Uztura devu un ģenētiski noteiktu mono un poli nepiesātināto taukskābju koncentrāciju serumā asociācija hroniskas nieru slimības gadījumā: ieskats no uztura analīzes un Mendeļa randomizācijas

Abstrakts

Polinepiesātināto taukskābju (PUFA) uzņemšana parasti ir saistīta ar labāku nieru darbību, savukārt mononepiesātināto taukskābju (MUFA) saistība joprojām nav apstiprināta. Mendeļa randomizācijas (MR) analīze tika izmantota, lai iegūtu nepārprotamus aprēķinus par cēloņsakarību starp uztura uzņemšanu un ģenētiski noteiktu PUFA un MUFA līmeni serumā ar nieru darbības rādītājiem. Tika izmantoti dati no Nacionālo veselības un uztura pārbaužu aptauju (NHANES) dalībniekiem no 2005 līdz 2010. Dati no lielākajiem genoma mēroga asociācijas pētījumiem (GWAS) par MUFA, PUFA, eGFR un hronisku nieru slimību (CKD) tika analizēti visam paraugam. Kopā tika iekļauti 16 025 dalībnieki. eGFR uzlabojās, palielinoties kopējā PUFA uzņemšanas kvartilēm no 86,3 ± 0,5 (Q1) līdz 96,2 ± 0,5 ml/min/1,73 m2 (Q4), (p < 0,001). Un otrādi, nebija nekādas saistības starp MUFA uzņemšanu un nieru darbības rādītājiem (visi p > 0,21). Daudzfaktoru modeļos augstākajai PUFA uzņemšanas kvartilei bija par 21% mazāks HNS risks, taču nebija būtiskas saistības starp CKD risku un MUFA uzņemšanu. Ģenētiski noteiktai seruma MUFA (heptadecenoāts (17:1), miristoleīnskābe (14:1) un palmitoleīnskābe (16:1)) un PUFA (-linolēnskābe un eikozapentaēnskābe) koncentrācijai nebija būtiskas saistības ar eGFR un HNS risku. Turklāt analīzēs, kas stratificētas pēc diabēta stāvokļa, netika konstatēta saistība. Lielāka PUFA uzņemšana ar uzturu ir saistīta ar mazāku HNS risku, savukārt nebija nekādas saistības ar MUFA vai PUFA līmeni serumā. Ir nepieciešami papildu pētījumi, tostarp klīniskie pētījumi.

Atslēgvārdi

Mendeļa randomizācija; seruma taukskābes; mononepiesātinātās taukskābes; hroniska nieru slimība; polinepiesātinātās taukskābes; nieru funkcija.

Noklikšķiniet šeit, lai uzzinātu, kādas ir Cistanche priekšrocības nierēm

Ievads

Hroniska nieru slimība (HNS) tiek definēta kā būtiski pavājināta nieru darbība, ko identificē ar samazinātu glomerulārās filtrācijas ātrumu (GFR) vai palielinātu albumīna izdalīšanos ar urīnu (albuminūriju), kas tiek apstiprināta divas vai vairākas reizes ar vismaz 3 mēnešu intervālu [1]. Tiek lēsts, ka HNS globālā izplatība ir no 11 līdz 13 procentiem, izplatībai pieaugot līdz ar vecumu, un līdz 34 procentiem cilvēku, kas vecāki par 70 gadiem, ir zems eGFR, kas norāda uz HNS klātbūtni [2,3]. Ir zināms, ka HNS ir saistīta ar vairāku blakusslimību, tostarp cukura diabēta [4–6], hipertensijas [7, 8], aptaukošanās [9, 10] un īpaši sirds un asinsvadu slimībām [11–14], slimību slogu un veicina to. piemēram, tas ir saistīts ar augstāku visu cēloņu mirstību [13].

Gan zema plazmas koncentrācija, gan ar uzturu uzņemtās n-3 un n-6 polinepiesātinātās taukskābes (PUFA) iepriekš ir bijušas saistītas ar pavājinātu nieru darbību [15–17], savukārt zemāks piesātināto taukskābju (SFA) līmenis. uzņemšana ir saistīta ar nieru darbības uzlabošanos [18]. Tomēr saistība starp mononepiesātinātajām taukskābēm (MUFA) un CKD risku joprojām ir slikti izprotama. Potenciāls mehānisms, ar kura palīdzību PUFA var būt aizsargājoša loma nieru darbībā, ir noteiktu iekaisuma reakcijas aspektu samazināšana, piemēram, proinflammatorisko citokīnu samazināšanās [19]. Patiešām, gados vecākiem pieaugušajiem ar augstāku PUFA līmeni serumā ir novērots zemāks hroniska iekaisuma marķieru līmenis plazmā, piemēram, CRP un audzēja nekrozes faktors alfa [20]. Tomēr šādus novērojumu datus nevar izmantot, lai noteiktu seruma PUFA cēloņsakarību HNS etioloģijā.

Mendeļa randomizācijas (MR) analīze, izmantojot funkcionālus viena nukleotīda polimorfismus (SNP), kas saistīti ar specifiskām fizioloģiskās iedarbības izmaiņām (piemēram, seruma MUFA un PUFA), kā ģenētiskus analīzes instrumentus spēj sniegt objektīvus un pārliecinošus pierādījumus par slimības patoģenēzes mehānismiem. un ārstēšanas efektivitāti. Salīdzinot ar parasto riska faktoru epidemioloģiju, šajos pētījumos ir ievērojami mazāka nosliece uz neskaidrībām, atlikušajām novirzēm un pretēju cēloņsakarību [21]. Lai gan nejaušināti kontrolēti pētījumi (RCT) tiek uzskatīti par noderīgiem cēloņsakarības noteikšanai, tos bieži ierobežo izmaksas, laiks un ētiski ierobežojumi atkarībā no pētāmās iedarbības un slimības stāvokļa īpašībām. MR pētījumus var uzskatīt par veidu, kā izvairīties no šīm RCT raksturīgajām problēmām, un papildus tam šādu pētījumu datus var izmantot, lai uzlabotu izmēģinājuma RCT un klīnisko izmēģinājumu stratēģiju izstrādi, noskaidrojot intervences vai intervences iespējamo efektivitāti. pat ietekmes lielums izvēlētajos indivīdos un grupās [22].

Tāpēc valsts apsekojuma dati (Uztura un veselības pārbaužu apsekojumi (NHANES)) un Mendeļa randomizācijas (MR) analīze tika izmantoti, lai noteiktu objektīvus aprēķinus par ģenētiski noteikta seruma līmeņa un ar uzturu uzņemto MUFA un PUFA saistību ar nieru darbību.

Cistanche pulveris

Materiāli un metodes

Valsts apsekojums

1. Iedzīvotāji

Mēs izmantojām datus no NHANES, kas iepriekš tika detalizēti publicēti [23]. Īsāk sakot, atkārtotus šķērsgriezuma apsekojumus veic ASV Nacionālais veselības statistikas centrs (NCHS). Tās sastāv no mājas vizītēm, kurās tiek izmantotas anketas, lai savāktu datus par demogrāfiskajiem rādītājiem un veselības paradumiem, piemēram, uzturu. NHANES izmanto sarežģītas daudzpakāpju varbūtības izlases procedūras, lai nodrošinātu atbilstošu rasu/etnisko pārstāvību, kā arī vervēšanu no dažādām vietām [23]. NCHS Pētniecības ētikas pārskata padome apstiprināja protokolu, un visi dalībnieki sniedza informētu piekrišanu.

Specifisko analīžu metodes ir atrodamas NHANES laboratorijas/medicīnas tehnologu procedūru rokasgrāmatā [24–27]. Asinis tika ņemtas no antecubitālās vēnas saskaņā ar standarta protokolu. Lai noteiktu kreatinīna koncentrāciju serumā, D × C800 modulārās ķīmijas pusē tika izmantota Jaffe ātruma metode (kinētiskais sārmainais pikrāts). Kreatinīna kalibrēšanu varēja izsekot izotopu atšķaidīšanas masas spektrometrijas atsauces metodei [28]. Urīna kreatinīns un urīna albumīns (kas tika novērtēti, izmantojot nejauša urīna parauga cietās fāzes fluorescējošu imūntestu) [29] tika izmantoti, lai aprēķinātu urīna albumīna un kreatinīna attiecību (ACR). eGFR tika aprēķināts, izmantojot CKD Epidemiology Collaboration (CKD-EPI) vienādojumu (ml/min/1,73 m2). Izplatītā CKD tika identificēta kā eGFR<60 mL/min/1.73 m2 [29].

2. Uzņemšana ar uzturu

Uztura daudzums tika novērtēts, izmantojot 24 stundu atsaukšanu, kas iegūta ar apmācīta intervētāja palīdzību, izmantojot Amerikas Savienoto Valstu Lauksaimniecības departamenta automatizēto vairākkārtējas caurlaides metodi (AMPM), kas ir intervēšanas sistēma ar standartizētām zondēm, ko palīdz datorizēta sistēma [30,31]. Īsumā, visu 24 stundu laikā pirms uztura intervijas (no pulksten 12:00 līdz 12:00) uzņemto pārtikas produktu un dzērienu veids un daudzums tika savākti, izmantojot AMPM. AMPM ir izstrādāts, lai nodrošinātu pilnīgāku un precīzāku datu vākšanu, vienlaikus samazinot dalībnieku slogu [31,32]. Šajā pētījumā mēs izmantojām datus par kopējo MUFA uzņemšanu, kā arī konkrētu MUFA uzņemšanu: 16:1 (heksadecēnskābe, plaši pazīstama kā palmitoleīnskābe), 18:1 (oktadecēnskābe, plaši pazīstama kā oleīnskābe (OA). ), 20:1 (eikozēnskābe) un 22:1 (tetrakozēnskābe). Mēs arī analizējām datus par kopējo PUFA uzņemšanu, kā arī atsevišķos PUFA: PUFA 18:2 (oktadekadiēnskābe, plaši pazīstama kā linolskābe (LA)), PUFA 18:3 (oktadekatrienskābe, plaši pazīstama kā linolēnskābe (ALA). )), PUFA 18:4 (oktadekatetraēnskābe), PUFA 20:4 (eikozatetraēnskābe (ETA)), PUFA 20:5 (eikozapentaēnskābe (EPA)), PUFA 22:5 (dokozapentaēnskābe (DPA)) un PUFA 22:6 ( dokozaheksaēnskābe (DHA)).

3. Statistiskā analīze

Tika izmantotas CDC vadlīnijas sarežģītu NHANES datu analīzei, izmantojot atbilstošas ​​svēršanas metodes un ņemot vērā maskēto dispersiju [33]. Nepārtrauktiem (dispersijas analīzes) mērījumiem tika izmantota vidējā un vidējās standarta kļūda (SEM), bet kategoriskiem mainīgajiem (hī kvadrāts) - procenti. Lai novērtētu datu normalitāti, tika izmantots Kolmogorova-Smirnova tests. Specifisko nieru darbības marķieru (seruma kreatinīna, ACR un eGFR) koriģētais vidējais MUFA un PUFA kvartilēs tika novērtēts, izmantojot kovariācijas analīzi (ANCOVA). Šie modeļi tika pielāgoti vecumam, dzimumam, rasei, nabadzības un ienākumu attiecībai, glikozes līmenim tukšā dūšā, sistoliskajam un diastoliskajam asinsspiedienam, enerģijas patēriņam, sarkanās gaļas patēriņam, ķermeņa masas indeksam (ĶMI, kg/m2), cukura diabētam (DM) (pašnorādīta DM anamnēzē vai glikozes līmenis tukšā dūšā, lielāks vai vienāds ar 126 mg/dL) un hipertensija (HTN), diagnosticēta personām ar sistolisko asinsspiedienu, kas lielāks par vai vienāds ar 140 mmHg, diastoliskais asinis spiediens ir lielāks vai vienāds ar 90 mmHg vai tiem, kuri lieto antihipertensīvos medikamentus [34]. Log transformācijas tika veiktas mainīgajiem ar novirzi no normālā sadalījuma. Loģistikas regresijas modeļi ar trīs dažādiem korekciju līmeņiem (1. modelis: vecums, dzimums, rase un nabadzības attiecība pret ienākumiem; 2. modelis: vecums, dzimums, rase, nabadzības attiecība pret ienākumiem, glikozes līmenis tukšā dūšā, sistoliskais un diastoliskais asinsspiediens un hipertensija (HTN) un 3. modelis: vecums, dzimums, rase, nabadzības attiecība pret ienākumiem, glikozes līmenis tukšā dūšā, sistoliskais un diastoliskais asinsspiediens, HTN, triglicerīdi (TG) un augsta blīvuma lipoproteīnu holesterīns (ABL), cukura diabēts (DM) ), ķermeņa masas indekss (ĶMI) un C-reaktīvais proteīns (CRP)), pēc tam tika izmantoti, lai iegūtu izredžu attiecību (OR) un 95 procentu ticamības intervālu (CI) saistībā ar izplatīto CKD MUFA un PUFA kvartilēs. Zemākā kvartile vienmēr tika izmantota kā atsauces vērtība. Katrā posmā tika izmantoti dispersijas inflācijas koeficienti (VIF), lai novērtētu vairāku lineāro regresiju daudzkolinearitāti [35]. Daudzkolinearitāte tika uzskatīta par augstu, ja VIF bija lielāks par 10 [35]. Visi testi bija divpusēji, un p vērtība, kas bija mazāka par 0, 05, raksturoja nozīmīgus rezultātus.

Cistanche tubulosa

Mendeļa randomizācija

1. Studiju dizains

Šajā pētījumā tika izmantots divu paraugu MR pētījuma plāns. Īsumā, tika analizēta dažādu genoma mēroga asociācijas pētījumu (GWAS) kopsavilkuma statistika attiecībā uz interesējošo iedarbību (seruma MUFA un PUFA) un rezultātiem (nieru funkcija), lai novērtētu pirmās ietekmes ietekmi uz otro [36]. Tas nozīmē, ka seruma MUFA un PUFA ģenētiskie prognozētāji tika izmantoti plaši genotipizētiem nieru darbības gadījumu kontroles pētījumiem (eGFR un CKD risks), lai iegūtu aplēses par to saistību.

2. Iedarbības ģenētiskie prognozētāji

Mēs ieguvām kopsavilkuma datus par saistību starp SNP un četriem cirkulējošiem MUFA (miristoleīnskābe (14:1 (oktadecēnskābe)), palmitoleīnskābe (16:1 (heksadecenoskābe)), 10-heptadecenoāts (17:1), oleīnskābe. (18:1 (oktadecēniskais))) no GWAS (7824 pieaugušie no Eiropas senčiem) (papildu tabula S1). Genotipēšanas, kvalitātes kontroles un imputācijas procedūras ir iepriekš izstrādātas [37]. Lai analizētu seruma PUFA, mēs ieguvām kopsavilkuma datus par saistību starp SNP un cirkulējošo ALA un EPA koncentrāciju no CHARGE meta-GWAS (n=8866 pieaugušie, Eiropas izcelsmes) [38]. Gadījumos, kad SNP nebija pieejams GWAS kopsavilkuma statistikai, tika identificēti starpniekservera SNP. Šādiem starpniekservera SNP bija nepieciešams minimālais saites disbalanss (LD) r2=0.8. Faktisko aprēķinu novirzi var izraisīt korelācija starp SNP, un, lai samazinātu šo novirzi, mūsu ģenētiskie instrumenti aprobežojās ar neatkarīgiem SNP, kas nebija saiknes nelīdzsvarotībā (p=0.0001). Mēs dēvējam par SNP kopu, kas aizstāj seruma MUFA un PUFA kā "ģenētiskos instrumentus".

3. Rezultātu ģenētiskie prognozētāji

Metaanalīze, kas sastāvēja no lielākā genotipizētā pētījuma parauga (n=133, 413 ar replikāciju līdz pat 42 166 dalībniekiem), tika izmantota, lai iegūtu ģenētiskas asociācijas ar eGFR [39], kas tika noteikta, izmantojot četru mainīgo modifikāciju. Diēta nieru slimību (MDRD) pētījuma vienādojums [39]. CKD noteikšana bija eGFR<60 mL/min/1.73 m2 and that of type 2 diabetes (T2 D) was fasting glucose ≥126 mg/dL, antidiabetic drug treatment, or self-reported. Kidney function and T2 D were assessed simultaneously. For the GWAS analysis, a centralized analysis plan was applied with each study regressing sex- and age-adjusted residuals of the logarithm of eGFR on the SNP dosage levels. Furthermore, logistic regression of CKD was performed on SNP dosage levels, adjusting for sex and age. For all traits, adjustment for appropriate study-specific features, such as study site and genetic principal components, was included in the regression, and family-based studies appropriately accounted for relatedness.

4. Statistika

Mēs apvienojām instrumentu efektu, izmantojot apgrieztās dispersijas svērto (IVW) metodi. Lai noteiktu neviendabīgumu, tika izmantota IVW Q vērtība. Tā kā galīgo efekta aplēsi var ietekmēt pleiotropie varianti, tika veikta jutīguma analīze, iekļaujot svērto vidējo (WM) un MR-Egger, un izmantojot atstāšanas vienu-out metodi [36]. Cēloņsakarības aprēķini MR-Egger ir mazāk precīzi nekā tie, kas iegūti, izmantojot IVW MR [40], jo ir zemāks viltus pozitīvo rādījumu līmenis un ar to saistītais augstāks viltus negatīvais rādītājs, kas rada mazāku statistisko jaudu [41].

Q0 neviendabīguma statistika tika izmantota, lai noteiktu neviendabīgumu starp atsevišķiem ģenētisko variantu novērtējumiem [42]. Turklāt instrumentālās mainīgā analīzes pieņēmums "izslēgšanas ierobežojums" tika novērtēts, izmantojot Ensembl izlaidumu (http://useast.ensembl.org/index.html, pieejams 2020. gada 2. aprīlī) un PhenoScanner (SNP fenotipus nodrošina Ensembl un korelēto SNP fenotipus nodrošina PhenoScanner).

5. Jutīguma analīze

Jutības analīze tika veikta, izmantojot MR-Egger un MR pleiotropijas atlikušās summas un izņēmuma (MR-PRESSO) testu [42]. Ārējo efektu aplēses tika atklātas ar MR-PRESSO sistēmu, kas pēc tam tos izņēma no analīzes. Tas tika izdarīts, regresējot varianta-iznākuma asociācijas uz varianta-ekspozīcijas asociācijām. Turklāt, lai koriģētu pleiotropiju, tika izmantots MR-Robust Adjusted Profile Score (RAPS). Lai kvalificētos kā rezultātā, cēloņsakarību aprēķiniem ir jāsakrīt gan virzienā, gan lielumā MR metodēs, tiem jābūt nominālai nozīmei IVW MR, un tie nedrīkst uzrādīt nekādus pierādījumus par novirzi no horizontālās pleiotropijas. Visas analīzes tika veiktas, izmantojot R programmatūru (versija 3.4.2 R Core Team, 2017).

Cistanche kapsulas

Diskusija

Šajā rakstā mēs analizējām uztura datus par MUFA un PUFA uzņemšanu, kā arī ģenētisko variantu kopumu, kas, kā pierādīts, ir saistīti ar četriem cirkulējošiem seruma MUFA un PUFA, lai noteiktu to saistību ar nieru darbību. Netika novērota būtiska saistība starp dažādu MUFA devu ar uzturu. Un otrādi, PUFA uzņemšana ar uzturu bija apgriezti saistīta ar nieru darbības rādītājiem un izplatīto CKD. Tomēr MR analīzes neatbalstīja dažādu MUFA vai PUFA koncentrāciju cēloņsakarību uz CKD.

HNS parasti tiek novērota kā blakusslimība hronisku dzīvesveida slimību, tostarp diabēta, hipertensijas, aptaukošanās un sirds un asinsvadu slimību gadījumā [4–14], kas visas ir metaboliskā sindroma (MetS) sastāvdaļas, kas pats par sevi ir saistīts ar HNS vairākos metas. -analīzes [43,44]. Dzīvesveida maiņa, kas ietver uztura iejaukšanos, tiek uzskatīta par potenciāli rentablu MetS ārstēšanu [45, 46]. Jo īpaši uztura taukskābju modulācija, kas ietver piesātināto taukskābju (SFA) aizstāšanu ar MUFA un PUFA, ir labvēlīga MetS komponentu profilaksei un uzlabošanai [47–51]. Ņemot vērā HNS izplatību un klīnisko nozīmi [1,2], par svarīgu jāuzskata konkrētu makroelementu lomas noteikšana tās etioloģijā.

Lai gan tiek uzskatīts, ka cēloņsakarība starp HNS un noteiktiem MetS komponentiem (diabētu un hipertensiju) ir divvirzienu [11], un augstākas MUFA: SFA uzņemšanas attiecības kopā ar palielinātu PUFA uzņemšanu var uzlabot šo apstākļu uzlabošanos. [50–52], ir maz pierādījumu, kas liecinātu par tiešu saistību starp MUFA uzņemšanu un CKD. Piemēram, lai gan PUFA uzņemšana bija saistīta ar mazāku HNS risku cilvēkiem, kuriem nav cukura diabēta, šāda saistība netika novērota attiecībā uz MUFA [17]. Līdzīgi novērošanas pētījumā diabēta slimnieku populācijā MUFA uzņemšana nebija saistīta ar nieru darbības uzlabošanos, savukārt saistība tika novērota attiecībā uz MUFA: SFA attiecību un PUFA uzņemšanu [18]. Pastāv vairāki iespējamie mehānismi, ar kuru palīdzību palielināta PUFA uzņemšana varētu potenciāli aizsargāt nieru darbību, sākot no ietekmes uz regulējošām molekulām, kas iesaistītas nieru iekaisuma procesos [53], samazinot proteīnūriju [54], uzlabojot asinsspiediena līmeni [55] un samazinot. seruma triglicerīdu līmeni [56] un pat asinsvadu funkcijas uzlabošanos [57].

Mēs neatradām būtisku saistību starp dažādu kopējo un atsevišķu MUFA un CKD devu. MR analīzes pievienošana padara mūsu pētījumu pārāku par vienkāršiem novērošanas pētījumiem, jo ​​MR ir spēcīgs instruments cēloņsakarības noteikšanai [21], un mūsu rezultāti neatbalsta cēloņsakarību starp seruma MUFA un CKD. MR analīze arī neuzrādīja šādu saistību starp ģenētiski noteiktiem seruma ALA un EPA marķieriem un nieru darbību. Tas varētu liecināt, ka novērošanas pētījuma rezultātus par uzņemšanu ar uzturu var ietekmēt mulsinoša vai pat apgriezta cēloņsakarība. Īsumā, veselīga uztura izvēle (piemēram, palielināta PUFA uzņemšana) bieži notiek kopā ar citiem veselīga uztura vai dzīvesveida faktoriem [58], kas rada neskaidrības rezultātu interpretācijā. Piemēram, veselīgi uztura modeļi, piemēram, Vidusjūras, DASH un Prudent, kas mēdz būt bagāti ar augļiem, dārzeņiem un veseliem graudiem, un mazāk sarkanās un apstrādātās gaļas, rafinētos graudos un pievienotā cukura, ir saistīti ar samazinātu risku. hroniskas slimības, piemēram, aptaukošanās, diabēts un sirds un asinsvadu slimības [59], un pēc tam ar samazinātu HNS risku [60]. Šo veselīgāko uztura modeļu kopējais sastāvs, kā arī citi veselīga dzīvesveida paradumi, kas bieži sastopami kopā [58, 61] un var veicināt labāku nieru darbību, var sajaukt uztura analīzi, kas vērsta uz konkrētām uzturvielām, šajā gadījumā PUFA. Patiešām, tas var izskaidrot uztura analīzes un Mendeļa randomizācijas rezultātu atšķirību attiecībā uz PUFA un CKD risku. Tāpat retrospektīvos pētījumos īpaši problemātiska var būt apgrieztā cēloņsakarība, kad zināšanas par slimības statusu vai slimības marķieri ietekmē uztura izvēli [62]. Tomēr jāapsver vēl viens iespējamais iemesls neatbilstībai uztura analīzē un MR rezultātos. Nevajadzētu aizmirst, ka ir zināms, ka seruma taukskābes galvenokārt tiek noteiktas ar uzturu [63]. Tāpēc šis pētījums var uzsvērt faktu, ka MR var nebūt piemērota analīzes metode, lai noteiktu tādu seruma marķieru lomu, kas ir vairāk atkarīgi no uztura, nevis ģenētika.

Mūsu pētījumam ir daži ierobežojumi. Pirmkārt, NHANES datu bāzes nespēja atšķirt dzīvnieku un augu izcelsmes MUFA, iespējams, varētu veicināt asociācijas trūkumu šajā un citos CKD novērojumos. "Rietumu diētas" modelī MUFA pārsvarā piegādā dzīvnieku izcelsmes pārtikas produkti, savukārt valstīs, kurās, piemēram, parasti tiek ievērota Vidusjūras diēta, neapstrādāta augstākā labuma olīveļļa ir galvenais šo taukskābju avots [64]. Attiecīgi ir pierādīts, ka uztura iejaukšanās ar augstu augu izcelsmes MUFA saturu (no olīveļļas vai riekstiem) labvēlīgi ietekmē kardiometabolisko veselību, tostarp hipertensiju un glikozes kontroli [46,65], turpretim pētījumos, kuros MUFA avoti nav atšķirti, nav konstatēts, ka ieguvums [16]. Pastāv diskusijas par to, vai novērotās MUFA priekšrocības var būt saistītas ar pašām taukskābēm vai citām bioloģiski aktīvajām sastāvdaļām tauku avotos vai uztura paradumos [66–69]. Tādējādi nav iespējams noskaidrot augu vai dzīvnieku MUFA uzņemšanas lomu šajā konkrētajā kohortā. Papildu ierobežojums ir tāds, ka ir zināms, ka MR analīzei ir ierobežota statistiskā jauda, ​​tāpēc mūsu analīzē atrasto atradumu trūkums varētu būt saistīts ar nelielām cēloņsakarībām, kuras mūsu pētījumā nebija nosakāmas. Visbeidzot, lai gan šai analīzei mēs izmantojām lielāko GWAS, kas pašlaik ir pieejama literatūrā, nākotnes GWAS pieejamība ar lielāku izlases lielumu, tādējādi nodrošinot lielāku statistisko jaudu, var attaisnot turpmāku šīs tēmas analīzi tajā laikā.

Secinājumi

Visbeidzot, mēs neatradām pierādījumus, kas apstiprinātu saistību starp kopējo vai atsevišķu MUFA uzņemšanu, ne arī seruma MUFA cēloņsakarību uz HNS. Lai gan nevarēja noteikt ģenētiski noteiktu seruma PUFA cēloņsakarību uz izplatīto CKD, tika novērota skaidra apgriezta saistība starp PUFA uzņemšanu ar uzturu un CKD. Lai gan ir nepieciešama turpmāka izpēte par PUFA lomu HNS attīstībā, šie atklājumi nav pretrunā ar pašreizējo pierādījumu bāzi par ieguvumu no uztura SFA aizstāšanas ar MUFA un, vēlams, PUFA [70].

Atsauces

1. Ekarda, KU; Koress, Dž.; Devuists, O.; Džonsons, RJ; Kotgens, A.; Levijs, AS; Levins, A. Nieru slimību attīstības nozīme: no apakšspecialitātes līdz globālam veselības slogam. Lancet 2013, 382., 158.–169. [CrossRef]

2. Hill, NR; Fatoba, ST; Labi, JL; Hērsts, JA; O'Kalagana, Kalifornija; Lasersons, DS; Hobbs, FD Hroniskas nieru slimības globālā izplatība — sistemātisks pārskats un metaanalīze. PLoS ONE 2016, 11, e0158765. [CrossRef] [PubMed]

3. Levijs, AS; Ekards, KU; Cukamoto, Y.; Levins, A.; Koress, Dž.; Rossert, J.; De Zēvs, D.; Hostter, TH; Lameire, N.; Eknoyan, G. Hroniskas nieru slimības definīcija un klasifikācija: Nostājas paziņojums no Nieru slimības: Globālo rezultātu uzlabošana (KDIGO). Kidney Int. 2005, 67, 2089–2100. [CrossRef] [PubMed]

4. Ivai, T.; Mijazaki, M.; Jamada, G.; Nakajama, M.; Jamamoto, T.; Satoh, M.; Sato, H.; Ito, S. Cukura diabēts kā hroniskas nieru slimības cēlonis vai blakusslimība un tās rezultāti: Gonryo pētījums. Clin. Exp. Nefrols. 2018, 22, 328–336. [CrossRef] [PubMed]

5. Pugliese, G.; Penno, G.; Natali, A.; Barutta, F.; Di Paolo, S.; Reboldi, G.; Gesualdo, L.; De Nicola, L. Diabētiskā nieru slimība: jaunas klīniskas un terapeitiskas problēmas. Itālijas Diabēta biedrības un Itālijas Nefroloģijas biedrības kopīgais paziņojums par "Diabētiskās nieru slimības dabisko vēsturi un hiperglikēmijas ārstēšanu pacientiem ar 2. tipa cukura diabētu un pavājinātu nieru darbību". J. Nefrols. 2020, 33., 9.–35. [CrossRef] [PubMed]

6. Krāmers, HJ; Ngujena, QD; Kurhans, G.; Hsu, CY Nieru mazspēja, ja nav albuminūrijas un retinopātijas pieaugušajiem ar 2. tipa cukura diabētu. JAMA 2003, 289, 3273–3277. [CrossRef] [PubMed]

7. Seccia, TM; Caroccia, B.; Calo, LA Hipertensīva nefropātija. Pārejot no klasiskajiem uz jauniem patoģenētiskiem mehānismiem. J. Hipertenss 2017, 35, 205–212. [CrossRef] [PubMed]

8. Rao, MV; Qiu, Y.; Van, C.; Bakris, G. Hipertensija un CKD: Nieru agrīnās novērtēšanas programma (KEEP) un Nacionālais veselības un uztura pārbaudes pētījums (NHANES), 1999–2004. Am. J. Nieres Dis. 2008, 51, S30–S37. [CrossRef] [PubMed]

9. Kima, JJ; Hvanga, SD; Ak, TJ; Kims, KM; Jang, HC; Kims, H.; Kims, HC; Jee, SH; Lim, S. Asociācija starp aptaukošanos un hroniskām nieru slimībām, ko nosaka gan glomerulārās filtrācijas ātrums, gan albumīnūrija, korejiešu pieaugušajiem. Metab. Sindr. Relat. Traucējumi. 2017, 15, 416–422. [CrossRef] [PubMed]

10. Garofalo, C.; Borelli, S.; Minutolo, R.; Chiodini, P.; De Nikola, L.; Conte, G. Sistemātisks pārskats un metaanalīze liecina, ka aptaukošanās paredz hroniskas nieru slimības rašanos vispārējā populācijā. Kidney Int. 2017, 91, 1224–1235. [CrossRef]

11. Gansevort, RT; Koreja-Roters, R.; Hemmelgarn, BR; Džafara, TH; Heerspink, HJ; Manns, Dž.F.; Matsušita, K.; Wen, CP Hroniska nieru slimība un kardiovaskulārais risks: epidemioloģija, mehānismi un profilakse. Lancet 2013, 382., 339.–352. [CrossRef]

12. Hercoga, Kalifornija; Asinger, RW; Bergers, AK; Charitan, DM; Diez, J.; Hārts, RG; Ekards, KU; Kasišķe, BL; McCullough, PA; Passman, RS; un citi. Sirds un asinsvadu slimības hroniskas nieru slimības gadījumā. Nieru slimības klīniskais atjauninājums: globālo rezultātu uzlabošana (KDIGO). Kidney Int. 2011, 80, 572–586. [CrossRef] [PubMed]

13. Matsušita, K.; van der Velde, M.; Astors, BC; Vudvards, M.; Levijs, AS; de Jong, PE; Koress, Dž.; Gansevoort, RT Aprēķinātā glomerulārās filtrācijas ātruma un albuminūrijas asociācija ar visu cēloņu un kardiovaskulāro mirstību vispārējās populācijas grupās: sadarbības metaanalīze. Lancet 2010, 375, 2073–2081. [CrossRef] [PubMed]

14. Wu, CK; Yang, CY; Tsai, CT; Čiu, FC; Huang, YT; Lī, JK; Cheng, CL; Līns, LY; Līns, JW; Hvangs, Dž.Dž. un citi. Zema glomerulārās filtrācijas ātruma un albuminūrijas saistība ar perifēro artēriju slimību: Nacionālais veselības un uztura pārbaudes pētījums, 1999–2004. Ateroskleroze 2010, 209, 230–234. [CrossRef] [PubMed]

15. Lauretani, F.; Semba, RD; Bandinelli, S.; Millers, ER, 3.; Rudžiero, C.; Čerubīni, A.; Guralnik, JM; Ferrucci, L. Plazmas polinepiesātinātās taukskābes un nieru funkcijas samazināšanās. Clin. Chem. 2008, 54, 475–481. [CrossRef] [PubMed]

16. Dos Santos, ALT; Duarte, CK; Santoss, M.; Zoldāns, M.; Almeida, JC; Gross, JL; Azevedo, MJ; Lihtenšteina, AH; Zelmanovitz, T. Zems linolēnskābes un linolskābes patēriņš ir saistīts ar hronisku nieru slimību pacientiem ar 2. tipa cukura diabētu. PLoS ONE 2018, 13, e0195249. [CrossRef] [PubMed]

17. Juzbašjans, E.; Ašgari, G.; Mirmirans, P.; Hoseini, FS; Azizi, F. Diētisko makroelementu asociācijas ar glomerulārās filtrācijas ātrumu un nieru disfunkciju: Teherānas lipīdu un glikozes pētījums. J. Nefrols. 2015, 28, 173–180. [CrossRef] [PubMed]

18. Kardenass, C.; Bordiu, E.; Bagazgoitia, J.; Calle-Pascual, AL Polinepiesātināto taukskābju patēriņš var ietekmēt mikroalbuminūrijas rašanos un regresiju labi kontrolētiem 1. un 2. tipa cukura diabēta cilvēkiem: 7-gada, perspektīvs, uz populāciju balstīts, novērojams daudzcentru pētījums. Diabetes Care 2004, 27, 1454–1457. [CrossRef]

19. Calder, PC Iekaisuma uztura modifikācija ar lipīdiem. Proc. Nutr. Soc. 2002, 61, 345–358. [CrossRef]

20. Ferrucci, L.; Čerubīni, A.; Bandinelli, S.; Bārtali, B.; Korsi, A.; Lauretani, F.; Mārtiņš, A.; Andress-Lacueva, C.; Seņins, U.; Guralnik, JM. Plazmas polinepiesātināto taukskābju saistība ar cirkulējošiem iekaisuma marķieriem. Dž.Klins. Endokrinols. Metab. 2006, 91, 439–446. [CrossRef]

21. Smits, GD; Ebrahim, S. "Mendeļa randomizācija": vai ģenētiskā epidemioloģija var palīdzēt izprast slimības vides noteicošos faktorus? Int. J. Epidemiol. 2003, 32, 1.–22. [CrossRef] [PubMed]

22. Plotņikovs, D.; Gugenheims, JA Mendeļa randomizācija un mērķis secināt cēloņsakarību no novērojumu pētījumiem redzes zinātnēs. Oftalmoloģiskais fiziols. Izvēlēties. 2019, 39, 11.–25. [CrossRef] [PubMed]

23. Valsts veselības un uztura pārbaudes apsekojums, Nacionālais veselības statistikas centrs. Pieejams tiešsaistē: http://www.cdc. gov/nchs/nhanes.htm (aplūkots 2020. gada 31. martā).

24. Nīdhema, BL; Adlers, N.; Gregorihs, S.; Rehkopfs, D.; Lin, J.; Blekbērna, EH; Epel, ES Sociālekonomiskais statuss, veselības uzvedība un leikocītu telomēra garums Nacionālajā veselības un uztura pārbaudes apsekojumā, 1999–2002. Soc. Sci. Med. 2013, 85, 1.–8. [CrossRef] [PubMed]

25. Remer, T. Uztura ietekme uz skābju-sārmu līdzsvara – vielmaiņas aspektiem. Eiro. J. Nutr. 2001, 40, 214–220. [CrossRef] [PubMed]

27. Mazidi, M.; Michos, ED; Banach, M. Telomēra garuma un seruma 25-hidroksivitamīna D līmeņa saistība ASV pieaugušajiem: Nacionālā veselības un uztura pārbaudes aptauja. Arch. Med. Sci. 2017, 13, 61–65. [CrossRef] [PubMed]

27. Valsts veselības un uztura ekspertīzes apsekojums, Laboratorijas procedūru rokasgrāmata. Pieejams tiešsaistē: http://www.cdc.gov/ NCHS/data/nhanes/nhanes_09_10/CRP_F_met.pdf (apskatīts 2019. gada 13. augustā).

28. Selvins, E.; Manzi, J.; Stīvensa, LA; Van Lente, F.; Lačers, DA; Levijs, AS; Coresh, J. seruma kreatinīna kalibrēšana Nacionālajos veselības un uztura pārbaužu apsekojumos (NHANES) 1988–1994, 1999–2004. Am. J. Nieres Dis. 2007, 50, 918–926. [CrossRef] [PubMed]

29. Čavers, BM; Simonsons, J.; Michael, AF Cietās fāzes fluorescējoša imūntests cilvēka urīna albumīna mērīšanai. Kidney Int. 1984, 25, 576–578. [CrossRef] [PubMed]

30. Ahluwalia, N.; Andrejeva, VA; Kese-Gujots, E.; Hercberg, S. Uztura modeļi, iekaisums un metaboliskais sindroms. Diabēts Metab. 2013, 39., 99.–110. [CrossRef] [PubMed]

31. Ahluwalia, N.; Dvaiers, Dž.; Terijs, A.; Mošfēgs, A.; Johnson, C. Atjauninājums par NHANES uztura datiem: koncentrējieties uz savākšanu, izlaišanu, analītiskajiem apsvērumiem un izmantošanu, lai informētu par sabiedrisko politiku. Adv. Nutr. 2016, 7, 121–134. [CrossRef]

32. Mošfē, AJ; Rodas ĢD; Bērs, dīdžejs; Murejs, T.; Klemens, JC; Rumpler, WV; Pāvils, DR; Sebastians, RS; Kučinskis, KJ; Ingversens, LA; un citi. ASV Lauksaimniecības departamenta automatizētā vairākkārtējas caurlaides metode samazina neobjektivitāti uzņemtās enerģijas savākšanā. Am. Dž.Klins. Nutr. 2008, 88, 324–332. [CrossRef]

33. Nacionālais veselības statistikas centrs. Analītiskās un pārskatu sniegšanas vadlīnijas. Pieejams tiešsaistē: http://www.cdc.gov/nchs/data/ nhanes/nhanes0304/nhanesanalyticguidelinesdec2005.pdf (apskatīts 2020. gada 31. martā).

34. Nvankvo, T.; Yoon, SS; Bērts, V.; Gu, Q. Hipertensija pieaugušo vidū Amerikas Savienotajās Valstīs: Nacionālais veselības un uztura pārbaudes pētījums, 2011–2012. NCHS Data Brief 2013, 133, 1.–8.

35. Slinkers, BK; Glantz, SA Daudzkārtēja regresija fizioloģisko datu analīzei: daudzkolinearitātes problēma. Am. J. Physiol. 1985, 249, R1–R12. [CrossRef] [PubMed]

36. Boudens, Dž. Deivijs Smits, G.; Haycock, dators; Burgess, S. Konsekvents novērtējums Mendeļa randomizācijā ar dažiem nederīgiem instrumentiem, izmantojot svērto vidējo novērtējumu. Genet. Epidemiol. 2016, 40, 304–314. [CrossRef] [PubMed]

37. Shin, SY; Fauman, EB; Petersens, AK; Krumsiek, J.; Santoss, R.; Huangs, Dž.; Arnolds, M.; Erte, I.; Forgetta, V.; Jans, TP; un citi. Cilvēka asins metabolītu ģenētiskās ietekmes atlants. Nat. Genet. 2014, 46, 543–550. [CrossRef] [PubMed]

38. Lemaitre, RN; Tanaka, T.; Tangs, V.; Maničaikuls, A.; Fojs, M.; Kabagambe, EK; Nettleton, JA; karalis, IB; Vens, LC; Bhattacharya, S.; un citi. Ģenētiskie loki, kas saistīti ar plazmas fosfolipīdu n-3 taukskābēm: CHARGE konsorcija genoma mēroga asociācijas pētījumu metaanalīze. PLoS Genet. 2011, 7, e1002193. [CrossRef] [PubMed]

39. Pattaro, C.; Teumers, A.; Gorskis, M.; Chu, AY; Li, M.; Mijatovičs, V.; Garnaas, M.; Tins, A.; Sorice, R.; Li, Y.; un citi. Ģenētiskās asociācijas 53 lokos izceļ šūnu tipus un bioloģiskos ceļus, kas attiecas uz nieru darbību. Nat. Commun. 2016, 7, 10023. [CrossRef] [PubMed]

40. Boudens, Dž. Deivijs Smits, G.; Burgess, S. Mendeļa randomizācija ar nederīgiem instrumentiem: ietekmes novērtējums un novirzes noteikšana, izmantojot Egera regresiju. Int. J. Epidemiol. 2015, 44, 512–525. [CrossRef] [PubMed]

41. Bērdžess, S.; Boudens, Dž.; Rudens, T.; Ingelsons, E.; Thompson, SG Jutīguma analīzes, lai iegūtu spēcīgus cēloņsakarības secinājumus no Mendeļa randomizācijas analīzēm ar vairākiem ģenētiskiem variantiem. Epidemioloģija 2017, 28, 30–42. [CrossRef] [PubMed]

42. Boudens, Dž. Del Greko, MF; Minelli, C.; Deivijs Smits, G.; Šīhans, N.; Thompson, J. Ietvars pleiotropijas izpētei divu paraugu kopsavilkuma datos Mendeļa randomizācija. Stat. Med. 2017, 36, 1783–1802. [CrossRef] [PubMed]

43. Tomass, G.; Sehgal, AR; Kašjapa, SR; Srinivas, TR; Kirvans, JP; Navaneethan, SD Metaboliskais sindroms un nieru slimība: sistemātisks pārskats un metaanalīze. Clin. J. Am. Soc. Nefrols. 2011, 6, 2364–2373. [CrossRef] [PubMed]

44. Rashidbeygi, E.; Safabahšs, M.; Delshad Aghdam, S.; Muhameds, SH; Alizadeh, S. Metaboliskais sindroms un tā komponenti ir saistīti ar lielāku albumīnūrijas un proteīnūrijas risku: pierādījumi no metaanalīzes par 10 603 067 subjektiem no 57 pētījumiem. Diabēts Metab. Sindr. 2019, 13, 830–843. [CrossRef] [PubMed]

45. Di Daniele, N.; Noce, A.; Vidiri, MF; Morikoni, E.; Marrone, G.; Annikjariko-Petruzelli, M.; D'Urso, G.; Tezauro, M.; Rovella, V.; De Lorenzo, A. Vidusjūras diētas ietekme uz metabolisko sindromu, vēzi un ilgmūžību. Oncotarget 2017, 8, 8947–8979. [CrossRef] [PubMed]

46. ​​Babio, N.; Toledo, E.; Estruhs, R.; Ross, E.; Martiness-Gonzaless, MA; Kastaners, O.; Bullo, M.; Korella, D.; Aross, F.; Gomess-Gracia, E.; un citi. Vidusjūras diētas un metaboliskā sindroma statuss PREDIMED randomizētā pētījumā. CMAJ 2014, 186, E649–E657. [CrossRef]

47. Maks, F.; Beigents, C.; Catapano, AL; Koskinas, KC; Kasula, M.; Badimons, L.; Čepmens, MJ; De Bekers, GG; Delgado, V.; Ference, BA; un citi. 2019. gada ESC/EAS vadlīnijas dislipidēmijas ārstēšanai: lipīdu modifikācijas, lai samazinātu kardiovaskulāro risku: Eiropas Kardiologu biedrības (ESC) un Eiropas Aterosklerozes biedrības (EAS) dislipidēmijas pārvaldības darba grupa. Eiro. Sirds J. 2019, 41, 111–188. [CrossRef]

48. Mensink, RP; Zoks, PL; Ķesters, AD; Katan, MB Uztura taukskābju un ogļhidrātu ietekme uz kopējā seruma un ABL holesterīna attiecību un uz seruma lipīdiem un apolipoproteīniem: 60 kontrolētu pētījumu metaanalīze. Am. Dž.Klins. Nutr. 2003, 77, 1146–1155. [CrossRef] [PubMed]

49. Riserus, U.; Willett, WC; Hu, FB Diētiskie tauki un 2. tipa diabēta profilakse. Prog. Lipid Res. 2009, 48, 44–51. [CrossRef]

50. Mozaffarian, D. Sirds un asinsvadu slimību, diabēta un aptaukošanās uztura un politikas prioritātes: visaptverošs pārskats. Tirāža 2016, 133, 187–225. [CrossRef]

51. Rasmusens, BM; Vesbijs, B.; Ūsitūpa, M.; Berglunds, L.; Pedersens, E.; Rikardi, G.; Rivellese, AA; Tapsels, L.; Hermansen, K. Uztura piesātināto, mononepiesātināto un n-3 taukskābju ietekme uz asinsspiedienu veseliem cilvēkiem. Am. Dž.Klins. Nutr. 2006, 83, 221–226. [CrossRef]

52. Farvid, MS; Dings, M.; Pāns, A.; Saule, Q.; Čiuve, DA; Štefens, LM; Willett, WC; Hu, FB Diētiskā linolskābe un koronārās sirds slimības risks: sistemātisks perspektīvo kohortas pētījumu pārskats un metaanalīze. Tirāža 2014, 130, 1568–1578. [CrossRef]

54. Kīlārs, ML; Džejaradža, DR; Džou, XJ; Lu, CY Dokozaheksaēnskābe uzlabo peles išēmisku akūtu nieru mazspēju un novērš mRNS pārpilnības palielināšanos gan TNF-alfa, gan inducējamās slāpekļa oksīda sintāzes gadījumā. J. Am. Soc. Nefrols. 2003, 14, 389–396. [CrossRef]

54. De Caterina, R.; Kaprioli, R.; Džannesi, D.; Sicari, R.; Galli, C.; Lacerīni, G.; Bernīni, V.; Kārs, L.; Rindi, P. n-3 taukskābes samazina proteīnūriju pacientiem ar hronisku glomerulāru slimību. Kidney Int. 1993, 44, 843–850. [CrossRef] [PubMed]

55. Cicerons, AF; Derosa, G.; Di Gregori, V.; Bove, M.; Gaddi, AV; Borghi, C. Omega 3 polinepiesātināto taukskābju papildināšana un asinsspiediena līmenis pacientiem ar hipertrigliceridēmiju ar neārstētu normālu augstu asinsspiedienu un ar vai bez metaboliskā sindroma: retrospektīvs pētījums. Clin. Exp. Hipertensijas 2010, 32, 137–144. [CrossRef] [PubMed]

56. Svensons, M.; Šmits, EB; Jorgensens, KA; Christensen, JH. N-3 taukskābju ietekme uz lipīdiem un lipoproteīniem pacientiem, kuri tiek ārstēti ar hronisku hemodialīzi: randomizēts placebo kontrolēts intervences pētījums. Nefrols. Zvanīt. Transplantācija. 2008, 23, 2918–2924. [CrossRef] [PubMed]

57. Abeivardena, MY; Head, RJ Longchain n-3 polinepiesātinātās taukskābes un asinsvadu funkcija. Sirds un asinsvadu sistēmas. Res. 2001, 52, 361–371. [CrossRef]

58. Smits, GD; Lawlor, DA; Harbords, R.; Timsons, N.; Diena, I.; Ebrahim, S. Klasterizēta vide un nejaušināti gēni: būtiska atšķirība starp konvencionālo un ģenētisko epidemioloģiju. PLoS Med. 2007, 4, e352. [CrossRef] [PubMed]

59. Medina-Remón, A.; Kirvans, R.; Lamuela-Raventósa, RM; Estruch, R. Uztura modeļi un aptaukošanās, 2. tipa cukura diabēta, sirds un asinsvadu slimību, astmas un neirodeģeneratīvu slimību risks. Krit. Rev. Food Sci. Nutr. 2018, 58, 262–296. [CrossRef] [PubMed]

60. Ajjarapu, AS; Hinkle, SN; Li, M.; Francisks, EK; Zhang, C. Uztura modeļi un nieru veselības rezultāti vispārējā populācijā: pārskats, kas koncentrējas uz perspektīvajiem pētījumiem. Uzturvielas 2019, 11, 1877. [CrossRef]

61. Hokinss, MS; Sevick, MA; Ričardsons, CR; Cepts, LF; Arēna, VC; Kriska, AM Asociācija starp fizisko aktivitāti un nieru darbību: Valsts veselības un uztura pārbaudes apsekojums. Med. Sci. Sporta vingrinājums. 2011, 43, 1457–1464. [CrossRef]

62. Qi, L. Mendeļa randomizācija uztura epidemioloģijā. Nutr. Rev. 2009, 67, 439–450. [CrossRef] [PubMed]

63. Hodsons, L.; Skeaff, CM; Fīldings, BA Taukaudu un asiņu taukskābju sastāvs cilvēkiem un tā izmantošana kā uztura uzņemšanas biomarķieris. Prog. Lipid Res. 2008, 47, 348–380. [CrossRef]

64. Linseisens, J.; Velčs, AA; Oks, M.; Amiano, P.; Agnoli, C.; Ferrari, P.; Sonestedt, E.; Chajes, V.; Bueno-de-Meskvita, HB; Kaaks, R.; un citi. Uztura tauku uzņemšana Eiropas perspektīvajā vēža un uztura izmeklēšanā: rezultāti no 24-h uztura atsaukšanas. Eiro. Dž.Klins. Nutr. 2009, 63 (S4 pielikums), S61–S80. [CrossRef] [PubMed]

65. Toledo, E.; Hu, FB; Estruhs, R.; Buil-Cosiales, P.; Korella, D.; Salas-Salvado, Dž.; Kovas, MI; Aross, F.; Gomess-Gracia, E.; Fiols, M.; un citi. Vidusjūras diētas ietekme uz asinsspiedienu PREDIMED pētījumā: Randomizēta kontrolēta pētījuma rezultāti. BMC Med. 2013, 11, 207. [CrossRef] [PubMed]

66. Alkhatibs, A.; Tsangs, C.; Tuomilehto, J. Olīveļļas uztura līdzekļi diabēta profilaksē un ārstēšanā: no molekulām līdz dzīvesveidam. Int. J. Mol. Sci. 2018, 19, 2024. [CrossRef] [PubMed]

67. Degirolamo, C.; Rudel, LL Diētiskās mononepiesātinātās taukskābes, šķiet, nenodrošina sirds aizsardzību. Curr. Aterosklera. Rep. 2010, 12, 391–396. [CrossRef] [PubMed]

68. Lopess, S.; Bermudezs, B.; Montserrata de la Paza, S.; Jaramillo, S.; Abia, R.; Muriana, FJ neapstrādāta olīveļļa un hipertensija. Curr. Vasc. Pharmacol. 2016, 14, 323–329. [CrossRef] [PubMed]

69. Zongs, G.; Li, Y.; Samsons, L.; Dougherty, LW; Willett, WC; Wanders, AJ; Alssema, M.; Zoks, PL; Hu, FB; Sun, Q. Mononepiesātinātie tauki no augu un dzīvnieku izcelsmes avotiem par koronāro sirds slimību risku ASV vīriešu un sieviešu vidū. Am. Dž.Klins. Nutr. 2018, 107, 445–453. [CrossRef] [PubMed]

70. Huans, X.; Lindholms, B.; Stenvinkels, P.; Carrero, JJ. Uztura tauku modifikācija pacientiem ar hronisku nieru slimību: N-3 taukskābes un vairāk. J. Nefrols. 2013, 26, 960–974. [CrossRef]

Mohsens Mazidi 1,2,3, Andrē P. Kennijs 4, Mario Sjervo 5 un Ričards Kirvans 6

1 Medicīnas pētījumu padomes Iedzīvotāju veselības pētījumu nodaļa, Oksfordas Universitāte, Oksforda OX3 7LF, Apvienotā Karaliste

2 Klīniskās izpētes dienesta nodaļa un epidemioloģisko pētījumu nodaļa (CTSU), Nūfīldas Iedzīvotāju veselības departaments, Oksfordas Universitāte, Oksforda OX3 7LF, Apvienotā Karaliste

3 Dvīņu pētniecības un ģenētiskās epidemioloģijas nodaļa, South Wing St Thomas', King's College London, London SE{1}}EH, UK

4 Neinfekcijas slimību izpētes nodaļa, Dienvidāfrikas Medicīnas pētniecības padome, Keiptaunas Universitāte, Keiptauna 7505, Dienvidāfrika; andre.kengne@mrc.ac.za

5 Dzīvības zinātņu skola, Karalienes medicīnas centrs, Notingemas Universitātes Medicīnas skola, Notingemas NG7 2RD, Apvienotā Karaliste; mario.siervo@nottingham.ac.uk

6 Bioloģijas un vides zinātņu skola, Liverpūles Džona Mūra universitāte, Liverpūles L3 3AF, Apvienotā Karaliste; rpkirwan@2018.ljmu.ac.uk