Datu ieguve maina mūsu izpratni par cilvēka svara izmaiņām

Aptaukošanās ir viens no mūsdienu pasaules postiem. Iemesli mūsu vidukļa līniju paplašināšanai ir daudz — galvenie no tiem ir viegla piekļuve pārtikai ar augstu enerģijas blīvumu un mūsu arvien mazkustīgākais dzīvesveids.

Tiek uzskatīts, ka nozīme ir arī citiem faktoriem, piemēram, ģenētiskai nosliecei, zarnu florai un faunai un vienaudžu spiedienam. Pastāv arī bēgšanas vilciena teorija, ka lielāki cilvēki ir pakļauti apburtam svara pieauguma pašpastiprinošajam ciklam.

Ir viegli radīt iespaidu, ka attīstītajā pasaulē cilvēki atrodas neizbēgamā, slidenā svara pieauguma virzienā. Bet cik tā ir patiesība?

Šodien mēs saņemam atbildi, pateicoties Džona Lenga darbam Vaterlo Universitātē Kanādā un pāris draugiem. Viņi ir izpētījuši anonimizētos medicīniskos ierakstus par 750 000 pacientu Čikāgas apgabalā no 1997. līdz 2014. gadam. Un viņu atklājumi ir pārsteigums.

Dati aplūko ķermeņa masas indeksu, kas definēts kā masa dalīta ar augstumu kvadrātā un relatīvā ķermeņa svara standarta mērījums. Personām, kuru ĶMI ir mazāks par 18,5, ir nepietiekams svars, normāls svars ir 18,5–25, liekais svars ir 25–30, un ikviens, kura ĶMI ir lielāks par 30, ir aptaukojies.

Sabiedrībās ar augstiem ienākumiem ĶMI sadalījums ir novirzīts uz lieko svaru un aptaukošanos. Iepriekšējie pētījumi liecina, ka tas nav demogrāfisku vai sociālekonomisku faktoru rezultāts, jo vienāda ietekme ir novērojama visās sociālajās un demogrāfiskajās apakšgrupās. Tātad, kas vēl varētu notikt?

Langs un citi ir atraduši dažus pretintuitīvus modeļus. Piemēram, dati neapstiprina domu, ka visi atrodas vienā un tajā pašā slidenā nogāzē. Pārmērīga vecuma gadījumā iedzīvotāju ĶMI laika gaitā palielinās, un cilvēkiem ar nepietiekamu svaru noteikti ir tendence palielināt savu ĶMI. Bet liekais svars un aptaukošanās laika gaitā mēdz samazināt savu ĶMI. Īsā laika posmā, kas ir aptuveni gads, cilvēku ĶMI cilvēku populācijā uzrāda dabisku novirzi vidēji uz ĶMI sadalījuma centru, saka Lang un co.

Un darbā ir vēl viens svarīgs efekts. Pastāv arī nejaušas svara svārstības, un vissvarīgākais ir tas, ka tās ir proporcionālas pašam ĶMI. Tātad smagāku cilvēku svars atšķiras lielākā diapazonā nekā vieglāku cilvēku svars.

Šie atklājumi norāda uz jaunu skaidrojumu, kāpēc ĶMI sadalījums ir novirzīts uz augstākām vērtībām. Jebkādas dabiskās svara izmaiņas vairāk ietekmē smagākus cilvēkus nekā vieglākus, un tas izraisa sava veida ĶMI sadalījuma izkliedi. [Cilvēki] ir pakļauti lielām amplitūdas svārstībām (gan ar pozitīvām, gan negatīvām pazīmēm), kas paplašina ĶMI sadalījumu vairāk augsta ĶMI pusē, nevis zemā ĶMI pusē, saka Lang un citi. Tāpēc sadalījums ir novirzīts uz augstākiem ĶMI.

Šis darbs norāda arī uz jaunu veidu, kā modelēt cilvēka svara izmaiņas. Mūsu rezultāti nosaka statistiskās mehānikas formu cilvēka svara izmaiņām, saka komanda.

Lang un co parāda, ka datus var modelēt, izmantojot tieši to pašu statistikas mehāniku, kas izskaidro citus drift-difūzijas procesus, kas ir izplatīti fizikā un finansēs. Piemēram, fiziķi izmanto drift-difūzijas modeli, lai izskaidrotu Brauna kustību.

Mūsu empīriskie atklājumi un modelis sniedz jaunu fundamentālu izpratni par dreifēšanas un difūzijas mehānismu lomu ĶMI sadalījuma dinamikā cilvēku populācijās, secina Lang un co.

Tam ir būtiskas sekas. Sākumā tas aplej ar aukstu ūdeni aizbēgušo vilcienu svara pieauguma teoriju. Viņi saka, ka, pirmkārt, nav nepieciešams izsaukt atsevišķus efektus, piemēram, “bēgšanas vilciena” mehānismu, kurā cilvēki ar augstu ĶMI tiek pakļauti pašpastiprinošam svara pieauguma ciklam.

Un tam ir arī ietekme uz sabiedrības veselības politiku. Tas palīdz attaisnot intervences, kas, piemēram, ir vērstas uz visu iedzīvotāju skaitu. Un tas liek domāt, ka valsts politikai vajadzētu novērst lielas svara izmaiņu svārstības. Mūsu rezultāti apstiprina, ka šo svārstību samazināšanai, novēršot traucējumus, piemēram, jojo diētu, vajadzētu būt vēl vienam iejaukšanās mērķim, saka Langs un citi.

Jums ir pateikts!

Atsauce: arxiv.org/abs/1610.00656 : Cilvēka svara izmaiņu statistiskā mehānika

paslēpties