Informasi Pembedahan Penurunan Berat Badan Ada 4 Jenis Obesitas

Memahami karakteristik yang sangat berbeda dari subkelompok pasien obesitas dapat memegang kunci untuk merancang perawatan dan intervensi penurunan berat badan yang lebih efektif, menurut penelitian baru.

Menganalisis data dari lebih dari 2,400 pasien obesitas yang menjalani operasi penurunan berat badan bariatrik, peneliti mengidentifikasi setidaknya empat subkelompok pasien yang berbeda yang menyimpang secara signifikan dalam perilaku makan dan tingkat diabetes, serta penurunan berat badan dalam tiga tahun setelah operasi.

"Mungkin tidak ada satu peluru ajaib untuk obesitas - jika ada peluru ajaib, itu akan berbeda untuk kelompok orang yang berbeda," kata penulis utama studi tersebut, Alison Field, seorang profesor epidemiologi di Brown University.

“Ada campuran yang sangat beragam dari orang-orang yang dimasukkan ke dalam satu grup. Seorang anak yang menjadi sangat gemuk karena usia 5 akan sangat berbeda dari seseorang yang secara bertahap bertambah berat seiring waktu dan pada usia 65 mengalami obesitas. Kita perlu mengenali keragaman ini, karena dapat membantu kita mengembangkan pendekatan yang lebih personal untuk mengobati obesitas. ”

Temuannya muncul di jurnal Kegemukan.

4 grup yang berbeda

Ini adalah studi pertama yang meneliti variabel psikologis, seperti pola makan, riwayat berat badan, dan berbagai variabel biologis, termasuk tingkat hormon, untuk mengidentifikasi berbagai jenis obesitas, kata Field.


grafis berlangganan batin


Tim menggunakan model komputasi tingkat lanjut, yang disebut analisis kelas laten, untuk mengidentifikasi kelompok pasien yang berbeda di antara lebih dari orang dewasa 2,400 yang menjalani operasi bariatrik (baik bypass lambung atau lambung) antara 2006 Maret dan 2009 April. Mereka menemukan empat kelompok berbeda.

Tingkat rendah lipoprotein densitas tinggi, yang disebut kolesterol “baik”, dan kadar glukosa yang sangat tinggi dalam darah mereka sebelum pembedahan dikarakteristikan sebagai kelompok satu. Faktanya, 98 persen dari anggota kelompok ini menderita diabetes, berbeda dengan kelompok lain, di mana sekitar 30 persen menderita diabetes, studi tersebut menemukan.

"Seorang anak yang menjadi sangat gemuk karena usia 5 akan sangat berbeda dari seseorang yang secara bertahap bertambah berat seiring waktu dan pada usia 65 mengalami obesitas."

Gangguan perilaku makan ditandai dengan kelompok dua. Secara khusus, 37 persen mengalami gangguan makan berlebihan, 61 persen melaporkan merasa kehilangan kontrol atas "merumput" (makan makanan secara teratur di antara waktu makan), dan 92 persen melaporkan makan ketika mereka tidak lapar.

Kelompok lapangan menemukan tiga mengejutkan. Secara metabolik, mereka cukup rata-rata, tetapi mereka memiliki tingkat gangguan makan yang sangat rendah — hanya 7 persen yang melaporkan makan ketika mereka tidak lapar dibandingkan dengan 37 persen untuk kelompok satu, 92 persen untuk kelompok dua, dan 29 persen untuk kelompok empat.

“Menariknya, tidak ada faktor lain yang membedakan kelompok ini dari kelas lain,” para penulis melaporkan di koran.

Individu yang mengalami obesitas sejak kecil membentuk kelompok empat. Kelompok ini memiliki indeks massa tubuh tertinggi (BMI) pada usia 18 dengan rata-rata 32, dibandingkan dengan rata-rata sekitar 25 untuk tiga kelompok lainnya. BMI di atas 30 dianggap obesitas, sementara 25 adalah awal dari rentang yang didefinisikan sebagai kelebihan berat badan. Kelompok ini juga memiliki BMI pra-operasi tertinggi, rata-rata 58 dibandingkan dengan sekitar 45 untuk tiga kelompok lainnya, studi ini melaporkan.

Secara keseluruhan, dalam tiga tahun setelah prosedur bariatrik, pria kehilangan rata-rata 25 persen dari berat badan pra-operasi dan wanita kehilangan rata-rata 30 persen. Field dan rekan menemukan bahwa pasien dalam kelompok dua dan tiga lebih mendapat manfaat dari operasi bariatric daripada pasien dalam kelompok satu dan empat. Pria dan wanita dengan gangguan makan kehilangan paling banyak, rata-rata 28.5 persen dan 33.3 persen, masing-masing, dari berat badan saat berobat.

Perawatan penurunan berat badan yang ditargetkan

Mengidentifikasi kelompok pasien yang berbeda dan memahami karakteristik mereka harus membantu penelitian dan pengobatan obesitas, kata Field. Pada akhir perawatan yang ekstrem — prosedur seperti pembedahan bariatric — penting untuk mengidentifikasi siapa yang paling diuntungkan dari operasi dan mereka yang manfaatnya kemungkinan besar tidak akan melebihi risiko bedah, katanya.

“Salah satu alasan mengapa kami tidak memiliki temuan yang lebih kuat di bidang penelitian obesitas adalah bahwa kami mengklasifikasikan semua orang ini sebagai yang sama,” kata Field. "Mungkin sangat baik bahwa ada beberapa strategi yang sangat efektif di luar sana untuk mencegah atau mengobati obesitas, tetapi ketika Anda mencampurkan pasien dari berbagai kelompok yang berbeda, itu akan mencairkan efeknya."

Field menambahkan bahwa peneliti obesitas perlu menguji berbagai intervensi penurunan berat badan dengan cara yang lebih tertarget dan personal. Sebagai contoh, perhatian mungkin cukup efektif untuk orang-orang yang terlalu bersemangat dengan pemandangan dan bau makanan, tetapi mungkin tidak efektif bagi orang-orang di kelompok tiga yang tidak makan ketika mereka tidak lapar, katanya.

Di masa depan, Field berharap untuk menggunakan metode analisis statistik yang sama pada populasi yang lebih umum dari individu yang kelebihan berat badan untuk melihat apakah subkelompok yang sama, atau serupa, ada di antara orang-orang pada bobot kurang dari yang didefinisikan sebagai obesitas.

Dia dan rekan-rekannya sekarang mengembangkan aplikasi seluler untuk mengukur apa yang memengaruhi perilaku makan individu secara waktu nyata. Field berharap aplikasi akhirnya dapat digunakan untuk menyediakan intervensi penurunan berat badan yang disesuaikan. Dia memiliki versi beta dari aplikasi dan berharap untuk bergerak maju dalam mengembangkan dan mengujinya secara penuh.

National Institutes of Health mendanai penelitian.

Sumber: Brown University

Buku terkait:

at Pasar InnerSelf dan Amazon