Är metabolisk ålder från bioimpedans ett pålitligt hälsomått?

Apparater för bioelektrisk impedansanalys (BIA) anger ofta en ”metabolisk ålder”, där en individs beräknade metaboliska profil jämförs med referensvärden för kronologisk ålder. Inom idrottsfysiologi och klinisk epidemiologi är metabolisk ålder varken ett standardiserat medicinskt diagnosverktyg eller en direkt mätning av cellulär bioenergetik [2]. Storskaliga kliniska kohorter visar dock att BIA-baserad metabolisk ålder fungerar som en robust statistisk markör för kroppssammansättningens kvalitet, risk för insulinresistens och kardiometabol hälsa [1, 12, 16].

För att förstå den vetenskapliga validiteten hos metabolisk ålder måste man skilja på hur kommersiella mätare beräknar detta värde och hur väl värdet återspeglar faktiska fysiologiska utfall.

Hur BIA beräknar metabolisk ålder

Kommersiella BIA-mätare, såsom de från Tanita eller InBody, bedömer inte cellulär respiration, hormonstatus eller cirkulerande metaboliter direkt [2, 18]. I stället uppskattar de individens basala ämnesomsättning (BMR) – den energi som krävs för att upprätthålla grundläggande fysiologiska funktioner i vila, vilket utgör ungefär 60 till 75 % av den totala dagliga energiförbrukningen [2].

Eftersom skelettmuskulatur i vila förbrukar cirka 13 kcal/kg/dag (~6 kcal/lb/dag) jämfört med ungefär 4,5 kcal/kg/dag (~2 kcal/lb/dag) för fettvävnad, styrs BMR i hög grad av den fettfria massan [2]. Enheternas algoritmer, inklusive prediktiva modeller som ursprungligen togs fram av Heymsfield och kollegor baserat på ålder, kön, längd och vikt, uppskattar fettfri massa och beräknar BMR med hjälp av ekvationer som Katch-McArdle ($$\text{BMR}=370+[21.6\times \text{fettfri massa i kg}]$$) eller reviderade Harris-Benedict-formler [2, 5].

För att generera en ”metabolisk ålder” jämför enheten användarens uppskattade BMR med en referensdatabas av genomsnittliga BMR-värden indelade efter kronologisk ålder [2]. På befolkningsnivå sjunker vuxnas BMR med cirka 1 till 2 % per decennium, vilket främst beror på den gradvisa förlusten av skelettmuskulatur och dess ersättning med fettvävnad, medan fettmassa endast påverkar BMR med 2 till 3 % [1]. Om en individ bibehåller mer fettfri mjukvävnad och lägre relativ fettmassa än genomsnittet för sin kronologiska ålder, matchar personens högre BMR referensvärdet för en yngre åldersgrupp, vilket ger en lägre metabolisk ålder [1, 2, 5].

Denna beräkning bygger dock på demografiska antaganden. Medan industrins modeller ofta förutsätter en linjär minskning av energiförbrukningen genom vuxenlivet efter en topp i sena tonåren [19], visar storskaliga data med dubbelmärkt vatten från fler än 6 400 individer att storleksjusterad energiförbrukning i princip är stabil mellan 20 och 60 års ålder, och att den biologiska nedgången sker först efter 60 [15].

Samband med kardiometabol risk och insulinresistens

Trots att BIA-baserad metabolisk ålder bygger på matematiska approximationer snarare än direkta metaboliska mätningar, uppvisar den starka statistiska samband med validerade kardiometabola riskpoäng i stora kliniska kohorter [1, 12, 16].

I en tvärsnittsstudie med 8 590 spanska arbetstagare i åldrarna 18 till 69 år utvärderades metabolisk ålder via multifrekvens-BIA mot flera kriterier för metabolt syndrom och markörer för insulinresistens [1, 16]:

• Risk för insulinresistens: Förhöjd metabolisk ålder visade tydliga samband med surrogatindex för insulinresistens, däribland Metabolic Score for Insulin Resistance (METS-IR; OR 4,88, 95 % CI 4,12–5,65), Single Point Insulin Sensitivity Estimator (SPISE; OR 4,42, 95 % CI 3,70–5,15) och Triglyceride-Glucose-indexet (TyG; OR 3,42, 95 % CI 2,97–3,87) [1, 17].
• Metabolt syndrom: Individer med en metabolisk ålder som översteg deras kronologiska ålder hade markant högre odds för hypertoni kombinerat med bukfetma (OR 13,97, 95 % CI 11,82–16,13), metabolt syndrom enligt International Diabetes Federation (IDF; OR 10,96, 95 % CI 9,23–12,80), metabolt syndrom enligt NCEP ATP III (OR 8,01) och hypertriglyceridemi kombinerat med bukfetma (OR 7,44) [16].
• Diskriminerande precision: Ytan under ROC-kurvan (AUC) för metabolisk ålders förmåga att identifiera kardiometabola fenotyper varierade mellan 0,807 och 0,865 för båda könen [16]. En optimal gränsvärdesskillnad (metabolisk ålder minus kronologisk ålder) mellan −2 och +2 år uppvisade 75 till 82 % sensitivitet och 75 till 77 % specificitet för att identifiera förhöjd kardiometabol risk [16].
• Markörer för leversjukdom: ALLY-indexet (Avoidable Lost Life Years), beräknat som den matematiska skillnaden mellan metabolisk ålder via bioimpedans och kronologisk ålder, korrelerade starkt med riskpoäng för metabol dysfunktionsassocierad steatotisk leversjukdom (MASLD), fysisk inaktivitet och låg följsamhet till medelhavskost [12]. Det uppnådde hög prediktiv förmåga för fettleversjukdom (FLD AUC: 0,935 hos kvinnor, 0,917 hos män) och Fatty Liver Index (FLI AUC: 0,900 hos kvinnor, 0,833 hos män) [12].

Metabolisk ålder från BIA jämfört med molekylära och mångdimensionella biologiska klockor

För att sätta BIA-baserad metabolisk ålder i rätt sammanhang måste den skiljas från molekylära åldrandeklockor och omfattande funktionella fystester [8, 9].

Molekylära åldrandeklockor delas in i första generationens klockor (kalibrerade direkt mot kronologisk ålder) och andra generationens klockor (tränade på klinisk skörhet, sjukdomsincidens och dödlighetsrisk) [8]. Moderna metabolomiska plattformar fångar upp dynamiska, icke-linjära biologiska förändringar inom central energimetabolism, lipidfraktioner och systemisk inflammation (såsom GlycA och GlycB) [6, 8]. På liknande sätt kan masspektrometri påvisa akuta och kroniska metaboliska skiften, såsom lipidomvandling och förändringar av 5-oxoprolin under hypoxisk anpassning [10].

I motsats till detta är metabolisk ålder via BIA enbart en uppskattning baserad på kroppssammansättning [2]. Den fångar inte upp dessa cirkulerande cellulära signaler eller icke-strukturella metaboliska faktorer såsom mitokondriell respiration eller sköldkörtelhormonstatus [2].

Metodologiska begränsningar och praktiska överväganden

Även om BIA-baserade mått erbjuder ett smidigt sätt att följa trender inom idrott och företagshälsovård finns det flera metodologiska begränsningar att ta hänsyn till:

1. Brist på standardisering: Olika tillverkare använder olika proprietära ekvationer och skilda referensdatabaser [2]. Därför kan värden för metabolisk ålder från olika hårdvaruplattformar inte jämföras rakt av [2].
2. Enhetsspecifik träffsäkerhet vid olika kroppstyper: Valideringsstudier på 8-elektroders multifrekvenssystem från Tanita (såsom MC-780 och MC-980) visar god överensstämmelse med dubbelenergiröntgenabsorptiometri (DXA) för appendikulär fettfri mjukvävnad och fyrkomponentsmodeller för kroppsfettprocent hos friska populationer [5]. Subgruppsanalyser i kliniska populationer påvisar dock variationer; hos vuxna patienter med typ 2-diabetes uppvisar BIA och DXA exempelvis god samstämmighet i slanka ($$\text{BMI}<23{\text{ kg/m}}^2$$) och obesa ($$\text{BMI}\ge 25{\text{ kg/m}}^2$$) grupper, men sämre korrelation hos överviktiga individer ($$23\le \text{BMI}<25{\text{ kg/m}}^2$$) [20].
3. Fasvinkel som ett direkt rådatamått: Till skillnad från metabolisk ålder, som bygger på demografiska modeller och formelantaganden, är BIA-fasvinkel ($$\theta$$) ett direkt biofysiskt mått som speglar cellmembranens integritet och vävnadskvalitet [5, 14]. Fasvinkeln korrelerar signifikant med ultraljudsmätt muskelkvalitet över flera muskelgrupper, skiljer sig mätbart mellan könen och följer funktionell kapacitet, muskelstyrka samt kardiorespiratorisk kondition [3, 5, 14].

För tränande individer tolkas metabolisk ålder från BIA bäst som en förenklad spegling av förhållandet mellan muskelmassa och fettmassa snarare än en heltäckande bedömning av den inre metabola hälsan [2]. Att hålla en metabolisk ålder under sin kronologiska ålder sammanfaller visserligen väl med god insulinkänslighet, minskad fettinlagring i levern och låg risk för metabolt syndrom, men det förblir en indirekt beräkning driven av muskelmassa snarare än ett direkt mått på cellulär funktion [1, 2, 12, 16].