La Bioimpedenziometria (BIA) è una tecnica ampiamente utilizzata per valutare la composizione corporea, particolarmente utile in contesti di interventi nutrizionali come la dieta chetogenica.
Nonostante l’ampio uso della BIA, esistono limiti significativi nelle procedure applicate, che possono compromettere la validità dei risultati ottenuti.
Questo articolo esamina una revisione sistematica sull’uso della BIA nella dieta chetogenica, evidenziando le pratiche correnti e proponendo raccomandazioni per ottimizzare la sua applicazione.
Revisione Sistematica
Strategia di Ricerca
E’ stata condotta una revisione sistematica seguendo le linee guida PRISMA-ScR (Preferred Reporting Items for Systematic reviews and Meta-Analyses Extension for Scoping Reviews).
La ricerca della letteratura è stata effettuata consultando i principali database biomedici, tra cui PubMed (Medline) e Scopus, al 31 dicembre 2023.
Non sono state imposte restrizioni relative all’anno di pubblicazione. Le stringhe di ricerca sono state composte utilizzando i seguenti termini chiave: ((ketogenic diet) OR (keto diet)) AND ((body composition) OR (fat mass) OR (body fluids) OR (total body water) OR (extracellular water) OR (intracellular water) OR (FM) OR (TBW) OR (ECW) OR (ICW) OR (bioelectrical impedance analysis) OR (bioimpedance) OR (BIA)).
Inoltre, per garantire l’inclusione di tutte le fonti potenzialmente rilevanti, sono state effettuate ricerche supplementari attraverso il cross-referencing delle fonti identificate.
Criteri di Inclusione ed Esclusione
Gli articoli sono stati inclusi nella revisione se soddisfacevano i seguenti criteri di inclusione:
1. Uso della BIA per la valutazione della composizione corporea in contesti di dieta chetogenica (meno di 50 g di carboidrati al giorno, o meno del 10% dell’apporto energetico giornaliero).
2. Disponibilità del testo completo in inglese.
Sono stati esclusi gli articoli che rientravano nelle seguenti categorie:
1. Protocolli di ricerca, tesi/dissertazioni, abstract, lettere all’editore, case report, revisioni, capitoli di libri, linee guida, articoli di posizione e lavori non pubblicati.
2. Articoli che non soddisfacevano i criteri di eleggibilità durante la revisione del titolo, dell’abstract e del testo completo.
Estrazione dei Dati
Dopo la raccolta iniziale dei titoli, i duplicati sono stati rimossi.
I record rimanenti sono stati compilati utilizzando il software Endnote per Windows versione X9, 2018 (Clarivate, Philadelphia, USA) per eliminare tutti i duplicati che mostravano lo stesso: a) titolo, autori e anno di pubblicazione e b) titolo, autori e titolo del giornale. I record rimanenti dopo l’eliminazione dei duplicati sono stati esportati in un file Excel per Windows versione 16.75.2 (Microsoft, Washington, USA), organizzato in base alle informazioni essenziali per lo screening, come i nomi degli autori, l’anno di pubblicazione, il titolo del giornale, il DOI, il titolo dell’articolo e l’abstract.
Gli abstract identificati dalle ricerche bibliografiche sono stati esaminati per una potenziale inclusione da due autori indipendenti (F.C. e A.P.). Le caratteristiche principali estratte dagli studi inclusi comprendevano l’anno di pubblicazione, il disegno dello studio e la durata, la dimensione del campione, la tecnologia BIA e il dispositivo utilizzato, le misure bioelettriche e le stime della composizione corporea, nonché le caratteristiche delle equazioni predittive utilizzate per stimare la composizione corporea.
Analisi dei Dati
Gli studi selezionati sono stati analizzati per valutare l’uso delle tecnologie BIA e delle equazioni predittive, oltre che per verificare la presenza di dati grezzi bioelettrici (R, Xc, PhA). I dati sono stati estratti e sintetizzati in tabelle e figure per facilitare la comprensione delle metodologie applicate e dei risultati ottenuti.
Valutazione della Qualità
Per valutare la qualità metodologica degli studi inclusi, è stato applicato un sistema di punteggio basato su criteri specifici:
1. Completezza della descrizione delle tecnologie BIA: punteggio assegnato per la dettagliata descrizione del dispositivo e della tecnologia utilizzata.
2. Presenza di dati grezzi bioelettrici: punteggio assegnato per la presenza di R, Xc e PhA.
3. Adeguatezza delle equazioni predittive: punteggio assegnato in base alla specificità delle equazioni utilizzate in relazione alla popolazione studiata.
4. Analisi e utilizzo di BIVA: punteggio assegnato per l’uso della BIVA classica o specifica.
Questi criteri hanno permesso di identificare studi con metodologie robuste e di fornire raccomandazioni basate su prove per migliorare le future ricerche sulla composizione corporea in contesti di dieta chetogenica.
Risultati
Caratteristiche degli Studi Inclusi
La ricerca sistematica ha identificato settantadue studi che hanno soddisfatto i criteri di inclusione, coinvolgendo un totale di 3.825 partecipanti, con un’età compresa tra 2 e 78 anni e un indice di massa corporea (BMI) variabile tra 15.3 e 50.9 kg/m². Entrambi i generi sono stati rappresentati nei campioni degli studi.
Tecnologia BIA Utilizzata
La revisione ha rivelato che la maggior parte degli studi ha utilizzato tecnologie BIA in posizione eretta o segmentale (foot-to-hand).
Tuttavia, tre studi non hanno dichiarato né la tecnologia utilizzata né il nome del dispositivo impiegato. Questo dato è rilevante poiché le differenze tra le tecnologie possono influenzare significativamente i risultati delle misurazioni di composizione corporea.
Nessuno degli studi ha utilizzato tecnologie hand-to-hand o leg-to-leg, e solo 21 studi hanno riportato dati grezzi bioelettrici come R (resistenza), Xc (reattanza) e PhA (angolo di fase).
Dati Grezzi Bioelettrici e Equazioni Predittive
La revisione ha evidenziato una carenza nella reportistica dei dati grezzi bioelettrici, con soli 21 studi che hanno fornito questi dati.
Questo è un problema significativo, poiché l’analisi dei dati grezzi è fondamentale per la validazione delle misurazioni e per la creazione di nuovi modelli predittivi.
Inoltre, solo quattro studi hanno riportato le equazioni predittive utilizzate per stimare la composizione corporea.
Questo rappresenta un ostacolo alla replicabilità e alla comparabilità dei risultati. Ad esempio, Vasquez e Janosky (1991) hanno utilizzato otto diverse equazioni per stimare la massa magra, alcune delle quali non erano appropriate per le caratteristiche dei partecipanti.
In altri casi, le equazioni utilizzate non erano specifiche per la popolazione studiata, rendendo i risultati meno affidabili.
Analisi e Monitoraggio dei Parametri della Composizione Corporea
La revisione ha identificato un totale di 196 stime di varie componenti della massa corporea nei 72 studi inclusi.
Le componenti più frequentemente stimate includevano massa grassa (FM), massa magra (FFM), fluidi corporei, massa muscolare scheletrica (SMM), massa cellulare corporea (BCM) e massa magra appendicolare (ALSM).
Validità dei Metodi Applicati
I risultati indicano che i metodi applicati all’uso della BIA non sono generalmente ben descritti, compromettendo la validità dei dati estratti.
Questo è dovuto al numero elevato di studi che non hanno riportato le formule predittive utilizzate per stimare la composizione corporea.
Inoltre, pochi studi hanno valutato direttamente i parametri grezzi e nessuno di essi ha utilizzato la BIVA classica o specifica per monitorare i fluidi corporei, la loro distribuzione, nonché la massa grassa.
Considerazioni Sull’Analisi dei Dati Grezzi
La valutazione dei parametri grezzi senza fare affidamento sulle equazioni predittive potrebbe evitare la dipendenza dagli errori di stima intrinseci nei modelli di regressione. Tali errori sono ancora più pronunciati quando si utilizzano formule non adatte ai soggetti esaminati.
L’angolo di fase (PhA) si è dimostrato un biomarcatore affidabile della distribuzione dei fluidi tra i compartimenti, oltre ad essere correlato all’integrità e alla densità cellulare.
Monitorando l’angolo di fase, è possibile valutare qualitativamente eventuali compromissioni o miglioramenti nell’integrità cellulare, che gioca un ruolo cruciale nella determinazione della qualità muscolare.
Monitoraggio della Massa Muscolare e dei Fluidi Durante la Dieta Chetogenica
Uno degli obiettivi principali durante una dieta chetogenica è evitare una perdita eccessiva di massa muscolare scheletrica, una componente formata principalmente da fluidi, specialmente quelli intracellulari.
In questo contesto, gli spostamenti a sinistra del vettore nel grafico R-Xc identificano aumenti del rapporto ICW/ECW e quindi della SMM per entrambi gli approcci BIVA.
Questo potrebbe essere particolarmente utile per monitorare la deplezione di glicogeno che porta alla perdita di acqua intracellulare.
Cosa Suggeriscono i Dati?
I risultati di questa revisione suggeriscono la necessità di adottare pratiche migliori per l’uso della BIA negli studi sulla dieta chetogenica.
Queste includono la descrizione dettagliata delle tecnologie BIA e dei dati grezzi, la selezione delle equazioni predittive e l’adozione di analisi alternative come la BIVA, che permette un monitoraggio qualitativo dei fluidi e della massa grassa.
Questi miglioramenti metodologici potrebbero aumentare la validità e la comparabilità dei risultati futuri, contribuendo a una comprensione più approfondita delle variazioni della composizione corporea durante interventi dietetici specifici.
Discussione
L’analisi ha rivelato che molte delle procedure BIA utilizzate negli studi sulla dieta chetogenica sono carenti in termini di descrizione delle tecnologie e delle equazioni predittive applicate.
Questo compromette la possibilità di replicare gli studi e di confrontare i risultati.
La mancata valutazione dei parametri grezzi limita l’opportunità di monitorare qualitativamente i cambiamenti nella distribuzione dei fluidi e nella massa grassa.
Per migliorare l’uso della BIA, si raccomanda di:
1. Descrivere dettagliatamente le tecnologie e i dispositivi utilizzati: Ogni dispositivo di BIA fornisce misurazioni che non sono sempre comparabili con altre tecnologie. Pertanto, è fondamentale riportare queste informazioni per consentire confronti validi.
2. Includere dati grezzi di BIA: La valutazione dei dati grezzi, come la resistenza (R), la reattanza (Xc) e l’angolo di fase (PhA), permette una stima più precisa della composizione corporea e può essere utilizzata per nuove equazioni predittive o come dati di riferimento.
3. Utilizzare equazioni predittive specifiche: Le equazioni dovrebbero essere specifiche per la tecnologia usata e sviluppate su soggetti con caratteristiche simili a quelle dei partecipanti allo studio.
4. Applicare l’analisi BIVA: La BIVA classica o specifica permette di monitorare qualitativamente i fluidi e la massa grassa, evitando errori sistematici nelle stime.
Limiti e Prospettive Future
Questa revisione ha evidenziato l’assenza quasi totale di informazioni sulle equazioni predittive utilizzate, rendendo incerta la validità dei dati sulla composizione corporea.
È necessario condurre future revisioni sistematiche per analizzare i cambiamenti nella composizione corporea su base bioelettrica, una volta che un numero sufficiente di studi avrà adottato le migliori pratiche. Inoltre, manca una catalogazione completa delle equazioni predittive per diverse tecnologie e variabili di composizione corporea.
Una revisione sistematica dovrebbe essere effettuata per categorizzare tutte le equazioni BIA, facilitandone il reperimento nella letteratura.
Raccomandazioni per Futuri Studi
Le future ricerche sulla dieta chetogenica dovrebbero concentrarsi sull’adozione di best practices per l’uso della BIA e sulla valutazione dell’efficacia di interventi correttivi per affrontare le criticità metodologiche identificate in questa revisione.
Inoltre, è necessario condurre ulteriori studi per esplorare l’applicazione della BIVA nella dieta chetogenica e comprendere meglio i cambiamenti nella composizione corporea e la loro relazione con i risultati clinici.
Una maggiore attenzione a questi aspetti metodologici contribuirà a migliorare la qualità e l’affidabilità delle ricerche future e fornirà dati più utili per clinici e ricercatori nell’ottimizzazione degli interventi dietetici.
Link allo studio: https://pubmed.ncbi.nlm.nih.gov/38802722/
