Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

Glykämischer Einfluss auf die Symptome von Kniearthrose auf physische, röntgenologische und entzündliche Marker bei Personen ab 50 Jahren mit Diabetes

1.4K Aufrufe

⸱

DOI:

10.3791/67521

⸱

7. März 2025

 ,  ,  ,  ,  ,  ,  ,  , 
1Centre for Healthy Ageing and Wellness, Faculty of Health Sciences, Universiti Kebangsaan Malaysia, 2Department of Radiology, Hospital Canselor Tuanku Muhriz UKM, 3Laboratory of Natural Products, Institute of Bioscience, Universiti Putra Malaysia, 4Ageing and Age-Associated Disorders Research Group, Department of Medicine, Faculty of Medicine, University of Malaya, 5Department of Medical Sciences, School of Medical and Health Sciences, Sunway University

In diesem Artikel

Zusammenfassung

Hier stellen wir ein Protokoll zur Beurteilung der glykämischen Kontrolle anhand des Kapillarblutzuckerspiegels (CBG) und des glykierten Hämoglobin-A1C-Spiegels (HbA1C) vor. Diese Studie untersucht den Einfluss von Hyperglykämie auf die Symptome von Kniearthrose (KOA), die körperliche Leistungsfähigkeit, das körperliche Aktivitätsniveau, den röntgenologischen Schweregrad und Entzündungen bei älteren Erwachsenen mit Diabetes.

Zusammenfassung

Diese Studie untersucht den Einfluss von Hyperglykämie auf die Symptome der Kniearthrose (KOA), die körperliche Leistungsfähigkeit, das körperliche Aktivitätsniveau, den radiologischen Schweregrad und die Entzündung bei älteren Erwachsenen. Anhaltende hyperglykämische Zustände tragen zu einer fortgeschrittenen Bildung von Glykationsendprodukten (AGE) bei, die die KOA-Symptome verschlimmern. Der Kapillarblutzuckerspiegel (CBG) und der glykierte Hämoglobin-A1C-Spiegel (HbA1C) werden häufig in Labortests zur glykämischen Beurteilung verwendet, was deutliche Vorteile und Einschränkungen bietet. Die Teilnehmer wurden basierend auf ihren CBG- und HbA1C-Werten in gute und schlechte glykämische Kontrollgruppen eingeteilt. Der klinische Schweregrad und die körperliche Aktivität der KOA wurden anhand des Knee Injury and Osteoarthritis Outcome Score (KOOS) und des internationalen Fragebogens zur körperlichen Aktivität gemessen. Die körperliche Leistungsfähigkeit wurde mit der Kraft des Handgriffs, der Ganggeschwindigkeit, dem Time-Up-and-Go (TUG) und dem 5-fachen Sit-to-Stand (5STST) gemessen. Es wurden Röntgenaufnahmen des Knies durchgeführt, und es wurde eine Serum-ELISA-Analyse (Enzyme-Linked Immunosorbent Assay) für IL-1β, IL-4, CRP, NF-κB und AGE durchgeführt. Dreihundert rekrutierte Teilnehmer (Durchschnittsalter [SD] = 66,40 Jahre (5,938) mit CBG, von Nüchternblutzucker > 7,0 mmol/L und zufälligem Blutzucker > 11,1 mmol/L, (N = 254) wurden mit KOOS-Schmerzen (p=0,008) und Symptomen (p=0,017) und 5STST (p=0,015) verglichen; während HbA1c > 6,3% (N = 93) mit 5STST (p=0,002) verglichen wurde, und AGEs (p=0,022) basierend auf dem Mann Whitney U-Test. Die logistische Regression zeigte signifikante Zusammenhänge zwischen der glykämischen Kontrolle und der Muskelkraft der unteren Gliedmaßen, dem radiologischen Schweregrad, Labormarkern sowie zwischen dem glykämischen Status und den Schmerzen und Symptomen von KOOS. Diese Assoziationen blieben jedoch auch nach der Anpassung an den BMI nicht signifikant. Ein schlechter glykämischer Status allein war mit einer besseren Funktion im Sport- und Freizeitbereich nach der Anpassung der antidiabetischen Medikation verbunden, was auf entzündungshemmende und schmerzstillende Wirkungen hindeutet, die die Wirkung eines hohen Blutzuckerspiegels maskierten. Zukünftige Studien könnten die Vorhersagefähigkeit der glykämischen Bewertung für eine schlechte Kniefunktion und körperliche Leistungsfähigkeit untersuchen und gleichzeitig die Auswirkungen des Medikaments berücksichtigen.

Einleitung

Die Prävalenz von Kniearthrose (KOA) nimmt mit zunehmendem Alter zu, wobei das Knie ein wichtiges tragendes Gelenk ist1. KOA manifestiert sich in der Regel mit Steifheit und chronischen Schmerzen am Kniegelenk, was die Beweglichkeit einschränkt, die Lebensqualität verringert und das Risiko für Herz-Kreislauf-Erkrankungen erhöht2. Diabetes mellitus, der auch mit dem Alter zusammenhängt, trägt zum Risiko der Entwicklung von KOA bei, da erhöhte Glukose- und Lipidspiegel die fortgeschrittene Bildung von Glykationsendprodukten (AGE) fördern, was zu chronischen Gelenkentzündungen und Knorpeldegeneration führt3. Trotz der Verfügbarkeit von Gesundheitsdiensten wissen zwei von fünf Malaysiern mit Diabetes mellitus nichts von ihrer Diagnose, während 56 % der diagnostizierten Personen keine gute Blutzuckerkontrolle aufrechterhaltenkonnten 4. Akute Hyperglykämie kann zu einem hyperglykämischen hyperosmolaren Zustand führen, der lebensbedrohlich ist, während chronische Hyperglykämie zu peripherer Neuropathie, Nephropathie, Retinopathie und Herz-Kreislauf-Erkrankungen führt5.

Die periphere Neuropathie, eine mikrovaskuläre Komplikation, die aus einer schlechten Blutzuckerkontrolle resultiert und zu veränderten Schmerzmechanismen führt, kann die Knieschmerzen bei KOA6 übertreiben. Das Vorhandensein von Diabetes bei Personen mit KOA ist mit einem verminderten Bewegungsumfang am Kniegelenk, einer verminderten Kniefunktion, vermehrten röntgenologischen Veränderungen und einer schlechteren Lebensqualität verbunden7. Die verminderte körperliche Leistungsfähigkeit, die sich aus den Auswirkungen von Diabetes auf KOA ergibt, ist durch eine Beeinträchtigung der Muskelkraft und Koordination gekennzeichnet8. Magnetresonanztomographische Hinweise auf degenerative Veränderungen, die mit Knorpel- und Meniskusschäden verbunden sind, wie z. B. verkleinerter Gelenkspalt und Fehlstellung, scheinen bei Personen mit Diabetes schwerwiegender zu sein9.

Eine schlechte glykämische Kontrolle ist mit hochregulierten degenerativen Enzymen und Entzündungsfaktoren in der Kniegelenksflüssigkeit verbunden. Erhöhte Zytokine und Proteine bei Diabetes, wie IL-1β, IL-4, IL-6, Kernfaktor-κB (NF-κB) und Tumornekrosefaktor-alpha (TNF-α), sind mit der KOA-Pathophysiologie assoziiert10,11. In den Chondrozyten führt ein defekter Glukosetransporter zu einer hochregulierten Glykolyse, Polyol-Signalwegen, Proteinkinase C- und Pentose-Signalwegen und schließlich zu einer hohen Produktion von reaktiven Sauerstoffspezies10.

Nüchtern und zufälliger Blutzucker liefern eine Schätzung des aktuellen glykämischen Status sowie der Glukoseverarbeitungsfähigkeit im Zusammenhang mit der Insulinresistenz12. Glykiertes Hämoglobin A (HbA1c) ist ein Maß für die glykämische Kontrolle in den letzten drei Monaten. Daraus ergeben sich jedoch keine Angaben zu akuten Schwankungen13. Kapillarblutzuckertests ermöglichen eine unmittelbare Beurteilung des glykämischen Status am Krankenbett oder in der Klinik, was zu Debatten über ihren Wert bei der Bestimmung der glykämischen Kontrolle sowie bei der Vorhersage des Risikos von Komplikationen geführt hat14,15. Daher zielt diese Studie darauf ab, den Zusammenhang zwischen der mit HbA1c bestimmten glykämischen Kontrolle und dem erhöhten Blutzucker, der mit dem kapillären Blutzucker (CBG) bestimmt wird, mit den Knee Injury and Osteoarthritis Outcome Scores (KOOS), der körperlichen Leistungsfähigkeit, dem körperlichen Aktivitätsniveau, dem röntgenologischen Schweregrad und den Entzündungsmarkern bei Personen mit KOA aufzuklären.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Das Studienprotokoll entsprach der Deklaration von Helsinki und wurde von der Ethikkommission der Universiti Kebangsaan Malaysia (Referenznummer: JEP-2022-001) genehmigt.

1. Rekrutierung von Teilnehmern

  1. Wählen Sie die Studienpopulation aus in der Gemeinde lebenden Erwachsenen mit KOA ab 50 Jahren in Kuala Lumpur und Selangor aus. Rekrutierte Teilnehmer aus Seniorenorganisationen sowie Diabetes- und orthopädischen Kliniken.
    HINWEIS: Das Vorhandensein von KOA wird mit selbst berichteten ärztlich diagnostizierten KOA oder solchen, die die klinischen Untersuchungskriterien des American College of Rheumatology (ACR) erfüllen16, definiert.
  2. Ausgeschlossen sind institutionalisierte ältere Erwachsene oder solche, die an schweren psychischen Beeinträchtigungen und Typ-1-Diabetes leiden.
  3. Identifizieren Sie unter Bezugnahme auf veröffentlichte Literatur zu Querschnittskohorten aus ähnlichen Settings die Effektstärke, die in dieser Studie das ungerade Verhältnis ist. Berechnen Sie den Stichprobenumfang, der eine Trennschärfe von 80 % ergibt, um die Nullhypothese mit G*Power 3.117 zurückzuweisen.
  4. Erläutern Sie die Forschungsziele und holen Sie vor der Datenerhebung eine Einwilligungserklärung ein.

2. Datenerhebung - Fragebogen

  1. Führen Sie Fragebögen durch, darunter soziodemografische, KOOS18 und den International Physical Activity Questionnaire (IPAQ)19.
  2. Berechnen Sie die Gesamtpunktzahl für jeden der fünf KOOS-Bereiche, die aus den 42 Elementen abgeleitet werden, und wandeln Sie die Punktzahlen in eine Prozentskala von 0 bis 100 um, wobei Null für keine Probleme und 100 für extreme Probleme für jeden Bereich steht.
  3. Berechnen Sie das metabolische Äquivalent der Aufgabe (MET) für IPAQ-Domänen, indem Sie die benötigte Zeit in Minuten und die Anzahl der Tage pro Woche unter Berücksichtigung des Standards jeder Domäne multiplizieren.
    HINWEIS: Die Gesamt-MET, die auf das körperliche Aktivitätsniveau hinweist, beträgt 3,3 (MET für Gehaktivität), + 4 (MET für Aktivität mittlerer Intensität), + 8 (MET für starke Intensität).

3. Datenerhebung - Körperliche Leistungsfähigkeit

  1. Messen Sie die Höhe mit einem Stadiometer. Ermitteln Sie das Körpergewicht und den Body-Mass-Index (BMI) mit einem Analysator für die Körperzusammensetzung. Stellen Sie sicher, dass die Teilnehmer schwere Kleidung, metallische Accessoires und Schuhe ausziehen.
  2. Messen Sie den Taillen-, Hüft- und Wadenumfang mit einem Maßband. Notieren Sie die Messung in Zentimetern auf Höhe des Nabels in Ruhe für den Taillenumfang und die Messung in Höhe des maximalen hinteren Vorsprungs des Gesäßes für den Hüftumfang20. Messen Sie den Wadenumfang an der größten Dimension der Längsachse, wobei die Teilnehmer mit geradem Rücken und beiden Füßen auf dem Boden sitzen21.
  3. Geben Sie den Teilnehmern Anweisungen zur Durchführung der körperlichen Leistungstests: Handgrifffestigkeitstest (HGS)22, Timed-up-and-Go-Test (TUG)23, Sechs-Meter-Gehtest24 und fünfmaliger Sitz-zur-Stand-Test (5STST)25.
    1. Stellen Sie sicher, dass die Leistungseinstellung frei von Hindernissen und Gefahren ist. Erlauben Sie 1 Minute standardisierte Ruhezeiten zwischen den Tests26.
  4. Führen Sie den Handgrifffestigkeitstest durch.
    1. Weisen Sie den Teilnehmer an, mit vorgeschobenen Schultern in der neutralen Position zu sitzen, wobei der Ellbogen um 90° gebeugt ist.
    2. Weisen Sie sie darauf hin, dass sie während des gesamten Tests keine schnellen Dreh- oder Ruckbewegungen ausführen sollen.
    3. Messen Sie dreimal die maximale Kraft mit dem Handgriffprüfstand für jede Hand und wählen Sie das größte Maß in kg aus.
  5. Führen Sie den zeitgesteuerten Up-and-Go-Test durch.
    1. Weisen Sie den Teilnehmer an, aufrecht zu sitzen, den Rücken mit der Rückenlehne des Stuhls in Kontakt zu bringen, die Arme auf den Armlehnen zu ruhen und die Füße flach auf dem Boden zu positionieren.
    2. Notieren Sie mit einer Stoppuhr die Zeit, die Sie benötigen, um aufzustehen, 3 m zu gehen, eine Kehrtwende zu machen, zurück zum Stuhl zu gehen und sich wieder hinzusetzen. Starten Sie die Zeitmessung, wenn der Rücken des Teilnehmers den Kontakt zur Rückenlehne des Stuhls verliert, und stoppen Sie die Zeitmessung, sobald der Rücken des Teilnehmers die Rückenlehne des Stuhls berührt.
    3. Wiederholen Sie den Vorgang zweimal und notieren Sie die niedrigste Zeit in Sekunden, die als Endergebnis verwendet wird.
  6. Beurteilen Sie die Ganggeschwindigkeit.
    1. Messen Sie einen 10 m langen Gehweg aus und platzieren Sie Markierungen mit Klebeband in einem Abstand von 2 m zu jedem Ende des Gehwegs, um die Punkte anzuzeigen, an denen die Messungen beginnen und enden.
    2. Lassen Sie die Teilnehmer in ihrem normalen Tempo einen 10 m langen Steg entlanggehen.
    3. Starten Sie den Timer, sobald der Teilnehmer die ersten 2 m überquert hat, und stoppen Sie den Timer bei 8 m Linie.
    4. Berechnen Sie die Ganggeschwindigkeit mit der Formel für die Geschwindigkeit (m/s), wobei 6 m durch die benötigte Zeit in Sekunden dividiert wird.
  7. Führen Sie den fünfmaligen Sitz-zu-Steh-Test durch.
    1. Weisen Sie die Teilnehmer an, 5-mal so schnell aufzustehen und sich hinzusetzen, wie sie es mit dem Gleichgewicht könnten.
    2. Notieren Sie die Zeit, die für 5 Wiederholungen benötigt wird, und wählen Sie die niedrigste Zeit in Sekunden aus den drei Versuchen.

4. Datenerhebung - Knie-Röntgen

  1. Legen Sie einen Termin, ein Datum und eine Uhrzeit fest, zu der die Teilnehmer das Krankenhaus für eine Röntgenuntersuchung beider Knie unter Verwendung der stehenden anteroposterioren Belastungsansicht aufsuchen.
  2. Senden Sie Röntgenbilder an den Radiologen, der die Kellgren- und Lawrence-Einstufung für jedes Knie27 bestimmt und zuweist.
    HINWEIS: Das Klassifikationssystem hat Noten von 0 bis 4, wobei höhere Noten auf einen zunehmenden Schweregrad der KOA hinweisen, basierend auf Merkmalen: Osteophytenbildung, periartikuläre Gehörknöchelchen, veränderte Form der Knochenenden, Verengung des Gelenkspalts und subchondrale Sklerose.
  3. Notieren Sie die zugewiesene Note und stellen Sie sicher, dass die Punktzahl dem richtigen Knie zugewiesen wird.

5. Datenerhebung - Kapillarblutentnahme zur Beurteilung des glykämischen Status

  1. Waschen Sie sich die Hände und ziehen Sie OP-Handschuhe an. Reinigen Sie den Finger des Teilnehmers mit einem Alkoholtupfer und lassen Sie den Finger an der Luft trocknen.
  2. Bereiten Sie das Blutzuckermessgerät vor, indem Sie den Teststreifen einführen.
  3. Wählen Sie ein Lanzettengerät aus und stellen Sie sicher, dass es unbenutzt und versiegelt ist.
  4. Brechen Sie das Siegel der Lanzette und stechen Sie mit der neuen Lanzettenvorrichtung in den Finger, drücken Sie den Finger zusammen, um einen kleinen Blutblies zu erzeugen, und berühren Sie den Blutstropfen mit dem Teststreifen.
  5. Verwenden Sie Kontrolllösungen zur Qualitätssicherung, lassen Sie die Lösung auf den Teststreifen fallen und prüfen Sie, ob sie sich laut Hersteller im erwarteten Bereich befindet.
  6. Notieren Sie den vom Blutzuckermessgerät angezeigten Blutzuckerspiegel. Fragen Sie den Teilnehmer, wann seine letzte Mahlzeit war und notieren Sie, ob diese mehr als 8 h vor dem Zeitpunkt der Probenahme eingenommen wurde.
    HINWEIS: Für den Nüchternblutzucker müssen die Teilnehmer vor diesem Verfahren mindestens 8 Stunden fasten, während der Zufallsblutzucker dies nicht tut.
  7. Entsorgen Sie die Lanzette sicher in einem Behälter für scharfe Gegenstände und geben Sie dem Teilnehmer ein Wattestäbchen, um Druck auf den Einstichbereich am Finger auszuüben und die Blutstillung sicherzustellen.
  8. Waschen Sie sich nach dem Eingriff die Hände. Beseitigen Sie verschüttetes Blut.

6. Datenerhebung - Venöse Blutentnahme zur Beurteilung der Blutzuckerkontrolle

  1. Waschen Sie sich die Hände und ziehen Sie OP-Handschuhe an.
  2. Identifizieren Sie eine geeignete Vene entweder aus der rechten oder linken Fossa antecubitalis. Legen Sie ein Tourniquet am Oberarm des ausgewählten Arms an und identifizieren Sie durch Abtasten eine geeignete Vene.
  3. Reinigen Sie die Haut um die ausgewählte Vene mit einem Alkoholtupfer und lassen Sie sie an der Luft trocknen.
  4. Entnehmen Sie venöse Blutproben mit einer 23-g-Schmetterlingsnadel unter Verwendung von zwei Flaschen mit 6 ml reinen Blutröhrchen. Beschriften Sie die Röhrchen mit dem eindeutigen Identifikationscode des Teilnehmers.
  5. Entsorgen Sie scharfe Gegenstände und klinische Abfälle sicher und waschen Sie sich die Hände.
  6. Transportieren Sie Blutproben in einer Kühlbox mit einem Eisbeutel ins Labor. Geben Sie die Blutproben in ihre Entnahmeröhrchen in eine Zentrifuge und zentrifugieren Sie sie bei 604 x g für 10 min.
  7. Aliquotieren Sie das Serum mit einer Mikropipette in 1,5-ml-Mikrozentrifugenröhrchen und beschriften Sie die Röhrchen mit Datum, Identifikationscode und Art der Probe, bevor Sie es bei -80 °C lagern.

7. ELISA-Assay

  1. Berechnen Sie das für den ELISA-Assay benötigte Serumvolumen auf der Grundlage des Herstellerhandbuchs. Führen Sie einen Optimierungsassay durch, um die optimale Konzentration zu bestimmen. Wiederholen Sie den Vorgang für IL-1β, IL-4, CRP, NF-κB bzw. AGEs.
  2. Tauen Sie das Serum auf und bringen Sie die ELISA-Reagenzien auf Raumtemperatur (RT). In der Zwischenzeit beschriften Sie Mikrozentrifugenröhrchen für Standards, Proben und Rohlinge.
  3. Bereiten Sie Arbeitslösungen gemäß den Anweisungen des Herstellers für das Verdünnungsmittel, die Nachweisantikörper, das Substrat und den Waschpuffer aus den Stammlösungen vor, falls erforderlich.
  4. Führen Sie zweifache serielle Verdünnungen für die Standards mit dem gegebenen Standardverdünnungsmittel durch. Referenzstandard für jeden Marker: IL-1β = 500 pg/ml, IL-4 = 2000 pg/ml, CRP = 25 ng/ml, NF-κB = 10 ng/ml, AGEs = 4800 ng/l. Das Standard-Verdünnungsmittel dient auch als Rohling.
  5. Verdünnen Sie die Serumprobe bei Bedarf für einen optimierten Assay.
    1. Verwenden Sie für IL-1β-, IL-4- und NF-κB-ELISA-Assays saubere Serumproben. Bei CRP mit Referenzverdünnungsmittel um das 1000-fache verdünnen. Pipettieren Sie 100 μl Proben in die Vertiefung und duplizieren Sie jede von ihnen.
    2. Verwenden Sie für den ELISA-Assay von AGE eine Serumprobe mit 2-facher Verdünnung, pipettieren Sie 40 μl der Probe in die Vertiefung und duplizieren Sie jede.
  6. Wechseln Sie die Pipettenspitzen zwischen verschiedenen Proben oder Reagenzien. Verwenden Sie eine Mehrkanalpipette, um Kanteneffekte zu vermeiden.
  7. Inkubieren Sie gemäß der im Herstellerhandbuch empfohlenen Zeit und Temperatur und versiegeln Sie die Platte für jede Inkubation mit einer neuen Klebeabdeckung.
  8. Für diesen Sandwich-ELISA inkubieren Sie die Probe und den Standard in die vorbeschichteten Wells, gefolgt von dem Nachweisantikörper, dem konjugierten Sekundärantikörper, dem Substrat und schließlich der Stopplösung. Fügen Sie jede Lösung in der gleichen Reihenfolge wie zuvor hinzu.
  9. Dekantieren und Waschen Sie die Vertiefungen zwischen der Inkubation mit Waschpuffer gemäß der Bedienungsanleitung des Herstellers. Klopfen Sie die Vertiefungen gegen sauberes, saugfähiges Papier, um den Waschpuffer zu entfernen, aber stellen Sie sicher, dass die Vertiefungen nicht austrocknen, bevor die nächste Lösung hinzugefügt wird.
  10. Lesen Sie die Vertiefungen mit einem Mikroplatten-Reader bei 450 nm ab. Aufzeichnung und Berechnung unter Verwendung der 4PL-Kurve (Four Parameter Logistic), einer quantitativen Methode zur Darstellung und Bestimmung der Konzentration von symmetrischen sigmoidalen Kalibratoren28. Verwenden Sie den Durchschnitt für jede Probe für die Analyse.

8. Statistische Auswertung

HINWEIS: Analysieren Sie die Daten mit einer geeigneten Datenanalysesoftware (hier wurde SPSS Version 20 verwendet). Kategorisieren Sie die Studienpopulation in zwei Gruppen: 1) gute glykämische Kontrolle, 2) schlechte glykämische Kontrolle (schlechter glykämischer Status = Nüchternblutzucker mehr als 7,0 mmol/L oder zufälliger Blutzucker höher als 11,1 mmol/L; Schlechte glykämische Kontrolle = HbA1c höher als 6,3%).

  1. Öffnen Sie die Software, um Variablen basierend auf dem Datum, dem Identifikationscode der Teilnehmer, soziodemografischen Variablen, Fragebogenelementen und gemessenen Parametern zu erstellen.
    1. Wählen Sie Variablenansicht aus. Fügen Sie in der Spalte Name eine Beschreibung oder einen Anzeigenamen in der Spalte Beschriftung ein.
    2. Wählen Sie Typ > Measure aus. Gleichen Sie für codierte kategoriale Variablen den repräsentativen numerischen Code und seinen Wert in der Spalte Werte ab. Wählen Sie OK aus.
  2. Geben Sie die gesammelten Daten in die Software ein, wobei jede Zeile einen Teilnehmer darstellt.
    1. Wählen Sie Datenansicht aus. Geben Sie die repräsentativen numerischen Codes in die Spalte für den numerischen Typ und die Namen oder Beschreibungen für den Zeichenfolgentyp ein.
  3. Überprüfen Sie die Normalität kontinuierlicher Variablen, um parametrische Testannahmen zu bestimmen.
    1. Wählen Sie > deskriptive Statistiken analysieren > Untersuchen aus. Fügen Sie kontinuierliche Variablen in das Feld Abhängig ein.
    2. Wählen Sie Zeichnungen > Normalitätsdiagramme mit Tests aus, > Weiter > OK. Bei einer Stichprobengröße von mehr als 50 wird auf den p-Wert des Kolmogorov-Smirnov-Tests verwiesen. Ein signifikanter p-Wert lehnt die Nullhypothese ab, bei der die Daten normalverteilt sind.
  4. Führen Sie den Mann-Whitney-U-Test für nichtparametrische Variablen aus, um auf signifikante Unterschiede zwischen den Gruppen zu testen.
    1. Wählen Sie > nichtparametrische Tests > Einstellungen aus > wählen Sie Tests > Tests anpassen > Mann-Whitney U (2 Stichproben) aus.
    2. Gehen Sie zu Felder und fügen Sie kontinuierliche Variablen in das Feld Testfelder ein.
    3. Fügen Sie die kategoriale Gruppe für CBG oder HbA1c in das Feld Gruppen > Ausführen ein.
  5. Führen Sie einen Chi-Quadrat-Test für kategoriale Variablen durch, um auf signifikante Unterschiede zwischen den Gruppen zu testen.
    1. Wählen Sie > Deskriptive Statistiken analysieren > Kreuztabellen > Statistiken > Chi-Quadrat > Weiter aus.
    2. Wählen Sie Zellenanzeige. Wählen Sie im Feld Anzahl die Option Beobachtet und im Feld Prozentsatz die Option Spalte aus. Wählen Sie dann Weiter aus.
    3. Fügen Sie kategoriale Variablen in das Feld Zeile(n) ein und kategoriale Gruppe für CBG oder HbA1c in das Feld Spalte(n) > OK.
  6. Transformieren Sie kontinuierliche abhängige Variablen in binäre Gruppen, um die logistische Regression vorzubereiten.
    1. Wählen Sie Transformieren > In andere Variablen umkodieren und fügen Sie kontinuierliche Variablen in das Feld Eingabevariablen > Ausgabevariablen ein.
    2. Fügen Sie den neuen Variablennamen im Feld Name ein. Fügen Sie eine neue Beschriftung in das Feld Beschriftung ein > Ändern Sie > alten und neuen Werte.
    3. Fügen Sie unterhalb des Schwellenwerts des Grenzwerts im Feld Bereich, NIEDRIGSTER Durchgangswert ein und koppeln Sie ihn mit Null im Feld Wert von Neuer Wert, wenn dies auf ein gutes Ergebnis hinweist.
    4. Wählen Sie Hinzufügen aus, > fügen Sie den Grenzwert im Feld Bereich ein, den Wert jedoch HÖCHST, und koppeln Sie ihn mit dem Grenzwert im Feld Wert von Neuer Wert > Hinzufügen > Fortfahren > OK.
  7. Grenzwerte für abhängige Variablen:
    - KOOS-Schmerzbereich < 86,1 %, Symptombereich < 85,7 %, Aktivität des täglichen Lebens <86,8 %, Sportbereich < 85,0 %, Lebensqualität < 87,5 %
    - Schlechtes HGS: Rüde < 28 kg, Hündin < 18 kg
    - Schlechter TUG > 8.00 s
    - Schlechte Ganggeschwindigkeit < 1,13 ms-1
    - Schlechte 5TSTS >12,80 s
    - Geringe körperliche Aktivität, IPAQ MET < 3000
    - Mittelschwere bis schwere röntgenologische KOA-, Kellgren- und Lawrence-Einstufungsskala > 2
    - Hoher IL-1β-> 11,9 pg/ml
    - Hoher IL-4-> 5 pg/ml
    - Hohes CRP > 8 ng/mL
    - Hohes ALTER > 900 ng/L
    - Hoher NF-κB-> 3 ng/mL
  8. Führen Sie mehrere logistische Regressionen durch, um Odds Ratios zu erhalten. Passen Sie das Logistikmodell mit Störfaktoren an, die auf den Merkmalen der wesentlichen Teilnehmer basieren.
    1. Wählen Sie > Regression analysieren > Binäre Logistik aus. Fügen Sie die binäre abhängige Variable in das Feld Abhängig ein.
    2. Geben Sie die Variable CBG oder HbA1c in das Feld Kovariaten ein.
    3. Wählen Sie Kategoriale Variablen und übernehmen Sie kategoriale Variablen in das Feld Kategoriale Kovariaten. Wählen Sie dann Referenzkategorie als Erste aus > Ändern > Fortfahren.
    4. Optionen auswählen > CI für exp(B): 95% > Weiter > OK.
  9. Wiederholen Sie das Verfahren für angepasste Modelle, fügen Sie jedoch signifikante Störfaktoren in das Feld Kovariaten ein.
  10. Variablen werden als Mittelwert (Standardabweichung) für stetige Variablen oder als Median (Interquartilsabstand) bei Verwendung eines nichtparametrischen Tests und als Anzahl (Prozentsatz) für kategoriale Variablen dargestellt. Melden Sie ungerade Verhältnisse (OR) mit 95 % Konfidenzintervallen (CI) und kennzeichnen Sie den p-Wert unter 0,05 als statistisch signifikant.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Eigenschaften der Teilnehmer
Tabelle 1 fasst die Merkmale der Teilnehmer nach glykämischem Status mit FPBS und HbA1c zusammen. Abbildung 1 zeigt die Gesamtzahl der Teilnehmer, die in jeder Phase auf der Grundlage variabler Einschlusskriterien eingeschlossen wurden. Von den insgesamt 300 rekrutierten Teilnehmern wurde bei 254 Personen für FPBS eine kapilläre Blutzuckerprobe entnommen, während bei 93 Personen eine venöse Blutprobe für HbA1c entnommen wurde...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Die venöse Blutentnahme wird bei Laboruntersuchungen häufig der Kapillarblutentnahme vorgezogen, was die Genauigkeit der Ergebnisse betrifft29. Der HbA1c-Wert ist stark mit Diabetes-Komplikationen, einer stabilen chemischen Natur und gut standardisierten Labortests verbunden. Da der HbA1c-Wert die glykämische Kontrolle über 3 Monate widerspiegelt, sind keine Nüchternproben erforderlich, während eine einmalige Kapillarblutentnahme einen glykämischen Status von eine...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Alle Autoren haben keinen Interessenkonflikt zu deklarieren.

Danksagungen

Diese Studie wurde finanziert durch das Fundamental Research Grant Scheme, Ministry of Higher Education, Malaysia, Förder-/Zuschlagsnummer: FRGS/1/2021/SKK0/UKM/02/15.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
SchmetterlingsnadelBD Vacutainer367282
G*Power 3.1Heinrich-Heine-Universitäthttps://www.psychologie.hhu.de/arbeitsgruppen/allgemeine-psychologie-und-arbeitspsychologie/gpowerHeinrich-Heine-Universität, Dü Düsseldorf
Glukometer und TeststreifenContour plushttps://www.diabetes.ascensia.my/en/products/contour-plus/Basel, Schweiz
Humanes CRP(C-Reaktives Protein) ELISA KitElabscienceE-EL-H0043-96TELISA Kit
Humanes IL-1β( Interleukin 1 Beta) ELISA-Kit ElabscienceE-EL-H0149-96TELISA-Kit
Humanes IL-4 (Interleukin 4) ELISA-KitElabscienceE-EL-H0101-96TELISA-Kit
Humanes NF-& kappa; B-p105 UntereinheitBioassay Technology LaboratoryE0003HuELISA Kit
Humane NF-κ Bp105 (Kernfaktor NF-kappa-B p105 Untereinheit)ElabscienceE-EL-H1386-96TELISA-Kit
Manuelles HanddynamometerJamar5030J1Warrenville, Illinois, USA
Tragbarer Körperanalyse-AnalysatorInBody ASIAInbody 270, Cheonan, Chungcheongnam-do
Tragbares StadiometerSeca213 1821 009SECA 213, Hamburg, Deutschland
https://inbodyasia.com/products/inbody-270/

Referenzen

  1. Allen, K. D., Thoma, L. M., Golightly, Y. M. Epidemiology of osteoarthritis. Osteoarthritis Cartilage. 30 (2), 184-195 (2022).
  2. Mat, S., et al. Factors influencing quality of life among older persons living with osteoarthritis using 3 different definitions. Top Geriatr Rehabil. 38 (1), 26-34 (2022).
  3. Berenbaum, F. Diabetes-induced osteoarthritis: From a new paradigm to a new phenotype. Ann Rheum Dis. 70 (8), 1354(2011).
  4. Institute for Public Health. National health and morbidity survey (NHMS) 2023: Non-communicable diseases and healthcare demand - key findings. , National Institutes of Health (NIH). Shah Alam, Selangor. (2024).
  5. Harding, J. L., Pavkov, M. E., Magliano, D. J., Shaw, J. E., Gregg, E. W. Global trends in diabetes complications: A review of current evidence. Diabetologia. 62 (1), 3-16 (2019).
  6. Eitner, A., Culvenor, A. G., Wirth, W., Schaible, H. -G., Eckstein, F. Impact of diabetes mellitus on knee osteoarthritis pain and physical and mental status: Data from the osteoarthritis initiative. Arthritis Care Res (Hoboken). 73 (4), 540-548 (2021).
  7. Aykan, S. A., Kaymaz, S. The association between diabetes mellitus and functionality in knee osteoarthritis: A cross-sectional study. J Health Sci Med. 5 (4), 1114-1118 (2022).
  8. Alenazi, A. M., Alqahtani, B. A. Diabetes is associated with longitudinal declined physical performance measures in persons with or at risk of knee osteoarthritis: Data from the osteoarthritis initiative. Eur J Phys Rehabil Med. 60 (3), 496-504 (2024).
  9. Neumann, J., et al. Diabetics show accelerated progression of knee cartilage and meniscal lesions: Data from the osteoarthritis initiative. Skeletal Radiol. 48 (6), 919-930 (2019).
  10. Courties, A., Gualillo, O., Berenbaum, F., Sellam, J. Metabolic stress-induced joint inflammation and osteoarthritis. Osteoarthritis Cartilage. 23 (11), 1955-1965 (2015).
  11. Wei, G., et al. Risk of metabolic abnormalities in osteoarthritis: A new perspective to understand its pathological mechanisms. Bone Res. 11 (1), 63(2023).
  12. Sriwimol, W., Choosongsang, P., Choosongsang, P., Petkliang, W., Treerut, P. Associations between hba1c-derived estimated average glucose and fasting plasma glucose in patients with normal and abnormal hemoglobin patterns. Scand J Clin Lab Invest. 82 (3), 192-198 (2022).
  13. Papachristoforou, E., Lambadiari, V., Maratou, E., Makrilakis, K. Association of glycemic indices (hyperglycemia, glucose variability, and hypoglycemia) with oxidative stress and diabetic complications. J Diabetes Res. 2020 (1), 7489795(2020).
  14. Matsushita, Y., et al. A comparison of the association of fasting plasma glucose and hba1c levels with diabetic retinopathy in japanese men. J Diabetes Res. 2020 (1), 3214676(2020).
  15. Baig, M. A. Comparative evaluation of efficiency of hba1c, fasting & post prandial blood glucose levels, in the diagnosis of type-2 diabetes mellitus and its prognostic outcome. Int J Res Med Sci. 3 (11), 3245-3249 (2015).
  16. Altman, R., et al. Development of criteria for the classification and reporting of osteoarthritis: Classification of osteoarthritis of the knee. Arthritis Rheum. 29 (8), 1039-1049 (1986).
  17. Kang, H. Sample size determination and power analysis using the G* power software. J Educ Eval Health Prof. 18, (2021).
  18. Roos, E. M., Lohmander, L. S. The knee injury and osteoarthritis outcome score (koos): From joint injury to osteoarthritis. Health Qual Life Outcomes. 1, 64(2003).
  19. Ipaq Research Committee. Guidelines for data processing and analysis of the international physical activity questionnaire (IPAQ)-short and long forms. , https://www.scribd.com/document/92677948/IPAQ-Scoring (2005).
  20. Perissinotto, E., Pisent, C., Sergi, G., Grigoletto, F., Enzi, G. Anthropometric measurements in the elderly: Age and gender differences. Br J Nutr. 87 (2), 177-186 (2002).
  21. Sun, Y. -S., et al. Calf circumference as a novel tool for risk of disability of the elderly population. Sci Rep. 7 (1), 16359(2017).
  22. Chen, L. -K., et al. Asian working group for sarcopenia: 2019 consensus update on sarcopenia diagnosis and treatment. J Am Med Dir Assoc. 21 (3), 300-307 (2020).
  23. Samah, Z. A., et al. Discriminative and predictive ability of physical performance measures in identifying fall risk among older adults. Sains Malays. 47 (11), 2769-2776 (2018).
  24. Bohannon, R. W., Williams Andrews, A. Normal walking speed: A descriptive meta-analysis. Physiotherapy. 97 (3), 182-189 (2011).
  25. Kim, M., Won, C. W. Cut points of chair stand test for poor physical function and its association with adverse health outcomes in community-dwelling older adults: A cross-sectional and longitudinal study. J Am Med Dir Assoc. 23 (8), 1375-1382.e3 (2022).
  26. Parcell, A. C., Sawyer, R. D., Tricoli, V. A., Chinevere, T. D. Minimum rest period for strength recovery during a common isokinetic testing protocol. Med Sci Sports Exerc. 34 (6), (2002).
  27. Kohn, M. D., Sassoon, A. A., Fernando, N. D. Classifications in brief: Kellgren-lawrence classification of osteoarthritis. Clin Orthop Relat Res. 474 (8), 1886-1893 (2016).
  28. Gottschalk, P. G., Dunn, J. R. Measuring parallelism, linearity, and relative potency in bioassay and immunoassay data. J Biopharm Stat. 15 (3), 437-463 (2005).
  29. Das, S., Swain, M., Pradhan, R. Evaluating the relationship of fasting capillary and venous blood sugar level in self-glucose monitoring device, fasting plasma glucose level and glycosylated hemoglobin (HbA1c). Nurs Care Open Access J. 1 (2), 00011(2016).
  30. Bao, Y., Zhu, D. Chinese Diabetes Society. Clinical application guidelines for blood glucose monitoring in china (2022 edition). Diabetes Metab Res Rev. 38 (8), e3581(2022).
  31. Wu, C. -N., Tien, K. -J. The impact of antidiabetic agents on sarcopenia in type 2 diabetes: A literature review. J Diabetes Res. 2020 (1), 9368583(2020).
  32. Kalaitzoglou, E., Fowlkes, J. L., Popescu, I., Thrailkill, K. M. Diabetes pharmacotherapy and effects on the musculoskeletal system. Diabetes Metab Res Rev. 35 (2), e3100(2019).
  33. Mohammed, M. M., Al-Shamma, K. J., Jassim, N. A. Evaluation of the clinical use of metformin or pioglitazone in combination with meloxicam in patients with knee osteoarthritis; using knee injury and osteoarthritis outcome score. Iraqi J Pharm Sci. 23 (2), 13-23 (2014).
  34. Vervullens, S., et al. Preoperative glycaemic control, number of pain locations, structural knee damage, self-reported central sensitisation, satisfaction and personal control are predictive of 1-year postoperative pain, and change in pain from pre- to 1-year posttotal knee arthroplasty. Knee Surg Sports Traumatol Arthrosc. , (2024).
  35. Eitner, A., et al. Pain sensation in human osteoarthritic knee joints is strongly enhanced by diabetes mellitus. Pain. 158 (9), 1743-1753 (2017).
  36. Li, H., George, D. M., Jaarsma, R. L., Mao, X. Metabolic syndrome and components exacerbate osteoarthritis symptoms of pain, depression and reduced knee function. Ann Transl Med. 4 (7), 133(2016).
  37. Khachian, A., Seyedoshohadaei, M., Haghani, H., Amiri, F. Effect of self-management program on outcome of adult knee osteoarthritis. Int J Orthop Trauma Nurs. 39, 100797(2020).
  38. Mat, S., et al. Ethnic differences in the prevalence, socioeconomic and health related risk factors of knee pain and osteoarthritis symptoms in older malaysians. PLoS One. 14 (11), e0225075(2019).
  39. Cruz-Almeida, Y., et al. Racial and ethnic differences in older adults with knee osteoarthritis. Arthritis Rheumatol. 66 (7), 1800-1810 (2014).
  40. Kalantar-Zadeh, K., et al. Patient-centred approaches for the management of unpleasant symptoms in kidney disease. Nat Rev Nephrol. 18 (3), 185-198 (2022).
  41. Hsu, H. -J., et al. Factors associated with chronic musculoskeletal pain in patients with chronic kidney disease. BMC Nephrol. 15 (1), 6(2014).
  42. Larsen, P., Engberg, A. S., Motahar, I., Ostgaard, S. E., Elsoe, R. Obesity influences the knee injury and osteoarthritis outcome score. Joints. 7 (01), 008-012 (2019).
  43. Solanki, P., et al. Association between weight gain and knee osteoarthritis: A systematic review. Osteoarthritis Cartilage. 31 (3), 300-316 (2023).
  44. Al-Jarallah, K., Shehab, D., Abdella, N., Al Mohamedy, H., Abraham, M. Knee osteoarthritis in type 2 diabetes mellitus: Does insulin therapy retard osteophyte formation. Med Princ Pract. 25 (1), 12-17 (2016).
  45. Suzuki, A., Yabu, A., Nakamura, H. Advanced glycation end products in musculoskeletal system and disorders. Methods. 203, 179-186 (2022).
  46. Wang, M., Hng, T. M. Hba1c: More than just a number. Aust J Gen Pract. 50 (9), 628-632 (2021).
  47. Kalousova, M., Skrha, J., Zima, T. Advanced glycation end-products and advanced oxidation protein products in patients with diabetes mellitus. Physiol Res. 51 (6), 597-604 (2002).
  48. Shah, K., Maghsoudlou, P. Enzyme-linked immunosorbent assay (elisa): The basics. Br J Hosp Med. 77 (7), C98-C101 (2016).
  49. Nakanishi, S., et al. The impact of hand strength on hba1c, body mass index and body composition by group according to sedentary behaviour: Cross-sectional study in japanese patients with type 2 diabetes mellitus. Malays J Med Sci. 31 (3), 185-193 (2024).
  50. Joseph, J. J., et al. Comprehensive management of cardiovascular risk factors for adults with type 2 diabetes: A scientific statement from the american heart association. Circulation. 145 (9), e722-e759 (2022).
  51. Tomic, D., Shaw, J. E., Magliano, D. J. The burden and risks of emerging complications of diabetes mellitus. Nat Rev Endocrinol. 18 (9), 525-539 (2022).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Tags

Glyk mische KontrolleAuswirkungen der Hyperglyk miek rperliche Leistungsf higkeitradiografischer Schweregradkapillarer Blutzuckerglykiertes H moglobinfortgeschrittene GlykationsendprodukteELISA Analyse
Glykämischer Einfluss auf die Symptome von Kniearthrose auf physische, röntgenologische und entzündliche Marker bei Personen ab 50 Jahren mit Diabetes
Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.