Höhere Fitness sagt 58 % geringere Wahrscheinlichkeit voraus, mehrere kardiometabolische Erkrankungen zu entwickeln
Eine 12- bis 15-jährige Studie mit 3.326 älteren Erwachsenen zeigt, dass die geschätzte kardiorespiratorische Fitness das Risiko einer kardiometabolischen Multimorbidität stark und invers vorhersagt.
Zusammenfassung
Anhand von Daten aus einer Studie mit 3.326 älteren englischen Erwachsenen, die über 12–15 Jahre begleitet wurden, stellten Forscher fest, dass eine höhere geschätzte kardiorespiratorische Fitness (eCRF) – ermittelt aus Vorhersagegleichungen ohne Belastungstest – konsistent mit geringeren Chancen auf die Entwicklung einer kardiometabolischen Multimorbidität (CMM) assoziiert war. CMM wurde dabei definiert als das gleichzeitige Vorliegen von zwei oder mehr der folgenden Erkrankungen: Bluthochdruck, Herz-Kreislauf-Erkrankungen, Diabetes oder Schlaganfall. Jede Steigerung der eCRF um 1 MET war mit 22–27 % geringeren Chancen auf CMM verbunden. Teilnehmer im höchsten Fitness-Terzil hatten im Vergleich zu jenen im niedrigsten Terzil etwa 58–64 % geringere Chancen. Alle drei getesteten eCRF-Gleichungen lieferten ähnliche Ergebnisse, und die Ergänzung konventioneller Risikomodelle um die eCRF verbesserte deren Vorhersagekraft geringfügig. Die Ergebnisse legen nahe, dass die eCRF ein praktisches Instrument darstellt – ohne Belastungstest anwendbar –, um ältere Erwachsene mit erhöhtem CMM-Risiko zu identifizieren.
Detaillierte Zusammenfassung
Kardiometabolische Multimorbidität — das gleichzeitige Vorliegen von zwei oder mehr Erkrankungen wie Bluthochdruck, Typ-2-Diabetes, Herz-Kreislauf-Erkrankungen und Schlaganfall — stellt eine wachsende Belastung in alternden Bevölkerungen dar und ist mit deutlich schlechteren Gesundheitsfolgen verbunden als jede einzelne Erkrankung für sich. Körperliche Aktivität gilt zwar als bekannter Schutzfaktor, doch die kardiorespiratorische Fitness (CRF) erfasst ein breiteres, objektiveres physiologisches Signal. Diese Studie untersuchte, ob eine geschätzte CRF — ermittelt ohne Belastungstest — vorhersagen kann, wer im Verlauf von mehr als einem Jahrzehnt eine kardiometabolische Multimorbidität (CMM) entwickelt.
Die Forschenden analysierten Daten aus der English Longitudinal Study of Aging (ELSA), nutzten Welle 4 (2008–2009) als Ausgangspunkt und verfolgten 3.326 Erwachsene (mittleres Alter 63 Jahre; 54,7 % Frauen) bis zu Welle 10 (2021–2023). Alle Teilnehmenden waren zu Studienbeginn frei von Bluthochdruck, Herz-Kreislauf-Erkrankungen, Diabetes und Schlaganfall. Der eCRF wurde mithilfe von drei validierten Nicht-Belastungs-Vorhersagegleichungen berechnet: einer herzfrequenzbasierten Jackson-Gleichung, einer BMI-basierten Jackson-Gleichung sowie der geschlechtsspezifischen HUNT-Gleichung (Nord-Trøndelag Health Study), die von Nes et al. entwickelt wurde. Diese Gleichungen verwenden leicht erfassbare Eingabegrößen — Alter, Geschlecht, Ruheherzfrequenz, BMI, Taillenumfang, körperliches Aktivitätsniveau und Raucherstatus — und sind damit für bevölkerungsweite Forschung und klinisches Screening skalierbar.
Im Beobachtungszeitraum entwickelten 197 Teilnehmende (5,9 %) eine CMM. Jeder Anstieg des herzfrequenzbasierten eCRF um 1 MET war mit einer um 22 % geringeren Wahrscheinlichkeit für CMM verbunden (OR=0,78; 95% CI, 0,70–0,87); das BMI-basierte Modell ergab eine identische OR von 0,78 pro MET (95% CI, 0,68–0,89), und das HUNT-basierte Modell zeigte eine Reduktion um 27 % pro MET (OR=0,73; 95% CI, 0,65–0,82). Im Vergleich des höchsten mit dem niedrigsten Tertil des eCRF zeigten das herzfrequenz- und das BMI-basierte Modell jeweils eine um 58 % geringere CMM-Wahrscheinlichkeit (OR≈0,42), während das HUNT-basierte Modell eine um 64 % geringere Wahrscheinlichkeit aufwies (OR=0,36). Analysen mit natürlichen kubischen Splines bestätigten überwiegend lineare inverse Dosis-Wirkungs-Beziehungen über die gesamte eCRF-Verteilung. Wichtig ist, dass Personen, die im Verlauf eine CMM entwickelten, zu Studienbeginn in allen drei Maßen niedrigere eCRF-Werte aufwiesen sowie einen höheren BMI, einen größeren Taillenumfang, eine schnellere Ruheherzfrequenz, schlechtere Lipidprofile und höhere Blutdruckwerte.
Wurde jedes eCRF-Maß in ein konventionelles Risikovorhersagemodell integriert — das bereits Alter, Geschlecht, Alkohol, Blutdruck, Cholesterin, Triglyzeride und Handgriffstärke berücksichtigte —, verbesserte sich die Diskriminierungsfähigkeit moderat. Dies legt nahe, dass eCRF einen inkrementellen, aber keinen transformativen Vorhersagewert über die standardmäßigen klinischen Faktoren hinaus bietet. Die Konsistenz über alle drei Gleichungen hinweg — jede mit leicht unterschiedlichen Eingabegrößen — stärkt das Vertrauen in das zugrunde liegende physiologische Signal und spricht gegen ein gleichungsspezifisches Artefakt.
Die Studienergebnisse sind klinisch bedeutsam für ältere Bevölkerungsgruppen und Primärversorgungssettings, in denen Belastungstests selten durchführbar sind. Da eCRF aus routinemäßigen klinischen Variablen geschätzt werden kann, ließe es sich in bestehende elektronische Patientenakten oder Risikorechner integrieren, um ältere Erwachsene mit erhöhtem CMM-Risiko zu identifizieren, die von gezielten fitnessfördernden Interventionen profitieren könnten. Die Autorinnen und Autoren weisen jedoch darauf hin, dass eCRF eine Schätzgröße mit Vorhersagefehlern ist und direkt gemessenes VO2max nicht ersetzen kann, wenn Präzision gefordert ist.
Wichtigste Erkenntnisse
- Each 1-MET increase in eCRF reduced CMM odds by 22–27%, consistent across all three prediction equations.
- Highest vs lowest eCRF tertile was associated with 58–64% lower odds of developing cardiometabolic multimorbidity.
- 5.9% of initially healthy older adults developed CMM over 12–15 years of follow-up.
- Dose-response relationships were predominantly linear, suggesting no safe lower threshold for fitness.
- Adding eCRF to conventional risk models modestly but consistently improved cardiometabolic multimorbidity prediction.
Methodik
Prospektive Kohortenstudie auf Basis von ELSA-Daten (n=3.326; Durchschnittsalter 63 Jahre); Ausgangswelle 4 (2008–2009) bis Welle 10 (2021–2023). eCRF wurde aus drei validierten Non-Exercise-Gleichungen abgeleitet; CMM definiert als ≥2 der folgenden Erkrankungen: Bluthochdruck, Herz-Kreislauf-Erkrankungen, Diabetes oder Schlaganfall. Multivariable logistische Regression und natürliche kubische Splines wurden verwendet; vollständige Falldaten-Analyse angewendet.
Studienlimitierungen
eCRF ist eine Schätzung, die Vorhersagefehlern unterliegt, und ersetzt kein direkt gemessenes VO2 max; die Studie verwendete einen Complete-Case-Ansatz, der zu einem Selektionsbias führen kann. CMM und Komorbiditäten basierten auf selbst berichteten Arztdiagnosen, was zu einer Unterschätzung von Erkrankungen führen kann. Die Teilnehmer waren auf in der Gemeinschaft lebende englische Erwachsene im Alter von ≥50 Jahren beschränkt, was die Generalisierbarkeit auf andere ethnische Gruppen und Umgebungen einschränkt.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: