Neighborhood Services y Busey Bank cierran con éxito la subvención del Programa de Vivienda Asequible
Mar 05, 2023Mattress Firm publica el segundo informe anual "Sleep Uncovered" que revela la dinámica del sueño de los padres con niños pequeños y niños de primaria
Mar 07, 2023Terapia de luz roja: cómo afecta el sueño
Mar 09, 2023El uso de teléfonos celulares podría aumentar el riesgo de presión arterial alta
Mar 11, 2023Más allá de la sal: la investigación destaca fuentes subestimadas de presión arterial alta
Mar 13, 2023Fitoestrógenos urinarios y el riesgo de leiomiomas uterinos en mujeres estadounidenses
BMC Women's Health volumen 23, Número de artículo: 261 (2023) Citar este artículo
337 Accesos
Detalles de métricas
Los leiomiomas uterinos (LU) son una enfermedad ginecológica común en las mujeres. Estudiado sobre la relación entre metabolitos individuales de fitoestrógenos urinarios y UL, especialmente porque los efectos combinados de metabolitos mixtos en UL aún son insuficientes.
En este estudio transversal, incluimos a 1579 participantes de la Encuesta Nacional de Examen de Salud y Nutrición. Los fitoestrógenos urinarios se evaluaron midiendo la excreción urinaria de daidzeína, genisteína, equol, O-desmetilangolensina, enterodiol y enterolactona. El resultado se definió como UL. Se utilizó regresión logística ponderada para analizar la asociación entre metabolitos individuales de fitoestrógenos urinarios y UL. En particular, adoptamos los modelos de regresión de suma de cuantiles ponderados (WQS), regresión de máquina de núcleo bayesiano (BKMR) y computación g de cuantiles (qgcomp), para investigar los efectos combinados de seis metabolitos mixtos en UL.
La prevalencia de LU fue de aproximadamente 12,92%. Después de ajustar la edad, raza/etnicidad, estado civil, consumo de alcohol, índice de masa corporal, circunferencia de la cintura, estado menopáusico, estado de extracción de ovario, uso de hormonas femeninas, hormonas/modificadores hormonales, energía total, daidzeína, genisteína, O-desmetilangolensina, enterodiol , y enterolactona, la asociación de equol con UL fue significativa [odds ratio (OR) = 1,92, intervalo de confianza (IC) del 95 %: 1,09–3,38]. En el modelo WQS, los metabolitos mixtos de fitoestrógenos urinarios tuvieron una asociación positiva con UL (OR = 1,68, IC del 95 %: 1,12–2,51), con equol, la sustancia química ponderada más alta. En el modelo gpcomp, equol tuvo el mayor peso positivo, seguido de genisteína y enterodiol. En el modelo BKMR, el equol y el enterodiol tienen una correlación positiva en el riesgo de UL, mientras que la enterolactona tiene una correlación negativa.
Nuestros resultados implicaron una asociación positiva entre los metabolitos mixtos de fitoestrógenos urinarios y UL. Este estudio proporciona evidencia de que la mezcla urinaria de fitoestrógenos y metabolitos estaba estrechamente relacionada con el riesgo de UL femenino.
Informes de revisión por pares
Los leiomiomas uterinos (LU) son los tumores sólidos más comunes en las mujeres [1, 2]. Se estima que hasta el 80 % de las mujeres desarrollarán LU durante su vida [1, 3], y entre el 25 y el 30 % de ellas experimentarán síntomas significativos, como dolor pélvico crónico, dismenorrea, flujo vaginal anormal y menstruación anormal [3, 4]. UL continúa representando una grave carga de enfermedad para las mujeres.
Aunque la patología subyacente del LU no está particularmente clara, se ha sugerido que se trata de un tumor dependiente de estrógenos [5]. Los fitoestrógenos son un grupo de compuestos vegetales que tienen una estructura química similar a los estrógenos de los mamíferos y pueden absorberse de los alimentos, circular en la sangre y excretarse en la orina [6,7,8]. Estudios anteriores han informado los efectos de los fitoestrógenos en UL [9, 10]. Por ejemplo, un estudio de casos y controles que incluyó a 328 sujetos elegibles de la Unidad de Diagnóstico del Hospital Universitario de West Indies, encontró que no había asociación de daidzeína, genisteína, equol, enterolactona, fitoestrógenos totales y fibroma uterino (diagnosticado por y/o ultrasonografía vaginal) mediante análisis de regresión logística binaria [9]. Un estudio transversal que contiene 1,204 participantes realizado por Zhang Y, et al., implica que equol se asoció significativamente con el riesgo de UL después de ajustar por edad, raza, estado de embarazo, estado de extracción de ovario, uso de hormonas femeninas, índice de masa corporal (IMC), estado menopáusico y niveles de creatinina urinaria [10]. Todavía existen contradicciones con respecto a los efectos de los fitoestrógenos en los fibromas uterinos. Es importante destacar que estos estudios sobre la asociación de fitoestrógenos con UL se han centrado en los efectos de sustancias químicas individuales [9, 10]. En términos generales, los humanos a menudo están expuestos a muchos productos químicos simultáneamente, y el efecto acumulativo de múltiples productos químicos es motivo de preocupación [11]. Sin embargo, se sabe poco sobre los efectos combinados de múltiples sustancias químicas en los fitoestrógenos sobre la UL.
En este documento, este estudio tuvo como objetivo investigar la relación entre los metabolitos individuales de fitoestrógenos urinarios y UL en mujeres estadounidenses, y los efectos combinados de metabolitos mixtos en el riesgo de UL.
En este estudio transversal, todos los datos se extrajeron de la base de datos de la Encuesta Nacional de Examen de Salud y Nutrición (NHANES). La NHANES es una encuesta transversal realizada por el Centro Nacional de Estadísticas de Salud (NCHS) de los Centros para el Control y la Prevención de Enfermedades utilizando un diseño de muestreo probabilístico multicapa, cuyo objetivo es evaluar la salud y el estado nutricional de adultos y niños en los Estados Unidos. Estados [12]. La encuesta NHANES combina entrevistas y exámenes físicos [13]. La Junta de Revisión Institucional del Primer Hospital Afiliado de la Universidad de Soochow renunció al requisito de aprobación ética y consentimiento informado de los sujetos porque se accedió a los datos desde NHANES (una base de datos disponible públicamente). Todos los métodos se llevaron a cabo de acuerdo con las directrices y regulaciones pertinentes.
En este estudio, utilizamos datos de cuatro ciclos de la base de datos NHANES (NHANES 1999–2000, 2001–2002, 2003–2004, 2005–2006). Para los participantes en la base de datos NHANES, solo a las mujeres de 20 a 54 años se les hicieron preguntas de diagnóstico sobre UL (n = 6508). Se excluyeron las participantes que cumplieron con uno de los siguientes criterios: (1) Mujeres sin medición de las concentraciones de fitoestrógenos en orina; (2) Mujeres sin evaluación de UL; (3) Mujeres con información faltante de covariables relacionadas con UL. Finalmente, 1579 participantes fueron incluidos en este estudio (Fig. 1).
Diagrama de flujo de selección de población. NHANES = Encuesta Nacional de Examen de Salud y Nutrición; UL = leiomiomas uterinos
Los fitoestrógenos urinarios se evaluaron midiendo la excreción urinaria de isoflavonas (incluidas daidzeína, genisteína, equol y O-desmetilangolensina) y enterolignanos (incluidos enterodiol y enterolactona) [14]. La recolección de muestras de orina se llevó a cabo en los Centros Móviles de Examen y se almacenaron a -20 °C hasta su análisis [14]. Los análisis de la excreción urinaria se realizaron mediante cromatografía líquida de alto rendimiento (HPLC)-detección espectrométrica de masas (MS) en tándem en la encuesta 1999-2004 y HPLC-fotoionización a presión atmosférica-MS en la encuesta 2005-2006 [15]. De los 1579 participantes de este estudio, 1 participante estuvo por debajo del límite inferior de detección (LOD) para daidzeína (0,40 ng/ml), 9 participantes estuvieron por debajo del límite inferior de detección de genisteína (0,20 ng/ml), 2 participantes estuvieron por debajo del límite inferior de detección LOD para equol (0,06 ng/mL), 29 participantes estaban por debajo del LOD más bajo para O-desmetilangolensina (0,20 ng/mL), 0 participantes estaban por debajo del LOD más bajo para enterodiol (0,04 ng/mL) y 0 participantes estaban por debajo del LOD más bajo LOD para enterolactona (0,10 ng/mL) [16]. En el caso de resultados por debajo del LOD, el valor de esta variable es el LOD dividido por la raíz cuadrada de dos (https://wwwn.cdc.gov/Nchs/Nhanes/1999-2000/PHPYPA.htm#URXDAZ). La concentración de daidzeína, genisteína, equol, O-desmetilangolensina, enterodiol y enterolactona en los fitoestrógenos urinarios fue corregida por la creatinina en este estudio. La media geométrica y los terciles de cada metabolito de fitoestrógenos (ug/g de creatinina) se presentaron en la Tabla complementaria 1.
El resultado se consideró como UL. Los participantes en la base de datos NHANES fueron clasificados como pacientes con LU cuando respondieron "Sí" a la pregunta "¿Alguna vez un médico u otro profesional de la salud le dijo que tenía fibromas uterinos?".
Extrajimos algunas características de los participantes de la base de datos de NHANES, incluida la edad (años), raza/etnicidad (blanco no hispano/negro no hispano/otros), estado civil (casado/nunca casado/otros), nivel educativo [escuela secundaria e inferior/graduado de escuela secundaria/desarrollo educativo general (GED) o equivalente/algún título universitario o asociado en artes (AA)/graduado universitario o superior], relación pobreza-ingresos (PIR, < 1.0/ ≥ 1.0), tabaquismo (sí/no), consumo de alcohol (sí/no), IMC (kg/m2), circunferencia de la cintura (cm), cotinina (ng/mL), edad de la menarquia (años), estado menopáusico (sí/no), estado de extirpación de ovario (sí/no), histerectomía (sí/no), uso de hormonas femeninas (sí/no), hormonas/modificadores hormonales, estado de embarazo (sí/no), número de embarazos, fibra (g) y energía total (kcal). PIR se clasificó como en la base de datos NHANES ≥ 1,0 (lo que significa que el ingreso familiar estaba por encima del umbral de pobreza) y < 1,0 (lo que significa que el ingreso familiar está en el umbral de pobreza o por debajo del mismo). El estado de tabaquismo y consumo de alcohol en la base de datos NHANES se basó en el autoinforme de los participantes. El IMC se calculó como el peso (kg) dividido por la altura al cuadrado (m2). La cotinina se evaluó en suero mediante cromatografía líquida de alta resolución con dilución de isótopos/espectrometría de masas en tándem de ionización química a presión atmosférica. De manera similar, cuando el resultado está por debajo del LOD, el valor de la cotinina es el LOD dividido por la raíz cuadrada de dos. La información sobre la edad de la menarquia, estado menopáusico, estado de extracción de ovario, uso de hormonas femeninas, hormonas/modificadores hormonales, estado de embarazo y número de gestaciones se obtuvo del cuestionario de salud reproductiva. El uso de hormonas femeninas se evaluó mediante el autoinforme "¿Ha usado alguna vez SP hormonas femeninas como el estrógeno y la progesterona?" y código de droga 97–101 en la base de datos NHANES. Las hormonas/modificadores hormonales se definieron según los códigos de fármacos [97–98, 97–103, 97–288, 97–295, 97–377, 97–411, 97–413, 97–414, 97–416, 97–417 , 97–418, 97–420, 97–422, 97–423, 97–426, 97–495].
Dada la naturaleza del muestreo complejo de la base de datos NHANES, utilizamos un análisis ponderado: variables de peso para la medición de metabolitos urinarios (WTSB2YR y WTSPH2YR) y variables de diseño del estudio (SDMVPSU y SDMVSTRA). Se probó la normalidad de los datos de medición usando Kolmogorov-Smirnov, y los datos de medición distribuidos normalmente se describieron como media (error estándar) [Media (SE)] y se compararon entre dos grupos usando la prueba t de muestras independientes; los datos no normales se describieron como mediana y cuartiles [M (Q1, Q3)] y se compararon entre grupos mediante la prueba de suma de rango U de Mann-Whitney. Los datos categóricos se describieron como número de casos y relación de composición N (%) y se compararon entre grupos mediante la prueba de chi-cuadrado y los datos de clasificación mediante la prueba de suma de rangos. En el presente estudio, adoptamos el método de interpolación múltiple de ecuaciones en cadena basado en bosque aleatorio para algunos datos faltantes de las variables. El paquete miceforest en python se usa para el procesamiento de interpolación (https://pypi.org/project/miceforest/). Se realizó un análisis de sensibilidad de los datos antes y después de la interpolación (Tabla complementaria 2). Se utilizaron los programas SAS (versión 9.4), Python (versión 3.9) y R (versión 4.0) para los análisis estadísticos. P < 0,05 se consideró como diferencia estadísticamente significativa.
Primero, realizamos una regresión logística univariante ponderada para detectar covariables. Luego, se utilizó la regresión logística ponderada para analizar la asociación entre metabolitos individuales de fitoestrógenos urinarios y UL. En el estudio se calcularon la razón de posibilidades (OR) y el intervalo de confianza (IC) del 95 %. Por último, adoptamos tres modelos estadísticos: regresión de suma de cuantiles ponderados (WQS), regresión de máquina del núcleo bayesiano (BKMR) y modelos de computación g de cuantiles (qgcomp), para investigar los efectos de seis metabolitos mixtos en UL.
Se utilizó la regresión WQS para investigar los efectos de seis metabolitos mixtos en UL e identificar el metabolito predominante. La muestra del estudio se dividió aleatoriamente en un conjunto de datos de entrenamiento (30 %, n = 474) y un conjunto de datos de validación (70 %, n = 1105). La exposición a cada metabolito en el conjunto de datos de entrenamiento se dividió primero en terciles. A continuación, los terciles se sumaron para generar una puntuación global de terciles para cada metabolito. Se estimó un peso empírico para cada metabolito en la mezcla utilizando el método de arranque [17]. La puntuación WQS es una combinación de seis metabolitos mixtos, que representan la carga corporal total de seis fitoestrógenos urinarios [10]. El peso de cada metabolito en la puntuación WQS indica la contribución de cada metabolito al resultado general [18]. Los metabolitos con un peso estimado superior a 0,333 (1/3) se consideraron contribuyentes significativos a la puntuación WQS. Usando 10 000 muestras de arranque del conjunto de datos de entrenamiento (30 %), calculamos los pesos para las puntuaciones WQS. Usando el conjunto de datos de validación (70%), evaluamos la significancia estadística de las puntuaciones WQS [19]. Además, la regresión WQS requiere que todas las asociaciones exposición-resultado estén enfocadas en la misma dirección. Por lo tanto, estimamos los efectos positivos y negativos de los seis metabolitos en UL por separado. Se adoptó el paquete R gWQS para realizar el análisis.
gqcomp es un modelo lineal parametrizado y generalizado basado en la aplicación del cálculo g, destinado a evaluar el efecto de aumentar todas las exposiciones en la mezcla en un cuatil simultáneamente [20]. En este estudio, se aplicó la función gqcomp.noboot para estimar los efectos de la exposición, que divide seis metabolitos mixtos en terciles y asigna un peso positivo o negativo a cada metabolito. Si un metabolito tiene múltiples efectos en diferentes direcciones, un peso positivo o negativo se interpreta como la proporción de los efectos de la exposición que tienen un efecto negativo (o positivo) en la UL, con un peso total de hasta 2. La relación de cada punto final de metabolito y los metabolitos mixtos se evaluaron por separado, y los modelos de hallazgo se usaron para estimar los tamaños del efecto escalado, los coeficientes específicos de variables y los valores de p de ajuste del modelo general. Se consideró que los metabolitos con un peso estimado superior a 0,05 contribuyen significativamente a las puntuaciones de gqcomp. Se adoptó el paquete R qgcomp para realizar el análisis.
BKMR es un enfoque supervisado, que podría identificar asociaciones no lineales y no aditivas de exposición-resultado [21]. En este estudio se adoptó el modelo BKMR con 10.000 iteraciones. La genisteína, el equol y el enterodiol se dividieron en dos grupos según su correlación positiva con la UL, mientras que la daidzeína, la O-desmetilangolensina y la enterolactona se dividieron en un grupo según su correlación negativa con la UL. El efecto combinado se calculó comparando metabolitos mixtos en o por encima del percentil 60 con el percentil 50. La probabilidad de inclusión posterior del grupo (GroupPIP) y la probabilidad de inclusión posterior condicional (CondPIP) representan la probabilidad de cada grupo y metabolito en cada grupo incluido en el modelo, lo que representa su contribución al efecto general. Se adoptó el paquete R bkmr para realizar el análisis.
La Tabla 1 presenta las características generales de 1.579 participantes elegibles. La edad media fue de 37,81 años. Aproximadamente el 69,00% de las participantes informaron antecedentes de consumo de alcohol y el 32,14% de las participantes indicaron que estaban en la menopausia. Además, todos los participantes se dividieron en grupo UL (n = 204) y grupo no UL (n = 1375). La edad, la raza/etnia, el estado civil, el consumo de alcohol, el IMC, la circunferencia de la cintura, el estado menopáusico, el estado de extirpación de ovario, el uso de hormonas femeninas, hormonas/modificadores hormonales, el número de gestaciones y la energía total fueron significativamente diferentes entre el grupo UL y el no UL grupo (P < 0,05).
Como se muestra en la Tabla complementaria 3, el resultado de la regresión logística univariada indicó que la edad, la raza/origen étnico, el estado civil, el consumo de alcohol, el IMC, la circunferencia de la cintura, el estado menopáusico, el estado de extirpación de ovario, el uso de hormonas femeninas, hormonas/modificadores hormonales y total la energía podría ser una covariable para este estudio actual. Se utilizó la regresión logística ponderada para evaluar el efecto individual de cada metabolito sobre la UL (Tabla 2). Después de ajustar por edad, raza/etnicidad, estado civil, consumo de alcohol, IMC, circunferencia de la cintura, estado menopáusico, estado de extirpación de ovario, uso de hormonas femeninas, hormonas/modificadores hormonales y energía total, equol en el tercil 3 mostró una asociación significativa con UL (Modelo 1: OR = 1,92, IC del 95 %: 1,07–3,43, P = 0,029). Después de un ajuste adicional por edad, raza/origen étnico, estado civil, consumo de alcohol, IMC, circunferencia de la cintura, estado menopáusico, estado de extirpación de ovario, uso de hormonas femeninas, hormonas/modificadores hormonales, energía total, daidzeína, genisteína, O-desmetilangolensina, enterodiol , y enterolactona, la asociación de equol en el tercil 3 con UL siguió siendo significativa (Modelo 2: OR = 1,92, IC del 95 %: 1,09–3,38, P = 0,024; fig. 2).
La asociación entre el metabolito único de los fitoestrógenos urinarios y los leiomiomas uterinos en mujeres en el modelo de regresión logística multivariable. Otros metabolitos de fitoestrógenos urinarios se ajustaron aún más por edad, raza/etnicidad, estado civil, consumo de alcohol, índice de masa corporal, circunferencia de la cintura, estado menopáusico, estado de extirpación de ovario, uso de hormonas femeninas, hormonas/modificadores hormonales y energía total
El modelo WQS se empleó para estimar el efecto combinado de seis metabolitos de fitoestrógenos urinarios en UL. En el modelo ajustado (Tabla 3), los metabolitos mixtos de fitoestrógenos urinarios tuvieron una asociación positiva con UL (P = 0,011), y un aumento del tercil en el índice WQS se relacionó con un aumento del 68 % en el riesgo de UL (IC del 95 %: 1,12). –2.51). También calculamos los pesos químicos estimados de para cada índice WQS (Fig. 3). El producto químico de mayor peso en el modelo WQS fue el equol, seguido del enterodiol y la genisteína.
Pesos del índice de regresión del modelo WQS para leiomiomas uterinos. El modelo se ajustó por edad, raza/origen étnico, estado civil, consumo de alcohol, índice de masa corporal, circunferencia de la cintura, estado menopáusico, estado de extirpación de ovario, uso de hormonas femeninas, hormonas/modificadores hormonales y energía total
De manera similar al modelo WQS, un aumento de tercil en el índice gpcomp se asoció con riesgo de UL en el modelo ajustado (Tabla 4, OR = 1,51, IC del 95 %: 1,05–2,18, P = 0,027). La figura 4 muestra el peso estimado de cada metabolito en el riesgo de UL. Equol tuvo el mayor peso positivo, seguido de genisteína y enterodiol, respectivamente.
Pesos del índice de regresión del modelo gqcomp de la mezcla sobre el riesgo de leiomiomas uterinos. El modelo se ajustó por edad, raza/origen étnico, estado civil, consumo de alcohol, índice de masa corporal, circunferencia de la cintura, estado menopáusico, estado de extirpación de ovario, uso de hormonas femeninas, hormonas/modificadores hormonales y energía total
La Tabla complementaria 4 resume el GroupPIP y CondPIP derivados del modelo BKMR para seis metabolitos. El GroupPIP de dos grupos (genisteína, equol y enterodiol; 0,34) fue mayor que el de un grupo (daidzeína, O-desmetilangolensina y enterolactona; 0,04). Enterodiol (CondPIP = 0,89) contribuyó más al modelo para el riesgo de UL. La Figura 5 indica las asociaciones generales entre seis metabolitos y el riesgo de UL. Aunque las altas concentraciones de todos los metabolitos no fueron estadísticamente diferentes en comparación con su percentil 50, el efecto general sobre el UL de la combinación de exposiciones en los cuantiles 60 y superiores mostró una tendencia al alza. Como todos los demás metabolitos estaban en sus niveles medianos, el equol y el enterodiol tienen una correlación positiva en el riesgo de UL, mientras que la enterolactona tiene una correlación negativa (Figura 1 complementaria). Además, también encontramos que puede haber una interacción entre el enterodiol y la enterolactona en el riesgo de UL (Figura 2 complementaria).
Efectos combinados de seis metabolitos de fitoestrógenos urinarios sobre el riesgo de leiomiomas uterinos. El modelo se ajustó por edad, raza/origen étnico, estado civil, consumo de alcohol, índice de masa corporal, circunferencia de la cintura, estado menopáusico, estado de extirpación de ovario, uso de hormonas femeninas, hormonas/modificadores hormonales y energía total
En este estudio que incluyó a 1579 mujeres estadounidenses, evaluamos la relación de los fitoestrógenos urinarios y el riesgo de UL mediante el uso de una serie de modelos estadísticos. En general, la regresión logística multivariante ponderada indicó una correlación entre el equol y el riesgo de UL. Mediante los modelos WQS y gpcomp, observamos una asociación positiva entre los metabolitos mixtos de fitoestrógenos urinarios y el riesgo de UL. El modelo WQS identificó además que equol hizo la mayor contribución en la asociación entre la mezcla de metabolitos de fitoestrógenos urinarios y el riesgo de UL. En el modelo BKMR, no hubo una asociación significativa entre los metabolitos mixtos generales y la aparición de UL, pero hubo una tendencia hacia un aumento. Además, el equol y el enterodiol también mostraron una correlación positiva con el riesgo de UL en los modelos gpcomp y BKMR.
Estudios anteriores se han centrado en la relación entre sustancias químicas individuales y resultados de salud, pero, de hecho, los humanos a menudo están expuestos a mezclas de múltiples contaminantes/sustancias químicas [19, 22]. En los últimos años, se han desarrollado varios métodos estadísticos novedosos para evaluar el impacto de la exposición a mezclas químicas en los resultados de salud, incluida la regresión WQS [17,18,19], gpcomp [20] y BKMR [21]. Una revisión evaluó la relación entre la exposición a mezclas de sustancias de perfluoroalquilo y polifluoroalquilo y los resultados adversos para la salud, y destacó la importancia de WQS y BKMR para evaluar los efectos de la exposición a mezclas [23]. Además, un estudio transversal realizado en población de EE. UU. encontró una asociación positiva entre las exposiciones combinadas a mercurio, arsénico, cadmio y plomo medidos en la orina y una mayor tasa de filtración glomerular estimada mediante la regresión WQS [24], y también indicaron que podría haber ser influencia para la exposición a múltiples metales en la función renal. En el estudio de Zhang Y, et al., informaron que la exposición mixta de diez sustancias químicas disruptoras endocrinas comúnmente expuestas tenía una asociación positiva significativa con UL en los modelos WQS y BKMR, la distribución del peso mostró los pesos más altos para el mercurio (peso = 0,35 ) y equol (peso = 0,29) [10]. Sin embargo, hasta donde sabemos, la asociación entre los metabolitos mixtos de fitoestrógenos urinarios y UL no se ha estudiado hasta el momento.
A diferencia de un estudio anterior [5, 10, 23], este estudio consideró el efecto mixto de seis metabolitos de fitoestrógenos urinarios (daidzeína, genisteína, equol, O-desmetilangolensina, enterodiol y enterolactona) sobre el riesgo de UL mediante tres enfoques (regresión WQS, qgcomp y BKMR). Estos resultados también indicaron que los metabolitos mixtos de fitoestrógenos urinarios se relacionaron positivamente con el riesgo de UL, siendo el mayor efecto de equol. Equol se relacionó con un mayor riesgo de UL. Nuestros resultados también son consistentes con estudios previos [10]. Equol, un metabolito de la isoflavona daidzeína de soya, tiene actividad estrogénica y antioxidante [25]. Varios estudios han demostrado que equol tiene un impacto beneficioso en las enfermedades metabólicas [26, 27]. Sin embargo, es probable que las enfermedades dependientes de los estrógenos, como la UL, se vean exacerbadas por los efectos estrogénicos del equol. Como se describe en un estudio con animales, equol puede desencadenar hiperplasia del tejido uterino al aumentar la altura de las células epiteliales luminales y el grosor del estroma y el miometrio, lo que conduce aún más a la UL [28]. Nuestros resultados concuerdan con un estudio previo de que el estradiol podría estimular el crecimiento de LU y se consideró asociado con un mayor riesgo de LU [29]. Aunque encontramos efectos combinados de metabolitos mixtos sobre el riesgo de UL, el mecanismo molecular relacionado con la relación de fitoestrógenos y UL sigue sin estar claro. Se necesita más exploración con respecto a los mecanismos potenciales en la asociación.
La principal fortaleza de este estudio fue el uso de la regresión WQS, qgcomp y BKMR, que nos permitió evaluar los metabolitos mixtos de fitoestrógenos urinarios y el riesgo de UL. Algunas limitaciones para este estudio deben ser consideradas. En primer lugar, debido al diseño de este estudio transversal, hubo una limitación en la relación causal entre los fitoestrógenos urinarios y la LU. En segundo lugar, faltaban algunos posibles factores de confusión en esta base de datos de NHANES, como los antecedentes familiares de UL. No ajustamos por antecedentes de histerectomía porque pueden ser una consecuencia del resultado [30]. En tercer lugar, para los participantes en la base de datos NHANES, solo se recolectó una muestra de orina de un solo punto para el análisis de metabolitos. Las concentraciones de metabolitos de fitoestrógenos pueden variar con el tiempo. En cuarto lugar, excluimos a 4587 mujeres a las que no se les midió la concentración de fitoestrógenos en la orina. Los fitoestrógenos urinarios se probaron en 1/3 de los participantes mayores de 6 años en la base de datos NHANES. Sin embargo, este estudio consideró los pesos en el análisis, por lo que el sesgo fue relativamente pequeño. Se justifican estudios prospectivos con un tamaño de muestra grande para analizar más a fondo la relación de los fitoestrógenos urinarios y la UL, y los mecanismos relacionados.
En resumen, nuestros resultados implican una asociación de equol y UL. Es importante destacar que se adoptaron los modelos de regresión WQS, qgcomp y BKMR para analizar los efectos combinados de los metabolitos mixtos en el riesgo de UL. También se identificó una asociación positiva entre los metabolitos mixtos de fitoestrógeno urinario y UL, con la mayor contribución de equol. Este estudio proporciona evidencia de que la mezcla urinaria de fitoestrógenos y metabolitos estaba estrechamente relacionada con el riesgo de UL femenino y se necesita más investigación para explorar el mecanismo detallado.
Los conjuntos de datos generados y/o analizados durante el estudio actual están disponibles en la base de datos de NHANES, https://wwwn.cdc.gov/nchs/nhanes/.
Leiomiomas uterinos
Encuesta de Salud Nacional y Examen de Nutrición
Centro Nacional de Estadísticas de Salud
Cromatografía líquida de alta resolución
espectrometría de masas
Índice de masa corporal
Error estándar
Razón de probabilidades
Intervalo de confianza
Suma cuantil ponderada
Baird DD, Dunson DB, Hill MC, Primos D, Schectman JM. Alta incidencia acumulada de leiomioma uterino en mujeres blancas y negras: evidencia ecográfica. Soy J Obstet Gynecol. 2003; 188: 100–7.
Artículo PubMed Google Académico
Brasky TM, Bethea TN, Wesselink AK, Wegienka GR, Baird DD, Wise LA. Ingesta de grasas en la dieta y riesgo de leiomiomas uterinos: un estudio prospectivo de ultrasonido. Am J Epidemiol. 2020;189:1538–46.
Artículo PubMed PubMed Central Google Académico
Lewis TD, Malik M, Britten J, San Pablo AM, Catherino WH. Una revisión exhaustiva del tratamiento farmacológico del leiomioma uterino. Biomed Res Int. 2018;2018:2414609.
Artículo PubMed PubMed Central Google Académico
McWilliams MM, ChennathukuzhiVM. avances recientes en la etiología de los fibromas uterinos. Semin Reprod Med. 2017;35:181–9.
Artículo CAS PubMed PubMed Central Google Scholar
Alset D, Pokudina IO, Butenko EV, Shkurat TP. El efecto de las variantes genéticas relacionadas con los estrógenos en el desarrollo del leiomioma uterino: metanálisis. Reprod Sci. 2022;29:1921–9.
Artículo CAS PubMed Google Académico
Atkinson C, Lampe JW, Scholes D, Chen C, Wähälä K, Schwartz SM. Excreción de lignanos e isoflavonas en relación con los fibromas uterinos: un estudio de casos y controles de mujeres jóvenes y de mediana edad en los Estados Unidos. Soy J Clin Nutr. 2006;84:587–93.
Artículo CAS PubMed Google Académico
Liu T, Li N, Yan YQ, Liu Y, Xiong K, Liu Y, et al. Avances recientes en los efectos antienvejecimiento de los fitoestrógenos sobre el colágeno, el contenido de agua y el estrés oxidativo. Phytother Res. 2020;34:435–47.
Artículo PubMed Google Académico
Jackson MD, McFarlane-Anderson ND, Simon GA, Bennett FI, Walker SP. Fitoestrógenos urinarios y riesgo de cáncer de próstata en hombres jamaiquinos. Control de las causas del cáncer. 2010;21:2249–57.
Artículo PubMed Google Académico
Simon GA, Fletcher HM, Golden K, McFarlane-Anderson ND. Niveles urinarios de isoflavonas y lignanos fitoestrógenos y riesgo de fibroma uterino en mujeres jamaicanas. Maturitas. 2015;82:170–5.
Artículo CAS PubMed Google Académico
Zhang Y, Lu Y, Ma H, Xu Q, Wu X. Exposición combinada a múltiples disruptores endocrinos y leiomiomas uterinos y endometriosis en mujeres estadounidenses. Front Endocrinol (Lausana). 2021;12:726876.
Artículo PubMed Google Académico
Chiu YH, Bellavia A, James-Todd T, Correia KF, Valeri L, Messerlian C, et al. Evaluación de los efectos de la exposición prenatal a mezclas de ftalatos sobre el peso al nacer: una comparación de tres enfoques estadísticos. Medio Ambiente Int. 2018;113:231–9.
Artículo CAS PubMed PubMed Central Google Scholar
Karia PS, Joshu CE, Visvanathan K. Asociación de ooforectomía y masa corporal grasa y magra: evidencia de una muestra poblacional de mujeres estadounidenses. Biomarcadores de Epidemiol de Cáncer Prev. 2021;30:1424–32.
Artículo PubMed PubMed Central Google Académico
Karanth SD, Washington C, Cheng TD, Zhou D, Leeuwenburgh C, Braithwaite D, et al. inflamación en relación con la sarcopenia y la obesidad sarcopénica entre adultos mayores que viven con comorbilidades crónicas: resultados de la Encuesta Nacional de Examen de Salud y Nutrición 1999-2006. Nutrientes. 2021;13:3957.
Artículo CAS PubMed PubMed Central Google Scholar
Reger MK, Zollinger TW, Liu Z, Jones J, Zhang J. Asociación entre fitoestrógenos urinarios y proteína C reactiva en la encuesta nacional continua de examen de salud y nutrición. J Am Coll Nutr. 2017;36:434–41.
Artículo CAS PubMed Google Académico
Xiong G, Huang C, Zou Y, Tao Z, Zou J, Huang J. Asociaciones de concentraciones de fitoestrógenos urinarios con enfermedad del hígado graso no alcohólico entre adultos. J Healthc Ing. 2022;2022:4912961.
Artículo PubMed PubMed Central Google Académico
Martínez Steele E, Monteiro CA. Asociación entre la proporción dietética de alimentos ultraprocesados y las concentraciones urinarias de fitoestrógenos en los EE. UU. Nutrientes. 2017;9(3):209.
Artículo PubMed PubMed Central Google Académico
Nguyen HD, Kim MS. Efectos de los metales pesados sobre las enfermedades cardiovasculares en mujeres pre y posmenopáusicas: del big data al mecanismo molecular involucrado. Environ Sci Contaminación Res Int. 2022;29:77635–55.
Artículo CAS PubMed Google Académico
Carrico C, Gennings C, Wheeler DC, Factor-Litvak P. Caracterización de la regresión de suma de cuantiles ponderados para datos altamente correlacionados en un entorno de análisis de riesgo. J Agric Biol Medio Ambiente Stat. 2015;20:100–20.
Artículo PubMed Google Académico
Duc HN, Oh H, Kim MS. Efecto de la mezcla de metales pesados sobre la obesidad en individuos ≥ 50 años. Biol Trace Elem Res. 2022;200:3554–71.
Artículo CAS PubMed Google Académico
Keil AP, Buckley JP, O'Brien KM, Ferguson KK, Zhao S, White AJ. Un enfoque de cálculo g basado en cuantiles para abordar los efectos de las mezclas de exposición. Perspectiva de salud ambiental. 2020;128:47004.
Artículo PubMed Google Académico
Bobb JF, Claus Henn B, Valeri L, Coull BA. Software estadístico para analizar los efectos en la salud de múltiples exposiciones simultáneas a través de la regresión de la máquina del kernel bayesiano. Salud Ambiental. 2018;17:67.
Artículo PubMed PubMed Central Google Académico
Yu L, Liu W, Wang X, Ye Z, Tan Q, Qiu W, Nie X, Li M, Wang B, Chen W. Una revisión de métodos estadísticos prácticos utilizados en estudios epidemiológicos para estimar los efectos en la salud de la mezcla de múltiples contaminantes . Contaminación ambiental. 2022;306:119356.
Artículo CAS PubMed Google Académico
Rosato I, ZareJeddi M, Ledda C, Gallo E, Fletcher T, Pitter G, Batzella E, Canova C. Cómo investigar los efectos en la salud humana relacionados con la exposición a mezclas de sustancias perfluoroalquiladas y polifluoroalquiladas: una revisión sistemática de métodos estadísticos. Res. Medio Ambiente. 2022;205:112565.
Artículo CAS PubMed Google Académico
Sanders AP, Mazzella MJ, Malin AJ, Hair GM, Busgang SA, Saland JM, et al. Exposición combinada a plomo, cadmio, mercurio y arsénico y salud renal en adolescentes de 12 a 19 años en NHANES 2009-2014. Medio Ambiente Int. 2019;131:104993.
Artículo CAS PubMed PubMed Central Google Scholar
Mayo B, Vázquez L, Flórez AB. Equol: un metabolito bacteriano de la isoflavona de daidzeína y sus presuntos efectos beneficiosos para la salud. Nutrientes. 2019;11:2231.
Artículo CAS PubMed PubMed Central Google Scholar
Liu J, Mi S, Du L, Li X, Li P, Jia K, et al. Las asociaciones entre la concentración de fitoestrógenos en plasma y los riesgos del síndrome metabólico en la población china. Más uno. 2018;13:e0194639.
Artículo PubMed PubMed Central Google Académico
Takahashi A, Kokubun M, Anzai Y, Kogre A, Ogata T, Imaizumi H, et al. Asociación entre la producción de equol y el síndrome metabólico en mujeres japonesas de 50 a 60 años. Menopausia. 2022;29:1196–9.
Artículo PubMed Google Académico
Brown NM, Lindley SL, Witte DP, Setchell KD. Impacto de la exposición perinatal a los enantiómeros equol en el desarrollo reproductivo de roedores. Reprod Toxicol. 2011;32:33–42.
Artículo CAS PubMed PubMed Central Google Scholar
Nowak RA. Fibromas: fisiopatología y tratamiento médico actual. Baillieres Best Pract Res Clin Obstet Gynaecol. 1999; 13:223–38.
Artículo CAS PubMed Google Académico
Marsh EE, Al-Hendy A, Kappus D, Galitsky A, Stewart EA, Kerolous M. Carga, prevalencia y tratamiento de los fibromas uterinos: una encuesta de mujeres estadounidenses. J Salud de la Mujer (Larchmt). 2018;27:1359–67.
Artículo PubMed Google Académico
Descargar referencias
No aplica.
No aplica.
Departamento de Obstetricia y Ginecología, El Primer Hospital Afiliado de la Universidad de Soochow, No.899 Pinghai Road, Suzhou, 215006, PR China
Colmillo yang y youguo chen
También puede buscar este autor en PubMed Google Scholar
También puede buscar este autor en PubMed Google Scholar
FY y YC diseñaron el estudio. FY escribió el manuscrito. FY y YC recopilaron, analizaron e interpretaron los datos. YC revisó críticamente, editó y aprobó el manuscrito. Todos los autores leyeron y aprobaron el manuscrito final.
Correspondencia a Youguo Chen.
La Junta de Revisión Institucional del Primer Hospital Afiliado de la Universidad de Soochow renunció al requisito de aprobación ética y consentimiento informado de los sujetos porque se accedió a los datos desde NHANES (una base de datos disponible públicamente). Todos los métodos se llevaron a cabo de acuerdo con las directrices y regulaciones pertinentes.
No aplica.
Los autores declaran no tener conflictos de intereses.
Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.
Distribución de los niveles de fitoestrógenos en orina. Tabla complementaria 2. Análisis de sensibilidad de los datos antes y después de la interpolación. Tabla complementaria 3. La selección de covariables por regresión logística univariante. Tabla complementaria 4. GroupPIP y CondPIP de seis metabolitos.
Función de exposición-respuesta univariante entre la exposición al metabolito y el UL con la fijación de todos los demás metabolitos en su nivel medio. El modelo se ajustó por edad, raza/origen étnico, estado civil, consumo de alcohol, índice de masa corporal, circunferencia de la cintura, estado menopáusico, estado de extirpación de ovario, uso de hormonas femeninas, hormonas/modificadores hormonales y energía total.
Función de exposición-respuesta bivariada para metabolitos en UL, con el metabolito de exposición 1 en sus niveles del 10 %, 50 % y 90 % y otros metabolitos fijados en sus niveles medianos. El modelo se ajustó por edad, raza/origen étnico, estado civil, consumo de alcohol, índice de masa corporal, circunferencia de la cintura, estado menopáusico, estado de extirpación de ovario, uso de hormonas femeninas, hormonas/modificadores hormonales y energía total.
Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/. La renuncia de Creative Commons Public Domain Dedication (http://creativecommons.org/publicdomain/zero/1.0/) se aplica a los datos disponibles en este artículo, a menos que se indique lo contrario en una línea de crédito a los datos.
Reimpresiones y permisos
Yang, F., Chen, Y. Fitoestrógenos urinarios y el riesgo de leiomiomas uterinos en mujeres estadounidenses. BMC Salud de la Mujer 23, 261 (2023). https://doi.org/10.1186/s12905-023-02381-5
Descargar cita
Recibido: 17 enero 2023
Aceptado: 20 de abril de 2023
Publicado: 13 mayo 2023
DOI: https://doi.org/10.1186/s12905-023-02381-5
Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:
Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.
Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt