعیت سفید و 2) برای پیش بینی حساسیت به انسولین معادلات را از متغیرهای کلینیک و خون که معمولاً اندازه گیری می کنند (معادلات تولید می کنند. مقادیر M حاصل از گیره).

طراحی و روشهای تحقیق

The Peington Center Longitudinal Study is an ongoing investigation of the effects of obesity and lifestyle factors on the development of chronic diseases such as type 2 diabetes and cardiovascular disease. The sample is comprised of volunteers who have participated in nutrition, weight loss, and other metabolic intervention and observational studies at the PBRC since 1992. The current cross-sectional analysis is limited to adult participants who had a single-step 120 mU/m 2 ⋅ min hyperinsulinemic-euglycemic clamp before any intervention and a dual-energy X-ray absorptiometry (DXA) scan between 2001 and 2011 ( n = 263). Subjects with fasting plasma glucose>180 mg/dL or a diagnosis of diabetes>5 سال حذف شد. گروه ما شامل 167 سفیدپوست ، 94 آمریکایی آفریقایی تبار و دو نفر دیگر بود. هنگامی که مطالعات گیره هیوکسیکمی-هیپرینسولیمیک برای اولین بار در PBRC توسط یکی از نویسندگان (E. R.) ایجاد شد ، توانایی اندازه گیری ردیاب های ایزوتوپ و بنابراین تولید گلوکز کبدی ، در دسترس نبود. بنابراین ، گیره ها در 120 mu/m 2 ⋅ دقیقه انجام شد زیرا این دوز انسولین به اندازه کافی بالا در نظر گرفته شد تا تولید گلوکز کبدی را کاملاً سرکوب کند.

وضعیت دیابت توسط خود گزارش یا غلظت گلوکز پلاسما ناشتا ≥126 میلی گرم در دسی لیتر تعریف شد. اگر آنها 1) "بله" به دیابت (62 نفر) یا 2) خود گزارش "نه" را به دیابت گزارش دهند ، به عنوان دیابتی طبقه بندی شدند اما دارای گلوکز ناشت ا-126 میلی گرم در دسی لیتر بودند (4 نفر)بشردر صورتی که خود گزارش "نه" و دارای یک گلوکز ناشتا N = 197) افراد غیر دیابتی طبقه بندی شوند. علاوه بر این ، برای تأیید وضعیت دیابت ، ما HBA را نیز بدست آوردیم_1cداده ها ، که در 104 از 263 موضوع در دسترس بودند. HBA_1cسطح در افراد طبقه بندی شده به عنوان دیابت (6. 6 ± 6. 1 ٪) در مقایسه با افراد طبقه بندی شده به دیابت (4/0 4 5. 4 /5 ٪) طبقه بندی شده بود. کلیه مراحل توسط هیئت بررسی نهادی PBRC تأیید شد و کلیه شرکت کنندگان رضایت کتبی و آگاهانه ارائه دادند.

انسان سنجی و ترکیب بدن

ارتفاع با یک استادیومتر نصب شده با دیواره و وزن متابولیک با مقیاس دیجیتال اندازه گیری شد. BMI به عنوان وزن در کیلوگرم تقسیم شده بر اساس ارتفاع در متر مربع محاسبه شد. چربی بدن درصد کل بدن توسط DXA (Hologics QDR 4500A ؛ Hologics ، Bedford ، MA) و توده چربی (FM) و FFM از درصد چربی بدن و وزن بدن محاسبه شد. BSA با استفاده از معادله DU Bois (8) محاسبه شد.

حساسیت به انسولین

در داخل بدن حساسیت به انسولین با یک گیره هایپرینسولینمیک-اوگلیسمی با تزریق مداوم انسولین در 120 MU/m 2 ⋅ دقیقه برای دستیابی به غلظت انسولین حالت پایدار درون زا و ترسیم نمونه های خون پایدار مورد بررسی قرار گرفت. یک سوند داخل وریدی برای تزریق انسولین و گلوکز در یک ورید ضد آب قرار گرفت. یک کاتتر دوم در یک ورید پشتی دست مقابل برای قرعه کشی خون قرار گرفت. دست در یک جعبه گرمایش در دمای 41 درجه سانتیگراد برای شریانی شدن خون وریدی قرار گرفت. محلول گلوکز 20 ٪ با سرعت متغیر لازم برای حفظ غلظت گلوکز پلاسما بین 90 تا 100 میلی گرم در دسی لیتر تزریق شد. برای گیره های انجام شده در 120 mu/m 2 ⋅ دقیقه ، مدت زمان 2 ساعت و برای گیره ها در 80 mu/m 2 ⋅ دقیقه ، مدت زمان گیره حداقل 3 ساعت بود. میانگین میزان تزریق گلوکز اگزوژن در طی 30 دقیقه گذشته به عنوان GDR (1) تعریف شد. اول ، GDR برای غلظت گلوکز در طی این فاصله حالت پایدار تنظیم شد (GDR × [گروه متوسط گلوکز حالت پایدار/گلوکز حالت پایدار)) (3). در مرحله بعد ، برای تنظیم اندازه متابولیک ، GDR برای وزن ، BSA ، FFM یا FFM+17. 7 (2) نرمال شد.

تجزیه و تحلیل خون

گلوکز پلاسما با یک آنالایزر گلوکز آماری 2300 سازهای زرد 2300 مورد تجزیه و تحلیل قرار گرفت. انسولین پلاسما با استفاده از ایمونواسی های شیمیایی در آنالایزر Immulite 2000 (محصولات تشخیصی) و غلظت لیپید (FFA ، کلسترول کل و HDL) با یک Beckman Coulter Synlic DXC 600 Pro اندازه گیری شد. LDL با محاسبه Friedewald محاسبه شد.

روش های آماری

داده های توصیفی به عنوان میانگین ± SD ارائه شده است. تجزیه و تحلیل آماری با نسخه SAS 9. 2 (موسسه SAS ، Cary ، NC) انجام شد. از آزمون χ 2 برای آزمایش اهمیت تفاوت های گروه در جنس استفاده شد. از آزمون T مستقل و آزمون های Ma-Whitney U برای آزمایش تفاوت گروه برای متغیرهای مداوم استفاده شد. GDR از گیره هایپرینسولینمیک-اوگلیسمی تعیین شده و برای وزن تنظیم شده ، BSA ، FFM یا FFM+17. 7 به عنوان یک نشانگر نشانگر جداکننده افراد مقاوم در برابر انسولین (دیابت نوع 2) از کسانی که حساس به انسولین بودند استفاده شد (دیابت نوع 2). ما نقطه برش بهینه را برای تبعیض افراد مقاوم به انسولین از افراد حساس به انسولین به عنوان GDR تعریف کردیم که هم حساسیت بالایی را فراهم می کند (توانایی تشخیص افراد مقاوم به انسولین) و همزمان ویژگی بالایی (توانایی تشخیص موضوعات حساس به انسولین). بنابراین ، حساسیت نسبت مثبت واقعی است (افراد شناخته شده به انسولین که بر اساس GDR خود به عنوان انسولین طبقه بندی می شوند) ، در حالی که ویژگی 1 - نسبت مثبت کاذب است (افراد شناخته شده به انسولین حساس هستند که به عنوان انسولین طبقه بندی می شوندمقاوم بر اساس GDR آنها). ما از یک منحنی ویژگی (ROC) با استفاده از گیرنده ، یک نقشه از حساسیت در مقابل 1-ویژگی استفاده کردیم تا تجارت بین مثبت واقعی و مثبت کاذب را در انتخاب های افزایشی از نقاط برش تبعیض آمیز برای میزان دفع گلوکز نشان دهیم (9،10)بشرنقطه برش مربوط به تعادل بهینه در مقابل مثبت کاذب نشان دهنده بهترین آستانه برای تبعیض افراد مقاوم به انسولین از افراد حساس به انسولین است.

اصول درختان طبقه بندی.

از درختان طبقه بندی برای تعیین مجموعه خاصی از قوانین (الگوریتم) برای طبقه بندی افراد به عنوان مقاوم به انسولین یا انسولین حساس از GDR استفاده شد (11). این روش هیچ فرضیه ای در مورد توزیع اساسی داده ها ایجاد نمی کند و تعامل بین متغیرها و متغیرهای نتیجه را در نظر می گیرد. مزیت روش درخت طبقه بندی این است که بر خلاف تجزیه و تحلیل رگرسیون سنتی لجستیک ، مشاهدات را با مقادیر گمشده در یک مجموعه داده امکان پذیر می کند ، که مشاهدات را با مقادیر پیش بینی کننده گمشده حذف می کند. روشهای مبتنی بر درخت به صورت بازگشتی متغیرهای پیش بینی کننده را به مجموعه ای از نقاط تصمیم گیری یا طبقه بندی "گره ها" تقسیم می کنند. هنگامی که قوانین طبقه بندی کاملاً نمودار می شوند ، یک درخت تصمیم گیری باینری کاملاً رشد می کند. بدون هرس ، یک درخت بزرگ و پیچیده با هزینه بیش از حد داده ها می تواند ساخته شود (12). بنابراین ، هرس درخت به گونه ای اجرا می شود که بتوانیم اندازه درختی را انتخاب کنیم که خطای معتبر متقاطع را به حداقل برساند و از افزایش بیش از حد جلوگیری کند.

قوانین تصمیم گیری برای طبقه بندی افراد را می توان با اختصاص هر گره ترمینال یک برچسب کلاس به عنوان "1" (حضور مقاومت به انسولین) یا "0" (عدم مقاومت به انسولین) بدست آورد. انتخاب یک برچسب کلاس بر اساس یک نقطه برش مشخص و همچنین نسبت وقایع واقعی رویداد در آن گره ترمینال است. به عنوان مثال ، اگر "0. 25" یا بالاتر به عنوان نقطه برش انتخاب شود ، فقط گره های ترمینال با نسبت رویداد واقعی برابر یا بزرگتر از "0. 25" به عنوان "مقاوم در برابر انسولین" طبقه بندی می شوند و باقیمانده به عنوان "0" یا طبقه بندی می شوندانسولین حساس است. نسبت نمایش داده شده در هر گره ترمینال می تواند به عنوان "نمره خطر" برای مقاومت به انسولین در نظر گرفته شود.

روش درخت طبقه بندی تک.

به منظور انتخاب بهترین مدلهای عملکردی برای بررسی رابطه بین حساسیت به انسولین و متغیرهای بالینی ، افراد به طور تصادفی به یک زیر مجموعه آموزش برای ساخت مدل (125 نفر) و یک زیر مجموعه آزمایش برای ارزیابی عملکرد مدل تقسیم شدند (N= 42) با نسبت 3: 1.

The Single Classification Tree Method was chosen as the statistical exploratory method because it outperformed other approaches such as logistic regression and boosting regression trees in terms of sensitivity, specificity, and area under the ROC curve, denoted aROC (10), on the testing dataset. Thus, aROC is used as a measure of average prediction performance of different classification algorithms. Because aROC represents area of a portion under a unit square, its value ranges between 0 and 1. Random guessing results in an aROC approximately equal to 0.5. A realistic classification method should have an aROC>0.5, and a classification rule with aROC>0. 70 به طور کلی کافی در نظر گرفته می شود. AROC بسیار نزدیک به 1 نشان دهنده عملکرد فوق العاده خوبی است. هدف ما بررسی درختان تصمیم گیری برای پیش بینی مقاومت به انسولین برای اسکان تنظیمات بالینی/تحقیقاتی مختلف بود که در آن مقادیر برای همه متغیرها لزوماً در دسترس نخواهد بود.

تجزیه و تحلیل درخت با داده های 167 سفیدپوست انجام شد. متغیر نتیجه اصلی مورد استفاده در این تجزیه و تحلیل GDR برای FFM+17. 7 تنظیم شد (GDR_یدک) از آنجا که ما معتقدیم که این تنظیم بهترین روش موجود برای اندازه متابولیک است (2). متغیرهای متغیرها شامل جنس ، سن ، وزن ، قد ، BMI ، BSA ، FFM ، سابقه خانوادگی خود گزارش شده دیابت ، گلوکز ناشتا ، انسولین روزه دار ، کلسترول ، HDL ، LDL ، FFA و ارزیابی مدل هوموستاز از مقاومت به انسولین (HOMA-HOMA-IR) [انسولین ناشتا (μU/ml) × گلوکز ناشتا (میلی گرم در دسی لیتر)/405]. سه مدل درخت طبقه بندی برای پاسخ به سؤالات مختلف تهیه شده است. مدل 1 با تمام متغیرهای ورودی موجود ساخته شد ، و از وضعیت بالینی تقلید می شود که در آن ترکیب بدن و نشانگرهای خون همه گنجانده شده است. مدل 2 فقط از غلظت گلوکز و انسولین ناشتا ، BMI ، سن و جنس به عنوان متغیرهای ورودی استفاده می کند. مدل 3 یک مدل مینیمالیستی است که با استفاده از سن ، جنس و BMI ساخته شده است.

نتایج

خصوصیات موضوع

گروه سفید ما شامل 51 فرد مبتلا به دیابت و 116 فرد بدون دیابت بود (جدول 1). افراد مبتلا به دیابت به طور قابل توجهی مسن بودند (سن 8. 6 57 57. 2 در مقابل 2/13 ± 44. 2 سال ، P<0.001) and had higher LDL ( P = 0.05) and glucose levels (by study design; P <0.001) than subjects without diabetes. There were no significant sex differences between subjects with and without diabetes ( P = 0.10).

ویژگی های موضوع برای سفیدپوستان تحت مطالعات گیره های هیپرینسولینمیک-اوگلیسمی در 120 MU/m 2 ⋅ دقیقه

توزیع و قطع بهینه برای تعیین مقاومت به انسولین

توزیع GDR_,این که آیا برای وزن تنظیم شده بود ، BSA ، FFM یا FFM+17. 7 دوتایی بود (خلاصه در جدول 2). همانطور که انتظار می رفت ، GDR در افراد مبتلا به دیابت در مقایسه با افراد بدون دیابت کمتر بود ، صرف نظر از نحوه تنظیم GDR برای اندازه متابولیک. برای GDR_یدکمیانگین در افراد بدون دیابت 2. 7 mg 7/7 میلی گرم در کیلوگرم+17. 7 ⋅ دقیقه و 7/1 4. 6 میلی گرم در کیلوگرم+17. 7 دقیقه در افراد مبتلا به دیابت بود. قطع 5. 6 میلی گرم در کیلوگرم+17. 7 ⋅ دقیقه حداکثر حساسیت نظری (75 ٪) و ویژگی (71 ٪) با AROC 80 ٪ برای تعیین مقاومت به انسولین را فراهم کرد. به عبارت دیگر ، برش بهینه برای شناسایی افراد مقاوم به انسولین از گیره 120 Mu/m 2 ⋅ دقیقه 5. 6 میلی گرم در کیلوگرم+17. 7 ⋅ دقیقه بود. با استفاده از این معیار در کل گروه ، 44. 3 ٪ از افراد زیر این نقطه برش قرار گرفتند و می توانند مقاوم به انسولین در نظر گرفته شوند. همان برش (5. 6 میلی گرم بر کیلوگرم+17. 7 ⋅ دقیقه) مشاهده شد که این تجزیه و تحلیل در کل گروه (267 نفر) انجام شد (داده ها نشان داده نشده است). هنگامی که GDR برای وزن بدن تنظیم شد ، BSA یا FFM ، مقدار برش مقاومت به انسولین 4. 9 میلی گرم بر کیلوگرم وزن ⋅ دقیقه ، 212 میلی گرم در متر 2 دقیقه و 7. 3 میلی گرم بر کیلوگرم ⋅ دقیقه بود (جدول 2).

مقادیر GDR در 120 MU/m 2 ⋅ دقیقه برای افراد مبتلا به و بدون دیابت برای اندازه متابولیک ، از جمله وزن بدن ، BSA ، FFM و FFM+17. 7 کیلوگرم تنظیم شده است

به عنوان یک زیرزمین ، ما همچنین داده های 86 گیره هایپرینسولینمیک-اوگلیسمی را که در 80 mu/m 2 ⋅ دقیقه انجام شده است ، گردآوری کردیم. مشابه دوز انسولین 120 مو ، توزیع GDR با GDR پایین تر در افراد مبتلا به دیابت (11 نفر) در مقایسه با افراد بدون دیابت (75 نفر) بود. میانگین داده ها و نقاط برش برای GDR بیان شده توسط وزن ، BSA ، FFM یا FFM+17. 7 ، و ویژگی های موضوع برای این گروه در جداول تکمیلی 1 و 2 ارائه شده است. در افراد بدون دیابت ، میانگین GDR_یدک3. 0 mg 8. 2 mg/kgffm+17. 7 ⋅ دقیقه در مقایسه با 0. 7 ± 3. 3 میلی گرم در kgffm+17. 7 ⋅ دقیقه در افراد مبتلا به دیابت بود ، و قطع برای تعیین مقاومت به انسولین 4. 1 میلی گرم در کیلوگرم+17. 7 ⋅ با حساسیت حداکثر و ویژگی بوداز 83 و 96 ٪ به ترتیب (AROC = 0. 98). هنگامی که GDR برای وزن بدن ، BSA یا FFM تنظیم شد ، مقدار برش برای مقاومت به انسولین 4 میلی گرم در کیلوگرم وزن ⋅ دقیقه ، 192 میلی گرم در متر 2 دقیقه و 5 میلی گرم در کیلوگرم دقیقه ، به ترتیب (جدول مکمل 2). تجزیه و تحلیل مدل درخت در دوز انسولین 80 مو به دلیل اندازه نمونه نسبتاً کوچک و نسبت نامتعادل افراد با و بدون دیابت انجام نشده است.

مدل های درختی برای پیش بینی مقاومت به انسولین با استفاده از همه پیش بینی کننده ها

همانطور که در 1 طرح تحقیق و روش ها نشان داده شده است ، مدل های درختی و قوانین تصمیم گیری برای پیش بینی GDR تهیه شده است_یدکبر اساس یک مجموعه آموزش به طور تصادفی انتخاب شده (125 نفر) و پس از آن ارزیابی عملکرد مدل ها در مجموعه آزمایش باقیمانده (42 نفر).

مدل 1: همه پیش بینی کننده ها.

In the tree model based on all predictors (Model 1), the following predictors were statistically significant: HOMA-IR, HDL, and fasting glucose resulting in an aROC of 87%. Figure 1 depicts the classification tree model using these predictors. The number of insulin-resistant individuals and the number of insulin-sensitive individuals are shown in Fig. 1.using an arbitrary cutoff of 0.25 as the “risk score” of having insulin resistance, nodes ≥25% (proportion of insulin-resistant individuals) predict insulin resistance and nodes 1 ) a HOMA-IR>5. 9 یا 2) HOMA-IR = 2. 8-5. 9 و HDL

Tree model for insulin resistance determined using all available body composition and blood measures. HOMA-IR and HDL were the only significant determinants in this model. The model is built on a randomly selected training cohort of 125 subjects and tested in 42 subjects. An arbitrary risk score of 0.25 is calculated. Therefore, if a terminal node has a>25% proportion, those subjects are more likely to be insulin resistant ( dashed lines ). The decision nodes for being insulin resistant are as follows: 1 ) HOMA-IR>5. 9 و 2) 2. 8Tree model for insulin resistance determined using all available body composition and blood measures. HOMA-IR and HDL were the only significant determinants in this model. The model is built on a randomly selected training cohort of 125 subjects and tested in 42 subjects. An arbitrary risk score of 0.25 is calculated. Therefore, if a terminal node has a>25% proportion, those subjects are more likely to be insulin resistant ( dashed lines ). The decision nodes for being insulin resistant are as follows: 1 ) HOMA-IR>5. 9 و 2) 2. 8مدل 2: آنتروپومتری ، گلوکز ناشتا و اندازه گیری انسولین.

The next tree model was performed using only body composition, fasting glucose, insulin, and age and sex as predictor variables. Only fasting insulin and glucose were significant predictors in building the tree model with an aROC of 86% in the testing subset (Fig. 2). Similar to the above tree model using all predictors, we assigned an arbitrary cutoff of 0.25 as the “risk score” of being classified as insulin resistant. Therefore, in Fig. 2, the associated decision rule for predicting an individual to be insulin resistant is a fasting insulin concentration>10. 6 μU/ml. این قانون تصمیم گیری دارای حساسیت تخمین زده شده 100 ٪ و ویژگی 54 ٪ است.

Tree model for insulin resistance using only fasting glucose, insulin, age, sex, and BMI. Only fasting insulin was a significant determinant in the model. The model is built on a randomly selected training cohort of 125 subjects and tested on 42 subjects. An arbitrary risk score of 0.25 is calculated. Therefore, if a terminal node has a>25% proportion, those subjects are more likely to be insulin resistant ( dashed lines ). The decision node for being insulin resistant is having a fasting insulin>10. 6 μU/ml.

Tree model for insulin resistance using only fasting glucose, insulin, age, sex, and BMI. Only fasting insulin was a significant determinant in the model. The model is built on a randomly selected training cohort of 125 subjects and tested on 42 subjects. An arbitrary risk score of 0.25 is calculated. Therefore, if a terminal node has a>25% proportion, those subjects are more likely to be insulin resistant ( dashed lines ). The decision node for being insulin resistant is having a fasting insulin>10. 6 μU/ml.

مدل 3: سن ، جنس و BMI.

The last tree model we tested for predicting insulin sensitivity from the clamp only used age, sex, and BMI as predictor variables. Again based on an arbitrary cutoff of 0.25% for detecting insulin resistance, the only significant predictor variable was BMI with an aROC of 61% and a BMI>24. 7 کیلوگرم در متر 2 پیش بینی مقاومت به انسولین. همانطور که انتظار می رود ، با کاهش تعداد متغیرهای پیش بینی کننده ، AROC و حساسیت و ویژگی ها بدتر می شوند.

همان تجزیه و تحلیل مدل مبتنی بر درخت نیز در یک گروه بزرگتر و از نظر قومی متنوع تر از 263 نفر (167 سفیدپوست ، 94 آمریکایی آفریقایی تبار ، یک اسپانیایی و دیگری) انجام شد. همانطور که انتظار می رفت ، با تعداد بیشتری از افراد ، AROC های بالاتر ، و نتایج حساسیت و ویژگی در گروه بزرگتر به دست آمد (داده ها نشان داده نشده است).

نتیجه گیری

تکنیک گیره هایپرینسولینمیک-اوگلیسمی استاندارد طلا برای ارزیابی حساسیت به انسولین در انسان است. این روش به طور گسترده ای در مطالعات تحقیقاتی برای بررسی اثرات مداخله مانند رژیم غذایی کم کالری یا دارویی دارویی مورد استفاده قرار می گیرد. متأسفانه ، داده های اندکی در مورد آنچه که یک میزان تزریق گلوکز "عادی" در نظر گرفته می شود ، یعنی حساسیت به انسولین طبیعی وجود دارد. علاوه بر این ، توانایی مقایسه نتایج حاصل از مطالعات گیره با این واقعیت ابراز می شود که نتایج GDR به عنوان تابعی از وزن بدن ، BSA یا FFM بیان می شود. هدف از مطالعه حاضر ، ارائه مقادیر برش برای تعیین مقاومت به انسولین و حساسیت به انسولین در گیره های انجام شده با دوز انسولین 120 Mu/m 2 ⋅ دقیقه و تهیه درختان تصمیم گیری برای پیش بینی مقاومت به انسولین از پارامترهای بالینی و بیوشیمیایی به طور معمول اندازه گیری شده است. مشابه یک مطالعه قبلی (4) ، ما دریافتیم که توزیع میزان دفع گلوکز تمام بدن دوتایی است. این دوتایی به ما اجازه می دهد تا از یک روش آماری برای تعیین برش برای تعریف مقاومت به انسولین یا حساسیت به انسولین استفاده کنیم. ما دریافتیم که مقدار GDR یا M از 5. 6 میلی گرم در کیلوگرم+17. 7 دقیقه در سفیدپوستان احتمال تقریبا 80 ٪ پیش بینی مقاومت به انسولین را فراهم می کند. به عبارت دیگر ، افراد دارای GDR

Given the demanding nature, expense, and time involved in performing hyperinsulinemic-euglycemic clamps, we aimed to develop models for predicting insulin resistance by the clamp from routinely measured anthropometric, body composition, and biochemical markers. Our first classification model (Model 1) included all available variables (listed in 1 research design and methods ) and found that subjects with a 1 ) HOMA-IR>5. 9 یا 2) HOMA-IR بین 2. 8 و 5. 9 و HDL adjبا توجه به همبستگی قوی بین HOMA-IR و حساسیت به انسولین حاصل از گیره ها که قبلاً نشان داده شده است ، تعجب آور نیست. علاوه بر این ، یافته های ما مشابه موارد مطالعه توسط استرن و همکاران است.(4) که در آن آنها درختان طبقه بندی را از گیره های انجام شده با 40 mu/m 2 ⋅ دقیقه تولید کردند. استرن و همکاران.(4) HOMA-IR ، BMI ، دور کمر و LDL را به عنوان پیش بینی کننده مهم مقاومت به انسولین ، با حساسیت و ویژگی های مشابهی یافت (مطالعه ما: AROC = 0. 87 ؛ استرن و همکاران: AROC = 0. 90). مدل 2 فقط از آنتروپومتری ، گلوکز ناشتا ، انسولین و سن و جنس استفاده می کرد. مشابه مدل 1 ، ما دریافتیم که فقط انسولین ناشتا پیش بینی کننده قابل توجهی از GDR است_یدک, with a fasting insulin>10. 6 μU/ml مقاومت به انسولین. مدل 3 فقط از سن ، جنس و BMI برای پیش بینی GDR استفاده شده است_adjاین مدل نتایج و حساسیت ضعیفی را نشان می دهد که این واقعیت شناخته شده را برجسته می کند که مقاومت به انسولین یک اختلال ناهمگن است که نه تنها به وزن ، جنس و سن بستگی دارد (14). همراه با مطالعات قبلی که مقاومت به انسولین از گیره های انجام شده در 40 mu/m 2 ⋅ دقیقه (3،4) را نشان می دهد ، نتایج ما در دوزهای انسولین 80 و 120 mu/m 2 ⋅ دقیقه به طور قابل توجهی در تعیین مقاومت به انسولین از گیره ها نقش دارد (مکملجدول 3).

برای پاسخ به جرم متابولیکی که در طی یک روش گیره از انسولین استفاده می کند ، GDR حاصل از گیره باید برای اندازه متابولیک تنظیم شود. بیشتر مطالعات در ادبیات تمایل دارند از وزن کل بدن یا کیلوگرم FFM با تعداد کمتری از مطالعات با استفاده از BSA استفاده کنند. با این حال ، وزن کل بدن یک روش کاملاً مناسب برای مقایسه افراد نیست ، زیرا افراد چاق نسبت بیشتری از جرم کم متابولیزه (بافت چربی) و زنان درصد بیشتری از چربی نسبت به مردان دارند. BSA همچنین یک مشکل تفاوت جنسی را ایجاد می کند (2). از مطالعات مربوط به میزان متابولیک در سرخپوستان پیما ، لیلیوجا و بوگاردوس (2) نشان دادند که میزان متابولیک به طور مستقیم با FFM+17. 7 کیلوگرم متناسب است ، نشان می دهد که این اندازه گیری می تواند با اندازه متابولیک برابر باشد. براساس این یافته ، ما این روش عادی سازی را در تجزیه و تحلیل طبقه بندی خود انتخاب کرده ایم. با این حال ، ما همچنین در نظر گرفته ایم که همه محققان ممکن است به اندازه گیری ترکیب بدن (DXA) دسترسی نداشته باشند و همچنین در مورد این برش های مقاومت به انسولین که با وزن و BSA نرمال شده اند ، گزارش کرده اند. سرانجام ، لازم به ذکر است که تقسیم GDR در طی یک گیره با استراحت میزان متابولیک واقعاً بهترین راه برای مقایسه مقادیر افراد با اندازه بدن مختلف است.

Limitations of this study may be the small sample size of clamp studies at 120 mU/m 2 ⋅ min, and particularly at 80 mU/m 2 ⋅ min. However, we were able to achieve good statistical sensitivity and specificity results (>80 ٪ احتمال پیش بینی) در این گروه. ما همچنین در یک جمعیت بزرگتر و از نظر قومی متنوع ، همان نقاط قطع را نشان دادیم. محدودیت بالقوه دیگر ممکن است این باشد که ما از ردیاب های گلوکز رادیولوژی برای تعیین کمیت تولید گلوکز درون زا استفاده نکردیم. با این حال ، دوزهای تزریق انسولین بالا که در این مطالعه گزارش شده است ، به طور کلی ، اگر نه همه ، بازده گلوکز شکاف پایه را سرکوب می کند (15). ما همچنین تأیید می کنیم که در حساسیت به انسولین (M) بین افراد مبتلا به و بدون دیابت همپوشانی قابل توجهی وجود دارد (2). یک روش جایگزین این بود که گروه ما را به افراد مبتلا به تحمل گلوکز طبیعی ، اختلال در تحمل گلوکز یا دیابت نوع 2 تقسیم کنیم. با این حال ، این امر بیشتر از اندازه نمونه ما کاهش می یابد.

در نتیجه ، مطالعه ما داده های جدیدی را برای تعیین مقاومت به انسولین از گیره های هیپرینسولینمیک-اوگلیسمی انجام شده در دوزهای انسولین 120 و 80 MU/m 2 ⋅ دقیقه ارائه می دهد. علاوه بر این ، ما درختان طبقه بندی را برای پیش بینی مقاومت به انسولین از نشانگرهای بیوشیمیایی به طور معمول اندازه گیری کرده ایم. با هم ، یافته های ما گیره هایپرینسولینمیک-اوگلیسمی را از آنچه که عمدتاً یک ابزار تحقیقاتی برای تهیه پیام های بالینی معنی دار برای بیماران در نظر گرفته می شود ، گسترش می دهد ، بنابراین احتمال بیشتری برای تشخیص زودرس مقاومت به انسولین فراهم می کند.

تصدیق

این مطالعه با بودجه موسسه ملی بهداشت (کمک های مالی P30DK072476 و R01DK060412 و R00HD060762 و U01DK094418) به L. M. R پشتیبانی شد.

هیچ تضاد احتمالی منافع مربوط به این ماده گزارش نشده است.

C. S. T. نسخه خطی را نوشت ، به بحث در مورد نتایج کمک کرد و نسخه نهایی را بررسی و ویرایش کرد. W. X. تجزیه و تحلیل آماری را انجام داد ، به بحث در مورد نتایج کمک کرد و نسخه خطی نهایی را بررسی و ویرایش کرد. W. D. J. تجزیه و تحلیل آماری را انجام داد ، به بحث در مورد نتایج کمک کرد و نسخه خطی نهایی را بررسی و ویرایش کرد. W. T. C. به بحث در مورد نتایج کمک کرد و نسخه نهایی را مورد بررسی و ویرایش قرار داد. L. M. R. به بحث در مورد نتایج کمک کرد و نسخه نهایی را مورد بررسی و ویرایش قرار داد. E. R در بحث در مورد نتایج نقش داشته و نسخه نهایی را بررسی و ویرایش کرده است. E. R. ضامن این کار است و به همین ترتیب ، دسترسی کامل به تمام داده های موجود در مطالعه داشته و مسئولیت یکپارچگی داده ها و صحت تجزیه و تحلیل داده ها را بر عهده می گیرد.

ما از دکتر فرانک گرینووی تشکر می کنیم که بارها از ما پرسید ، حساسیت انسولین خوب (یا بد) چیست؟