Ada dua masalah utama dengan banyak studi hewan pembatasan kalori. Salah satunya adalah bahwa, sebagai umur alam menurun, menjadi semakin mudah untuk mendapatkan ekstensi eksperimental umur utama relatif. (Artinya, ilmu pelet jarak jauh tampaknya lebih mudah untuk melipatgandakan umur dari suatu organisme yang umur alam adalah salah satu hari dari suatu organisme yang umur alami adalah 80 tahun.) Yang kedua, dan masalah utama dalam pikiran saya, adalah bahwa penelitian sering membandingkan obesitas dengan hewan ramping.
Obesitas jelas mengurangi umur pada manusia, tapi itu adalah klaim yang berbeda daripada yang pembatasan kalori meningkatkan umur. Hal ini sering mengklaim bahwa negara-negara Asia dan daerah di mana asupan kalori berkurang layar meningkat umur. Dan ini mungkin benar, tapi pertanyaannya tetap apakah ini disebabkan meningkatnya pembatasan kalori umur, atau karena tingkat obesitas jauh lebih rendah di negara-negara dan daerah di mana asupan kalori berkurang.
Jadi, apa yang bisa data China Study II memberitahu kami tentang hipotesis bahwa pembatasan kalori meningkatkan umur panjang?
Ternyata, kita bisa melakukan tes awal hipotesis ini didasarkan pada asumsi kunci. Mari kita katakan kami membandingkan dua populasi (misalnya, kabupaten di Cina), berdasarkan rasio berikut: jumlah kematian pada atau setelah usia 70 dibagi dengan jumlah kematian sebelum usia 70. Mari kita sebut ini rasio umur panjang populasi , atau RLONGEV. Asumsinya adalah bahwa populasi dengan RLONGEV tertinggi akan menjadi penduduk dengan umur panjang tertinggi kedua. Alasannya adalah bahwa, sebagai umur panjang naik, orang akan berharap untuk melihat pergeseran pola kematian, dengan semakin banyak orang sekarat orang tua dan sedikit mati muda.
1989 dataset China Study II memiliki dua variabel yang dapat kita gunakan untuk memperkirakan RLONGEV. Mereka dikodekan sebagai M005 dan M006, dan mengacu pada angka kematian 35-69 dan 70-79 tahun, masing-masing. Sayangnya tidak ada variabel untuk kematian setelah 79 tahun, yang membatasi ruang lingkup hasil kami agak. (Ini tidak benar-benar membatalkan hasil karena kita menggunakan rasio sebagai ukuran kami umur panjang, bukan jumlah mutlak kematian 70-79 tahun.) Lihatlah dua posting China Study II ini sebelumnya (di sini, dan di sini) untuk catatan lainnya, yang sebagian besar berlaku di sini juga. Catatan berada di akhir tulisan.
Semua hasil yang dilaporkan di sini adalah dari analisis yang dilakukan menggunakan WarpPLS. Di bawah ini adalah model dengan koefisien asosiasi; itu adalah model sederhana, karena hipotesis yang kami uji juga sederhana. (Klik untuk memperbesar Gunakan "CRTL" dan "+" tombol untuk memperbesar, dan CRTL "dan" -. "Untuk memperkecil.) Panah mengeksplorasi hubungan antara variabel, yang ditampilkan dalam oval Arti dari masing-masing. variabel adalah sebagai berikut: TKCAL = Total asupan kalori per hari; RLONGEV = rasio umur panjang; SexM1F2 = seks, dengan 1 ditugaskan untuk laki-laki dan 2 perempuan.
Sebagai salah satu harapkan, menjadi perempuan dikaitkan dengan peningkatan umur panjang, tetapi asosiasi ini hanya malu menjadi signifikan secara statistik dalam dataset ini (beta = 0,14; P = 0,07). Hubungan antara total asupan kalori dan umur panjang adalah sepele, dan statistik tidak dapat dibedakan dari nol (beta = -0,04; P = 0,39). Selain itu, meskipun asosiasi yang sangat lemah ini secara keseluruhan negatif (atau terbalik), tanda asosiasi sini tidak sepenuhnya mencerminkan bentuk asosiasi. Bentuknya yang dari J-kurva terbalik; a.k.a. U-kurva. Ketika kita membagi data ke dalam jumlah terciles asupan kalori kita mendapatkan gambaran yang lebih baik:
The tercile kedua, yang mengacu pada total asupan kalori harian dari 2193-2844 kalori, adalah salah satu yang terkait dengan umur panjang tertinggi. The tercile pertama (dengan kisaran terendah kalori) dikaitkan dengan umur panjang lebih tinggi dari tercile ketiga (dengan kisaran tertinggi kalori). Hasil ini perlu dilihat dalam konteks. Berat rata-rata dalam dataset ini adalah sekitar 116 lbs. Sebuah perkiraan konservatif dari jumlah kalori yang dibutuhkan untuk menjaga berat badan ini tanpa aktivitas fisik akan menjadi sekitar 1740. Add sekitar 700 kalori untuk itu, untuk tingkat yang wajar dan sehat dari aktivitas fisik, dan Anda mendapatkan 2440 kalori yang dibutuhkan setiap hari untuk pemeliharaan berat badan. Itu adalah tepat di tengah-tengah tercile kedua.
Dalam istilah sederhana, data China Study II tampaknya menunjukkan bahwa mereka yang makan dengan baik, tapi tidak terlalu banyak, hidup paling lama. Mereka yang makan sedikit memiliki umur panjang sedikit lebih rendah. Mereka yang makan terlalu banyak tampaknya memiliki umur panjang terendah, mungkin karena efek negatif dari lemak tubuh yang berlebihan.
Karena tren ini semua sangat lemah dari sudut pandang statistik, kita harus membawa mereka dengan hati-hati. Apa yang kita dapat mengatakan dengan lebih percaya diri adalah bahwa data China Study II tampaknya tidak mendukung hipotesis bahwa pembatasan kalori meningkatkan umur panjang.
Referensi
Kock, N. (2010). WarpPLS 1.0 User Manual. Laredo, Texas: ScriptWarp Systems.
Catatan
- Koefisien jalur (diindikasikan sebagai koefisien beta) mencerminkan kekuatan hubungan; mereka adalah sedikit seperti univariat standar (atau Pearson) koefisien korelasi, kecuali bahwa mereka mempertimbangkan hubungan multivariat pertimbangan (yang mereka kontrol untuk efek bersaing pada setiap variabel). Setiap kali hubungan nonlinear dimodelkan, koefisien jalur secara otomatis dikoreksi oleh perangkat lunak untuk memperhitungkan non-linear.
- Hanya dua titik data per kabupaten yang digunakan (untuk pria dan wanita). Hal ini meningkatkan ukuran sampel dataset tanpa artifisial mengurangi varians, yang diinginkan karena dataset yang relatif kecil (masing-masing kabupaten, bukan individual, adalah titik data yang terpisah dataset ini). Ini juga memungkinkan untuk uji asumsi akal sehat (misalnya, efek protektif menjadi perempuan), yang selalu ide yang baik dalam multivariat sebuah analisis karena melanggar asumsi akal sehat mungkin menyarankan pengumpulan data atau analisis kesalahan. Di sisi lain, diperlukan dimasukkannya variabel seks sebagai variabel kontrol dalam analisis, yang bukan masalah besar.
- Kematian dari infeksi schistosomiasis (MSCHIST) tidak mengacaukan hasil yang disajikan di sini. Hanya kabupaten di mana tidak ada kematian akibat infeksi schistosomiasis dilaporkan telah dimasukkan dalam analisis ini. Alasan untuk ini adalah bahwa kematian dari infeksi schistosomiasis parah dapat mendistorsi hasil dalam rentang usia dipertimbangkan di sini. Di sisi lain, penghapusan kabupaten dengan kematian akibat infeksi schistosomiasis mengurangi ukuran sampel, dan dengan demikian menurunkan kekuatan statistik analisis.
Dapatkan Sample GRATIS Produk sponsor di bawah ini, KLIK dan lihat caranya