Zusammenhang zwischen Nahrungsaufnahme und genetisch bedingten Serumkonzentrationen von einfach und mehrfach ungesättigten Fettsäuren bei chronischer Nierenerkrankung: Erkenntnisse aus Ernährungsanalyse und Mendelscher Randomisierung

Abstrakt

Die Aufnahme mehrfach ungesättigter Fettsäuren (PUFAs) wird im Allgemeinen mit einer besseren Nierenfunktion in Verbindung gebracht, während der Zusammenhang mit einfach ungesättigten Fettsäuren (MUFAs) unbestätigt bleibt. Die Mendelsche Randomisierungsanalyse (MR) wurde verwendet, um unverfälschte Schätzungen des kausalen Zusammenhangs zwischen Nahrungsaufnahme und genetisch bestimmten Serum-PUFA- und MUFA-Spiegeln mit Messungen der Nierenfunktion zu erhalten. Es wurden Daten von Teilnehmern der National Health and Nutrition Examination Surveys (NHANES) von 2005 bis 2010 verwendet. Für die gesamte Stichprobe wurden Daten aus den größten genomweiten Assoziationsstudien (GWAS) zu MUFAs, PUFAs, eGFR und chronischer Nierenerkrankung (CKD) analysiert. Insgesamt wurden 16.025 Teilnehmer einbezogen. Die eGFR verbesserte sich über steigende Quartile der gesamten PUFA-Aufnahme von 86,3 ± 0,5 (Q1) auf 96,2 ± 0,5 ml/min/1,73 m2 (Q4), (p < 0,001). Im Gegensatz dazu gab es keinen Zusammenhang zwischen der MUFA-Aufnahme und den Messungen der Nierenfunktion (alle p > 0,21). In multivariablen Modellen hatte das oberste Quartil der PUFA-Aufnahme ein um 21 Prozent geringeres CKD-Risiko, es gab jedoch keinen signifikanten Zusammenhang zwischen dem CKD-Risiko und der MUFA-Aufnahme. Genetisch bestimmte Serumkonzentrationen von MUFA (Heptadecenoat (17:1), Myristoleinsäure (14:1) und Palmitoleinsäure (16:1)) und PUFA (-Linolensäure und Eicosapentaensäure) hatten keinen signifikanten Zusammenhang mit dem eGFR- und CKD-Risiko. Darüber hinaus wurde in den nach Diabetesstatus stratifizierten Analysen kein Zusammenhang festgestellt. Eine höhere PUFA-Aufnahme über die Nahrung ist mit einem geringeren CNI-Risiko verbunden, während kein Zusammenhang mit den Serumspiegeln von MUFAs oder PUFAs bestand. Zusätzliche Studien, einschließlich klinischer Studien, sind erforderlich.

Schlüsselwörter

Mendelsche Randomisierung; Serumfettsäuren; einfach ungesättigte Fettsäuren; chronisches Nierenleiden; polyungesättigten Fettsäuren; Nierenfunktion.

Klicken Sie hier, um zu erfahren, welche Vorteile Cistanche für die Nieren hat

Einführung

Chronische Nierenerkrankung (CKD) ist definiert als eine deutlich beeinträchtigte Nierenfunktion, die durch eine verringerte glomeruläre Filtrationsrate (GFR) oder eine erhöhte Albuminausscheidung im Urin (Albuminurie) gekennzeichnet ist und bei zwei oder mehr Gelegenheiten im Abstand von mindestens 3 Monaten bestätigt wird [1]. Die weltweite Prävalenz von CKD wird auf 11 bis 13 Prozent geschätzt, wobei die Prävalenz mit zunehmendem Alter zunimmt, und bis zu 34 Prozent der Personen über 70 Jahre weisen eine niedrige eGFR auf, was auf das Vorliegen einer CKD hinweist [2,3]. Es ist bekannt, dass CKD mit mehreren Komorbiditäten verbunden ist und zu deren Krankheitslast beiträgt, darunter Diabetes [4–6], Bluthochdruck [7,8], Fettleibigkeit [9,10] und insbesondere Herz-Kreislauf-Erkrankungen [11–14] usw Daher ist es mit einer höheren Gesamtmortalität verbunden [13].

Sowohl niedrige Plasmakonzentrationen als auch die Nahrungsaufnahme von n-3- und n-6-mehrfach ungesättigten Fettsäuren (PUFA) wurden bisher mit einer eingeschränkten Nierenfunktion in Verbindung gebracht [15–17], während eine niedrigere gesättigte Fettsäure (SFA) Die Einnahme wurde mit einer verbesserten Nierenfunktion in Verbindung gebracht [18]. Der Zusammenhang zwischen einfach ungesättigten Fettsäuren (MUFA) und dem CNI-Risiko ist jedoch nach wie vor kaum verstanden. Ein möglicher Mechanismus, durch den PUFAs eine schützende Rolle bei der Nierenfunktion spielen könnten, besteht in der Herunterregulierung bestimmter Aspekte der Entzündungsreaktion, beispielsweise einer Verringerung proinflammatorischer Zytokine [19]. Tatsächlich wurden bei älteren Erwachsenen niedrigere Plasmamarker für chronische Entzündungen wie CRP und Tumornekrosefaktor Alpha mit höheren PUFA-Spiegeln im Serum beobachtet [20]. Solche Beobachtungsdaten können jedoch nicht verwendet werden, um die Kausalität von Serum-PUFAs für die Ätiologie von CKD zu bestimmen.

Die Mendelsche Randomisierungsanalyse (MR) unter Verwendung funktioneller Einzelnukleotidpolymorphismen (SNPs), die mit spezifischen Veränderungen der physiologischen Exposition (wie Serum-MUFAs und PUFAs) verbunden sind, als genetische Analyseinstrumente ist in der Lage, unvoreingenommene und belastbare Beweise für die Mechanismen der Pathogenese von Krankheiten zu liefern und die Wirksamkeit von Behandlungen. Im Vergleich zur konventionellen Risikofaktor-Epidemiologie sind diese Studien deutlich weniger anfällig für Verwirrung, Restverzerrung und umgekehrte Kausalität [21]. Während randomisierte kontrollierte Studien (RCTs) als nützlich für die Bestimmung der Kausalität gelten, sind sie abhängig von den Merkmalen der Exposition und dem untersuchten Krankheitszustand häufig durch Kosten-, Zeit- und ethische Einschränkungen begrenzt. MR-Studien können als eine Möglichkeit angesehen werden, diese inhärenten Probleme von RCTs zu vermeiden. Darüber hinaus können die Daten aus solchen Studien verwendet werden, um die Entwicklung von Pilot-RCTs und Strategien für klinische Studien zu verbessern, indem die potenzielle Wirksamkeit einer Intervention aufgeklärt wird sogar das Ausmaß der Wirkung bei ausgewählten Einzelpersonen und Gruppen [22].

Daher wurden nationale Umfragedaten (Nutrition and Health Examination Surveys (NHANES)) und eine Mendelsche Randomisierungsanalyse (MR) verwendet, um unvoreingenommene Schätzungen des zufälligen Zusammenhangs zwischen genetisch bestimmten Serumspiegeln und der Nahrungsaufnahme von MUFAs und PUFAs mit der Nierenfunktion zu ermitteln.

Cistanche-Pulver

Materialen und Methoden

Nationale Umfrage

1. Bevölkerung

Wir verwendeten Daten des NHANES, die zuvor ausführlich veröffentlicht wurden [23]. Kurz gesagt, das US-amerikanische National Center for Health Statistics (NCHS) führt wiederholt Querschnittsumfragen durch. Dabei handelt es sich um Hausbesuche, bei denen mithilfe von Fragebögen Daten zu demografischen Merkmalen und Gesundheitsgewohnheiten wie der Ernährung erhoben werden. NHANES setzt komplexe mehrstufige Wahrscheinlichkeitsstichprobenverfahren ein, um eine angemessene rassische/ethnische Repräsentation sowie die Rekrutierung an verschiedenen Standorten sicherzustellen (23). Das NCHS Research Ethics Review Board genehmigte das Protokoll und alle Teilnehmer gaben ihre Einverständniserklärung ab.

Die Methoden für die spezifischen Analysen finden Sie im NHANES Laboratory/Medical Technologists Procedures Manual [24–27]. Nach einem Standardprotokoll wurde Blut aus einer Ellenbogenvene entnommen. Die Jaffe-Rate-Methode (kinetisches alkalisches Pikrat) wurde in der modularen Chemie des D×C800 verwendet, um die Kreatininkonzentration im Serum zu bestimmen. Die Kreatininkalibrierung war auf eine Isotopenverdünnungs-Massenspektrometrie-Referenzmethode rückführbar [28]. Urin-Kreatinin und Urin-Albumin (die mithilfe eines Festphasen-Fluoreszenz-Immunoassays einer zufälligen Urinprobe bestimmt wurden) [29] wurden zur Berechnung des Urin-Albumin-Kreatinin-Verhältnisses (ACR) verwendet. Die eGFR wurde mithilfe der CKD Epidemiology Collaboration (CKD-EPI)-Gleichung (in ml/min/1,73 m2) berechnet. Die vorherrschende CKD wurde als eGFR identifiziert<60 mL/min/1.73 m2 [29].

2. Nahrungsaufnahme

Die Nahrungsaufnahme wurde durch einen 24-Stunden-Recall bewertet, der mit Unterstützung eines geschulten Interviewers mithilfe der Automated Multiple-Pass Method (AMPM) des US-Landwirtschaftsministeriums ermittelt wurde, einem Interviewsystem mit standardisierten Sonden, das durch a unterstützt wird computergestütztes System [30,31]. Kurz gesagt, die Art und Menge aller im Zeitraum von 24 Stunden vor dem Ernährungsinterview (von 12 bis 12 Uhr) eingenommenen Nahrungsmittel und Getränke wurden mithilfe des AMPM erfasst. Das AMPM soll eine vollständigere und genauere Datenerfassung gewährleisten und gleichzeitig die Belastung für die Teilnehmer verringern [31,32]. In der aktuellen Studie haben wir die Daten zur gesamten MUFA-Aufnahme sowie zur Aufnahme spezifischer MUFAs verwendet: 16:1 (Hexadecensäure, allgemein bekannt als Palmitoleinsäure), 18:1 (Octadecensäure, allgemein bekannt als Ölsäure (OA). ), 20:1 (Eikosensäure) und 22:1 (Tetrakosensäure). Wir haben auch Daten zur Aufnahme der gesamten PUFAs sowie der einzelnen PUFAs analysiert: PUFA 18:2 (Octadecadiensäure, allgemein bekannt als Linolsäure (LA)), PUFA 18:3 (Octadecadiensäure, allgemein bekannt als Linolsäure (ALA). )), PUFA 18:4 (Octadecatetraensäure), PUFA 20:4 (Eicosatetraensäure (ETA)), PUFA 20:5 (Eicosapentaensäure (EPA)), PUFA 22:5 (Docosapentaensäure (DPA)) und PUFA 22:6 ( Docosahexaensäure (DHA)).

3. Statistische Analyse

Es wurden CDC-Richtlinien für die Analyse komplexer NHANES-Daten unter Verwendung geeigneter Gewichtungsmethoden und unter Berücksichtigung der maskierten Varianz angewendet [33]. Mittelwert und Standardfehler des Mittelwerts (SEM) wurden für kontinuierliche Messungen (Varianzanalyse) und Prozentsätze für kategoriale Variablen (Chi-Quadrat) verwendet. Um die Normalität der Daten zu bewerten, wurde der Kolmogorov-Smirnov-Test angewendet. Der angepasste Mittelwert spezifischer Nierenfunktionsmarker (Serumkreatinin, ACR und eGFR) über MUFA- und PUFA-Quartile hinweg wurde mithilfe einer Kovarianzanalyse (ANCOVA) geschätzt. Diese Modelle wurden hinsichtlich Alter, Geschlecht, Rasse, Verhältnis von Armut zu Einkommen, Nüchternblutzucker, systolischem und diastolischem Blutdruck, Energieaufnahme, Aufnahme von rotem Fleisch, Body-Mass-Index (BMI, kg/m2) und Diabetes (DM) angepasst. (selbstberichtete Vorgeschichte von DM oder Nüchternplasmaglukose größer oder gleich 126 mg/dl) und Bluthochdruck (HTN), diagnostiziert bei Personen mit systolischem Blutdruck größer oder gleich 140 mmHg, diastolischem Blut Druck größer oder gleich 90 mmHg oder bei Patienten, die blutdrucksenkende Medikamente einnehmen [34]. Für Variablen, die von einer Normalverteilung abweichen, wurden Protokolltransformationen durchgeführt. Logistische Regressionsmodelle mit drei verschiedenen Anpassungsebenen (Modell 1: Alter, Geschlecht, Rasse und Armuts-Einkommens-Verhältnis; Modell 2: Alter, Geschlecht, Rasse, Armuts-Einkommens-Verhältnis, Nüchternblutzucker, systolischer und diastolischer Blutdruck und Bluthochdruck (HTN); und Modell 3: Alter, Geschlecht, Rasse, Verhältnis von Armut zu Einkommen, Nüchternblutzucker, systolischer und diastolischer Blutdruck, HTN, Triglyceride (TG) und High-Density-Lipoprotein-Cholesterin (HDL), Diabetes mellitus (DM). ), Body-Mass-Index (BMI) und C-reaktives Protein (CRP)) wurden dann verwendet, um das Odds Ratio (OR) und das 95-Prozent-Konfidenzintervall (CI) für den Zusammenhang mit vorherrschender CKD über MUFA- und PUFA-Quartile abzuleiten. Als Referenzwert wurde stets das unterste Quartil verwendet. Bei jedem Schritt wurden Varianzinflationsfaktoren (VIF) angewendet, um die Multikollinearität für die multiplen linearen Regressionen zu bewerten [35]. Die Multikollinearität wurde als hoch angesehen, wenn der VIF größer als 10 war [35]. Alle Tests waren zweiseitig und ein p-Wert von weniger als 0,05 kennzeichnete signifikante Ergebnisse.

Cistanche tubulosa

Mendelsche Randomisierung

1. Studiendesign

Diese Studie verwendete ein MR-Studiendesign mit zwei Stichproben. Kurz gesagt wurden zusammenfassende Statistiken aus verschiedenen genomweiten Assoziationsstudien (GWAS) für die interessierenden Expositionen (Serum-MUFAs und PUFAs) und Ergebnisse (Nierenfunktion) analysiert, um die Auswirkungen der ersteren auf die letzteren abzuschätzen (36). Das heißt, genetische Prädiktoren für Serum-MUFAs und PUFA wurden auf umfassend genotypisierte Fall-Kontroll-Studien zur Nierenfunktion (eGFR und CKD-Risiko) angewendet, um Schätzungen ihres Zusammenhangs zu erhalten.

2. Genetische Prädiktoren für Expositionen

Wir haben zusammenfassende Daten für den Zusammenhang zwischen SNPs und vier zirkulierenden MUFAs (Myristoleinsäure (14:1 (Octadecensäure)), Palmitoleinsäure (16:1 (Hexadecensäure)), 10-Heptadecenoat (17:1) und Ölsäure abgerufen (18:1 (Oktadezän))) aus dem GWAS (7824 Erwachsene europäischer Abstammung) (Ergänzungstabelle S1). Genotypisierungs-, Qualitätskontroll- und Imputationsverfahren wurden bereits ausgearbeitet [37]. Zur Analyse der Serum-PUFAs haben wir zusammenfassende Daten für den Zusammenhang zwischen SNPs und der zirkulierenden ALA- und EPA-Konzentration aus dem CHARGE-Meta-GWAS (n=8866 Erwachsene europäischer Abstammung) abgerufen (38). In Fällen, in denen kein SNP für die zusammenfassende GWAS-Ergebnisstatistik verfügbar war, wurden Proxy-SNPs identifiziert. Für solche Proxy-SNPs war ein minimales Bindungsungleichgewicht (LD) r2=0.8 erforderlich. Eine Verzerrung der Effektschätzungen kann durch die Korrelation zwischen SNPs hervorgerufen werden. Um diese Verzerrung zu minimieren, beschränkten sich unsere genetischen Instrumente auf unabhängige SNPs, die sich nicht im Bindungsungleichgewicht befinden (p=0,0001). Wir bezeichnen eine Reihe von SNPs, die Serum-MUFAs und PUFAs ersetzen, als „genetische Instrumente“.

3. Genetische Prädiktoren für Ergebnisse

Eine Metaanalyse bestehend aus der größten genotypisierten Studienstichprobe (n=133,413 mit Replikation bei bis zu 42.166 Teilnehmern) wurde verwendet, um genetische Assoziationen mit eGFR zu erhalten [39], die mithilfe der Vier-Variablen-Modifikation von bestimmt wurden Studiengleichung zur Ernährung bei Nierenerkrankungen (MDRD) [39]. Die Bestimmung der CKD war eine 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. Statistiken

Wir haben die Wirkung von Instrumenten mit der Methode der inversen Varianzgewichtung (IVW) kombiniert. Der Q-Wert für IVW wurde zur Bestimmung der Heterogenität verwendet. Da die endgültige Effektschätzung potenziell durch pleiotrope Varianten beeinflusst werden kann, wurde eine Sensitivitätsanalyse einschließlich gewichtetem Median (WM) und MR-Egger sowie der Leave-One-Out-Methode durchgeführt [36]. Kausalschätzungen mit MR-Egger sind aufgrund einer geringeren Falsch-Positiv-Rate und einer damit verbundenen höheren Falsch-Negativ-Rate weniger präzise als mit IVW MR [40], was zu einer geringeren statistischen Aussagekraft führt [41].

Die Q0-Heterogenitätsstatistik wurde verwendet, um die Heterogenität zwischen einzelnen genetischen Variantenschätzungen zu bestimmen [42]. Darüber hinaus wurde die Annahme der instrumentellen Variablenanalyse „Ausschluss-Beschränkung“ mithilfe der Ensembl-Veröffentlichung (http://useast.ensembl.org/index.html, abgerufen am 2. April 2020) und PhenoScanner (SNP-Phänotypen werden von Ensembl und dem bereitgestellt) bewertet Phänotypen korrelierter SNPs werden von PhenoScanner bereitgestellt.

5. Sensitivitätsanalyse

Die Sensitivitätsanalyse wurde mit MR-Egger und dem MR-Pleiotropie-Restsummen- und Ausreißertest (MR-PRESSO) durchgeführt [42]. Ausreißereffektschätzungen wurden vom MR-PRESSO-Framework erkannt und anschließend aus der Analyse entfernt. Dies erfolgte durch Regression der Varianten-Ergebnis-Assoziationen auf Varianten-Expositions-Assoziationen. Darüber hinaus wurde der MR-Robust Adjusted Profile Score (RAPS) zur Korrektur der Pleiotropie angewendet. Um sich als Ergebnis zu qualifizieren, müssen die Kausalschätzungen sowohl in Richtung als auch in der Größe über alle MR-Methoden hinweg übereinstimmen, in der IVW-MR eine nominale Signifikanz haben und dürfen keine Hinweise auf eine Verzerrung aufgrund horizontaler Pleiotropie aufweisen. Alle Analysen wurden mit R-Software (Version 3.4.2 R Core Team, 2017) durchgeführt.

Cistanche-Kapseln

Diskussion

In diesem Artikel analysierten wir Ernährungsdaten zur Aufnahme von MUFAs und PUFAs sowie eine Reihe genetischer Varianten, die nachweislich mit vier zirkulierenden Serum-MUFAs und PUFAs assoziiert sind, um ihren Zusammenhang mit der Nierenfunktion zu bestimmen. Es wurde kein signifikanter Zusammenhang zwischen verschiedenen MUFAs über die Nahrung beobachtet. Umgekehrt war die Aufnahme von PUFAs über die Nahrung umgekehrt mit Messungen der Nierenfunktion und der vorherrschenden CKD verbunden. MRT-Analysen bestätigten jedoch keinen kausalen Effekt verschiedener MUFA- oder PUFA-Konzentrationen auf CKD.

CKD wird häufig als Komorbidität bei chronischen Zivilisationskrankheiten beobachtet, darunter Diabetes, Bluthochdruck, Fettleibigkeit und Herz-Kreislauf-Erkrankungen [4–14], die alle Bestandteile des metabolischen Syndroms (MetS) sind, das seinerseits in mehreren Meta mit CKD in Verbindung gebracht wurde -Analysen [43,44]. Eine Änderung des Lebensstils mit diätetischen Eingriffen wird als potenziell kosteneffektive Behandlung für MetS angesehen [45,46]. Insbesondere die Modulation von Nahrungsfettsäuren, einschließlich des Ersatzes gesättigter Fettsäuren (SFA) durch MUFAs und PUFAs, ist für die Prävention und Verbesserung von MetS-Komponenten von Vorteil [47–51]. Aufgrund der Prävalenz und klinischen Bedeutung von CKD [1,2] sollte die Bestimmung der Rolle spezifischer Makronährstoffe in ihrer Ätiologie als wichtig erachtet werden.

Obwohl angenommen wird, dass der Ursache-Wirkungs-Zusammenhang zwischen CKD und bestimmten Komponenten des MetS (Diabetes und Bluthochdruck) bidirektional ist [11], können höhere Verhältnisse von MUFA:SFA-Aufnahme zusammen mit einer erhöhten Aufnahme von PUFAs zu einer Verbesserung dieser Erkrankungen führen [50–52] gibt es kaum Hinweise darauf, dass ein direkter Zusammenhang zwischen der MUFA-Aufnahme und CKD besteht. Während beispielsweise die Aufnahme von PUFA mit einem geringeren CKD-Risiko in einer nicht-diabetischen Population verbunden war, wurde ein solcher Zusammenhang für MUFA nicht beobachtet [17]. In ähnlicher Weise war in einer Beobachtungsstudie an einer Diabetikerpopulation die MUFA-Aufnahme nicht mit einer Verbesserung der Nierenfunktion verbunden, während ein Zusammenhang für das MUFA:SFA-Verhältnis und die Aufnahme von PUFAs beobachtet wurde [18]. Es gibt mehrere mutmaßliche Mechanismen, durch die eine erhöhte Aufnahme von PUFAs möglicherweise die Nierenfunktion schützen könnte. Diese reichen von Auswirkungen auf regulatorische Moleküle, die an renalen Entzündungsprozessen beteiligt sind (53), einer Verringerung der Proteinurie (54), einer Verbesserung des Blutdrucks (55) und einer Senkung von Serumtriglyceriden [56] und sogar Verbesserungen der Blutgefäßfunktion [57].

Wir fanden keinen signifikanten Zusammenhang zwischen der unterschiedlichen Nahrungsaufnahme von gesamten und einzelnen MUFAs und CKD. Durch die Hinzufügung der MR-Analyse ist unsere Studie einfachen Beobachtungsstudien überlegen, da MR ein leistungsstarkes Instrument zur Erkennung von Ursachen ist [21] und unsere Ergebnisse keinen kausalen Zusammenhang zwischen Serum-MUFAs und CKD stützen. Die MR-Analyse zeigte auch keinen solchen Zusammenhang zwischen genetisch bestimmten Markern von Serum-ALA und EPA und der Nierenfunktion. Dies könnte möglicherweise darauf hindeuten, dass die Ergebnisse der Beobachtungsstudie zur Nahrungsaufnahme durch verwirrende oder sogar umgekehrte Kausalität beeinflusst werden könnten. Kurz gesagt, gesunde Ernährungsentscheidungen (z. B. eine erhöhte PUFA-Aufnahme) treten oft zusammen mit anderen gesunden Ernährungs- oder Lebensstilfaktoren auf [58], was zu einer verfälschten Interpretation der Ergebnisse führt. Beispielsweise sind gesunde Ernährungsgewohnheiten wie „mediterran“, „DASH“ und „Prudent“, die tendenziell reich an Obst, Gemüse und Vollkornprodukten sind und weniger rotes und verarbeitetes Fleisch, raffiniertes Getreide und zugesetzten Zucker enthalten, mit einem geringeren Risiko verbunden von chronischen Krankheiten wie Fettleibigkeit, Diabetes und Herz-Kreislauf-Erkrankungen [59] und in der Folge mit einem verringerten CNI-Risiko [60]. Die Gesamtzusammensetzung dieser gesünderen Ernährungsmuster sowie anderer gesunder Lebensgewohnheiten, die häufig zusammen auftreten [58,61] und möglicherweise eine bessere Nierenfunktion fördern, können eine Ernährungsanalyse, die sich auf bestimmte Nährstoffe, in diesem Fall PUFAs, konzentriert, verfälschen. Tatsächlich könnte dies den Unterschied in den Ergebnissen der Ernährungsanalyse und der Mendelschen Randomisierung zu PUFAs und dem CKD-Risiko erklären. Ebenso kann die umgekehrte Kausalität, bei der das Wissen über den Krankheitsstatus oder Krankheitsmarker die Ernährungsentscheidungen beeinflusst, in retrospektiven Studien besonders problematisch sein [62]. Es sollte jedoch ein weiterer möglicher Grund für die Diskrepanz zwischen der Ernährungsanalyse und den MR-Ergebnissen berücksichtigt werden. Es sollte nicht übersehen werden, dass Serumfettsäuren bekanntermaßen größtenteils durch die Nahrungsaufnahme bestimmt werden [63]. Daher könnte diese Studie die Tatsache hervorheben, dass MR möglicherweise keine geeignete Analysemethode zur Bestimmung der Rolle solcher Serummarker ist, die stärker von der Ernährung als von der Genetik abhängen.

Unsere Studie weist einige Einschränkungen auf. Erstens könnte die Unfähigkeit der NHANES-Datenbank, zwischen MUFAs tierischen und pflanzlichen Ursprungs zu unterscheiden, möglicherweise zum Mangel an Assoziationen in dieser und anderen Beobachtungsstudien zu CKD beitragen. In der „westlichen Ernährung“ werden MUFAs überwiegend durch Lebensmittel tierischen Ursprungs zugeführt, während in Ländern, die typischerweise eine mediterrane Ernährung verfolgen, beispielsweise extra natives Olivenöl die Hauptquelle dieser Fettsäuren ist [64]. Dementsprechend hat sich gezeigt, dass Ernährungsinterventionen mit hohem Gehalt an MUFAs pflanzlichen Ursprungs (aus Olivenöl oder Nüssen) Vorteile für die kardiometabolische Gesundheit haben, einschließlich Bluthochdruck und Glukosekontrolle [46,65], wohingegen Studien, die nicht zwischen MUFA-Quellen differenzierten, keine Unterschiede ergeben haben Nutzen [16]. Es gibt Debatten darüber, ob die beobachteten Vorteile von MUFAs auf die Fettsäuren selbst oder auf andere bioaktive Komponenten in den Fettquellen oder die Ernährungsgewohnheiten zurückzuführen sind [66–69]. Daher ist es nicht möglich, die Rolle der pflanzlichen oder tierischen MUFA-Aufnahme in dieser speziellen Kohorte aufzuklären. Eine weitere Einschränkung besteht darin, dass die MR-Analyse bekanntermaßen nur über eine begrenzte statistische Aussagekraft verfügt, sodass ein fehlendes Ergebnis in unserer Analyse möglicherweise auf kleine kausale Effekte zurückzuführen ist, die in unserer Studie nicht erkennbar waren. Schließlich haben wir für diese Analyse zwar das größte GWAS verwendet, das derzeit in der Literatur verfügbar ist, doch die Verfügbarkeit zukünftiger GWAS mit einer größeren Stichprobengröße und damit höherer statistischer Aussagekraft könnte zu diesem Zeitpunkt eine weitere Analyse dieses Themas rechtfertigen.

Schlussfolgerungen

Zusammenfassend konnten wir keine Belege für einen Zusammenhang zwischen der Aufnahme von Gesamt- oder Einzel-MUFAs oder für eine kausale Wirkung von Serum-MUFAs auf CKD finden. Während kein kausaler Effekt von genetisch bedingten Serum-PUFAs auf die vorherrschende CNI festgestellt werden konnte, wurde ein klarer umgekehrter Zusammenhang zwischen der Nahrungsaufnahme von PUFAs und CNI beobachtet. Während weitere Untersuchungen zur Rolle von PUFAs bei der Entstehung von CKD erforderlich sind, widersprechen diese Ergebnisse nicht der aktuellen Evidenzbasis für den Nutzen des Ersatzes von SFAs aus der Nahrung durch MUFAs und vorzugsweise PUFAs [70].

Verweise

1. Eckardt, KU; Coresh, J.; Devuyst, O.; Johnson, RJ; Kottgen, A.; Levey, AS; Levin, A. Zunehmende Bedeutung von Nierenerkrankungen: Von der Subspezialität zur globalen Gesundheitsbelastung. Lancet 2013, 382, ​​158–169. [CrossRef]

2. Hill, NR; Fatoba, ST; Okay, JL; Hirst, JA; O'Callaghan, Kalifornien; Lasserson, DS; Hobbs, FD Globale Prävalenz chronischer Nierenerkrankungen – eine systematische Überprüfung und Metaanalyse. PLoS ONE 2016, 11, e0158765. [CrossRef] [PubMed]

3. Levey, AS; Eckardt, KU; Tsukamoto, Y.; Levin, A.; Coresh, J.; Rossert, J.; De Zeeuw, D.; Hostetter, TH; Lameire, N.; Eknoyan, G. Definition und Klassifizierung chronischer Nierenerkrankungen: Eine Stellungnahme von Kidney Disease: Improving Global Outcomes (KDIGO). Niere Int. 2005, 67, 2089–2100. [CrossRef] [PubMed]

4. Iwai, T.; Miyazaki, M.; Yamada, G.; Nakayama, M.; Yamamoto, T.; Satoh, M.; Sato, H.; Ito, S. Diabetes mellitus als Ursache oder Komorbidität einer chronischen Nierenerkrankung und ihre Folgen: Die Gonryo-Studie. Klin. Exp. Nephrol. 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. Diabetische Nierenerkrankung: Neue klinische und therapeutische Probleme. Gemeinsame Stellungnahme der Italienischen Diabetes-Gesellschaft und der Italienischen Gesellschaft für Nephrologie zum Thema „Der natürliche Verlauf diabetischer Nierenerkrankungen und die Behandlung von Hyperglykämie bei Patienten mit Typ-2-Diabetes und eingeschränkter Nierenfunktion“. J. Nephrol. 2020, 33, 9–35. [CrossRef] [PubMed]

6. Kramer, HJ; Nguyen, QD; Curhan, G.; Hsu, CY Niereninsuffizienz ohne Albuminurie und Retinopathie bei Erwachsenen mit Typ-2-Diabetes mellitus. JAMA 2003, 289, 3273–3277. [CrossRef] [PubMed]

7. Seccia, TM; Caroccia, B.; Calo, LA Hypertensive Nephropathie. Übergang von klassischen zu neuen pathogenetischen Mechanismen. J. Hypertens 2017, 35, 205–212. [CrossRef] [PubMed]

8. Rao, MV; Qiu, Y.; Wang, C.; Bakris, G. Hypertonie und CKD: Kidney Early Evaluation Program (KEEP) und National Health and Nutrition Examination Survey (NHANES), 1999–2004. Bin. J. Nierendis. 2008, 51, S30–S37. [CrossRef] [PubMed]

9. Kim, YJ; Hwang, SD; Oh, TJ; Kim, KM; Jang, HC; Kimm, H.; Kim, HC; Jee, SH; Lim, S. Zusammenhang zwischen Fettleibigkeit und chronischer Nierenerkrankung, definiert durch sowohl die glomeruläre Filtrationsrate als auch die Albuminurie, bei koreanischen Erwachsenen. Metab. Syndr. Verwandt. Unordnung. 2017, 15, 416–422. [CrossRef] [PubMed]

10. Garofalo, C.; Borrelli, S.; Minutolo, R.; Chiodini, P.; De Nicola, L.; Conte, G. Eine systematische Überprüfung und Metaanalyse legt nahe, dass Fettleibigkeit das Auftreten einer chronischen Nierenerkrankung in der Allgemeinbevölkerung vorhersagt. Niere Int. 2017, 91, 1224–1235. [CrossRef]

11. Gansevoort, RT; Correa-Rotter, R.; Hemmelgarn, BR; Jafar, TH; Heerspink, HJ; Mann, JF; Matsushita, K.; Wen, CP Chronische Nierenerkrankung und kardiovaskuläres Risiko: Epidemiologie, Mechanismen und Prävention. Lancet 2013, 382, ​​339–352. [CrossRef]

12. Herzog, CA; Asinger, RW; Berger, AK; Charytan, DM; Diez, J.; Hart, RG; Eckardt, KU; Kasiske, BL; McCullough, PA; Passman, RS; et al. Herz-Kreislauf-Erkrankungen bei chronischer Nierenerkrankung. Ein klinisches Update von Kidney Disease: Improving Global Outcomes (KDIGO). Niere Int. 2011, 80, 572–586. [CrossRef] [PubMed]

13. Matsushita, K.; van der Velde, M.; Astor, BC; Woodward, M.; Levey, AS; de Jong, PE; Coresh, J.; Gansevoort, RT Zusammenhang zwischen geschätzter glomerulärer Filtrationsrate und Albuminurie mit Gesamtmortalität und kardiovaskulärer Mortalität in Allgemeinbevölkerungskohorten: Eine kollaborative Metaanalyse. Lancet 2010, 375, 2073–2081. [CrossRef] [PubMed]

14. Wu, CK; Yang, CY; Tsai, CT; Chiu, FC; Huang, YT; Lee, JK; Cheng, CL; Lin, LY; Lin, JW; Hwang, JJ; et al. Zusammenhang zwischen niedriger glomerulärer Filtrationsrate und Albuminurie mit peripherer arterieller Verschlusskrankheit: The National Health and Nutrition Examination Survey, 1999–2004. Atherosclerosis 2010, 209, 230–234. [CrossRef] [PubMed]

15. Lauretani, F.; Semba, RD; Bandinelli, S.; Miller, ER, 3.; Ruggiero, C.; Cherubini, A.; Guralnik, JM; Ferrucci, L. Mehrfach ungesättigte Fettsäuren im Plasma und der Rückgang der Nierenfunktion. Klin. Chem. 2008, 54, 475–481. [CrossRef] [PubMed]

16. Dos Santos, ALT; Duarte, CK; Santos, M.; Zoldan, M.; Almeida, JC; Gross, JL; Azevedo, MJ; Lichtenstein, AH; Zelmanovitz, T. Ein geringer Konsum von Linolensäure und Linolsäure wird mit einer chronischen Nierenerkrankung bei Patienten mit Typ-2-Diabetes in Verbindung gebracht. PLoS ONE 2018, 13, e0195249. [CrossRef] [PubMed]

17. Yuzbashian, E.; Asghari, G.; Mirmiran, P.; Hosseini, FS; Azizi, F. Zusammenhänge von Makronährstoffen in der Nahrung mit glomerulärer Filtrationsrate und Nierenfunktionsstörung: Teheraner Lipid- und Glukosestudie. J. Nephrol. 2015, 28, 173–180. [CrossRef] [PubMed]

18. Cardenas, C.; Bordiu, E.; Bagazgoitia, J.; Calle-Pascual, AL Der Verzehr mehrfach ungesättigter Fettsäuren kann eine Rolle beim Auftreten und Rückgang der Mikroalbuminurie bei gut kontrollierten Typ-1- und Typ-2-Diabetikern spielen: Eine 7-jährige, prospektive, bevölkerungsbasierte, multizentrische Beobachtungsstudie. Diabetes Care 2004, 27, 1454–1457. [CrossRef]

19. Calder, PC Ernährungsmodifikation von Entzündungen mit Lipiden. Proz. Nutr. Soc. 2002, 61, 345–358. [CrossRef]

20. Ferrucci, L.; Cherubini, A.; Bandinelli, S.; Bartali, B.; Corsi, A.; Lauretani, F.; Martin, A.; Andres-Lacueva, C.; Senin, U.; Guralnik, JM Beziehung von mehrfach ungesättigten Plasmafettsäuren zu zirkulierenden Entzündungsmarkern. J. Clin. Endokrinol. Metab. 2006, 91, 439–446. [CrossRef]

21. Smith, GD; Ebrahim, S. „Mendelsche Randomisierung“: Kann die genetische Epidemiologie zum Verständnis umweltbedingter Determinanten von Krankheiten beitragen? Int. J. Epidemiol. 2003, 32, 1–22. [CrossRef] [PubMed]

22. Plotnikov, D.; Guggenheim, JA Mendelsche Randomisierung und das Ziel, aus Beobachtungsstudien in den Sehwissenschaften auf Kausalität zu schließen. Augenphysiol. Opt. 2019, 39, 11–25. [CrossRef] [PubMed]

23. National Health and Nutrition Examination Survey, National Center for Health Statistics. Online verfügbar: http://www.cdc. gov/nchs/nhanes.htm (abgerufen am 31. März 2020).

24. Needham, BL; Adler, N.; Gregorich, S.; Rehkopf, D.; Lin, J.; Blackburn, EH; Epel, ES Sozioökonomischer Status, Gesundheitsverhalten und Leukozyten-Telomerlänge im National Health and Nutrition Examination Survey, 1999–2002. Soc. Wissenschaft. Med. 2013, 85, 1–8. [CrossRef] [PubMed]

25. Remer, T. Einfluss der Ernährung auf das Säure-Basen-Gleichgewicht – metabolische Aspekte. EUR. J. Nutr. 2001, 40, 214–220. [CrossRef] [PubMed]

26. Mazidi, M.; Michos, ED; Banach, M. Der Zusammenhang zwischen Telomerlänge und Serum-25-Hydroxyvitamin-D-Spiegeln bei Erwachsenen in den USA: Die National Health and Nutrition Examination Survey. Bogen. Med. Wissenschaft. 2017, 13, 61–65. [CrossRef] [PubMed]

27. National Health and Nutrition Examination Survey, Handbuch zu Laborverfahren. Online verfügbar: http://www.cdc.gov/ NCHS/data/nhanes/nhanes_09_10/CRP_F_met.pdf (abgerufen am 13. August 2019).

28. Selvin, E.; Manzi, J.; Stevens, LA; Van Lente, F.; Lacher, DA; Levey, AS; Coresh, J. Kalibrierung von Serumkreatinin in den National Health and Nutrition Examination Surveys (NHANES) 1988–1994, 1999–2004. Bin. J. Nierendis. 2007, 50, 918–926. [CrossRef] [PubMed]

29. Chavers, BM; Simonson, J.; Michael, AF Ein Festphasen-Fluoreszenzimmunoassay zur Messung von menschlichem Urinalbumin. Niere Int. 1984, 25, 576–578. [CrossRef] [PubMed]

30. Ahluwalia, N.; Andreeva, VA; Kesse-Guyot, E.; Hercberg, S. Ernährungsmuster, Entzündungen und das metabolische Syndrom. Diabetes-Metabol. 2013, 39, 99–110. [CrossRef] [PubMed]

31. Ahluwalia, N.; Dwyer, J.; Terry, A.; Moshfegh, A.; Johnson, C. Update zu NHANES-Ernährungsdaten: Schwerpunkt auf Sammlung, Veröffentlichung, analytischen Überlegungen und Verwendung zur Information der öffentlichen Ordnung. Adv. Nutr. 2016, 7, 121–134. [CrossRef]

32. Moshfegh, AJ; Rhodes, DG; Bär, DJ; Murayi, T.; Clemens, JC; Rumpler, WV; Paul, DR; Sebastian, RS; Kuczynski, KJ; Ingwersen, LA; et al. Die automatisierte Multiple-Pass-Methode des US-Landwirtschaftsministeriums reduziert Verzerrungen bei der Erfassung der Energieaufnahme. Bin. J. Clin. Nutr. 2008, 88, 324–332. [CrossRef]

33. Nationales Zentrum für Gesundheitsstatistik. Analyse- und Berichtsrichtlinien. Online verfügbar: http://www.cdc.gov/nchs/data/nhanes/nhanes0304/nhanesanalyticguidelinesdec2005.pdf (abgerufen am 31. März 2020).

34. Nwankwo, T.; Yoon, SS; Burt, V.; Gu, Q. Bluthochdruck bei Erwachsenen in den Vereinigten Staaten: National Health and Nutrition Examination Survey, 2011–2012. NCHS Data Brief 2013, 133, 1–8.

35. Slinker, BK; Glantz, SA Multiple Regression für die Analyse physiologischer Daten: Das Problem der Multikollinearität. Bin. J. Physiol. 1985, 249, R1–R12. [CrossRef] [PubMed]

36. Bowden, J.; Davey Smith, G.; Haycock, PC; Burgess, S. Konsistente Schätzung bei der Mendelschen Randomisierung mit einigen ungültigen Instrumenten unter Verwendung eines gewichteten Medianschätzers. Genet. Epidemiol. 2016, 40, 304–314. [CrossRef] [PubMed]

37. Shin, SY; Fauman, EB; Petersen, AK; Krumsiek, J.; Santos, R.; Huang, J.; Arnold, M.; Erte, I.; Forgetta, V.; Yang, TP; et al. Ein Atlas genetischer Einflüsse auf menschliche Blutmetaboliten. Nat. Genet. 2014, 46, 543–550. [CrossRef] [PubMed]

38. Lemaitre, RN; Tanaka, T.; Tang, W.; Manichaikul, A.; Foy, M.; Kabagambe, EK; Nettleton, JA; König, IB; Weng, LC; Bhattacharya, S.; et al. Mit Plasma-Phospholipid-n-3-Fettsäuren assoziierte genetische Loci: Eine Metaanalyse genomweiter Assoziationsstudien des CHARGE-Konsortiums. PLoS Genet. 2011, 7, e1002193. [CrossRef] [PubMed]

39. Pattaro, C.; Teumer, A.; Gorski, M.; Chu, AY; Li, M.; Mijatovic, V.; Garnaas, M.; Zinn, A.; Sorice, R.; Li, Y.; et al. Genetische Assoziationen an 53 Loci heben Zelltypen und biologische Wege hervor, die für die Nierenfunktion relevant sind. Nat. Komm. 2016, 7, 10023. [CrossRef] [PubMed]

40. Bowden, J.; Davey Smith, G.; Burgess, S. Mendelsche Randomisierung mit ungültigen Instrumenten: Effektschätzung und Bias-Erkennung durch Egger-Regression. Int. J. Epidemiol. 2015, 44, 512–525. [CrossRef] [PubMed]

41. Burgess, S.; Bowden, J.; Herbst, T.; Ingelsson, E.; Thompson, SG Sensitivitätsanalysen für robuste kausale Schlussfolgerungen aus Mendelschen Randomisierungsanalysen mit mehreren genetischen Varianten. Epidemiologie 2017, 28, 30–42. [CrossRef] [PubMed]

42. Bowden, J.; Del Greco, MF; Minelli, C.; Davey Smith, G.; Sheehan, N.; Thompson, J. Ein Rahmen für die Untersuchung der Pleiotropie in der Mendelschen Randomisierung von zusammenfassenden Daten aus zwei Stichproben. Stat. Med. 2017, 36, 1783–1802. [CrossRef] [PubMed]

43. Thomas, G.; Sehgal, AR; Kashyap, SR; Srinivas, TR; Kirwan, JP; Navaneethan, SD Metabolisches Syndrom und Nierenerkrankungen: Eine systematische Überprüfung und Metaanalyse. Klin. Marmelade. Soc. Nephrol. 2011, 6, 2364–2373. [CrossRef] [PubMed]

44. Rashidbeygi, E.; Safabakhsh, M.; Delshad Aghdam, S.; Mohammed, SH; Alizadeh, S. Das metabolische Syndrom und seine Komponenten stehen im Zusammenhang mit einem höheren Risiko für Albuminurie und Proteinurie: Belege aus einer Metaanalyse an 10.603.067 Probanden aus 57 Studien. Diabetes-Metabol. Syndr. 2019, 13, 830–843. [CrossRef] [PubMed]

45. Di Daniele, N.; Noce, A.; Vidiri, MF; Moriconi, E.; Marrone, G.; Annicchiarico-Petruzzelli, M.; D'Urso, G.; Tesauro, M.; Rovella, V.; De Lorenzo, A. Einfluss der Mittelmeerdiät auf das metabolische Syndrom, Krebs und Langlebigkeit. Oncotarget 2017, 8, 8947–8979. [CrossRef] [PubMed]

46. ​​Babio, N.; Toledo, E.; Estruch, R.; Rose.; Martinez-Gonzalez, MA; Castaner, O.; Bullo, M.; Corella, D.; Aros, F.; Gomez-Gracia, E.; et al. Mittelmeerdiäten und Status des metabolischen Syndroms in der randomisierten PREDIMED-Studie. CMAJ 2014, 186, E649–E657. [CrossRef]

47. Mach, F.; Baigent, C.; Catapano, AL; Koskinas, KC; Casula, M.; Badimon, L.; Chapman, MJ; De Backer, GG; Delgado, V.; Ference, BA; et al. 2019 ESC/EAS-Leitlinien für die Behandlung von Dyslipidämien: Lipidmodifikation zur Reduzierung des kardiovaskulären Risikos: Die Task Force für die Behandlung von Dyslipidämien der Europäischen Gesellschaft für Kardiologie (ESC) und der Europäischen Atherosklerose-Gesellschaft (EAS). EUR. Heart J. 2019, 41, 111–188. [CrossRef]

48. Mensink, RP; Zock, PL; Kester, AD; Katan, MB Auswirkungen von Nahrungsfettsäuren und Kohlenhydraten auf das Verhältnis von Serum-Gesamtcholesterin zu HDL-Cholesterin sowie auf Serumlipide und Apolipoproteine: Eine Metaanalyse von 60 kontrollierten Studien. Bin. J. Clin. Nutr. 2003, 77, 1146–1155. [CrossRef] [PubMed]

49. Riserus, U.; Willett, WC; Hu, FB Nahrungsfette und Prävention von Typ-2-Diabetes. Prog. Lipidres. 2009, 48, 44–51. [CrossRef]

50. Mozaffarian, D. Ernährungs- und politische Prioritäten für Herz-Kreislauf-Erkrankungen, Diabetes und Fettleibigkeit: Eine umfassende Übersicht. Auflage 2016, 133, 187–225. [CrossRef]

51. Rasmussen, BM; Vessby, B.; Uusitupa, M.; Berglund, L.; Pedersen, E.; Riccardi, G.; Rivellese, AA; Tapsell, L.; Hermansen, K. Auswirkungen von gesättigten, einfach ungesättigten und n-3-Fettsäuren in der Nahrung auf den Blutdruck bei gesunden Probanden. Bin. J. Clin. Nutr. 2006, 83, 221–226. [CrossRef]

52. Farvid, MS; Ding, M.; Pan, A.; Sun, Q.; Chiuve, SE; Steffen, LM; Willett, WC; Hu, FB Nahrungslinolsäure und Risiko einer koronaren Herzkrankheit: Eine systematische Überprüfung und Metaanalyse prospektiver Kohortenstudien. Auflage 2014, 130, 1568–1578. [CrossRef]

53. Kielar, ML; Jeyarajah, DR; Zhou, XJ; Lu, CY Docosahexaensäure lindert ischämisches akutes Nierenversagen bei Mäusen und verhindert einen Anstieg der mRNA-Häufigkeit sowohl für TNF-alpha als auch für die induzierbare Stickoxidsynthase. Marmelade. Soc. Nephrol. 2003, 14, 389–396. [CrossRef]

54. De Caterina, R.; Caprioli, R.; Giannessi, D.; Sicari, R.; Galli, C.; Lazzerini, G.; Bernini, W.; Carr, L.; Rindi, P. n-3-Fettsäuren reduzieren die Proteinurie bei Patienten mit chronischer glomerulärer Erkrankung. Niere Int. 1993, 44, 843–850. [CrossRef] [PubMed]

55. Cicero, AF; Derosa, G.; Di Gregori, V.; Bove, M.; Gaddi, AV; Borghi, C. Nahrungsergänzung mit mehrfach ungesättigten Omega-3-Fettsäuren und Blutdruckwerte bei hypertriglyceridämischen Patienten mit unbehandeltem normal-hohem Blutdruck und mit oder ohne metabolischem Syndrom: Eine retrospektive Studie. Klin. Exp. Hypertens 2010, 32, 137–144. [CrossRef] [PubMed]

56. Svensson, M.; Schmidt, EB; Jorgensen, KA; Christensen, JH Die Wirkung von n-3-Fettsäuren auf Lipide und Lipoproteine ​​bei Patienten, die mit chronischer Hämodialyse behandelt werden: Eine randomisierte, placebokontrollierte Interventionsstudie. Nephrol. Wählen. Transplantation. 2008, 23, 2918–2924. [CrossRef] [PubMed]

57. Abeywardena, MY; Kopf, RJ Langkettige n-3 mehrfach ungesättigte Fettsäuren und Blutgefäßfunktion. Herz-Kreislauf. Res. 2001, 52, 361–371. [CrossRef]

58. Smith, GD; Lawlor, DA; Harbord, R.; Timpson, N.; Tag, ich.; Ebrahim, S. Clustered Environments und randomisierte Gene: Eine grundlegende Unterscheidung zwischen konventioneller und genetischer Epidemiologie. PLoS Med. 2007, 4, e352. [CrossRef] [PubMed]

59. Medina-Remón, A.; Kirwan, R.; Lamuela-Raventós, RM; Estruch, R. Ernährungsgewohnheiten und das Risiko von Fettleibigkeit, Typ-2-Diabetes mellitus, Herz-Kreislauf-Erkrankungen, Asthma und neurodegenerativen Erkrankungen. Krit. Rev. Food Sci. Nutr. 2018, 58, 262–296. [CrossRef] [PubMed]

60. Ajjarapu, AS; Hinkle, SN; Li, M.; Francis, EC; Zhang, C. Ernährungsgewohnheiten und Ergebnisse der Nierengesundheit in der Allgemeinbevölkerung: Eine Übersicht mit Schwerpunkt auf prospektiven Studien. Nutrients 2019, 11, 1877. [CrossRef]

61. Hawkins, MS; Sevick, MA; Richardson, CR; Fried, LF; Arena, VC; Kriska, AM Zusammenhang zwischen körperlicher Aktivität und Nierenfunktion: National Health and Nutrition Examination Survey. Med. Wissenschaft. Sportübung. 2011, 43, 1457–1464. [CrossRef]

62. Qi, L. Mendelsche Randomisierung in der Ernährungsepidemiologie. Nutr. Rev. 2009, 67, 439–450. [CrossRef] [PubMed]

63. Hodson, L.; Skeaff, CM; Fielding, BA Fettsäurezusammensetzung von Fettgewebe und Blut beim Menschen und ihre Verwendung als Biomarker der Nahrungsaufnahme. Prog. Lipidres. 2008, 47, 348–380. [CrossRef]

64. Linseisen, J.; Welch, AA; Ocke, M.; Amiano, P.; Agnoli, C.; Ferrari, P.; Sonestedt, E.; Chajes, V.; Bueno-de-Mesquita, HB; Kaaks, R.; et al. Nahrungsfettaufnahme in der europäischen prospektiven Untersuchung zu Krebs und Ernährung: Ergebnisse der 24-h-Ernährungsrückrufe. EUR. J. Clin. Nutr. 2009, 63 (Suppl. S4), S61–S80. [CrossRef] [PubMed]

65. Toledo, E.; Hu, FB; Estruch, R.; Buil-Cosiales, P.; Corella, D.; Salas-Salvado, J.; Covas, MI; Aros, F.; Gomez-Gracia, E.; Fiol, M.; et al. Einfluss der Mittelmeerdiät auf den Blutdruck in der PREDIMED-Studie: Ergebnisse einer randomisierten kontrollierten Studie. BMC Med. 2013, 11, 207. [CrossRef] [PubMed]

66. Alkhatib, A.; Tsang, C.; Tuomilehto, J. Olivenöl-Nutrazeutika in der Prävention und Behandlung von Diabetes: Von Molekülen zum Lebensstil. Int. J. Mol. Wissenschaft. 2018, 19, 2024. [CrossRef] [PubMed]

67. Degirolamo, C.; Rudel, LL Einfach ungesättigte Fettsäuren in der Nahrung scheinen keinen Herzschutz zu bieten. Curr. Atherosklerose. Rep. 2010, 12, 391–396. [CrossRef] [PubMed]

68. Lopez, S.; Bermudez, B.; Montserrat-de la Paz, S.; Jaramillo, S.; Abia, R.; Muriana, FJ Natives Olivenöl und Bluthochdruck. Curr. Vasc. Pharmakol. 2016, 14, 323–329. [CrossRef] [PubMed]

69. Zong, G.; Li, Y.; Sampson, L.; Dougherty, LW; Willett, WC; Wanders, AJ; Alssema, M.; Zock, PL; Hu, FB; Sun, Q. Einfach ungesättigte Fette aus pflanzlichen und tierischen Quellen über das Risiko einer koronaren Herzkrankheit bei Männern und Frauen in den USA. Bin. J. Clin. Nutr. 2018, 107, 445–453. [CrossRef] [PubMed]

70. Huang, X.; Lindholm, B.; Stenvinkel, P.; Carrero, JJ Nahrungsfettmodifikation bei Patienten mit chronischer Nierenerkrankung: N-3-Fettsäuren und darüber hinaus. J. Nephrol. 2013, 26, 960–974. [CrossRef]

Mohsen Mazidi 1,2,3, Andre P. Kengna 4, Mario Siervo 5 und Richard Kirwan 6

1 Medical Research Council Population Health Research Unit, Universität Oxford, Oxford OX3 7LF, Großbritannien

2 Clinical Trial Service Unit und Epidemiological Studies Unit (CTSU), Nuffield Department of Population Health, University of Oxford, Oxford OX3 7LF, Großbritannien

3 Abteilung für Zwillingsforschung und genetische Epidemiologie, South Wing St Thomas', King's College London, London SE1 7EH, UK

4 Forschungseinheit für nicht übertragbare Krankheiten, South African Medical Research Council, Universität Kapstadt, Kapstadt 7505, Südafrika; andre.kengne@mrc.ac.za

5 School of Life Sciences, Queen's Medical Centre, The University of Nottingham Medical School, Nottingham NG7 2RD, UK; mario.siervo@nottingham.ac.uk

6 School of Biological and Environmental Sciences, Liverpool John Moores University, Liverpool L3 3AF, Großbritannien; rpkirwan@2018.ljmu.ac.uk