Negativa effekter av LCHFHP-kost på perifer artärfunktion hos riskgrupper...

[tjing]

...för hjärtsjukdom.

Negative effect of a low-carbohydrate, high-protein, high-fat diet on small peripheral artery reactivity in patients with increased cardiovascular risk.

Abstract:

Low-carbohydrate diets have become increasingly popular for weight loss. Although they may improve some metabolic markers, particularly in type 2 diabetes mellitus (T2D) or the metabolic syndrome (MS), their net effect on arterial wall function remains unclear. The objective was to evaluate the relation between dietary macronutrient composition and the small artery reactive hyperaemia index (saRHI), a marker of small artery endothelial function, in a cohort of patients at increased cardiovascular (CV) risk.

The present cross-sectional study included 247 patients. Diet was evaluated by a 3-d food-intake register and reduced to a novel low-carbohydrate diet score (LCDS). Physical examination, demographic, biochemical and anthropometry parameters were recorded, and the saRHI was measured in each patient.

Individuals in the lowest LCDS quartile (Q1, 45 % carbohydrate; 20 % protein; 32 % fat) had higher saRHI values than those in the top quartile (Q4, 29 % carbohydrate, 24 % protein, 40 % fat; 1·66 (sd 0·41) v. 1·52 (sd 0·22), P= 0·037). These results were particularly strong in patients with the MS (Q1 = 1·82 (sd 0·32) v. Q4 = 1·61 (sd 027); P= 0·021) and T2D (Q1 = 1·78 (sd 0·31) v. Q4 = 1·62 (sd 0·35); P= 0·011). Multivariate analysis demonstrated that individuals in the highest LCDS quartile had a significantly negative coefficient of saRHI, which was independent of confounders (OR − 0·85; 95 % CI 0·19, 0·92; P= 0·031).

These findings suggest that a dietary pattern characterised by a low amount of carbohydrate, but high amounts of protein and fat, is associated with a poorer small artery vascular reactivity in patients with increased CV risk.

http://www.ncbi.nlm.nih.gov/pubmed/22850317

British Journal of Nutrition / Volume 109 / Issue 07 / April 2013, pp 1241-1247

[Fjrebqll]

Så lowcarb i denna studie definieras som 29-45% energi från kolhydrater? Eller hur tolkar jag den?

[Ola Wallengren]

Low-carb är ett medelintag av 29E% kolhydrater, vilket är rätt lågt sett hur personer vanligvis äter men kvalar sällan in som någon "riktig" LCHF. De som äter "riktig" LCHF anser därför säkert att denna studie inte tillför något.

[3bz]

Nu är jag inte kunnig inom regressionsmodellering, men att använda resultat från inference tests som utförs inom en stepwise regression för inferenser är väl inte normalt. Eftersom de inte beskriver modellen tolkar jag det utifrån vad som finns i paper att deras slutmodell bestod enbart av en regresion av LCDS på saHRI. Vad pronostic value innebär i detta fallet och hur Nagelkerke R2 ska tolkas får gärna någon kunnig tala om, det senare går ju inte jämföra med "vanliga" R2.

Om man istället väljer att titta på relationen LCDS - saRHI så hittar de ju en korrelation på 0.178, väldigt svag alltså, tyvärr är det ju spearman's så R^2 går ju inte tolka.

Vet inte vad man ska säga om studien.

[3bz]

Ursprungligen postat av Fjrebqll

Så lowcarb i denna studie definieras som 29-45% energi från kolhydrater? Eller hur tolkar jag den?

Quartiles som jämfördes var Q1 och Q4, medelstats för macros(avrundade):

Q1: K:46 , P:20 , F:32 | Q4: K:29 , P:24 , F:45


Det finns ingen definition av lowcarb här, bara en skala som mäter intag av K,P,M från 0-10 och som sedan används för rankning och i slutändan för att dela in deltagarna i quartiles. Så vad de använder för inferenser är två grupper som jämfört med varandra har mer eller mindre inverterat intag av kalorier från K/F.

Att deltagarna sedan var tvungna att ha medel till hög risk till CVD enligt denna, eller ha diabetes eller metabolt syndrom gör det ju ganska svårt att överföra till friska tränande. Sedan var ju medelåldern på deltagarna 55 år också.

[Ola Wallengren]

Jag förstår inte riktigt resonemanget, du får gärna utveckla. Det går nog inte att räkna ut en rättvisande R2 från en logistisk regression som är applicerbar på riskökning av olika koster. Osäkerheten i att mäta kostintaget har både systematisk och en slumpässig variation, det kommer man inte ifrån. Den generella uppfattningen är att detta i allmänhet underskattar effekten, men förvisso minskar styrkan och generaliserbarheten av resultaten.

[3bz]

Ursprungligen postat av Ola Wallengren

Jag förstår inte riktigt resonemanget, du får gärna utveckla. Det går nog inte att räkna ut en rättvisande R2 från en logistisk regression som är applicerbar på riskökning av olika koster. Osäkerheten i att mäta kostintaget har både systematisk och en slumpässig variation, det kommer man inte ifrån. Den generella uppfattningen är att detta i allmänhet underskattar effekten, men förvisso minskar styrkan och generaliserbarheten av resultaten.

Menar du utveckla resonemanget angående problem med att använda inferenstester som är interna för stepwise regression till att göra inferenser, eller utveckla angående Nagelkerke R2?

När det gäller Nagelkerke R2 och pronostic value så är jag rent generellt intresserad av tolkningen, och mer specifikt tolkningen i denna studien. I vanlig linjär regression så är ju R2 intuitivt meningsfullt men inte här.

Sedan är jag ju som jag skrev innan inte säker på vilken model de verkligen använde för att få Nagelkerke R2 och pronostic value. Om de följt en stepwise regression och har alpha .05 som kriterie för inklusion som förklaringsvariabel i modellen så bör ju modellen bestå, som jag tidigare skrev, av enbart saRHI och LCDS.

Det som gör mig konfunderad är följande:

As seen in Fig. 2,
individuals in the highest LCDS quartile, as compared with the
lowest quartile, had negative probabilities of high saRHI, with
a estimated prognostic value of 75% (OR 20·85; 95% CI 0·19,
0·92; P¼0·031). Saturated fat intake was not an independent
predictor of saRHI (OR 20·88; 95% CI: 0·41, 1·93; P¼0·631).


Dessa är som jag förstår det log odds från inferenstester som utförs inom regressionsmodelleringen för att avgöra vilka variabler som ska vara med. Eller missförstår jag det så att det handlar om log odds som är uträknade efter man gjort modellen? Min fråga är isf varför man inte alls väljer att rapportera om vilka förklaringsvariabler som man tog med i den slutgiltiga modellen. Nagelkerke R2 finns ju enbart med i slutet av legend till fig.2, det skulle ju vara intressant det angivna värdet handlar om modellen i sig eller om bara den bästa förklaringsvariabel (i fallet då bara LCDS är med som predictor i modellen så är ju dock dessa två fall identiska).

Hur som helst.. oavsett så skulle det vara intressant att veta vad prognostic value handlar om, och vad värdet för Nagelkerke R2 (oavsett om det har en intutiv tolkning eller inte) refererar till. För mig verkar det vara svårt om man inte är tankeläsare eller har utformat studien då jag inte kan finna nog information för att komma fram till något. Att det verkar svårt för mig kan också bero på att jag inte sysslar med regression, vilket var anledningen till att jag frågade efter någon mer kunnig.

Hoppas jag inte rörde till det mer nu... skriver knappt aldrig på svenska så jag kanske inte är allt för tydlig.