Journal Club

35 Jahre i/In- A/aktivität: Follow up der Finnischen Zwillingsstudie über den Zusammenhang zwischen körperlicher Aktivität und Body-Mass-Index

Einleitung

Innerhalb der letzten Jahrzehnte war eine deutliche globale Zunahme der Übergewichts- und Adipositasprävalenz zu beobachten [[1]]. Daneben sind eine Vielzahl weiterer Erkrankungen wie Diabetes mellitus Typ 2 [[2]] oder auch bösartige Neubildungen [[3]] zu nennen, deren Prävalenz parallel zu der Adipositas anstieg oder eng mit dieser assoziiert ist. Von der Weltgesundheitsorganisation werden diese Erkrankungen als „Noncommunicable Diseases“ zusammengefasst. Entsprechend besteht ein immenser Handlungsbedarf zur Kontrolle dieser weltweiten Entwicklung. Nun stehen 2 Stellschrauben zur Gewichtsregulation zur Verfügung, die Energiezufuhr durch Nahrungsaufnahme und die Umwandlung chemisch gespeicherter Energie durch Bewegung in Wärme und mechanische Arbeit. Der Frage, inwieweit der zweite Aspekt, die körperliche Aktivität über einen Beobachtungszeitraum von 35 Jahren mit der Veränderung des BMI zusammenhängt, haben sich Piirtola und Kollegen angenommen [[4]].

Methode

Die Autoren griffen auf die Daten der Finnish Older Twin Cohort mit 4 Messzeitpunkten in den Jahren 1975, 1981, 1990 und 2011 zurück, wobei insgesamt n = 5254 vollständige Datensätze analysiert wurden. Neben der Körpergröße und des Körpergewichtes wurden im Rahmen der 4 Messzeitpunkte die Aktivitätsparameter zur Schätzung der körperlichen Freizeitaktivität erfragt. Diese Parameter sind die Aktivitätsfrequenz (pro Monat), Dauer (pro Einheit) und die Intensität der Aktivität (in qualitativen Kategorien). Ergänzend hierzu wurde das Ausmaß körperlicher Aktivität während der Wegzeiten erhoben. Aus diesen Belastungsparametern konnte schließlich die durchschnittliche tägliche Freizeitaktivität in MET-Stunden berechnet werden. Hierbei wurde mit 1,5 MET-h Freizeitaktivität pro Tag ein Schwellenwert zur Unterscheidung von aktiven und inaktiven Personen definiert. Die geschlechtsspezifische Analyse des BMI über die 4 Messzeitpunkte erfolgte mittels Varianzanalyse.

Neben diesen zentralen Variablen wurden Alter, Familienstand, Bildungsstand, Beruf, Arbeitsbelastung und Rauchverhalten als Kontrollvariablen zur Anwendung in einem multivariaten linearen Modell erhoben. Hierbei wurden die Probanden 7 Kategorien zugeordnet, wovon die zu allen 4 Messzeitpunkten aktiven bzw. inaktiven als Randkategorien dienten (Tab. [1]).

Tab. 1

Kategorisierung der Aktivitätscharakteristika in Aktivitätstypen.

Bezeichnung	Aktivitätsmuster (I = Inaktiv; A = Aktiv)	Anzahl der Aktiven Messzeitpunkte
Dauerhaft inaktiv	I-I-I-I	0 von 4
Wurden inaktiv	A-I-I-I, A-A-I-I, A-A-A-I	1 bis 3 von 4
Die meiste Zeit inaktiv	I-I-A-I, I-A-I-I	2 von 4
Gemischt	I-A-I-A, I-A-A-I, A-I-A-I	2 von 4
Die meiste Zeit aktiv	A-A-I-A, A-I-A-A	3 von 4
Wurden aktiv	I-A-A-A, I-I-A-A, I-I-I-A	1 bis 3 von 4
Dauerhaft aktiv	A-A-A-A	4 von 4

Ferner konnten durch die ausschließliche Einbeziehung von Zwillingspärchen die Umweltbedingungen kontrolliert werden, da die Geschwister meist innerhalb derselben Sozialisationsinstanzen aufwuchsen. Zum anderen konnten beim Vergleich der ein- und zweieiigen Zwillingen auch genetisch bedingte Divergenzen Berücksichtigung finden.

Ergebnisse

Das initiale Einschlussalter lag 1975 bei 23,9 Jahren, das Alter zum Follow-Up-Zeitpunkt lag im Mittel bei 60,3 Jahren. Dabei zeigte sich, dass der Anteil inaktiver Männer, also jener, welche weniger als 1,5 MET-h/Tag an Freizeitaktivität aufbringen, über den Beobachtungszeitraum von 51 % (1975) über 46 % (1981) auf 39 % (1990) abfiel und 2011 wieder auf 43 % anstieg. Im Fall der weiblichen Probanden zeigte sich die Reduzierung des Anteils körperlich inaktiver Personen sogar noch deutlicher als bei den Männern. Waren es 1975 noch 59 % der Probandinnen, fiel der Anteil inaktiver Frauen binnen 6 Jahren um 11 Prozentpunkte auf 48 % und innerhalb des folgenden Jahrzehnts nochmals um 17 Prozentpunkte auf einen Anteil von nur noch 31 %, welcher 2011 mit 32 % relativ unverändert blieb. Der mittlere BMI der Probanden nahm über die 35-jährige Beobachtungszeit allerdings sowohl bei den Männern um 4,2 kg/m², als auch bei den Frauen um 4,9 kg/m² zu. Hierbei zeigten sich deutliche Unterschiede im Ausmaß der BMI-Steigerung zwischen den in Tab. [1] dargestellten Aktivitätstypen. Wobei die dauerhaft aktiven bzw. jene Männer, die im Laufe der Beobachtungszeit aktiv wurden, mit 3,6 kg/m² bzw. 3,5 kg/m² sowie die dauerhaft aktiven Frauen mit 4,1 kg/m² die geringste Gewichtszunahme verzeichneten. Über die gemischten Aktivitätslevel nahm auch die Gewichtszunahme stetig zu, bis sie bei jenen ihr Maximum von 5,2 kg/m² bzw. 6,6 kg/m² erreichte, die vormals zum Zeitpunkt der Ersterhebung aktiv waren und im Laufe des Beobachtungszeitraumes der Inaktivität verfielen. Entgegen der plausiblen Vermutung, sie verfügten über die größte Gewichtszunahme, zeigten die durchwegs Inaktiven mit 4,2 kg/m² bzw. 6,1 kg/m² Gewichtszunahmen, welche eher im Mittelfeld verortet sind. Hierbei muss jedoch angemerkt werden, dass die durchwegs inaktiven Männer bereits zur Ersterhebung im Mittel um 0,6 kg/m² bis 1,1 kg/m² statistisch signifikant schwerer waren, als jene der anderen Gruppen. Im Fall der weiblichen Probandinnen zeigte sich der Unterschied der persistent inaktiven Probandinnen zu den anderen Gruppen zur Baseline mit 0,2 kg/m² bis 0,8 kg/m² etwas geringer, jedoch zu allen Gruppen außer der jener Frauen, welche während des Untersuchungszeitraumes inaktiv wurden, statistisch signifikant. Auch im multivariaten Modell konnten sich die beschriebenen Zusammenhänge unter Berücksichtigung der Kontrollvariablen bestätigen.

Vergleicht man die geschlechtsspezifischen Ergebnisse, fallen sofort 2 Aspekte ins Auge. Zunächst, dass die Rangfolge der Aktivitätsgruppen relativ ähnlich ist, die Probandinnen ungeachtet dessen aber auch wesentlich steilere Aktivitäts-Zeit-Interaktionen als die männlichen Probanden zeigen. Das bedeutet, dass die ohnehin schon größere, die Aktivitätslevel übergreifende, Gewichtszunahme der Frauen in den inaktiveren Gruppen wesentlich steiler ausfällt als bei der korrespondierenden männlichen Probandengruppe.

Im Vergleich der Zwillingspärchen konnte sich der Einfluss der Genetik auf die BMI-Veränderung als relevante Größe bestätigen, so zeigen die monozygoten Zwillinge mit einer Mehrzunahme von 0,68 kg/m² zulasten der inaktiven Gruppe einen nur halb so großen Effekt, wie die zweieiigen Zwillinge, zwischen denen der Unterschied 1,42 kg/m² beträgt.

Fazit

Zusammenfassend lässt sich demnach festhalten, dass über den Beobachtungszeitraum der BMI geschlechts- wie auch aktivitätsniveauübergreifend zunimmt. Wobei das Ausmaß der BMI-Veränderung zwischen den Aktivitätskategorien deutlich variiert, allerdings keine direkte Proportionalität zum Aktivitätsverhalten aufweist. Frauen scheinen hierbei allerdings etwas stärker davon zu profitieren, dauerhaft aktiv zu sein als Männer. Auch scheint der Genetik eine bedeutende Rolle in der Gewichtsregulation zuzukommen, wie im Zwillingsvergleich gezeigt werden konnte. Dennoch konnten sich auch hier die Unterschiede in der Gewichtszunahme zwischen den Aktivitätskategorien bestätigen.

Kommentar

Diese einerseits sehr wertvollen Ergebnisse gehen jedoch zulasten der Generalisierbarkeit, schließlich teilen auch die zweieiigen Zwillinge statistisch 50 % ihres Genpools demzufolge unklar ist, wie der Effekt bei einer repräsentativen unverbundenen Stichprobe ausgefallen wäre. Ein weiterer großer Kritikpunkt, welcher beinahe alle epidemiologischen Bewegungsstudien betrifft, ist die meist beschränkte Konstruktvalidität der eingesetzten Befragungsinstrumente, die selbst bei relativ aufwändigen Fragebögen nur ca. 10–16 % gemeinsame Merkmalsvarianz (r = 0,3–0,4) mit objektiv erfassten Aktivitätsdaten besitzen [[5]]. Ferner wird durch die Dichotomisierung des Aktivitätsverhaltens in aktives und inaktives Verhalten ein gewaltiger Informationsverlust erzeugt [[6]], damit einhergehend bleiben auch die den METs zu Grunde liegenden Belastungsparameter unbeleuchtet, die gerade für die Konzeption langfristig effektiver Lebensstilmodelle relevant würden. So ist unklar, ob es bedeutsam ist, wie sich beispielsweise 10 MET-h zusammensetzen – z. B. 3 h Spazierengehen, 1,5 h Radfahren oder 1 h Joggen [[7]]. Klar ist lediglich, dass es sich hierbei nur um Freizeitaktivitäten handelte, demnach der Einfluss der arbeitsplatzbezogenen körperlichen Aktivität, sowie der gesamte Aktivitätsumsatz unbeachtet bleiben. Letzten Endes sind die Daten somit nur unter Vorbehalt interpretierbar. Ferner können aus den Ergebnissen keine Kausalschlüsse abgeleitet werden, da das Untersuchungsdesign lediglich korrelative Zusammenhänge aufzeigt. D. h. es bleibt unklar, ob die Aktivität durch einen erhöhten BMI abnimmt oder die BMI-Veränderungen sich doch auf die Aktivitätsmuster zurückführen lassen.

Trotz all der Kritik muss dennoch festgehalten werden, dass die Arbeit ein gewaltiges Aufklärungspotenzial hinsichtlich des Zusammenhanges von Aktivitätsverhalten, der Veränderung des BMI und der Rolle der Genetik birgt. Sie unterstreicht im Besonderen den hohen Nutzen davon, den inaktiven Lebensstil hinter sich zu lassen und in ein körperlich aktives Leben einzusteigen.

M. Köppel

• Literatur

• 1 Ng M, Fleming T, Robinson M et al. Global, regional, and national prevalence of overweight and obesity in children and adults during 1980–2013: a systematic analysis for the Global Burden of Disease Study 2013. The Lancet 2014; 384: 766-781
• 2 Guariguata L, Whiting D, Hambleton I et al. Global estimates of diabetes prevalence for 2013 and projections for 2035. Diabetes research and clinical practice 2014; 103: 137-149
• 3 Siegel RL, Miller KD, Jemal A. Cancer statistics, 2015. CA: a cancer journal for clinicians 2015; 65: 5-29
• 4 Piirtola M, Kaprio J, Waller K et al. Leisure-time physical inactivity and association with body mass index: a Finnish Twin Study with a 35-year follow-up. International journal of epidemiology 2016; dyw007
• 5 Helmerhorst HJ, Brage S, Warren J et al. A systematic review of reliability and objective criterion-related validity of physical activity questionnaires. Int J Behav Nutr Phys Act 2012; 9: 103
• 6 MacCallum RC, Zhang S, Preacher KJ et al. On the practice of dichotomization of quantitative variables. Psychological methods 2002; 7: 19
• 7 Ainsworth BE, Haskell WL, Whitt MC et al. Compendium of physical activities: an update of activity codes and MET intensities. Medicine and science in sports and exercise 2000; 32: 498-504
• 8 Falck RS, Davis JC, Liu-Ambrose T. What is the association between sedentary behaviour and cognitive function? A systematic review. British journal of sports medicine 2016; bjsports-2015-095551
• 9 Huber G. Ist Sitzen eine tödliche Aktivität?. Bewegungstherapie und Gesundheitssport 2014; 30: 13-16
• 10 Carson V, Kuzik N, Hunter S et al. Systematic review of sedentary behavior and cognitive development in early childhood. Preventive medicine 2015; 78: 115-122
• 11 Rosenberg DE, Bellettiere J, Gardiner PA et al. Independent Associations Between Sedentary Behaviors and Mental, Cognitive, Physical, and Functional Health Among Older Adults in Retirement Communities. The Journals of Gerontology Series A: Biological Sciences and Medical Sciences 2016; 71: 78-83
• 12 Sparling PB, Howard BJ, Dunstan DW et al. Recommendations for physical activity in older adults. BMJ 2015; 350 h100