Basado en análisis bioquímicos, Preventomics ofrece una dieta altamente personalizada. ¿Puede este sistema ser una herramienta eficaz para mantener la pérdida de grasa a largo plazo?

Descripción general

• El estudio evaluó los cambios en la pérdida de peso, la composición corporal y diversos biomarcadores resultantes de la implementación de una dieta basada en factores genéticos en comparación con una dieta que siguió recomendaciones generales.

• Los dos grupos de dieta mostraron pérdidas de peso y otros resultados similares, sugiriendo que una dieta personalizada no ofreció ventajas sobre una general.

• ¿Qué valor le otorga a una alimentación personalizada? Priorizar una dieta alineada con sus necesidades y metas resulta más ventajoso que una basada únicamente en múltiples biomarcadores. Aún se requiere mayor investigación para fundamentar recomendaciones dietéticas basadas en la genética individual.

¿Cual es el problema?

La epidemia de obesidad trasciende la apariencia física. Su gravedad radica en las profundas alteraciones cardiometabólicas que predisponen a enfermedades crónicas como la diabetes tipo 2, las enfermedades cardiovasculares, el cáncer, la enfermedad del hígado graso no alcohólico, la enfermedad renal y la osteoartritis. Si bien las estrategias nutricionales pueden mitigar la grasa corporal y mejorar la salud cardiometabólica, lograr una pérdida de peso duradera es un desafío complejo, con tasas de éxito inferiores al 50% al año y al 20% a los dos años, debido a múltiples factores fisiológicos, psicológicos, sociales y económicos.

Las redes sociales están llenas de testimonios sobre dietas "milagrosas" que supuestamente funcionan para cada individuo. Esta idea se refuerza con la noción de "comer según tu tipo de cuerpo" y la creciente promoción de dietas personalizadas basadas en el análisis genético. Si bien la ciencia ha identificado variaciones genéticas que influyen en el metabolismo, y la tecnología ómica permite analizarlas para crear "metabotipos", aún no está claro si existen dietas específicas capaces de optimizar estos factores de manera superior a los enfoques dietéticos convencionales.

El presente estudio se propuso investigar si las dietas personalizadas, basadas en análisis genéticos y de metabolitos, ofrecían mejores resultados en la pérdida de peso en comparación con las recomendaciones dietéticas generales. La investigación contó con el patrocinio de Preventomics, una empresa que (según su sitio web) promueve planes de nutrición y hábitos de vida individualizados para optimizar la salud. Estos planes se fundamentan en características personales como rasgos físicos, conductuales, estilo de vida, genotipo, preferencias y condición física, y se entregan a través de herramientas digitales (TIC) en forma de estímulos conductuales.

La idea es prometedora, pero ¿es efectiva en la práctica?

Propósito e hipótesis

El objetivo de esta investigación fue evaluar si una intervención dietética personalizada, implementada a través de la herramienta Preventomics, generaba cambios más favorables en la pérdida de peso, la composición corporal y los indicadores de salud en comparación con un enfoque dietético general.

¿Qué probaron y cómo?

Participantes

Un total de 100 participantes (hombres y mujeres) elegibles fueron reclutados y asignados aleatoriamente a los grupos de estudio tras completar las evaluaciones iniciales. Una tasa de abandono del 18% resultó en 82 participantes que finalizaron la intervención. La Tabla 1 resume las características basales de los participantes y los motivos de abandono. A pesar de las circunstancias, influenciadas probablemente por la pandemia de COVID-19, la tasa de abandono se considera aceptable. La Figura 1 ilustra el flujo de participantes a través de la asignación a los grupos de dieta.

Tabla 1 Características basales de los participantes

Figura 1 Asignación de grupos de participantes y estudio de flujo continuo

CARB, grupo de carbohidratos; LIPID, grupo de lípidos; INFL, grupo de inflamación; OXIS, grupo de estrés oxidativo; MB, grupo de microbiota.

Procedimientos de estudio

El protocolo de 10 semanas requirió cuatro visitas al laboratorio por parte de los participantes: primero, la visita de selección (V0); seguida de la visita pre-basal (V1); luego, la visita inicial (V2); y finalmente, la visita de finalización del estudio (V3). En un diseño de grupos paralelos y doble ciego, la asignación inicial a cinco grupos dietéticos se basó en biomarcadores metabólicos y genéticos obtenidos en la fase pre-basal. Acto seguido, en la visita inicial, los participantes fueron aleatorizados a un grupo de control o a un grupo de intervención. Un esquema del diseño del estudio se presenta en la Figura 2.

Figura 2 Descripción general del estudio

*Aproximadamente 5 semanas desde la fecha de envío de las muestras para integrar los resultados del análisis de biomarcadores de los participantes en la plataforma PREVENTOMICS. SF, Simple Feast.

Intervención dietética

Ambos grupos de participantes recibieron semanalmente dos entregas de cajas con comida preparada para tres días (desayuno y cena), cubriendo el 60% de sus 21 comidas semanales. Para asegurar la uniformidad con las comidas preparadas en casa, utilizaron la aplicación Simple Feast para sus almuerzos y cenas de los sábados. El grupo de control siguió una dieta general, mientras que el grupo de intervención recibió una dieta personalizada con recomendaciones de ingredientes basadas en análisis de biomarcadores. Aunque las dietas de ambos grupos fueron isocalóricas, difirieron en su composición específica, cuyos detalles se presentan en la Tabla 2.

Tabla 2 Objetivos diarios de macronutrientes e ingredientes funcionales en las comidas proporcionadas a los participantes

Los valores se presentan en rangos (mínimo-máximo) para ambos géneros. *Incluido el ingrediente funcional.

Intervención conductual

Un aspecto positivo del estudio fue la inclusión de una intervención conductual. Los investigadores enviaron entre 2 y 3 notificaciones push semanales a ambos grupos para promover la adherencia a la dieta. Mientras que el grupo de control recibió mensajes informativos y no personalizados, el grupo con dieta personalizada recibió notificaciones de acción más específicas. Se mantuvo una frecuencia e intensidad similar entre los grupos, diferenciándose únicamente en la generalidad versus la especificidad de los mensajes.

Asignación de clúster metabólico

Inicialmente, se recolectaron muestras de orina y sangre para analizar 51 biomarcadores asociados a los principales grupos metabólicos (Tabla 2). Adicionalmente, se tipificaron 35 polimorfismos de un solo nucleótido (SNP) en saliva, conocidos por influir en estos biomarcadores. La integración de SNP y biomarcadores mediante un algoritmo propietario generó una puntuación metabólica para cada grupo, asignándose a cada participante al grupo con la puntuación más elevada.

Table 3 Full list of biomarkers relating to each cluster group

Medidas

Análisis de peso y composición corporal: El peso y la composición corporal (tejido magro y graso) se evaluaron con una báscula digital y DXA.

La evaluación de parámetros psicológicos se llevó a cabo mediante la aplicación de varios cuestionarios en dos momentos temporales: al inicio del estudio y en la décima semana. Uno de los instrumentos utilizados fue el Cuestionario de Alimentación de Tres Factores (TFEQ), un inventario de 51 ítems con amplia validez y aceptación, diseñado para medir la restricción cognitiva, la desinhibición y el hambre en la conducta alimentaria.

La Escala de Estrés Percibido (EEP) se destaca como uno de los instrumentos psicológicos de mayor aplicación. Este cuestionario de 10 ítems solicita a los participantes que indiquen su nivel de estrés percibido durante el último mes, utilizando una escala de respuesta que va de 0 a 4.

El instrumento EQ-5D-5L mide la calidad de vida considerando cinco dimensiones clave: movimiento, cuidado personal, tareas diarias, dolor/malestar y salud mental (ansiedad/depresión).

Escala de calidad de vida en obesidad y pérdida de peso: Cuestionario de 17 ítems sobre sentimientos y emociones vinculados al peso, evaluados en una escala de siete puntos para medir el impacto emocional de la obesidad y los intentos de adelgazar.

Encuesta de Satisfacción Dietética (DSat-28): Evalúa 28 aspectos agrupados en cinco dimensiones clave: estilo de vida saludable, comer fuera, coste, planificación y preparación de alimentos.

La adherencia a la dieta se valoró al comienzo (V1) y al final (V3) del ensayo mediante un cuestionario electrónico sobre la frecuencia de consumo de alimentos y un registro dietético de tres días. El sueño y la actividad física fueron monitorizados objetivamente con un acelerómetro en las visitas previas al estudio y en la visita inicial.

Muestras biológicas para análisis: Se recolectaron orina, sangre, saliva y heces para la determinación de biomarcadores y perfiles genéticos.

¿Qué encontraron ellos?

Pérdida de peso y composición corporal

El análisis de la Tabla 4 revela que los cambios en el peso corporal (P = 0,77) y la masa grasa (P = 0,77) fueron similares entre los grupos. Ambos experimentaron una pérdida de peso de aproximadamente 3 kg, asociada a mejoras significativas en la resistencia a la insulina y el perfil lipídico, sin diferencias notables entre los grupos. Adicionalmente, se observó una pérdida de peso corporal significativamente mayor en mujeres que en hombres.

Ingesta dietética

La ingesta dietética fue comparable entre los grupos, a excepción de la fibra, que resultó notablemente superior (~50 g/día) en el grupo personalizado en comparación con el grupo control. La Tabla 4 detalla las diferencias reportadas en la ingesta dietética. Es interesante destacar que ambos grupos disminuyeron significativamente su consumo habitual de proteínas (P < 0,001). No se observaron diferencias en la puntuación de adherencia entre los grupos, ni se identificaron diferencias específicas por grupo entre el personalizado y el control.

Actividad física y psicometría

Los resultados no revelaron diferencias significativas entre los grupos en actividad física, AFMV ni pasos diarios. Similarmente, no se encontraron diferencias en los cambios de PSS y TFEQ entre los grupos, a excepción de incrementos significativos en restricción alimentaria y desinhibición en ambos grupos (p < 0,01).

Tabla 4 Cambios en los criterios de valoración primarios y secundarios en los grupos de dieta personalizada y dieta de control 

Los cambios con respecto al valor inicial en cada grupo se presentan como medias ± EEM basadas en estimaciones obtenidas a partir de modelos lineales mixtos, con los participantes como efecto aleatorio; el tiempo, el grupo de dieta y su interacción como efectos fijos; y el sexo como covariable. En caso de residuos con distribución no normal, se realizó una transformación logarítmica, por lo que los datos representan el cambio porcentual medio con un IC del 95 %. Las diferencias entre los grupos en el cambio con respecto al valor inicial se muestran como medias con un IC del 95 %.

Abreviaturas: HDL, lipoproteína de alta densidad; LDL, lipoproteína de baja densidad; oxLDL, lipoproteína de baja densidad oxidada; HOMA-IR, evaluación del modelo homeostático de la resistencia a la insulina; PCR, proteína C reactiva; TNFα, factor de necrosis tumoral α; IL6, interleucina 6; IL10, interleucina 10; ICAM1, molécula de adhesión intercelular 1; CD14, grupo de diferenciación 14; MCP1, proteína quimioatrayente de monocitos 1; ALT, alanina aminotransferasa; GGT, γ-glutamiltransferasa; PUFA, ácidos grasos poliinsaturados; MUFA, ácidos grasos monoinsaturados; MVPA, actividad física moderada a vigorosa; CPM, cuentas por minuto; PSS, escala de estrés percibido; TFEQ, cuestionario de alimentación de tres factores.

a Observado (n = 182), estimado (n = 200).

b Datos observados (n = 181), estimados (n = 200).

c Datos observados (n = 180), estimados (n = 198).

d Datos observados (n = 179), estimados (n = 200).

e Datos observados (n = 177), estimados (n = 200).

f p < 0,01 cambio significativo respecto al valor inicial. g p < 0,05 cambio significativo respecto al valor inicial.

¿Qué significan los hallazgos?

Si bien el grupo con dieta personalizada experimentó una pérdida significativa de peso y grasa corporal, así como mejoras en marcadores cardiometabólicos, estos beneficios no superaron a los observados en el grupo con consejos dietéticos genéricos. De hecho, las diferencias entre ambos grupos fueron mínimas, limitándose a una mayor ingesta de fibra en el grupo personalizado. No se encontraron variaciones significativas en la pérdida de peso, grasa, medidas antropométricas ni en la mayoría de los más de 20 marcadores metabólicos, incluyendo lípidos, glucosa, inflamación, adipocinas y función hepática/renal. Sorprendentemente, tampoco hubo diferencias en actividad física ni en el comportamiento alimentario. Se observaron tendencias no significativas en IL10 (mayor mejora en el grupo control) y GGT (menor nivel en el grupo personalizado), pero dada la ausencia de diferencias en otros marcadores relacionados, su relevancia parece limitada.

La falta de diferencias entre los grupos podría deberse a que la obesidad inicial hace que cualquier dieta saludable aporte beneficios sustanciales. Otra posibilidad es que nuestro conocimiento actual de biomarcadores no permite determinar la dieta óptima individualmente, lo que cuestiona la precisión de la agrupación. Quizás futuros avances en datos y comprensión permitan una asignación dietética personalizada más efectiva. Finalmente, la magnitud de los datos podría ser insuficiente para generar diferencias significativas, siendo la constancia y un déficit calórico con una ingesta adecuada de nutrientes clave lo más relevante para el éxito dietético.

Si bien el estudio actual no es el único en explorar dietas personalizadas basadas en SNP y biomarcadores, el ensayo DIETFITS es un ejemplo relevante. Este comparó dietas bajas en carbohidratos y bajas en grasas (con proteínas y calorías equiparadas) durante 12 meses en adultos obesos, evaluando su impacto en la pérdida de peso, grasa y marcadores metabólicos. Singularmente, DIETFITS investigó la interacción entre el tipo de dieta y tanto el genotipo como la secreción basal de insulina para determinar si estos factores influían en los resultados. Contrariamente a la hipótesis, no se encontraron diferencias significativas entre los grupos dietéticos en la mayoría de los resultados, ni se observó un efecto del genotipo o la insulina, ni interacción alguna con el tipo de dieta. Estos hallazgos se alinean con otros estudios que no lograron demostrar beneficios de la nutrición personalizada basada en genes o metabolitos. No obstante, investigaciones aisladas sugieren que la composición de la dieta podría influir en la pérdida de grasa en individuos normoglucémicos y en la pérdida de peso en personas prediabéticas. En general, la evidencia apunta a diferencias mínimas o nulas entre las recomendaciones nutricionales personalizadas y las generales en cuanto a la pérdida de peso y los resultados de salud.

El presente estudio presenta varias fortalezas metodológicas que robustecen la confianza en sus resultados. El diseño doble ciego minimizó el sesgo, mientras que la adecuada potencia estadística garantizó la capacidad de detectar efectos significativos en las variables principales. La provisión del 60% de las comidas y la intervención conductual implementada favorecieron una alta adherencia al protocolo. Si bien limitaciones como el tamaño muestral, la duración del estudio y la provisión parcial de alimentos son inherentes a la investigación clínica, es poco probable que su superación hubiera alterado sustancialmente las conclusiones obtenidas.

¿Cómo podemos aplicar estos hallazgos?

Nuestros hallazgos respaldan nuestra comunicación previa sobre "dietas óptimas". En comparativas de dietas isocalóricas, ninguna ha demostrado consistentemente ser superior en pérdida de peso, grasa, salud cardiometabólica, adherencia u otros parámetros fisiológicos o psicológicos. La clave del éxito dietético duradero reside en la constancia. Por ello, la elección del plan alimenticio debe basarse en la sostenibilidad a largo plazo para cada individuo.

La plena aplicación del conocimiento sobre SNP y biomarcadores para diseñar planes nutricionales personalizados y significativamente más eficaces que las recomendaciones dietéticas generales aún no es una realidad. Por ello, recomendamos cautela al considerar inversiones en el sector de la nutrición personalizada basada en análisis genéticos o de biomarcadores, dada su actual etapa de desarrollo. No obstante, mantenemos la esperanza en el avance futuro hacia estrategias nutricionales más individualizadas.

Referencias

1. Aldubayan, M. A., Pigsborg, K., Gormsen, S., Serra, F., Palou, M., Galmés, S., Palou-March, A., Favari, C., Wetzels, M., Calleja, A., Rodríguez Gómez, M. A., Castellnou, M. G., Caimari, A., Galofré, M., Suñol, D., Escoté, X., Alcaide-Hidalgo, J. M., M Del Bas, J., Gutierrez, B., Krarup, T., … Magkos, F. (2022). A double-blinded, randomized, parallel intervention to evaluate biomarker-based nutrition plans for weight loss: The PREVENTOMICS study. Clinical nutrition (Edinburgh, Scotland), 41(8), 1834–1844.

2. Leitner, D. R., Frühbeck, G., Yumuk, V., Schindler, K., Micic, D., Woodward, E., & Toplak, H. (2017). Obesity and Type 2 Diabetes: Two Diseases with a Need for Combined Treatment Strategies - EASO Can Lead the Way. Obesity facts, 10(5), 483–492.

3. Powell-Wiley, T. M., Poirier, P., Burke, L. E., Després, J. P., Gordon-Larsen, P., Lavie, C. J., Lear, S. A., Ndumele, C. E., Neeland, I. J., Sanders, P., St-Onge, M. P., & American Heart Association Council on Lifestyle and Cardiometabolic Health; Council on Cardiovascular and Stroke Nursing; Council on Clinical Cardiology; Council on Epidemiology and Prevention; and Stroke Council (2021). Obesity and Cardiovascular Disease: A Scientific Statement From the American Heart Association. Circulation, 143(21), e984–e1010.

4. De Pergola, G., & Silvestris, F. (2013). Obesity as a major risk factor for cancer. Journal of obesity, 2013, 291546.

5. Li, L., Liu, D. W., Yan, H. Y., Wang, Z. Y., Zhao, S. H., & Wang, B. (2016). Obesity is an independent risk factor for non-alcoholic fatty liver disease: evidence from a meta-analysis of 21 cohort studies. Obesity reviews : an official journal of the International Association for the Study of Obesity, 17(6), 510–519.

6. Wickman, C., & Kramer, H. (2013). Obesity and kidney disease: potential mechanisms. Seminars in nephrology, 33(1), 14–22.

7. Carman, W. J., Sowers, M., Hawthorne, V. M., & Weissfeld, L. A. (1994). Obesity as a risk factor for osteoarthritis of the hand and wrist: a prospective study. American journal of epidemiology, 139(2), 119–129.

8. Hall, K. D., & Kahan, S. (2018). Maintenance of Lost Weight and Long-Term Management of Obesity. The Medical clinics of North America, 102(1), 183–197.

9. Maclean, P. S., Bergouignan, A., Cornier, M. A., & Jackman, M. R. (2011). Biology's response to dieting: the impetus for weight regain. American journal of physiology. Regulatory, integrative and comparative physiology, 301(3), R581–R600.

10. Spreckley, M., Seidell, J., & Halberstadt, J. (2021). Perspectives into the experience of successful, substantial long-term weight-loss maintenance: a systematic review. International journal of qualitative studies on health and well-being, 16(1), 1862481.

11. Ruchat, S. M., Elks, C. E., Loos, R. J., Vohl, M. C., Weisnagel, S. J., Rankinen, T., Bouchard, C., & Pérusse, L. (2009). Association between insulin secretion, insulin sensitivity and type 2 diabetes susceptibility variants identified in genome-wide association studies. Acta diabetologica, 46(3), 217–226.

12. Mizuta, E., Kokubo, Y., Yamanaka, I., Miyamoto, Y., Okayama, A., Yoshimasa, Y., Tomoike, H., Morisaki, H., & Morisaki, T. (2008). Leptin gene and leptin receptor gene polymorphisms are associated with sweet preference and obesity. Hypertension research : official journal of the Japanese Society of Hypertension, 31(6), 1069–1077.

13. Tabaeian, S. P., Mahmoudi, T., Sabzikarian, M., Rezamand, G., Dabiri, R., Nobakht, H., Asadi, A., Farahani, H., Mansour-Ghanaei, F., & Zali, M. R. (2021). The Leu72Met (rs696217 G>T) Polymorphism of the Ghrelin Gene Might Be a Protective Factor for Nonalcoholic Fatty Liver Disease. Journal of gastrointestinal and liver diseases : JGLD, 30(2), 233–239.

14. Gueorguiev, M., Lecoeur, C., Meyre, D., Benzinou, M., Mein, C. A., Hinney, A., Vatin, V., Weill, J., Heude, B., Hebebrand, J., Grossman, A. B., Korbonits, M., & Froguel, P. (2009). Association studies on ghrelin and ghrelin receptor gene polymorphisms with obesity. Obesity (Silver Spring, Md.), 17(4), 745–754.

15. Lavebratt, C., Rydén, M., Schalling, M., Sengul, S., Ahlberg, S., & Hoffstedt, J. (2002). The hormone-sensitive lipase i6 gene polymorphism and body fat accumulation. European journal of clinical investigation, 32(12), 938–942.

16. Tsuboi, H., Sakakibara, H., Yamakawa-Kobayashi, K., Tatsumi, A., Inamori, T., Hamamoto, R., Suzuki, A., y Shimoi, K. (2011). El polimorfismo Val1483Ile en el gen de la sintetasa de ácidos grasos se asoció con síntomas depresivos bajo la influencia del estrés psicológico. Journal of affective diseases, 134(1-3), 448–452.

17. Inicio - Preventomics, Sistema basado en biomarcadores para asesoramiento personalizado. Preventomics. (13 de junio de 2022).