Zusammenfassung
Hintergrund: Als metabolisches Syndrom (MetS) wird ein Symptomkomplex metabolischer Veränderungen bezeichnet, der eng mit Insulinresistenz (IR) assoziiert ist. Cutoff Werte für HOMA-IR, einem Surrogatparameter für IR, zur Identifikation von Probanden mit MetS sind nicht etabliert.
Methoden: Insgesamt lagen Querschnittsdaten von 446 Studienteilnehmern im jüngeren Lebensalter (53% Frauen, 28±3 Jahre alt) und 1271 im höheren Lebensalter (52% Frauen, 68±4 Jahre alt) ohne Diabetes vor. MetS wurde nach den IDF/AHA/NHLBI (International Diabetes Foundation/American Heart Association/National Health, Lung and Blood Institute) Kriterien von 2009 definiert. Mittels ROC-Analyse wurden Cutoff-Werte für HOMA-IR berechnet, oberhalb derer Probanden mit MetS mit höchster Sensitivität und Spezifität erkannt werden konnten. Zuletzt wurden binär logistische Regressionsmodelle berechnet.
Ergebnisse: Die Prävalenz von MetS betrug 6,7% bei den jungen und 28,3% bei den älteren Probanden. Cutoff-Werte für HOMA-IR, oberhalb derer MetS identifiziert werden konnte, waren HOMA-IR >1,88 (bei jungen Studienteilnehmern; Sensitivität 80%, Spezifität 85,3%, positiv prädiktiver Wert 80%, negativ prädiktiver Wert 15%) und HOMA-IR >1,98 (bei den älteren Studienteilnehmern; Sensitivität 73,6%, Spezifität 72,9%, positiv prädiktiver Wert 74%, negativ prädiktiver Wert 27%). Patienten oberhalb dieser Cutoff-Werte hatten im höchst adjustierten (Alter, BMI, Geschlecht, körperliche Aktivität und getrennt nach Altersgruppen) binären Regressionsmodell Odds von 5,7 (95% CI: 4,1–7,9) bei älteren und 22,2 (95% CI: 7,0–70,5) bei jüngeren Studienteilnehmern, MetS aufzuweisen.
Schlussfolgerungen: Cutoff-Werte für HOMA-IR sind im Klinikalltag nicht etabliert, könnten aber herangezogen werden, um Personen mit MetS zu identifizieren und gegebenenfalls frühzeitig eine Therapie einzuleiten, auch wenn aufgrund der negativen prädiktiven Werte eine Diagnostik des MetS durch HOMA-IR allein nicht erfolgen kann.
Abstract
Background: The metabolic syndrome (MetS) is a cluster of metabolic changes which is associated with insulin resistance (IR). Cutoff values for HOMA-IR – a surrogate marker of IR-to identify subjects with MetS are not established.
Methods: Cross-sectional data of 446 younger (53% of women, 28±3 years old) and 1271 elderly study participants (52% of women, 68±4 years old) without diabetes were available for the current analysis. MetS was defined according to the IDF/AHA/NHLBI (Internationally diabetes foundation/American Heart Association/National Health, Lung and Blood institutes) criteria of 2009. Using ROC analysis cutoff values for HOMA-IR were calculated above which participants with MetS could be identified with highest sensitivity and specificity. Finally, binary logistic regression models were calculated.
Results: The prevalence of MetS was 6.7% in young and 28.3% in elderly subjects. HOMA-IR cutoff values for the detection of MetS were HOMA-IR >1.88 (young subjects; sensitivity 80%, specificity 85.3%, positive predictive value 80%, negative predictive value 15%) and HOMA-IR >1.98 (elderly subjects; sensitivity 73.6%, specificity 72.9%, positive predictive value 74%, negative predictive value 27%). In adjusted regression models (age, BMI, gender, physical activity and age groups) subjects above these cutoff-values had odds of 5.7 (95% CI: 4.1–7.9) in elderly and 22.2 (95% CI: 7.0–70.5) in younger study participants to have MetS.
Conclusions: Cutoff values for HOMA-IR are not commonly used in clinical practice; however, they could be used to identify subjects with MetS, even if a diagnosis of MetS cannot made based soley on HOMA-IR considering the negative predictive values.
Rezensierte Publikation:
Schuff-Werner P.
Einleitung
Die Prävalenz von Übergewicht und Adipositas in Deutschland beträgt im Alter zwischen 18–79 Jahren ca. 67% bei Männern und 53% bei Frauen [1]. Insbesondere die viszerale Adipositas und das damit assoziierte metabolische Syndrom (MetS) stellen dabei ein Risiko für die Entwicklung von kardiovaskulären Erkrankungen (CVD) und Typ 2 Diabetes (T2D) dar [2, 3]. Ältere Patienten sind dabei auf Grund der erhöhten Anzahl von Komorbiditäten aber auch durch physiologische Veränderungen, die sich im höheren Alter entwickeln – wie Zunahme an prozentualem Körperfettanteil und Abnahme von Muskelmasse, die den Hauptwirkort für Insulin darstellt – besonders von der Entwicklung des MetS gefährdet [4–7].
Insulinresisitenz (IR) beschreibt die verminderte Wirkung des Hormons Insulin im Körper, sodass ein erhöhter Insulinbedarf für die Aufrechterhaltung der Glukosehomöostase besteht [8]. Unabhängig von der zugrundeliegenden Ursache führt IR nicht nur zu Störungen im Glukosestoffwechsel, erhöhte Insulinspiegel können über gesteigerte Synthese von VLDL-Lipoproteinen in der Leber auch Veränderungen des Fettstoffwechsels begünstigen (Erhöhung von Triglyceridwerten, Verringerung von HDL-Werten) und damit die Entwicklung von MetS [9].
HOMA-IR (Homeostasis Model Assessment)-Index, sowie weitere Surrogatmarker für IR und Insulinsensitivität sind gut akzeptiert und gehäuft im höheren Lebensalter, sowie bei Patienten mit MetS pathologisch [10, 11]. Cutoff Werte für diese Surrogatmarker zur Identifikation von Probanden mit metabolischem Syndrom sind nicht etabliert. Ziel der aktuellen Datenanalyse innerhalb der Berliner Altersstudie II (BASE-II) war die Prävalenzerhebung von metabolischem Syndrom bei einer Gruppe von i) 446 jungen (22–37 Jahre alt) und ii) 1271 älteren Probanden (>60 Jahre alt) ohne Diabetes. Unter Berücksichtigung von potenziellen Einflussfaktoren wurden Cutoff-Werte für HOMA-IR berechnet, oberhalb derer MetS in unserer Studienpopulation mit bestmöglicher Sensitivität und Spezifität identifiziert werden konnte.
Material und Methoden
Studiendesign und -teilnehmer
Die Berliner Altersstudie II (BASE-II), eine epidemiologische Kohortenstudie, verfolgt vorrangig das Ziel, Mechanismen von Krankheitsentstehung zu untersuchen. Zu diesem Zweck wurden zum einen Studienteilnehmer im höheren Lebensalter (60–84-jährige selbstständig und zu Hause lebende Senioren), zum anderen eine junge Vergleichsgruppe (20–36 Jahre alt) eingeschlossen [12]. Die Rekrutierung der Teilnehmer erfolgte über Anzeigen in lokalen Tageszeitungen und im öffentlichen Nahverkehr, damit handelt sich bei der BASE-II um ein „convenience sample“. Für die aktuelle Datenanalyse lagen komplette Querschnittsdaten für Nüchternglukose, Glukose nach oralem Glukosetoleranztest (OGTT), HOMA-IR (homeostasis model of insulin resistance), HbA1c und BMI (Body-Mass-Index) von i) 446 Probanden der jungen und ii) 1271 Studienteilnehmer der älteren Probandengruppe vor. Die Studie wurde von der Ethikkommission der Charité-Universitätsmedizin Berlin genehmigt (Nummer: EA2/029/09).
Definition des metabolischen Syndroms und Laboruntersuchungen
Probanden, bei denen anamnestisch kein Diabetes eruierbar war, wurden einem oralen Glukosetoleranztest (OGTT) nach den Vorgaben der WHO unterzogen [13]. Die Definition des metabolischen Syndroms erfolgte anhand der IDF/AHA/NHLBI (International Diabetes Foundation/American Heart Association/National Health, Lung and Blood Institute) Kriterien von 2009 [2]. Es mussten zumindest 3 von 5 Kriterien erfüllt sein. Diese Kriterien waren i) erhöhter Blutdruck (bekannte arterielle Hypertonie bzw. gemessene Blutdruckwerte im Sitzen am linken Arm von ≥130 mm Hg systolisch und/oder ≥85 mm Hg diastolisch), ii) erhöhter Taillenumfang (Taillenumfang bei Männern ≥94 cm bzw. Frauen ≥80 cm), iii) Insulinresistenz (Nüchternglukosespiegel ≥100 mg/dL), iv) erhöhte Triglyceride (Triglycerid-Spiegel ≥150 mg/dL) oder v) erniedrigtes HDL(high-density Lipoprotein)-Cholesterin (Serumspiegel von HDL-Cholesterin <50 mg/dL bei Frauen bzw. <40 mg/dL bei Männern).
Der systolische und diastolische Blutdruck wurde mit einem elektronischen Blutdruckmessgerät (boso-medicus memory, Jungingen, Deutschland) ermittelt.
Dieses Blutdruckmessgerät entspricht den europäischen Vorschriften, die dem Medizinproduktegesetz zugrunde liegen (Zeichen: CE), sowie der Europanorm EN 1060, Teil 1. Die messtechnische Kontrolle musste alle zwei Jahre durchgeführt werden. Die Bestimmung des Taillenumfangs führten medizinisch technische Assistenten mittels Maßband auf Höhe des Bauchnabels durch.
Die für die Definition des MetS relevanten Laborparameter bestimmte ein kommerzielles, zertifiziertes Labor (Labor 28 GmbH, Berlin).
Nach einer mindestens 8-stündigen Fastenperiode wurde den Probanden Blut entnommen, nachfolgend bei 4–8 and °C gelagert und für den Transport und die anschließende Messung am selbigen Tag vorbereitet. Die Messung der Triglyceride (Serum) und des HDL-Cholesterins (Serum) geschah mittels enzymatischem Farbtest am klinisch chemischen Selektivanalysierer (Roche/Hitachi Modular Geräte: ACN 435 und ACN 781). Die Messung des Glukosespiegels (Nüchtern und nach 2 Stunden im Rahmen des OGTT; NaF-Blut) erfolgte durch photometrische Konzentrationsbestimmung, Insulinspiegel (Serum) wurden mittels Chemilumineszenz Immunoassays bestimmt. Die Bestimmung des HbA1c (EDTA-Blut) fand mittels Ionenaustausch-Hochleistungsflüssigkeitschromatographie statt (VARIANT II TURBO HbA1c Kit – 2.0 von Bio-Rad).
Der HOMA-IR (Homeostatic model assessment for insulin resistance), QUICKI-Index (Quantitative insulin sensitivity check index), HOMA-b (Homeostatic model assessment for β-cell functionRatio) und Nüchternglukose/Insulin-Ratio (G/I-Ratio) wurden zur Einschätzung von Insulinresistenz/-sensitivität herangezogen. HOMA-IR wurde berechnet als: (Nüchterninsulin in μU/mL×Nüchternglukose in mmol/L)/22,5, QUICKI als 1/(log Nüchterninsulin in μU/mL+log Nüchternglukose in mg/dL). HOMA-b, als Maß der pankreatischen β-Zellfunktion wurde berechnet als 20×Nüchterninsulin in mU/L/(Nüchternglukose in mmol/l – 3,5) [14–16].
Ko-Variablen
Gewicht und Größe konnte auf 0,1 kg und 0,1 cm genau mittels elektronischer Waage mit Messstab (SECA 764, Hamburg, Deutschland) bestimmt werden. Bezüglich der körperlichen Aktivität wurden die Probanden befragt, ob sie regelmäßig körperlich aktiv sind („ja“ oder „nein“). Komorbiditäten wie koronare Herzerkrankung (KHK), periphere arterielle Verschlusskrankheit (pAVK) oder Schlaganfall wurden im Rahmen einer ärztlichen Anamnese erhoben. Die Diagnose eines Diabetes konnte zudem anhand des oralen Glukosetoleranztest objektiviert werden. Patienten mit i) Nüchternglukose ≥126 mg/dL, ii) 2-Stunden Glukose (nach OGTT) ≥200 mg/dL, iii) HbA1c≥6,5% oder iv) anamnestischem Diabetes wurden von der Datenanalyse ausgeschlossen.
Statistische Auswertung
Die statistische Auswertung erfolgte mit IBM SPSS (IBM SPSS Statistics for Windows, Version 23.0. Armonk, NY: IBM Corp.). Die Ergebnisse wurden auf verschiedene deskriptive Werte, Normalverteilung, Korrelationen und zentrale Tendenzen untersucht. Ein p-Wert <0,05 wurde als signifikant gewertet. Deskriptive Daten sind als Mittelwert und Standardabweichung dargestellt. Die Prüfung auf Normalverteilung geschah mittels Kolmogorov-Smirnov-Test. Gruppenvergleiche wurden durch Student’s t-tests bzw. Mann-U-Test (bei nicht normalverteilten Variablen) durchgeführt. Wir analysierten Receiver operator characteristic (ROC) Kurven für HOMA-IR und MetS (MetS vs. kein MetS). Der Youden’s-Index wurde berechnet als Sensitivität – (1-Spezifität), nach den Koordinaten der ROC-Kurve und die höchsten Werte für den Youden’s-Index wurden herangezogen um Cutoff-Werte für HOMA-IR zu identifizieren. Zuletzt wurden binär logistische Regressionsmodelle berechnet um Odds-Ratios für MetS bei Studienteilnehmern oberhalb der berechneten Cutoff-Werte für HOMA-IR zu erheben.
Ergebnisse
Insgesamt lagen für die aktuelle Datenanalyse komplette Querschnittsdaten zur Erhebung von MetS sowie zur Berechnung von Surrogatmarkern der Insulinresistenz und Insulinsensitivität (HOMA-IR, QUICKI, Homa-b und G/I-Ratio) von 446 Studienteilnehmern im jüngeren Lebensalter (53% Frauen, 28±3 Jahre alt) und 1271 im höheren Lebensalter (52% Frauen, 68±4 Jahre alt) vor. Klinische Charakteristika der jungen und älteren Teilnehmergruppe sind in Tabelle 1 zusammengefasst.
Charakteristika der Studienteilnehmer getrennt nach jüngerer und älterer Probandengruppe.
| Junge Probanden (n=446) | Ältere Probanden (n=1271) | p-Wert | |
|---|---|---|---|
| Geschlecht, weiblich, % | 236 (53) | 654 (52) | 0,582 |
| Alter, Jahre | 28±3 | 68±4 | < 0,001 |
| BMI, kg/m2 | 23,18±4,17 | 26,32±3,92 | < 0,001 |
| Glukose nüchtern, mg/dL | 83±8 | 91±9 | < 0,001 |
| Glukose (OGTT), mg/dL | 82±21 | 105±28 | < 0,001 |
| Insulin (nüchtern), μU/mL | 7,1±4,6 | 9,1±6,2 | < 0,001 |
| Insulin (OGTT), μU/mL | 35,9±32,4 | 55,9±50,1 | < 0,001 |
| HbA1c,% | 5±0,3 | 5,5±0,4 | < 0,001 |
| HOMA-IR | 1,47±1,08 | 2,1±1,57 | < 0,001 |
| G/I-Ratio | 14,67±6,36 | 13,03±7,35 | < 0,001 |
| HOMA-b | 1,78±1,09 | 2,05±1,32 | < 0,001 |
| QUICKI | 0,16±0,01 | 0,15±0,01 | < 0,001 |
| HDL, mg/dL | 61±16 | 63±17 | 0,011 |
| LDL, mg/dL | 97±29 | 132±34 | < 0,001 |
| Cholesterin ges., mg/dL | 176±32 | 217±39 | < 0,001 |
| Triglyceride, mg/dL | 93±49 | 107±58 | < 0,001 |
| Blutdruck, systolisch, mm Hg | 122±14 | 145±48 | < 0,001 |
| Blutdruck, diastolisch, mm Hg | 78±10 | 85±49 | < 0,001 |
| KHK [n;%] | 0 | 49 (3,9) | < 0,001 |
| pAVK [n;%] | 0 | 4 (0,3) | 0,578 |
| Schlaganfall [n;%] | 0 | 28 (2,2) | < 0,001 |
| Lipidsenker [n;%] | 0 | 180 (14,2) | < 0,001 |
| Körperliche Inaktivität [n;%] | 36 (9,5) | 92 (8,2) | 0,456 |
| Metabolisches Syndrom (IDF) [n;%] | 21 (4,7) | 351 (27,6) | < 0,001 |
| Metabolisches Syndrom (IDF/AHA/NHLBI) [n;%] | 30 (6,7) | 360 (28,3) | < 0,001 |
n, Anzahl; OGTT, oraler Glukosetoleranztest; HDL, high-density lipoprotein; LDL, low-density lipoprotein; HOMA-IR, Homeostatic model assessment for insulin resistance; QUICKI-Index, Quantitative insulin sensitivity check index; HOMA-b, Homeostatic model assessment for β-cell function; Ratio, G/I-Ratio, Nüchternglukose/Insulin Ratio; KHK, koronare Herzerkrankung; pAVK, periphere arterielle Verschlusskrankheit; IDF, International Diabetes Foundation; AHA, American Heart Association; NHLBI, National Health, Lung and Blood Institute.
Nach der Definition der IDF/AHA/NHLBI von 2009 betrug die Prävalenz von MetS 6,7% bei den jungen und 28,3% bei den älteren Probanden (4,7% der jüngeren und 27,6% der älteren Studienteilnehmer nach der Definition der IDF; Tabelle 1). „Erhöhter Blutdruck“ (83,2% der älteren und 37,1% der jüngeren Studienteilnehmer) und „erhöhter Bauchumfang“ (78,4% der älteren und 25,1% der jüngeren Studienteilnehmer (Abbildung 1A) waren die am häufigsten auffälligen MetS-Kriterien. Insgesamt zeigten sich bei älteren Probanden statistisch signifikant erhöhte Werte für Nüchternglukose und Glukose nach oralem Glukosetoleranztest (OGTT), sowie erhöhte Insulinwerte und ein im Mittel höherer HbA1c. Weiter waren Surrogatmarker für Insulinrestistenz/-sensitivität (HOMA-IR, HOMA-b, QUICKI und G/I-Ratio) bei älteren Studienteilnehmern signifikant verändert. Die weiteren Ergebnisse beziehen sich auf die MetS-Definition der IDF/AHA/NHLBI von 2009. Bei älteren Probanden mit MetS waren insbesondere „erhöhter Bauchumfang“, „erhöhter Blutdruck“ und „Insulinresistenz“ im Vordergrund, wohingegen bei jüngeren Studienteilnehmern neben dem „erhöhten Blutdruck“, „erhöhte Triglyceride“ und „erniedrigtes HDL“ am häufigsten vorkamen (Abbildung 1B).

Verteilung der MetS-Kriterien innerhalb der Studienteilnehmer.
Verteilung der MetS-Kriterien innerhalb (A) der Gesamtpopulation, (B) der Studienteilnehmer mit MetS, (C) der Studienteilnehmer mit MetS oberhalb der HOMA-IR Cutoffwerte und (D) der Studienteilnehmer mit MetS unterhalb der HOMA-IR Cutoff-Werte.
ROC Kurven wurden analysiert für HOMA-IR und MetS (MetS vs. kein MetS) (Abbildung 2). Der Youden’s-Index wurde berechnet als Sensitivität – (1-Spezifität), nach den Koordinaten der ROC-Kurve. Die höchsten Werte für den Youden’s Index wurden herangezogen, um Cutoff-Werte für HOMA-IR zu identifizieren. Hierbei zeigten sich bei der jungen Probandengruppe leicht niedrigere Cutoff-Werte (HOMA-IR>1,88) als bei älteren Probanden (HOMA-IR>1,98). Die Sensitivität bei der jungen Probandengruppe dafür, dass Studienteilnehmer oberhalb dieser HOMA-IR Cutoff-Werte auch ein MetS aufweisen, betrug 80%, die Spezifität 85,3%. Bei den älteren Studienteilnehmern lag die Sensitivität bei 73,6%, die Spezifität bei 72,9%.

ROC-Kurven zur Identifikation von HOMA-IR Cutoff Werten bei (A) älteren und (B) jüngeren Studienteilnehmern.
Der positiv prädiktive Wert lag bei jüngeren Studienteilnehmern dabei bei 80%, bei älteren Probanden bei 74% (negativ prädiktiver Wert bei jungen Studienteilnehmern 15% und bei älteren Probanden 27%). Bei Studienteilnehmern oberhalb der berechneten HOMA-IR Cutoff-Werte waren in der jüngeren Teilstichprobe „erhöhter Bauchumfang“ und „Insulinresistenz“ im Vordergrund, bei älteren waren die Kriterien des MetS gleichmäßßig verteilt (Abbildung 1C). Bei älteren Studienteilnehmern unterhalb der HOMA-IR Cutoff-Werte sahen wir ebenfalls gleichmäßig verteilte MetS-Kriterien, bei den jüngeren Probanden waren hier „erhöhter Blutdruck“, „erniedrigtes HDL“ und „erhöhte Triglyceride“ im Vordergrund.
Zuletzt wurden binär logistische Regressionsmodelle berechnet und Odds für MetS bei Studienteilnehmern oberhalb der berechneten Cutoff-Werte für HOMA-IR ermittelt. In Tabelle 2 sind die Ergebnisse verschiedener Regressionsmodelle nach Adjustierung für eine ansteigende Zahl von Ko-Variablen dargestellt. Im höchstadjustierten Modell (Modell 3, adjustiert für Alter, Geschlecht, körperliche Aktivität und getrennt berechnet für die zwei Altersgruppen) waren die Odds für ältere Probenden bei 5,7 (95% CI: 4,1–7,9) für jüngere Probanden bei 22,2 (95% CI: 7,0–70,5) ein MetS zu haben (falls sie oberhalb der berechneten HOMA-IR Cutoff-Werte lagen).
Relatives MetS-Risiko bei Probanden oberhalb der berechneten HOMA-IR Cutoff-Werte.
| Junge Probanden (n=446) | Ältere Probanden (n=1271) | |||
|---|---|---|---|---|
| Exp(b) (95% CI) | p-Wert | Exp(b) (95% CI) | p-Wert | |
| Modell 1 | 23,2 (9,1–59,1) | 0,001 | 7,5 (5,7–9,9) | 0,001 |
| Modell 2 | 29,1 (11,0–77,1) | 0,001 | 7,6 (5,7–10,1) | 0,001 |
| Modell 3 | 22,2 (7,0–70,5) | 0,001 | 5,7 (4,1–7,9) | 0,001 |
n, Anzahl; Exp(b), Odds Ratio; CI, Konfidenzintervall. Modell 1: nicht adjustiert. Modell 2: Adjustiert für Alter und Geschlecht. Modell 3: Model 2+körperliche Aktivität+BMI.
Diskussion
Die aktuelle Auswertung innerhalb der BASE-II erbrachte eine hohe Prävalenz von metabolischem Syndrom sowohl bei älteren Probanden als auch in der jüngeren Probandengruppe (6,7% bei den jungen und 28,3% bei den älteren Probanden) nach der Definition der IDF/AHA/NHLBI von 2009. Insgesamt zeigten sich Parameter des Glukose- und Lipidstoffwechsels bei der älteren Studienteilnehmergruppe erhöht (bei signifikant verringerten Werten für HDL-Cholesterin).
Bei diesen Studienteilnehmern ohne Diabetes erwiesen sich HOMA-IR Werte >1,88 (bei jungen Studienteilnehmern; 80% Sensitivität, Spezifität 85,3%) und HOMA-IR >1,98 (bei den älteren Studienteilnehmern; Sensitivität bei 73,6%, Spezifität bei 72,9%) als gute Marker für das Vorhandensein eines MetS. Dabei lagen positiv prädiktive Werte bei 80% für junge und 74% für ältere Studienteilnehmern (negativ prädiktiver Wert bei jungen Studienteilnehmern 15% und bei älteren Probanden 27%).
Das metabolische Syndrom stellt bereits heute eine große Herausforderung für das Gesundheitssystem dar und ist mit einem bis zu 5-fach erhöhten Risiko für Diabetes mellitus und ein bis zu 2-fach erhöhtes Risiko für Herzinfarkte oder Schlaganfälle assoziiert [2, 17]. Obgleich die Bestimmung von Bauchumfang und Blutdruck sowie die Erfassung aller zur exakten Definition eines MetS nötigen Parameter im klinischen Alltag möglich sind, stellt die Durchführung all dieser Untersuchungen kein standardmäßig angewandtes Prozedere dar. Zudem handelt es sich um ein zeitaufwändiges Unterfangen, weshalb die Diagnose eines MetS nur selten erfolgt. Diese Tatsache wird durch verschiedene Definitionsmöglichkeiten des MetS verkompliziert. Auch wenn sich in unserer Analyse die Prävalenz von MetS nach IDF vs. IDF/AHA/NHLBI nur gering unterschied, sind auch andere Definitionen des MetS in Verwendung, die den Schwerpunkt auf Insulinresistenz (WHO 1999) setzen oder andere Cutoff-Werte verwenden (NCEP 2001) und somit zu deutlichen Prävalenzverschiebungen führen können [18–20].
Zentrale Faktoren des metabolischen Syndroms stellen die viszerale Adipositas und die Insulinresistenz dar [21, 22]. Freie Fettsäuren (FFS), die bei abdomineller Adipositas vermehrt freigesetzt werden, können Insulinresistenz fördern, indem diese an der Skelettmuskulatur die insulin-abhängige Aufnahme von Glukose hemmen. Zudem beeinträchtigen dauerhaft erhöhte FFS die Beta-Zellfunktion des Pankreas [23]. Adipositas und Insulinresistenz sind dabei eng mit erhöhten RR-Werten und Dyslipidämie assoziiert [24, 25].
Obgleich (viszerale) Adipositas das Risiko für diese Veränderungen erhöht, führt Übergewicht jedoch nicht zwangsläufig zu IR, Dyslipidämie oder Bluthochdruck, bzw. diese Veränderungen treten auch bei normgewichtigen Menschen auf [26]. Somit und durch die verschiedenen Kombinationsmöglichkeiten, die zu einer Diagnose MetS führen können, beinhaltet das MetS verschiedene Phänotypen. So kann Dyslipidämie in Kombination mit erhöhten Blutdruckwerten (wie dies insbesondere in unserer jungen Studienpopulation zu sehen ist), ebenso wie erhöhter Bauchumfang in Kombination mit Insulinresistenz und erhöhtem Blutdruck die Diagnose eines MetS bedeuten. Somit ist die exakte Identifizierung von Probanden mit MetS durch HOMA-IR insbesondere bei diesen Phänotypen, bei denen Insulinresistenz oder erhöhter Bauchumfang nicht im Vordergrund stehen weniger geeignet. In der aktuellen Datenanalyse konnten dennoch nicht nur Cutoff-Werte für HOMA-IR als Surrogatmarker für Insulinresistenz ermittelt werden, oberhalb derer Probanden mit MetS mit guter Sensitivität und Spezifität identifiziert werden können. Auch adjustiert für Ko-Variablen wie BMI, Alter, Geschlecht und körperliche Aktivität hatten Studienteilnehmer oberhalb dieser Cutoff-Werte deutlich erhöhte Odds für MetS. Hierbei erscheint auf Grund des positiv prädiktiven Wertes mit 80% bei jungen und 74% der älteren Studienteilnehmer eine Diagnostik von MetS durch HOMA-IR nicht möglich. Mit 15% bei jungen und 27% bei älteren Probanden ist der negativ prädiktive Wert ebenfalls zu bedenken.
Die Bestimmung von Insulinresistenz ist im Klinikalltag keine Routineuntersuchung. Der hyperinsulinämische-euglykämische Clampversuch stellt den Goldstandard für die Identifikation von IR dar [27]. Hierbei werden unter konstanten Insulininfusionen variable Glukosegaben verabreicht, mit dem Ziel, den normalen Nüchternblutzucker zu erreichen. Dieser Test ist zeit- und arbeitsintensiv, sodass die Untersuchung von IR anhand von Surrogatparametern bisher im klinischen Alltag unersetzbar ist.
Unter diesen Surrogatparametern ist insbesondere der HOMA-IR-Index ein geeigneter Parameter, [11] der in unserer Datenauswertung das MetS sowohl bei jüngeren als auch bei älteren Studienteilnehmern gut identifizierte und damit potentiell auch im klinischen Kontext zu Identifikation von Risikopatienten für MetS dienen könnte. Dabei unterscheiden sich die hier gefundenen Cutoff-Werte in dieser Gruppe von Probanden ohne Diabetes bei jungen und älteren Patienten nur unwesentlich. Auch wenn auf Grund der positiv und negativ prädiktiven Werte eine Diagnostik des MetS durch HOMA-IR nicht mit ausreichender Sicherheit erfolgen kann, so könnten diese HOMA-IR Cutoff-Werte doch dazu dienen die Wahrscheinlichkeit eines MetS abzuschätzen. Patienten oberhalb dieser Cutoff-Werte sollten einer kompletten Diagnostik der MetS-Parameter unterzogen werden, wodurch die Diagnosehäufigkeit des MetS im Klinikalltag voraussichtlich steigen würde. Ob die zeitaufwändige Bestimmung aller zur Diagnostik eines MetS nötigen Parameter sinnvoll ist könnte somit durch einen einzigen Surrogatparameter für IR abgeschätzt werden. Auf Grund des insbesondere bei älteren Patienten relativ niedrigen negativ prädiktiven Wertes kann die Diagnose eines MetS alleinig durch HOMA-IR Bestimmung nicht ausgeschlossen werden. Bei diesen Patienten sollte weiterhin auf Grundlage erhobener Befunde wie Blutdruckmessungen oder Bestimmung des BMI, die im klinischen Alltag üblich sind, bei Verdacht auf ein mögliches MetS auch unabhängig von HOMA-IR Werten weitere Diagnostik erfolgen um die Patienten zu identifizieren, die ein erhöhtes Risiko für die Entwicklung eines Diabetes aufweisen und somit potenziell von frühzeitigen Interventionen und engmaschigeren Kontrollen profitieren können.
Limitationen
Unsere Ergebnisse unterliegen einigen Limitationen. Bei den Studienteilnehmern der BASE-II handelt es sich um ein sog. ‚convenience-sample‘, die Befragten sind im Durchschnitt gesünder und gesundheitsbewusster als die allgemeine Bevölkerung, wodurch eine Übertragung der Ergebnisse auf die Gesamtbevölkerung nur eingeschränkt möglich ist. Dennoch sind, wie durch die aktuelle Datenanalyse dargestellt, kardiovaskuläre Risikofaktoren, wie sie auch in die Definition des MetS einfließen, häufig. Kardiovaskuläre Erkrankungen wie Apoplex, pAVK oder Myokardinfarkt sind im Vergleich zur Allgemeinbevölkerung selten. Bezüglich der Beurteilung von IR bei diesen Studienteilnehmern muss zudem erwähnt werden, dass uns keine Methode vorlag, um IR standardisiert zu untersuchen (z.B. Euglykämischer Clamptest). Die Nutzbarkeit von HOMA-IR zur Bestimmung von IR ist in der Literatur zwar gut belegt und auch dem Clamp-Test gegenübergestellt, dennoch sind hier Verzerrungen möglich, insbesondere, da die ursprüngliche HOMA-IR-Formel aus einer Zeit stammt, in der nur eingeschränkt vergleichbare Methoden zur Bestimmung von Glukose- und Insulinspiegeln angewandt wurden. Der neuere HOMA2-Index, der uns allerdings nicht vorlag und auch im Klinikalltag nicht verbreitet ist, sollte hier bevorzugt werden. Die hier dargestellten Ergebnisse zielen jedoch nicht auf die Validität von HOMA-IR für die Bestimmung von IR ab, vielmehr wurde HOMA-IR als Marker für MetS untersucht und erscheint auch mit aktuellen Labormessmethoden hierfür geeignet.
Autorenbeteiligung: Alle Autoren tragen Verantwortung für den gesamten Inhalt dieses Artikels und haben der Einreichung des Manuskripts zugestimmt.
Forschungsförderung: Die Berliner Altersstudie II (BASEII): Teilvorhaben Survey Methodik und Sozialwissenschaft, Deutsches Institut für Wirtschaftsforschung 16SV5537. Die Berliner Altersstudie II (BASE-II): Projektkoordination, Datenbank und Psychologie, Max-Planck-Institut für Bildungsforschung 16SV5837. Die Berliner Altersstudie II (BASE-II): Teilvorhaben Molekulargenetik, Max-Planck-Institut für molekulare Genetik 16SV5538. Die Berliner Altersstudie II (BASE-II): Teilvorhaben Innere Medizin/Geriatrie, Charité-Universitätsmedizin Berlin 16SV5536K. Die Berliner Altersstudie (BASE): Fortführung und Erweiterung (Abschluss 01UW0808).
Interessenkonflikt: Die Autoren erklären, dass keine wirtschaftlichen oder persönlichen Interessenkonflikte bestehen.
Literatur
1. Kamtsiuris P, Lange M, Hoffmann R, Kurth B-M. Erste Ergebnisse aus der „Studie zur Gesundheit Erwachsener in Deutschland“(DEGS). 2012.Search in Google Scholar
2. Alberti KG, Eckel RH, Grundy SM, Zimmet PZ, Cleeman JI, Donato KA, et al. Harmonizing the metabolic syndrome: a joint interim statement of the International Diabetes Federation Task Force on Epidemiology and Prevention; National Heart, Lung, and Blood Institute; American Heart Association; World Heart Federation; International Atherosclerosis Society; and International Association for the Study of Obesity. Circulation 2009;120:1640–5.10.1161/CIRCULATIONAHA.109.192644Search in Google Scholar PubMed
3. Grundy SM, Cleeman JI, Daniels SR, Donato KA, Eckel RH, Franklin BA, et al. Diagnosis and management of the metabolic syndrome: an American Heart Association/National Heart, Lung, and Blood Institute scientific statement: executive summary. Crit Pathw Cardiol 2005;4:198–203.10.1097/00132577-200512000-00018Search in Google Scholar PubMed
4. Borkan GA, Hults DE, Gerzof SG, Robbins AH, Silbert CK. Age changes in body composition revealed by computed tomography. J Gerontol 1983;38:673–7.10.1093/geronj/38.6.673Search in Google Scholar PubMed
5. Bortz WM. Disuse and aging. J Am Med Assoc 1982;248:1203–8.10.1001/jama.1982.03330100041028Search in Google Scholar
6. Despres J-P, Moorjani S, Lupien PJ, Tremblay A, Nadeau A, Bouchard C. Regional distribution of body fat, plasma lipoproteins, and cardiovascular disease. Arteriosclerosis 1990;10: 497–511.10.1161/01.ATV.10.4.497Search in Google Scholar PubMed
7. Hughes VA, Frontera WR, Roubenoff R, Evans WJ, Singh MAF. Longitudinal changes in body composition in older men and women: role of body weight change and physical activity. The Am J Clin Nutr 2002;76:473–81.10.1093/ajcn/76.2.473Search in Google Scholar PubMed
8. Lebovitz H. Insulin resistance: definition and consequences. Exp Clin Endocrinol Diabetes 2000;109:S135–48.10.1055/s-2001-18576Search in Google Scholar PubMed
9. Ginsberg HN. Insulin resistance and cardiovascular disease. J Clin Invest 2000;106:453–8.10.1172/JCI10762Search in Google Scholar PubMed PubMed Central
10. Muller DC, Elahi D, Tobin JD, Andres R. The effect of age on insulin resistance and secretion: a review. Semin Nephrol 1996;16:289–98.Search in Google Scholar
11. Sarafidis P, Lasaridis A, Nilsson P, Pikilidou M, Stafilas P, Kanaki A, et al. Validity and reproducibility of HOMA-IR, 1/HOMA-IR, QUICKI and McAuley’s indices in patients with hypertension and type II diabetes. J Hum Hypertens 2007;21:709–16.10.1038/sj.jhh.1002201Search in Google Scholar PubMed
12. Bertram L, Böckenhoff A, Demuth I, Düzel S, Eckardt R, Li S-C, et al. Cohort profile: the Berlin Aging Study II (BASE-II). Int J Epidemiol 2014;43:703–12.10.1093/ije/dyt018Search in Google Scholar PubMed
13. Organization WH. Screening for type 2 diabetes: report of a World Health Organization and International Diabetes Federation meeting. 2003.Search in Google Scholar
14. Matthews D, Hosker J, Rudenski A, Naylor B, Treacher D, Turner R. Homeostasis model assessment: insulin resistance and β-cell function from fasting plasma glucose and insulin concentrations in man. Diabetologia 1985;28:412–9.10.1007/BF00280883Search in Google Scholar PubMed
15. Hrebicek J, Janout Vr, Malinčíková J, Horáková D, Čížek Lk. Detection of insulin resistance by simple quantitative insulin sensitivity check index QUICKI for epidemiological assessment and prevention. J Clin Endocr Metab 2002;87: 144–7.10.1210/jc.87.1.144Search in Google Scholar
16. Wallace TM, Levy JC, Matthews DR. Use and abuse of HOMA modeling. Diabetes Care 2004;27:1487–95.10.2337/diacare.27.6.1487Search in Google Scholar PubMed
17. Kaur J. A comprehensive review on metabolic syndrome. Cardiol Res Pract 2014;2014:943162.10.1155/2014/943162Search in Google Scholar PubMed PubMed Central
18. Denke MA, Pasternak RC. Defining and treating the metabolic syndrome: a primer from the Adult Treatment Panel III. Curr Treat Options Cardio Med 2001;3:251–3.10.1007/s11936-001-0087-5Search in Google Scholar PubMed
19. Koehler C, Ott P, Benke I, Hanefeld M. Comparison of the prevalence of the metabolic syndrome by WHO, AHA/NHLBI, and IDF definitions in a German population with type 2 diabetes: the Diabetes in Germany (DIG) Study. Horm Metab Res 2007;39:632–5.10.1055/s-2007-985816Search in Google Scholar PubMed
20. Organization WH. Report of a WHO consultation: definition of metabolic syndrome in definition, diagnosis and classification of diabetes mellitus and its complications. I. Diagnosis and classification of diabetes mellitus. Geneva: World Health Organization, Department of Noncommunicable Disease Surveillance, 1999.Search in Google Scholar
21. Cinti S, Mitchell G, Barbatelli G, Murano I, Ceresi E, Faloia E, et al. Adipocyte death defines macrophage localization and function in adipose tissue of obese mice and humans. J Lipid Res 2005;46:2347–55.10.1194/jlr.M500294-JLR200Search in Google Scholar PubMed
22. Lau DC, Dhillon B, Yan H, Szmitko PE, Verma S. Adipokines: molecular links between obesity and atheroslcerosis. Am J Physiol-Heart C 2005;288:H2031–41.10.1152/ajpheart.01058.2004Search in Google Scholar PubMed
23. Boden G, Lebed B, Schatz M, Homko C, Lemieux S. Effects of acute changes of plasma free fatty acids on intramyocellular fat content and insulin resistance in healthy subjects. Diabetes 2001;50:1612–7.10.2337/diabetes.50.7.1612Search in Google Scholar PubMed
24. Putnam K, Shoemaker R, Yiannikouris F, Cassis LA. The renin-angiotensin system: a target of and contributor to dyslipidemias, altered glucose homeostasis, and hypertension of the metabolic syndrome. Am J Physiol-Heart C 2012;302:H1219–30.10.1152/ajpheart.00796.2011Search in Google Scholar PubMed PubMed Central
25. Ginsberg HN, Zhang Y-L, Hernandez-Ono A. Regulation of plasma triglycerides in insulin resistance and diabetes. Arch Med Res 2005;36:232–40.10.1016/j.arcmed.2005.01.005Search in Google Scholar PubMed
26. Norbert S, Schick F, Häring HU. Ectopic fat in insulin resistance, dyslipidemia, and cardiometabolic disease. N Engl J Med. 2014;371:2236–8.10.1056/NEJMc1412427Search in Google Scholar PubMed
27. DeFronzo RA, Tobin JD, Andres R. Glucose clamp technique: a method for quantifying insulin secretion and resistance. Am J Physiol-Gastr L 1979;237:G214–23.10.1152/ajpendo.1979.237.3.E214Search in Google Scholar PubMed
©2016 by De Gruyter
This article is distributed under the terms of the Creative Commons Attribution Non-Commercial License, which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
Articles in the same Issue
- Frontmatter
- Allergie und Autoimmunität/Allergy and Autoimmunity / Redaktion: U. Sack/K. Conrad
- Qualitätskontrolle und Validierung in der diagnostischen Durchflusszytometrie
- Quality management in IgE-based allergy diagnostics
- Labordiagnostik bei systemischen Autoimmunerkrankungen
- Geriatrisches Labor/Geriatrics Laboratory / Redaktion: P. Schuff-Werner
- Surrogatmarker der Insulinresistenz bei Studienteilnehmern mit metabolischem Syndrom – Daten der Berliner Altersstudie II
- Neurologisches Labor/Neurological Laboratory / Edited by: H. Tumani/U.K. Zettl
- Expression of interferon type-I receptor isoforms, clinical response and development of neutralizing antibodies in multiple sclerosis patients – results of a prospective study
- Fallbericht/Case Report
- Labordiagnostik bei der monoklonalen Gammopathie unklarer Signifikanz (MGUS)
- Originalartikel/Original Articles
- Comparison between capillary glucose measured with a Contour glucometer and plasma glucose in a population survey
- Supplements to a recent proposal for permissible uncertainty of measurements in laboratory medicine
- Butyrylcholinesterase as an additional marker in the diagnostic network of acute myocardial infarction
- Buchbesprechung/Book Review
- Molekulare Allergiediagnostik
Articles in the same Issue
- Frontmatter
- Allergie und Autoimmunität/Allergy and Autoimmunity / Redaktion: U. Sack/K. Conrad
- Qualitätskontrolle und Validierung in der diagnostischen Durchflusszytometrie
- Quality management in IgE-based allergy diagnostics
- Labordiagnostik bei systemischen Autoimmunerkrankungen
- Geriatrisches Labor/Geriatrics Laboratory / Redaktion: P. Schuff-Werner
- Surrogatmarker der Insulinresistenz bei Studienteilnehmern mit metabolischem Syndrom – Daten der Berliner Altersstudie II
- Neurologisches Labor/Neurological Laboratory / Edited by: H. Tumani/U.K. Zettl
- Expression of interferon type-I receptor isoforms, clinical response and development of neutralizing antibodies in multiple sclerosis patients – results of a prospective study
- Fallbericht/Case Report
- Labordiagnostik bei der monoklonalen Gammopathie unklarer Signifikanz (MGUS)
- Originalartikel/Original Articles
- Comparison between capillary glucose measured with a Contour glucometer and plasma glucose in a population survey
- Supplements to a recent proposal for permissible uncertainty of measurements in laboratory medicine
- Butyrylcholinesterase as an additional marker in the diagnostic network of acute myocardial infarction
- Buchbesprechung/Book Review
- Molekulare Allergiediagnostik