Previsão de Riscos à Saúde com Pontuações Metabolômicas
Escores metabolômicos trazem novas ideias pra prevenção de doenças.
― 8 min ler
Índice
As pessoas em países ricos estão vivendo mais, mas isso nem sempre quer dizer que estão mais saudáveis. Muitos desses anos a mais são passados lidando com Doenças crônicas. Como resultado, os sistemas de saúde estão lutando para acompanhar a crescente demanda por tratamentos caros para populações mais velhas e doentes. Para piorar, simplesmente fornecer esses tratamentos está colocando uma pressão financeira enorme sobre esses sistemas.
Para resolver esse problema, é importante focar na prevenção. Um plano sólido de saúde preventiva deve incluir três etapas. Primeiro, deve encontrar maneiras acessíveis de prevenir doenças sem causar efeitos colaterais. Segundo, deve desenvolver métodos para identificar pessoas que estão em alto risco de ficarem doentes. Terceiro, deve garantir que esses métodos de identificação de risco sejam aplicados amplamente para alcançar o maior número possível de pessoas.
Um exemplo disso é o NHS Health Check no Reino Unido. Ele oferece um check-up de saúde para adultos a cada cinco anos, usando fatores como estilo de vida, histórico de saúde familiar e exames de sangue para identificar pessoas em alto risco de doenças cardíacas. Aqueles identificados podem então fazer mudanças necessárias no estilo de vida ou começar a tomar medicação para diminuir o risco.
Melhorando Avaliações de Risco
As avaliações de risco para doenças cardíacas podem ser melhoradas com novos tipos de dados que os cientistas têm estudado, mas que ainda não são comuns nos ambientes de saúde. Uma grande parte dessa pesquisa se concentrou em escores poligênicos (EPG), que ajudam a identificar indivíduos em maior risco de várias doenças com apenas uma medição. Esses escores podem fornecer informações adicionais além dos fatores de risco tradicionais.
No entanto, houve desafios na utilização de EPG na prática médica do dia a dia. As pessoas geralmente ficam hesitantes em abraçar informações genéticas, e existem dificuldades práticas na coleta de amostras de DNA e no armazenamento dos dados nos registros de saúde. Outra área promissora é a metabolômica, que usa marcadores biológicos de amostras de sangue para prever doenças. Esses marcadores podem identificar problemas de saúde comuns, como infartos, diabetes tipo 2 e outras condições graves. Diferente dos EPG, os escores metabolômicos podem mudar com base no estilo de vida e tratamento de um indivíduo, permitindo uma avaliação contínua do risco.
Estudo em Grande Escala com Dados Metabolômicos
Para entender melhor como a metabolômica pode ajudar a prever o risco de doenças, os pesquisadores analisaram amostras de sangue de quase 500.000 pessoas que faziam parte de grandes biobancos no Reino Unido, Estônia e Finlândia. Eles analisaram 12 doenças principais que contribuem para problemas de saúde em países de alta renda. Com esses dados, os cientistas criaram modelos para prever quem poderia desenvolver cada uma dessas doenças.
Os pesquisadores compararam diferentes fatores de risco e descobriram que a chance de ficar doente aumentava com escores metabolômicos mais altos. Eles notaram especialmente que, para doenças como diabetes tipo 2 e doença hepática, o modelo foi especialmente eficaz em identificar indivíduos em maior risco.
Ao olhar para os 10% das pessoas com os escores de risco metabolômico mais altos, esses indivíduos mostraram uma chance significativamente maior de desenvolver várias doenças. Essa tendência se manteve em todos os três biobancos estudados, demonstrando que os escores metabolômicos fornecem avaliações de risco valiosas que podem levar a melhores Resultados de Saúde.
Combinando Diferentes Tipos de Dados
Os pesquisadores também compararam dados metabolômicos com informações genéticas para ver qual era mais eficaz na previsão de riscos à saúde. Enquanto os EPG são valiosos, os escores metabolômicos geralmente forneciam uma Avaliação de Risco melhor para a maioria das condições. Em muitos casos, combinar os dois tipos de informações melhorou a previsão de risco. Essa combinação revelou que aqueles que eram de alto risco com base em ambas as medidas tinham uma probabilidade ainda maior de desenvolver problemas de saúde.
O estudo destacou que pessoas que tinham predisposições genéticas, mas baixo risco metabolômico, tinham uma chance semelhante de ficarem doentes em comparação com aqueles que não eram de alto risco nem em genética nem em metabolômica. Isso sugere que fatores de estilo de vida desempenham um papel crucial na saúde geral também.
Previsões de Longo Prazo e Mudanças de Estilo de Vida
Os pesquisadores acompanharam alguns participantes após cinco anos para coletar mais dados sobre como os escores metabolômicos poderiam mudar ao longo do tempo. Eles descobriram que indivíduos que mudaram de um grupo de alto risco para um grupo de baixo risco reduziram significativamente suas chances de desenvolver doenças como diabetes e DPOC.
Os dados mostraram que as escolhas de estilo de vida tiveram um impacto considerável. Por exemplo, pessoas que perderam peso e pararam de fumar tiveram melhores resultados de saúde em comparação com aquelas que continuaram com hábitos de vida negativos. Embora os fatores de estilo de vida tenham influenciado parte das mudanças nos escores de risco, os escores metabolômicos integraram efetivamente uma ampla gama de informações de saúde, tornando-os úteis para avaliações contínuas de risco.
Aplicações Práticas dos Escores de Risco Metabolômico
As descobertas sugerem que os escores metabolômicos podem desempenhar um papel importante na saúde cotidiana. Eles podem ajudar a identificar indivíduos em alto risco de doenças, permitindo intervenções mais rápidas e potencialmente salvando vidas. O estudo comparou esses escores com métricas de saúde tradicionais, como pressão arterial e níveis de colesterol, descobrindo que as previsões metabolômicas muitas vezes superavam essas medidas padrão.
Nos ambientes de saúde, onde os médicos buscam maneiras fáceis de avaliar o risco, incorporar dados metabolômicos poderia fornecer uma imagem mais precisa da saúde de um indivíduo. Por exemplo, substituir um teste de colesterol por uma medição metabolômica completa poderia ser uma abordagem viável em check-ups de rotina, fornecendo informações cruciais para estratégias de saúde preventiva.
Garantindo Precisão nas Previsões
Para qualquer modelo de previsão de risco ser útil no mundo real, ele deve ter um bom desempenho em várias populações. Os pesquisadores testaram a precisão dos escores metabolômicos em diferentes biobancos e descobriram que, de modo geral, eles forneciam previsões confiáveis. Eles mostraram que esses escores poderiam identificar indivíduos em risco elevado, mesmo em populações diversas, tornando-os mais acessíveis e aplicáveis em vários ambientes de saúde.
No geral, a pesquisa indica que focar nos escores metabolômicos pode aprimorar as estratégias de saúde preventiva, permitindo intervenções mais personalizadas. Esses escores não apenas fornecem uma visão clara dos riscos à saúde de cada um, mas também capacitam as pessoas a tomarem medidas proativas para melhorar seu estilo de vida.
Conclusão
Com uma população envelhecendo enfrentando inúmeros desafios de saúde, encontrar maneiras eficazes de prever e prevenir doenças se torna crucial. Os escores de risco metabolômico oferecem uma abordagem promissora para identificar indivíduos em alto risco de várias doenças, permitindo intervenções em tempo hábil.
À medida que os sistemas de saúde evoluem para atender às necessidades das populações idosas, integrar ferramentas de previsão de risco simples e eficazes pode impactar significativamente a saúde pública. Focando tanto em dados genéticos quanto metabolômicos, é possível criar uma imagem mais completa da saúde de um indivíduo e adaptar estratégias de prevenção de acordo.
O futuro da saúde poderia se beneficiar da incorporação da metabolômica ao lado de medidas tradicionais, facilitando a identificação de quem está em risco e incentivando escolhas de estilo de vida mais saudáveis. No final das contas, tais estratégias têm o potencial de melhorar significativamente os resultados de saúde e reduzir a pressão financeira sobre os sistemas de saúde.
Título: Metabolomic and genomic prediction of common diseases in 477,706 participants in three national biobanks
Resumo: Identifying individuals at high risk of chronic diseases via easily measured biomarkers could improve public health efforts to prevent avoidable illness and death. Here we present nuclear magnetic resonance blood metabolomics from half a million samples from three national biobanks. We built metabolomic risk scores that identify a high-risk group for each of 12 diseases that cause the most morbidity in high-income countries and show consistent cross-biobank replication of the relative risk of disease for these groups. We show that these metabolomic risk scores are more strongly associated with future disease onset than polygenic scores for most of these diseases. In a subset of 18,000 individuals with metabolomic biomarkers measured at two time points we show that people whose scores change have dramatically different future risk of disease, suggesting that repeat measurements capture the benefits of lifestyle change. We show cross-biobank calibration of our scores. Since metabolomics can be measured from a standard blood sample, we propose such tests can be feasibly implemented today in preventative health programs. One-Sentence SummaryBiomarkers from half a million blood samples identifies people at increased risk of chronic diseases and can be used for early detection today.
Autores: Jeffrey C. Barrett, Nightingale Health Biobank Collaborative Group, T. Esko, K. Fischer, L. Jostins-Dean, P. Jousilahti, H. Julkunen, T. Jaaskelainen, N. Kerimov, S. Kerminen, A. Kolde, H. Koskela, J. Kronberg, S. N. Lundgren, A. Lundqvist, V. Makela, K. Nybo, M. Perola, V. Salomaa, K. Schut, M. Soikkeli, P. Soininen, M. Tiainen, T. Tillmann`, P. Wurtz, Estonian Biobank Research Team
Última atualização: 2023-06-12 00:00:00
Idioma: English
Fonte URL: https://www.medrxiv.org/content/10.1101/2023.06.09.23291213
Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.06.09.23291213.full.pdf
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.