Er metabolsk alder fra bioimpedans et pålitelig helsemål?

Apparater for bioelektrisk impedansanalyse (BIA) oppgir ofte en «metabolsk alder», der individets beregnede metabolske profil sammenlignes med referanseverdier for kronologisk alder. Innen idrettsvitenskap og klinisk epidemiologi er ikke metabolsk alder et standardisert medisinsk diagnoseverktøy eller en direkte måling av cellulær bioenergetikk [2]. Likevel viser store kliniske kohorter at BIA-basert metabolsk alder fungerer som en solid statistisk indikator for kvaliteten på kroppssammensetningen, risiko for insulinresistens og kardiometabolsk helse [1, 12, 16].

For å forstå den vitenskapelige gyldigheten til metabolsk alder, må man skille mellom hvordan kommersielle apparater beregner dette tallet og hvor godt tallet faktisk gjenspeiler reelle fysiologiske endepunkter.

Slik beregner BIA metabolsk alder

Kommersielle BIA-apparater, som de fra Tanita eller InBody, måler ikke cellulær respirasjon, hormonstatus eller sirkulerende metabolitter direkte [2, 18]. I stedet estimerer de personens basale hvileforbrenning (BMR) – energien som kreves for å opprettholde grunnleggende fysiologiske funksjoner i hvile, noe som utgjør omtrent 60 % til 75 % av det totale daglige energiforbruket [2].

Fordi skjelettmuskulatur i hvile forbruker omtrent 13 kcal/kg/dag (~6 kcal/lb/dag) sammenlignet med omtrent 4,5 kcal/kg/dag (~2 kcal/lb/dag) for fettvev, styres BMR i stor grad av den fettfrie massen [2]. Apparatenes algoritmer, inkludert prediksjonsmodeller opprinnelig utviklet av Heymsfield og kolleger som inkluderer alder, kjønn, høyde og vekt, estimerer fettfri masse og beregner BMR ved hjelp av formler som Katch-McArdle ($$\text{BMR}=370+[21.6\times \text{fettfri masse i kg}]$$) eller reviderte Harris-Benedict-ligninger [2, 5].

For å generere en «metabolsk alder» sammenligner apparatet brukerens estimerte BMR med en referansedatabase over gjennomsnittlige BMR-verdier gruppert etter kronologisk alder [2]. På befolkningsnivå synker BMR hos voksne med omtrent 1 % til 2 % per tiår. Dette drives primært av gradvis tap av skjelettmuskulatur og økning i fettvev, ettersom fettmasse kun påvirker BMR med 2 % til 3 % [1]. Hvis en person opprettholder mer muskelmasse og lavere relativ fettmasse enn gjennomsnittet for sin kronologiske alder, vil den forhøyede hvileforbrenningen tilsvare referanseverdien til en yngre aldersgruppe, noe som gir en lavere metabolsk alder [1, 2, 5].

Denne beregningen hviler imidlertid på demografiske antakelser. Mens kommersielle modeller ofte antar et lineært fall i energiforbruk gjennom voksenlivet etter en topp i slutten av tenårene [19], viser data fra dobbeltmerket vann hos over 6 400 personer at størrelsesjustert energiforbruk holder seg i hovedsak stabilt mellom 20 og 60 års alder, og først begynner sin biologiske nedgang etter fylte 60 år [15].

Sammenheng med kardiometabolsk risiko og insulinresistens

Til tross for at målingen baserer seg på matematiske beregninger snarere enn direkte metabolske målinger, viser BIA-basert metabolsk alder sterke statistiske sammenhenger med validerte kardiometabolske risikoskårer i store kliniske kohorter [1, 12, 16].

I en tverrsnittsstudie av 8 590 spanske arbeidstakere i alderen 18 til 69 år ble metabolsk alder målt med multifrekvens-BIA vurdert opp mot flere kriterier for metabolsk syndrom og markører for insulinresistens [1, 16]:

• Risiko for insulinresistens: Forhøyet metabolsk alder viste betydelige assosiasjoner med surrogatindekser for insulinresistens, inkludert Metabolic Score for Insulin Resistance (METS-IR; OR 4,88, 95 % KI 4,12–5,65), Single Point Insulin Sensitivity Estimator (SPISE; OR 4,42, 95 % KI 3,70–5,15) og Triglyceride-Glucose (TyG)-indeksen (OR 3,42, 95 % KI 2,97–3,87) [1, 17].
• Metabolsk syndrom: Personer med en metabolsk alder som oversteg deres kronologiske alder, hadde markant høyere odds for hypertensivt midjemål (OR 13,97, 95 % KI 11,82–16,13), metabolsk syndrom etter International Diabetes Federation (IDF)-kriterier (OR 10,96, 95 % KI 9,23–12,80), NCEP ATP III-definert metabolsk syndrom (OR 8,01) og hypertriglyseridemisk midjemål (OR 7,44) [16].
• Diskriminativ nøyaktighet: Areal under ROC-kurven (AUC) for metabolsk alders evne til å skille kardiometabolske fenotyper varierte fra 0,807 til 0,865 på tvers av kjønn [16]. En optimal terskelverdi (metabolsk alder minus kronologisk alder) mellom −2 og +2 år viste 75 % til 82 % sensitivitet og 75 % til 77 % spesifisitet for å identifisere forhøyet kardiometabolsk risiko [16].
• Markører for leversykdom: Indeksen Avoidable Lost Life Years (ALLY), beregnet som den matematiske differansen mellom bioimpedansbasert metabolsk alder og kronologisk alder, korrelerte sterkt med risikoskårer for metabolsk dysfunksjonsassosiert steatotisk leversykdom (MASLD), fysisk inaktivitet og lav etterlevelse av middelhavskosthold [12]. Den oppnådde høy prediktiv evne for fettleversykdom (FLD AUC: 0,935 hos kvinner, 0,917 hos menn) og Fatty Liver Index (FLI AUC: 0,900 hos kvinner, 0,833 hos menn) [12].

BIA-metabolsk alder sammenlignet med molekylære og multifaktorielle biologiske klokker

For å sette BIA-metabolsk alder i riktig kontekst må den skilles fra molekylære aldringsklokker og mer omfattende funksjonelle formtester [8, 9].

Molekylære aldringsklokker deles inn i førstegenerasjonsklokker (kalibrert direkte mot kronologisk alder) og andregenerasjonsklokker (trent på klinisk skrøpelighet, sykdomsforekomst og dødelighetsrisiko) [8]. Moderne metabolomiske plattformer fanger opp dynamiske, ikke-lineære biologiske endringer i sentral energiomsetning, lipidundergrupper og systemisk betennelse (som GlycA og GlycB) [6, 8]. På tilsvarende vis avdekker massespektrometri akutte og kroniske metabolske skifter, som lipidomstrukturering og endringer i 5-oksoprolin under hypoksisk tilpasning [10].

Til sammenligning er BIA-basert metabolsk alder utelukkende et estimat basert på kroppssammensetning [2]. Den fanger ikke opp disse sirkulerende cellulære signalene eller fysiologiske faktorer som mitokondriell respirasjon eller skjoldbruskkjertelhormoner [2].

Metodologiske begrensninger og praktiske hensyn

Selv om BIA-baserte målinger gir enkel og praktisk oppfølging i trenings- og bedriftshelsesammenheng, gjelder flere metodologiske forbehold:

1. Mangel på standardisering: Ulike utstyrsprodusenter bruker proprietære formler og ulike referansedatabaser [2]. Resultater for metabolsk alder kan derfor ikke sammenlignes direkte på tvers av ulike produsenter eller modeller [2].
2. Apparatspesifikk nøyaktighet på tvers av kroppstyper: Valideringsstudier på 8-elektroders multifrekvenssystemer fra Tanita (som MC-780 og MC-980) viser godt samsvar med DXA-målinger (dual-energy X-ray absorptiometry) for appendikulær fettfri masse og firekomponentmodeller for fettprosent hos friske personer [5]. Subgruppeanalyser i kliniske populasjoner viser imidlertid variasjon; hos voksne med type 2-diabetes viser BIA og DXA høyt samsvar hos slanke ($$\text{BMI}<23{\text{ kg/m}}^2$$) og overvektige/obese ($$\text{BMI}\ge 25{\text{ kg/m}}^2$$), men svakere korrelasjon i sjiktet med moderat overvekt ($$23\le \text{BMI}<25{\text{ kg/m}}^2$$) [20].
3. Fasevinkel som et direkte rådatamål: I motsetning til metabolsk alder, som bygger på demografiske modeller og forhåndsdefinerte formler, er BIA-fasevinkel ($$\theta$$) en direkte biofysisk måling som gjenspeiler cellemembranenes integritet og vevskvalitet [5, 14]. Fasevinkelen korrelerer signifikant med ultralydmålt muskelkvalitet på tvers av flere muskelgrupper, varierer målbart mellom kjønn og henger sammen med funksjonell kapasitet, muskelstyrke og kardiorespiratorisk form [3, 5, 14].

For personer som trener, bør BIA-basert metabolsk alder primært tolkes som en forenklet gjenspeiling av forholdet mellom muskelmasse og fettmasse, snarere enn en helhetlig vurdering av indre metabolsk helse [2]. Å ha en metabolsk alder som er lavere enn den kronologiske alderen samsvarer godt med gunstig insulinfølsomhet, mindre fettansamling i leveren og lav risiko for metabolsk syndrom, men forblir en indirekte beregning drevet av muskelmasse, ikke en direkte måling av cellulær helse [1, 2, 12, 16].