Basalmetabolism hos barn och ungdomar med cystisk fibros: En jämförande studie av uppmätta och beräknade basalmetabolismvärden

(1)

Institutionen för folkhälso- och vårdvetenskap

Vårdvetenskap

Basalmetabolism hos barn och ungdomar med

cystisk fibros

En jämförande studie av uppmätta och beräknade basalmetabolismvärden

Författare

Handledare

Emilie Andersson

Roger Olsson

Elisabet Edbom

Examinator

Mariann Hedström

Examensarbete i Vårdvetenskap 15 hp

Sjuksköterskeprogrammet 180 hp

Ht 2010

(2)

Ordlista

Antropometriska mått – innefattar människans kroppssammansättning såsom vikt och längd.

BMI - Body mass index: Anger relationen mellan en persons vikt och längd genom ekvationen kroppsvikt i kilo dividerat med kroppslängden i meter i kvadrat. Rekommenderade värden är 18,5-24,9. BMI räknas ut genom att en persons vikt i kilo divideras med sin längd i meter upphöjt i två.

BMR - Basal metabolic rate: anger hur mycket energi kroppen förbrukar (Kcal eller kJ) i viloläge. BMR kan beräknas genom ekvationer eller mäts via indirekt respiratorisk kalorimetri. Det krävs då att personen är utvilad och har fastat 12 timmar, varför dessa mätningar görs på morgonen.

CF - Cystisk fibros: I Sverige föds varje år cirka 15-20 barn med Cystisk fibros. Körtlarna som producerar slem har en dysfunktion vilket medför att slemmet som produceras där är för segt. Framförallt drabbas slemhinnorna i lungorna och mag-tarmsystemet. Det sega slemmet kan inte transporteras bort och orsakar därför hosta, andningssvårigheter och hög infektionsrisk. Bukspottskörtlarna täpps till och hindrar näringsupptaget från maten. Personer som har cystisk fibros är ofta undernärda.

FFM - Fat free mass: Anger i procent eller kilo hur stor del av kroppen som består av andra komponenter än fett, så som muskler, brosk, skelett och vatten.

FM - Fettmassa: Anger i procent eller kilo hur stor del av kroppsmassan som består av fett. Indirekt respiratorisk kalorimetri - Utförs i nutritionslaboratorium med hjälp av en mask som patienten får andas igenom. Genom att mäta utandningsluften beskrivs energiomsättningen i vila eller under arbete samt förbrukad mängd kolhydrater och fett. Kcal – Kilokalori: Ett energimått. En kcal motsvarar 1000 kalorier. 1 kcal = 4,2 kJ. kJ - kilojoule: Ett energimått. En kilojoule (kJ) motsvarar 1000 joule.

RMR - Resting metabolic rate: Anger hur mycket energi kroppen förbrukar i kcal eller kJ i viloläge. RMR kan beräknas via ekvationer eller mätas via indirekt respiratorisk kalorimetri, för detta krävs att personen har vilat i 30 minuter och har fastat i tre-fyra timmar. Mätningen kan utföras när som helst på dagen. RMR är vanligtvis 10 procent högre än BMR.

(3)

TEE – Total energy expenditure: Består av basalmetabolism, födans termogenes, daglig fysisk aktivitet och fysisk träning.

(4)

SAMMANFATTNING

Nyckelord: Cystisk fibros (CF), Basalmetabolism (BMR), indirekt respiratorisk kalorimetri. Syfte: Att utifrån uppmätt BMR jämföra olika ekvationer för att hitta den mest lämpliga ekvationen för beräknandet av ett förutsätt värde av basalmetabolism hos en grupp barn och ungdomar med cystisk fibros.

Metod: Deltagarna var barn och ungdomar med CF. Data till arbetet hämtades från enheten för klinisk nutrition vid Uppsala Akademiska sjukhus. Ålder, vikt, längd, BMI, BMR, FFM och FM samlades in från totalt 27 mättillfällen. Deltagarnas BMR, som uppmätts genom indirekta respiratorisk kalorimetri, jämfördes med fem ekvationer som räknar ut BMR utifrån olika antropometriska mått.

Resultat: Tverskayas ekvation överensstämde bäst med uppmätt BMR i gruppen som helhet. Ekvationen underskattade dock BMR hos deltagare med ett BMR-behov över 1400 kcal/dygn och överskattade BMR hos deltagare med ett BMR-behov lägre än 1400 kcal/dygn. Liknande resultat sågs i undergrupperna pojkar, flickor och ungdomar. Maffeis ekvation skulle möjligen kunna tillämpas på gruppen barn, dock behöver större studier utföras för att kunna dra säkra slutsatser.

Slutsats: Det vore önskvärt att det utvecklas en ekvation för BMR, särskilt utvecklad för barn och ungdomar med lågt till normalt BMI, som tar hänsyn till förhöjt BMR och som därmed lämpar sig särskilt för barn och ungdomar med CF.

(5)

ABSTRACT

Keywords: Cystic fibrosis (CF), Basal metabolic rate (BMR), indirect respiratory calorimetry.

Objective: The aim of this study was to compare equations used to calculate BMR to values of BMR obtained from measurements in order to determine the most suitable equation to be used on children and adolescents with CF.

Design: The participants where children and adolescents with CF. Data was collected from the division of Clinical Nutrition at Uppsala Akademiska Sjukhus. Age, weight, height, BMI, BMR, FFM and FM was recorded from 27 measurements. BMR from the participants collected from the indirect respiratory calorimetry was compared to the results obtained from five equations used to obtain a calculated value of BMR.

Results: Tverskayas equation was best correlated with the measured BMR for the whole group. The equation underestimated BMR for the participants with a measured BMR over 1400 kcal/24h and overestimated BMR for participants with a measured BMR under 1400 kcal/24h. Similar results could be seen in the subgroups boys, girls and adolescents. Maffeis equation can be applied on the subgroup children. However, larger studies are needed to guarantee the results.

Conclusion: It is desirable that an equation for calculating BMR would be developed that is specifically developed for children and adolescents with a low to normal BMI that takes into consideration a heightened metabolism and is therefore suitable for children and adolescents with CF.

(6)

Innehållsförteckning

1. INLEDNING ... 1

1.1.CYSTISK FIBROS ... 1

1.1.2. Konsekvenser av cystisk fibros ... 2

1.2.DEFINITION AV BASALMETABOLISM ... 3

1.2.1. Uppmätt värde av basalmetabolism ... 4

1.2.2. Beräknat värde av basalmetabolism ... 4

1.3.PROBLEMFORMULERING ... 6 1.4.SYFTE ... 6 1.5.FRÅGESTÄLLNING ... 6 2. METOD ... 6 2.1.STUDIEDESIGN ... 7 2.2.1 Urval ... 7 2.2.2 Inklusionskriterier ... 7 2.2.3 Exklusionskriterier ... 7 2.3TILLVÄGAGÅNGSSÄTT ... 7 2.3.1. Uppmätt BMR ... 7 2.3.2. Beräknat BMR ... 8 2.3.3. Ekvationerna... 9 2.4.DATAANALYS... 10 2.5.ETISKA ÖVERVÄGANDEN ... 10 3. RESULTAT ... 11

3.1.UPPMÄTT BMR MED HJÄLP AV INDIREKT RESPIRATORISK KALORIMETRI... 11

3.2.UTRÄKNAT BMR MED HJÄLP AV EKVATIONER ... 11

3.2.1. Uppmätt BMR jämfört med Harris-Benedicts ekvation ... 11

3.2.2. Uppmätt BMR jämfört med WHOs ekvation ... 13

3.2.3. Uppmätt BMR jämfört med Schofields ekvation ... 15

3.2.4. Uppmätt BMR jämfört med Tverskayas ekvation ... 16

3.2.5. Uppmätt BMR jämfört med Maffeis ekvation ... 18

4. DISKUSSION ... 19

4.1.RESULTATDISKUSSION ... 19

4.1.1. Gruppen som helhet ... 19

4.1.2. Pojkar och flickor ... 20

4.1.3. Barn och ungdomar ... 21

4.2.METODDISKUSSION ... 23

4.2.1. Urval ... 23

4.2.2. Tillvägagångssätt ... 23

4.2.3. Dataanalys... 24

4.3.KLINISKA IMPLIKATIONER OCH FRAMTIDA FORSKNING ... 24

4.4.SLUTSATS ... 25

(7)

1

1. INLEDNING

1.1. Cystisk fibros

Cystisk fibros (CF) är en ärftlig sjukdom och innebär en gendefekt på kromosom sju. Detta påverkar i sin tur vattenhalten i kroppens vätske- och slemutsöndrande celler (Hjelte, 2006). Bildningen av proteinet cystic fibrosis transmembrane conductance regulator, CFTR, är störd vilket leder till att klorid- och vätsketransporten över cellmembran är rubbad. Obalansen i cellernas salttransport påverkar kroppens olika organ och ger symtom från bland annat lungorna, pankreas och tarmarna (Griph & Ström, 2007).

Körtelcellerna i andningsvägar producerar tjockt, segt slem. (Hjelte, 2006). Vid CF påverkas viskositet i slemmet och slemmet blir kvar i luftvägarna vilket ökar risken för inflammationer i slemhinnan. Obstruktiva symtom uppkommer då slemmet kan täppa igen andningsvägarna vilket gör det svårt att andas. Symtom från lungorna uppkommer redan i nyföddhetsperioden med upprepade infektioner som till slut medför kronisk obstruktivt luftvägssymtom (Griph & Ström, 2007).

I pankreas förekommer det en nedsatt vätskehalt i utförsgångarna som leder till att transporten av pankreasenzym till duodenum försämras. Inflammationer i gångarna kan uppstå på grund av att de tilltäpps av sekretpluggar (Griph & Ström, 2007). Tilltäppning av bukspottskörtels utförsgångar på grund av det sega slemmet kan även påverka näringsupptaget eftersom nedbrytningsenzymer från bukspottskörteln aldrig når tarmen. På grund av detta blir personer med cystisk fibros ofta malnutrierade, även om de äter mycket mat. Nutritionsstatusen hos dessa patienter påverkas negativt då de har svårigheter att ta upp näringsämnen ur maten (Hjelte, 2006). Pankreasinsufficiensen kan orsaka kolikliknande smärtor efter måltid samt att barnet kan får illaluktande gråaktig diarré. Andra symtom från tarmen är att barn ofta får förstoppningssymtom då den minskade klorid- och vätskesekretionen gör avföringen torr och fast (Griph & Ström, 2007).

Vid cystisk fibros producerar svettkörtlarna mycket salt svett på grund av att reabsorptionen i svettkörtlarnas utförsgångar är nedsatt. Hos barn som haft återkommande luftvägsinfektioner samt visat tecken på pankreasinsufficiens görs ett svett-test för att bidra till diagnostiken av cystisk fibros. Även genetisk undersökning genom blodprov används för att säkerställa diagnosen och ange svårighetsgraden (Griph & Ström, 2007).

(8)

2

1. INLEDNING

Medellivslängden för personer med cystisk fibros har ökat sedan sjukdomen först beskrevs 1938. Då konstaterades diagnosen endast postmortalt på spädbarn. Tack vare tidigt ställda diagnoser, effektiv terapeutisk behandling, potenta antibiotika samt upprättande av kvalificerade CF-center är medellivslängden för en person med cystisk fibros i västvärlden numera cirka 40 år. Dock är malnutrition och undervikt fortfarande ett problem för personer med cystisk fibros (McCloskey et al., 2001).

1.1.2. Konsekvenser av cystisk fibros

Patienter med CF har försämrat intag av energi vilket resulterar i viktnedgång eller oförmåga att växa normalt. Tidigare har dessa tillstånd setts som ett symtom på sjukdomen. Det är nu vedertaget att det är den förändrade nutritionsstatusen och det faktum att barnens intag av energi är mindre än den energi de förbrukar som orsakar malnutritionen (Pencharz & Durie, 2000). Enligt Hankard, Munck och Navarro (2002) kan barn med CF få en försämrad tillväxtkurva på grund av att de har en minskad förmåga att ta upp energi.

Utöver försämrad tillväxtkurva och viktnedgång kan nutritionsstatusen även påverka den kognitiva förmågan. Koscik et al (2004) antyder att malnutrierade barn med cystisk fibros rankades lägre på kognitiva tester än välnutrierade barn. Författarna anser att med hjälp av en energiberikad diet samt tillskott av vitaminer och pankreas enzym förebyggs en försämring av den kognitiva förmågan.

Rubbning i nutritionsstatusen beror utöver försämrat upptag av energi på grund av pankreasinsufficiens även på andra faktorer som påverkar energiupptaget negativt. Denna patientgrupp har ofta högre energiförlust på grund av gastroesofagal reflux som orsakar kräkning och smärta samt lunginflammation (Pencharz & Durie, 2000). Hankard, Munck och Navarro (2002) menar att utöver minskat intag av kost på grund av hosta och magsmärtor samt minskad absorption av näring i tarmen har dessa barn en ökad vilometabolism.

Det är inte fullständigt kartlagt varför personer med cystisk fibros har en ökad vilometabolism. Enligt Sinaasappel et al. (2001) beror den ökade vilometabolismen främst på ökat andningsarbete samt de kroniska infektioner som uppstår till följd av bakterieansamlingar i luftvägarna. Ett annat förslag till orsaker bakom den förhöjda vilometabolismen kommer från en studie av Moudiou, Galli-Tsinopoulou och Nousia-Arvanitakis (2007), som menar att den ökade vilometabolismen är starkt korrelerad till

(9)

3

1. INLEDNING

pankreasinsufficiens. Pankreasinsufficiens är vanligt förekommande hos personer med cystisk fibros och kan ofta ses redan från födseln (Hjelte, 2006).

Enligt Farrell et al (2001) bör en screening utföras på barn i tidig ålder för att utesluta om de har CF. Undersökningarna ger då resultat i tidigt skede vilka barn som har sjukdomen och insatser för att motverka malnutrition kan då utföras.

Viktigt för denna patientgrupp är att räkna ut det dagliga behovet av näring och eventuellt energitillskott. Försämrad viktuppgång och tillväxt hos barn kan ha en negativ inverkan på lungfunktionen. Peterson, Jacobs & Milla (2003) menar att bättre nutritionsstatus leder till bättre lungfunktion och ökar därmed överlevnaden hos denna patientgrupp. Studien belyser betydelsen av att ha god kontroll av nutritionsstatus och syftar till vikten av att beräkna och upprätthålla barnens energibehov. Vid uträkningen för bestämning av en individs nutritionsstatus används bland annat faktorer som basalmetabolismen (Almås & Kondrup, 2002).

1.2. Definition av basalmetabolism

Basalmetabolism (BMR) omfattar den energiförbrukning som en individ har i viloläge och är ett mått på hur mycket energi kroppens organ behöver för att kunna fungera under psykisk och fysisk vila i en rumstempererad miljö efter 10-12 timmars fasta. Den mäts i kcal/dygn eller kJ/dygn och utgör för en måttligt aktiv människa cirka 60-70 procent av den totala energiomsättningen.

Begreppen Resting Metabolic Rate (RMR) och BMR innebär kortfattat kroppens vilometabolism. Uppmätningsmetoden för BMR och RMR kan ske genom att använda sig av indirekt respiratorisk kalorimetri, där kroppens syrgaskonsumtion är proportionell med kroppens energiförbrukning. BMR mäts på en patient i vila som fastat i 12 timmar. RMR mäts på en patient som endast vilat 30 minuter och fastat tre-fyra timmar. RMR är vanligtvis något högre än BMR. RMR syftar till att få fram samma värden som BMR, men mäts under mindre strikta förutsättningar. I texten kommer fortsättningsvis enbart BMR användas för att beskriva vilometabolism (Andersson & Göranzon, 2008).

Faktorer som påverkar kroppens basalmetabolism är kroppsvikt, muskelmassa, fettmassa ålder och kön. Även fysisk aktivitet påverkar kroppens basalmetabolism, liksom febertillstånd

(10)

4

1. INLEDNING

och omgivningstemperaturer. Andra faktorer som kan påverka basalmetabolismen är kroppens hormonnivåer. Exempelvis sänks basalmetabolismen vid ett underskott på thyreoideahormon och höjs vid ett överskott på samma hormon. En för hög dos av stresshormonet adrenalin höjer kroppens basalmetabolism (Andersson & Göranzon, 2008).

Basalmetabolismen hos personer med cystisk fibros är cirka 80 procent av den totala energiomsättningen (TEE). Att basalmetabolismen är ökad behöver dock inte innebära att den TEE också är ökat. (McCloskey et al., 2004).

1.2.1. Uppmätt värde av basalmetabolism

Energiförbrukningen hos en individ kan bestämmas genom mätning av syrgaskonsumtion och koldioxidproduktion. Syrgaskonsumtionen är proportionell med kroppens basalmetabolism (Andersson & Göranzon, 2008). Under mätningen ska patienten ligga på rygg och miljön ska vara lugn och avslappnad. Andningsluften registreras via en plastkupa som placeras över ansiktet. Patientens förbrukning av syre V02 samt koldioxidproduktion VC02 mäts och med vetskapen att 1 liter V02 ger 5kcal kan energiförbrukningen bestämma. Genom att titta på förhållandet mellan VC02 och V02 kan mängden kolhydrater och fett som förbränns uppskattas. Mätmetoden kan användas oavsett patientgrupp och ger pålitliga resultat oavsett om patienten är överviktig eller malnutrierad (Haugen, Chan & Li., 2007).

Vid beräkning av basalmetabolism, utan individuell mätning, kan olika ekvationer användas beroende på ålder, kön och antropometriska mått (Andersson & Göranzon, 2008). Indirekt respiratorisk kalorimetri anses dock ge ett mer korrekt värde då de kan registrera förändringar i energiförbrukningen vid sjukdom och behandling. De ekvationer som används tar inte hänsyn till de eventuella metabola förändringar som sjukdomstillståndet kan medföra (Haugen, Chan & Li., 2007).

1.2.2. Beräknat värde av basalmetabolism

BMR kan bestämmas via indirekt respiratorisk kalorimetrimätning på individuell basis eller via det beräknade värdet (= predicted value), vilket beräknas på generell basis utifrån olika typer av ekvationer. Dessa ekvationer är beroende av patientens ålder, kön, vikt, längd, fettmassa (FM) och fettfri massa (FFM). FFM beskriver den totala andelen kroppsmassa som inte är fett, det vill säga muskler, vatten och skelett. Andelen muskler i kroppssammansättning spelar en viktig roll i mätningen av energiomsättningen, eftersom

(11)

5

1. INLEDNING

desto högre muskelmassa en person har, desto högre blir också energiomsättningen. Enligt Moreira da Rocha, Alves, Silva, Chiesa och Fonseca (2005) samt Müller, Bosy-Westphal, Kutzner och Heller (2002) är ekvationer som baseras på FFM mer pålitliga än ekvationer baserade på exempelvis bara kroppsvikten.

Enligt Campbell, Zander och Thorland (2005) finns det ingen ekvation som motsvarar resultatet av indirekt respiratorisk kalorimetri för underviktiga personer. Även Frankenfield, Roth-Yousey och Compher (2005) beskriver att det finns en problematik med att applicera ekvationerna på personer som inte brukar inkluderas i tester av dessa ekvationer. På individnivå har ekvationerna ofta stora brister. Enligt Thomson, Bucolo, Quirk och Shepherd (1995) underskattar ekvationerna BMR hos personer med CF och de anser att dessa ekvationer bör användas med försiktighet då just denna patientgrupp behöver ett adekvat näringsintag för att inte utveckla kraftig undervikt.

De ekvationer som kommer att användas i arbetet baseras på olika mätvärden och har valts ut för att omfatta samtliga mätvärden som tagits fram i samband med den indirekta respiratoriska kalorimetrin. Harris Benedicts ekvation är enligt Frankenfield, Roth-Yousey, Compher (2005) en av de äldsta och mest använda ekvationerna för att räkna ut basalmetabolism och det är därför intressant att Harris Benedicts ekvation ingår i arbetet. Ekvationen baseras på vikt, längd och ålder (Finan, Larson, Goran, 1997). Schofields ekvation är välbeprövad och ligger även till grund för Livsmedelsverket (LMV) och World health organizations (WHO) rekommendationer för BMR. Schofields ekvation baseras på längd och vikt (Hofsteenge, Chinapaw, Delemarre-van de Waal, Weijs, 2010). WHOs egen ekvationen baseras på vikten (Derumeaux-Burel, Meyer, Morin, Boirie, 2004). Tverskayas ekvation är framtagen för överviktiga personer. Ekvationen baseras på FFM, FM, ålder och kön och eftersom FM och FFM inte ingår i några andra ekvationer ansågs den vara intressant för arbetet (Tverskaya, Rising, Brown, Lifshitz, 1998). Maffeis ekvation är särskilt utprövad på barn och anses därför relevant för arbetet. Ekvationen baseras på vikt, längd och ålder (McDuffie et al., 2004).

WHOs och Shofields ekvationer delar in barn och ungdomar i två olika åldersgrupper. Åldern 3-10 år definieras som barn och åldern 11-18 år definieras som ungdomar. Samtliga ekvationer tar hänsyn till kön . Eftersom samtliga ekvationer gör skillnad på kön och i två fall

(12)

6

2. METOD

på åldersgrupp är det intressant att studera om ekvationerna lämpar sig olika bra för olika åldrar och kön (Hofsteenge, Chinapaw, Delemarre-van de Waal, Weijs, 2010).

1.3. Problemformulering

Det finns vissa begränsningar med de ekvationer som genererar det beräknade värdet av BMR, eftersom dessa utgår från generaliserade värden på patienten. Eftersom ekvationerna inte tar hänsyn till att personer med cystisk fibros har en förhöjd vilometabolism kan resultaten bli missvisande. BMR-mätning via indirekt respiratorisk kalorimetri ger ett mer pålitligt resultat då denna mätning är individanpassad. Ekvationerna är dock den vanligaste metoden för bestämmandet av BMR, eftersom apparaturen som krävs för indirekt respiratorisk kalorimetri endast finns på ett fåtal platser i Sverige och därmed blir en begränsning. Därför vore det lämpligt att hitta en ekvation som genererar så lika värden som möjligt som en mätning med indirekt respiratorisk kalorimetri för barn och ungdomar med cystisk fibros.

1.4. Syfte

Syftet med detta arbeteär att utifrån uppmätt basalmetabolism jämföra olika ekvationer för att hitta den mest lämpliga ekvationen för uträknandet av ett beräknat värde av basalmetabolism hos en grupp barn och ungdomar med cystisk fibros.

1.5. Frågeställning

Vilken ekvation är den lämpligaste vid uträkning av ett uträknat värde av basalmetabolism för gruppen som helhet?

Vilken ekvation är den lämpligaste vid uträkning av ett uträknat värde av basalmetabolism hos flickor respektive pojkar med cystisk fibros?

Vilken ekvation är den lämpligaste vid uträkningen av ett uträknat värde av basalmetabolism för barn (4-10 år) respektive ungdomar (11-18 år) med cystisk fibros?

2. METOD

Ett större projekt om barn och ungdomar med cystisk fibros pågick under åren 2006-2010 vid enheten för klinisk nutrition och metabolism tillsammans med Uppsala CF-regionscenter vid Akademiska sjukhuset i Uppsala. Detta arbete utgår ifrån redan insamlad data från huvudprojektet.

(13)

7

2. METOD

2.1. Studiedesign

Arbetet är en deskriptiv korrelationsstudie.

2.2.1 Urval

Barn och ungdomar med cystisk fibros, totalt 20 stycken varav 14 var pojkar och sex var flickor. Eftersom några barn hade genomgått mätningen vid två olika tillfällen med flera års mellanrum uppgick mättillfällena till 27 stycken.

Deltagarna valdes ut genom bekvämlighetsurval eftersom alla som passade inklusionskriterierna valdes ut. Deltagarna har tidigare varit på CF-mottagningen på Akademiska sjukhuset, resultatet efter mätningarna finns samlat på laboratoriet för klinisk nutrition och metabolism. Inget barn tackade nej till deltagande i studien.

2.2.2 Inklusionskriterier

Barn och ungdomar i åldern 4-18 år med diagnostiserad CF har tillfrågats om deltagande. 2.2.3 Exklusionskriterier

Barn och ungdomar som vid undersökningstillfället var drabbad av infektion som påverkat allmäntillståndet samt vid försämrat sjukdomstillstånd exkluderades. Barn och ungdomar som förväntades må dåligt av en senarelagt frukost exkluderades också.

Vid datainsamlingen exkluderades en deltagare som vid andra mättillfället var 20 år och därmed för gammal för att delta. Endast mättillfället då deltagaren var 20 år exkluderades.

2. 3 Tillvägagångssätt

2.3.1. Uppmätt BMR

Resultat från BMR-mätningar har under perioden 2006 till 2010 samlats in vid enheten för klinisk nutrition och metabolism med hjälp av indirekt respiratorisk kalorimetri mätningar. I detta arbete kommer det uppmätta värdet att jämföras med de fem olika ekvationerna.

Vid indirekt respiratorisk kalorimetri andas försökspersonen via en mask som är kopplat till en dator, som analyserar syre- och koldioxidmängden i utandningsluften. Genom mätning av syrgaskonsumtion bestämdes energiförbrukningen (1 liter V02 ger 5 kcal). Vid mätningstillfället ska barnen vara fastande. Mätningarna som pågår i 30 - 45 minuter utförs på morgonen och barnen skall vara så lugna och avslappnade som möjligt vid mätningen. Mätningar med hjälp av indirekt respiratorisk kalorimetri utfördes barn och ungdomar med

(14)

8

2. METOD

cystisk fibros vid enheten för Klinisk Nutrition och Metabolism på Akademiska Sjukhuset i Uppsala. Barnen och ungdomarna var fastande sedan kl. 22.00 föregående kväll och kom sedan till enheten för klinisk nutrition och metabolism på morgonen kl. 08.00. Kriterierna för en BMR-mätning frångicks därmed eftersom patienten inte vilat så länge som krävs. Dock hade barnen fastat under 12 timmar vilket är det andra kriteriet för BMR-mätning med indirekt respiratorisk kalorimetri. Mätningarna som gjordes kan därmed sägas vara ett mellanting av en BMR- och en RMR-mätning.

Antalet mätningar blev totalt 27, uppdelat på 17 pojkar och 10 flickor. Vid mätningstillfällena registrerades utöver basalmetabolism även ålder, vikt, längd, BMI, FM och FFM. FM och FFM uppmättes genom att bestämma kroppssammansättningen med hjälp av bioimpedans- och kaliper (hudvecks) mätning.

Materialet till arbetet samlades in från pärmar som tillhandahölls av enheten för klinisk nutrition och metabolism. Samtlig data hade samlats in i samband med att barnen och ungdomarna kom till enheten för att genomföra en respiratorisk kalorimetri. Patientdata, som innehåller identitetsuppgifter, kodades om för att göra deltagarna anonyma. Därefter registrerades de för arbetet nödvändiga uppgifterna. De värden som skrevs ned var ålder mätt i år och månader, vikt, längd, BMI, FFM i kg, FM i kg samt uppmätt BMR i kcal/dygn.

2.3.2. Beräknat BMR

Resultatet från mätningarna användes i ekvationerna för att räkna ut de förutsatta värdena. Varje mätning användes i fem olika ekvationer. Ekvationerna valdes ut i samråd med handledare Roger Olsson. Kriterierna för ekvationerna var att de skulle baseras på olika variabler och vara väl beprövade.

De variabler som inkluderas är vikt, längd, ålder, FM och FFM, beroende på vilken utav ekvationerna som användes. Ekvationerna är anpassade efter kön och ålder. I de ekvationer som ålder var en variabel rundades åldern ner om barnet var exempelvis 10 år och fem månader, men rundades upp om barnet var 10 år och sex månader.

(15)

9

2. METOD

2.3.3. Ekvationerna

I ekvationerna användes enheterna vikt i kg, längd i cm, ålder i år, FM och FFM i kg.

Harris-Benedicts ekvation - kcal/dygn

Flickor: 655,1 + (9,56 x vikt) + (1,85 x längd) – (4,68 x ålder) Pojkar: 66,47 + (13,75 x vikt) + (5,0 x längd) – (6,76 x ålder)

WHOs ekvation – kcal/dygn

Flickor ålder 3-10: (22,5 x vikt) + 499 Flickor ålder 11-18: (12,2 x vikt) + 746 Pojkar ålder: 3-10: 22,7 x vikt + 495 Pojkar ålder: 11-18: 17,5 x vikt + 651

Schofields ekvation kcal/dygn

Flickor ålder 3-10: (16,969 x vikt) + (1,618 x längd) + 371,2 Flickor ålder 11-18: (8,365 x vikt) + (4,365 x längd) + 200,0 Pojkar ålder 3-10: (19,59 x vikt) + (1,303 x längd) + 414,9 Pojkar ålder 11-18: (16,25 x vikt) + (1,372 x längd) + 515,5

Tverskayas ekvation kcal/dygn

Flickor: 775 + (28,4 x FFM) – (37 x ålder) + (3,3 x FM) + (kön x 82) (Flickor=0) Pojkar: 775 + (28,4 x FFM) – (37 x ålder) + (3.3 x FM) + (kön x 82) (Pojkar=1)

Maffeis ekvation kcal/dygn

Flickor: (35,8 x vikt) + (15,6 x längd) – (36,3 x ålder) + 1552 x 0.24 Pojkar: (28,6 x vikt) + (23,6 x längd) – (69,1 x ålder) + 1287 x 0.24

(16)

10

2. METOD

2.4. Dataanalys

Mätningarna studerades och sammanställdes vid enheten för klinisk nutrition och metabolism. Dessa jämfördes sedan med fem olika ekvationer för att hitta den bäst lämpade ekvationen för patientgruppen som helhet, för barn respektive ungdomar samt för pojkar respektive flickor. All data från kalorimetri mätningarna och resultaten från ekvationerna matades in i statistikprogrammet Statistical Package for the Social Sciences (SPSS).

Medelvärden av BMR för pojkar, flickor, barn, ungdomar samt för gruppen som helhet uträknades utifrån de uppmätta värdena samt för de fem ekvationerna. Dessa medelvärden jämfördes sedan för att se om basal metabolism skattades högre eller lägre beroende på om man använde sig av indirekt respiratorisk kalorimetri eller av ekvationerna. En jämförelse gjordes mellan ekvationerna för att se vilket medelvärde som stämde bäst överens med det uppmätta medelvärdet för gruppen som helhet samt för varje undergrupp. För att beskriva hur det beräknade värdet förhåller sig till det uppmätta värdet gjordes en kvotberäkning som beskriver skillnaden i procent. BMR förhållande % syftar till att beskriva hur det beräknade värdet förhåller sig till det uppmätta värdet. Det är inte applicerbart om det uträknade medelvärdet överstiger det uppmätta medelvärdet. BMR förhållande % = (Uträknat BMR/Uppmätt BMR) x 100. För att undersöka om det fanns en statistisk signifikant skillnad mellan medelvärdena utfördes ett beroende t-test.

Pearsons korrelationskoefficient (r-värdet) som anger graden av linjärt samband mellan det uträknande och uppmätta värdena beräknades för varje ekvation i analyserna som avsåg hela gruppen. Ju starkare ett samband är desto närmare +1 eller -1 ligger r-värdet.

För undergruppsjämförelser (barn-ungdomar respektive pojkar-flickor) utfördes icke-parametriska motsvarigheter (Spearmans rangkorrelation respektive Wilcoxons teckanrangtest) eftersom antalet deltagare i undergrupperna var relativt få.

För samtliga mätvärden sattes signifikansnivån p<0,05 som den övre gränsen för att kunna påvisa signifikant skillnad.

2.5. Etiska överväganden

Huvudprojektet som ligger till grund för detta arbete godkändes av etikprövningsnämnden i Uppsala 2007-02-07 (Dnr 2006/311). Författarna av detta arbete har fått tillstånd från handledare Roger Olsson att använda data från huvudprojektet. Data ska bearbetas

(17)

11

3. RESULTAT

konfidentiellt vid laboratoriet för klinisk nutrition och metabolism för att säkerställa att sekretessen vid personuppgifter upprätthålls. De pärmarna med personinformation hanteras enbart på laboratoriet och hålls annars inlåsta. Barnen och föräldrarna får information om att deltagandet i studien är helt frivilligt och att de kan avbryta deltagandet om de önskar vid vilken tidpunkt som helst utan att behöva ge en förklaring. Riskerna för deltagarna har minimerats då exklusionskriterierna följts.

3. RESULTAT

3.1. Uppmätt BMR med hjälp av indirekt respiratorisk kalorimetri

Samtliga deltagares kön, ålder, vikt, BMI, FM, FFM och uppmätt BMR som samlats in vid enheten för klinisk nutrition redovisas i bilaga 1. Medelvärdet av uppmätt BMR för gruppen som helhet, för pojkar respektive flickor samt för barn respektive ungdomar presenteras i tabell I-V för ett överblickbart resultat.

3.2. Uträknat BMR med hjälp av ekvationer

Kön, ålder, vikt, längd, FM och FFM från de 27 mätningarna användes i fem olika ekvationer som räknar ut BMR. Resultatet av uträkningarna redovisas i tabeller i bilaga 1. Medelvärdet för uträknat BMR redovisas i tabell I-V. Resultatet från de fem ekvationerna sammanställdes i statistikprogrammet SPSS och det sammantagna resultatet från varje ekvation jämfördes med det sammantagna resultatet från det uppmätta värdet.

Resultatet utifrån de beräknade ekvationerna och dataanalysen är uppdelat i fem tabeller, en för varje ekvation. I varje tabell är deltagarna uppdelade i gruppen som helhet, pojkar, flickor, barn och ungdomar. De resultat som redovisas i tabellerna är medelvärdet (M) för det uppmätta värdet på BMR samt standardavvikelse, medelvärdet (M) på det uträknade värdet av BMR och standardavvikelse, korrelationskoefficient (r-värde), skillnadsanalys (t-test) procentuellt förhållande av medelvärdena (BMR förhållande %).

3.2.1. Uppmätt BMR jämfört med Harris-Benedicts ekvation

Harris-Benedict ekvation, som är anpassad efter kön, använder sig av variablerna ålder, vikt, längd. Korrelationskoefficienten för gruppen som helhet är hög och statistiskt signifikant. Standardavvikelsen är hög och skillnadsanalysen påvisar en signifikant skillnad mellan det uppmätta och uträknade medelvärdet. Det uträknade medelvärdet är lägre än det uppmätta medelvärdet.

(18)

12

3. RESULTAT

Korrelationskoefficienten är hög och statistiskt signifikant för samtliga undergrupper. Standardavvikelsen är hög för samtliga undergrupper. Skillnadsanalysen för undergrupperna pojkar och ungdomar påvisar en skillnad mellan uppmätt och uträknat medelvärde. De uträknade medelvärdena är lägre än de uppmätta medelvärdena. Skillnadsanalysen påvisar ingen skillnad mellan medelvärdena i undergrupperna flickor och barn. För undergrupperna flickor och barn är medelvärdet för uppmätt BMR och uträknat BMR väl överensstämmande enligt BMR förhållande %.

Tabell I Harris-Benedict ekvation för förutsett BMR jämfört med uppmätt BMR

Deltagare Uppmätt BMR (kcal/dygn) (M) (SD) Uträknat BMR (kcal/dygn) (M) (SD) Korrelations-koefficient Skillnads-analys BMR förhållande % Gruppen som helhet (n=27) 1408 388 1258 262 r=0,90*** t=4,06*** 89 Pojkar (n=17) 1491 429 1293 313 rs=0,91*** Z= -3,10 *** 87 Flickor (n=10) 1268 270 1199 134 rs=0,94*** Z= -1,17 ns 95 Ålder 3-10 (n=8) 987 163 978 148 rs=0,83** Z= - 0,42 ns 99 Ålder 11-18 (n=19) 1586 308 1376 203 rs=0,87*** Z= -3,67 *** 87

ns= no significance, *p<0,1, **p<0,05, ***p<0,01. n. a = not applicable.

r= Pearsons korrelationskoefficient. rs= Spearmans rangkorrelation. t= Beroende t-test. Z= Wilcoxons teckenrangtest.

(19)

13

3. RESULTAT

Diagram 1 sammanfattar resultatet av uppmätt BMR och beräknat BMR utifrån Harris-Benedicts ekvation för gruppen som helhet. Korrelationskoefficienten för diagram 1 är r=0,90 med en signifikans p<0,01.

Diagram 1. Sambandet mellan uppmätt BMR och Harris-Benedicts ekvation

3.2.2. Uppmätt BMR jämfört med WHOs ekvation

WHOs ekvation, som är anpassad efter kön och ålder, använder sig av variabeln vikt. Korrelationskoefficienten för gruppen som helhet är hög och statistiskt signifikant. Standardavvikelsen är hög och skillnadsanalysen påvisar en signifikant skillnad mellan uppmätt och uträknat medelvärde. Det uträknade medelvärdet är lägre än det uppmätta medelvärdet.

Korrelationskoefficienten är hög och statistiskt signifikant för samtliga undergrupper, dock något lägre för undergruppen barn. Standardavvikelsen är hög för samtliga undergrupper. Skillnadsanalysen för pojkar och ungdomar påvisar en signifikant skillnad mellan medelvärdena. De uträknade medelvärdena är lägre än de uppmätta medelvärdena. Skillnadsanalysen påvisar ingen skillnad mellan medelvärdena i undergrupperna flickor och barn I undergruppen barn är medelvärdet för uppmätt BMR och uträknat BMR väl överensstämmande enligt BMR förhållande %.

y = 0,6058x + 405,15 r = 0,90 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 500 1000 1500 2000 2500 Up p mä tt BM R (kca l/d ygn ) Beräknat BMR (kcal/dygn)

(20)

14

3. RESULTAT

Tabell II WHOs ekvation för förutsett BMR jämfört med uppmätt BMR

Deltagare Uppmätt BMR (kcal/dygn) (M) (SD) Uträknat BMR (kcal/dygn) (M) (SD) Korrelations-koefficient Skillnads-analys BMR förhållande % Gruppen som helhet (n=27) 1408 388 1277 292 r=0,87*** t= 3,48 ** 91 Pojkar (n=17) 1491 429 1336 334 rs=0,89*** Z= -2,34 ** 90 Flickor (n=10) 1268 270 1178 172 rs=0,93*** Z= -1,38 ns 93 Ålder 3-10 (n=8) 987 163 964 215 rs=0,74** Z= -0,28 ns 98 Ålder 11-18 (n=19) 1586 308 1410 207 rs=0,89*** Z= -3,02 *** 89

Diagram 2 sammanfattar resultatet av uppmätt BMR och beräknat BMR utifrån WHOs ekvation för gruppen som helhet. Korrelationskoefficienten för diagram 2 är r=0,87 med en signifikans på p<0,01.

Diagram 2. Sambandet mellan uppmätt BMR och WHOs ekvation

(21)

15

3. RESULTAT

3.2.3. Uppmätt BMR jämfört med Schofields ekvation

Schofields ekvation, som är anpassad efter kön och ålder, använder sig av variablerna vikt och längd. Korrelationskoefficienten för gruppen som helhet är hög och statistiskt signifikant. Standardavvikelsen är hög och skillnadsanalysen påvisar en signifikant skillnad mellan det uppmätta och uträknade medelvärdet. Det uträknade medelvärdet är lägre än det uppmätta medelvärdet.

Korrelationskoefficienten är hög och statistiskt signifikant för undergrupperna pojkar, flickor och ungdomar. Standardavvikelsen är hög för samtliga undergrupper. Skillnadsanalysen för pojkar, flickor och ungdomar påvisar en signifikant skillnad mellan medelvärdena. De uträknade medelvärdena är lägre än de uppmätta medelvärdena. Korrelationskoefficienten är något låg i undergruppen barn. I denna undergrupp är medelvärdet för uppmätt BMR och uträknat BMR väl överensstämmande enligt BMR förhållande %.

Tabell III. Schofields ekvation för förutsett BMR jämfört med uppmätt BMR

Deltagare Uppmätt BMR (kcal/dygn) (M) (SD) Uträknat BMR (kcal/dygn) (M) (SD) Korrelations-koefficient Skillnads-analys BMR förhållande % Gruppen som helhet (n=27) 1408 388 1291 289 r=0,90*** t=3,36 ** 92 Pojkar (n=17) 1491 429 1374 310 rs=0,90*** Z= -1,92 ** 92 Flickor (n=10) 1268 270 1150 187 rs=0,92*** Z= -2,40 ** 91 Ålder 3-10 (n=8) 987 163 970 130 rs=0,60* Z= -0,84 ns 98 Ålder 11-18 (n=19) 1586 308 1427 220 rs=0,83*** Z= -2,82 *** 90

(22)

16

3. RESULTAT

Diagram 3 sammanfattar resultatet av uppmätt BMR och beräknat BMR utifrån Schofields ekvation för gruppen som helhet. Korrelationskoefficienten för diagram 3 är r=0,90 med en signifikans på p<0,01.

Diagram 3. Sambandet mellan uppmätt BMR och Schofields ekvation

3.2.4. Uppmätt BMR jämfört med Tverskayas ekvation

Tverskayas ekvation, som är anpassad efter kön, använder sig av variablerna ålder, FM och FFM. Korrelationskoefficienten för gruppen som helhet är hög och statistiskt signifikant. Skillnadsanalysen påvisar ingen skillnad mellan uträknat BMR och uppmätt BMR. Det uträknade medelvärdet är något lägre än det uppmätta medelvärdet.

Korrelationskoefficienten är hög och statistiskt signifikant för samtliga undergrupper, dock något lägre för undergruppen barn. Standardavvikelsen är hög i undergrupperna pojkar, flickor och ungdomar. Skillnadsanalysen för pojkar och flickor påvisar ingen skillnad mellan uppmätt och uträknat medelvärde. Enligt BMR förhållande % är medelvärdena väl överensstämmande i undergrupperna pojkar och flickor. Standardavvikelsen för dessa grupper är hög. Skillnadsanalysen påvisar en signifikant skillnad mellan medelvärdena i undergrupperna barn och ungdomar. I undergruppen ungdomar är det uträknade medelvärdet lägre än det uppmätta värdet. I undergruppen barn är det uträknade medelvärdet högre än det uppmätta värdet. Undergruppen barn har en relativt låg standardavvikelse.

(23)

17

3. RESULTAT

Tabell IV. Tverskayas ekvation för förutsett BMR jämfört med uppmätt BMR

Deltagare Uppmätt BMR (kcal/dygn) (M) (SD) Uträknat BMR (kcal/dygn) (M) (SD) Korrelations-koefficient Skillnads-analys BMR förhållande % Gruppen som helhet (n=27) 1408 388 1370 264 r=0,85*** t=0,91 ns 97 Pojkar (n=17) 1491 429 1460 267 rs=0,90*** Z= -0,36 ns 98 Flickor (n=10) 1268 270 1217 180 rs=0,92*** Z= -1,18 ns 96 Ålder 3-10 (n=8) 987 163 1135 86 rs=0,71** Z= -2,24 ** n. a Ålder 11-18 (n=19) 1586 308 1469 250 rs=0,88*** Z= -2,09 ** 93

Diagram 4 sammanfattar resultatet av uppmätt BMR och beräknat BMR utifrån Tverskayas ekvation för gruppen som helhet. Korrelationskoefficienten för diagram 4 är r=0,85 med en signifikans på p<0,01.

Diagram 4. Sambandet mellan uppmätt BMR och Tverskayas ekvation

y = 0,5746x + 560,98 r = 0,85 0 500 1000 1500 2000 2500 0 500 1000 1500 2000 2500 Up p m ät t BMR (kc al/ d ygn) Beräknat BMR (kcal/dygn)

(24)

18

3. RESULTAT

3.2.5. Uppmätt BMR jämfört med Maffeis ekvation

Maffeis ekvation, som är anpassad efter kön, använder sig av variablerna ålder, vikt och längd. Korrelationskoefficienten för gruppen som helhet är hög och statistiskt signifikant. Standardavvikelsen är hög och skillnadsanalysen påvisar en signifikant skillnad mellan det uppmätta och uträknade medelvärdet. Det uträknade medelvärdet är lägre än det uppmätta medelvärdet.

Korrelationskoefficienten är hög och statistiskt signifikant för samtliga undergrupper. Skillnadsanalysen för undergrupperna pojkar, flickor och ungdomar påvisar en signifikant skillnad mellan medelvärdena. Det uträknade medelvärdet är lägre än det uppmätta medelvärdet. Standardavvikelsen är hög för dessa undergrupper. För undergruppen barn är medelvärdet för uppmätt BMR och uträknat BMR väl överensstämmande enligt BMR förhållande %. Skillnadsanalysen påvisar ingen skillnad mellan medelvärdena. Standardavvikelsen för undergruppen barn är relativt låg.

Tabell V. Maffies ekvation för förutsett BMR jämfört med uppmätt BMR

Deltagare Uppmätt BMR (kcal/dygn) (M) (SD) Uträknat BMR (kcal/dygn) (M) (SD) Korrelations-koefficient Skillnads-analys BMR förhållande % Gruppen som helhet (n=27) 1408 388 1185 182 r=0,91*** t=4,95 ** 84 Pojkar (n=17) 1491 429 1231 189 rs=0,91*** Z= -2,78 *** 83 Flickor (n=10) 1268 270 1105 144 rs=0,95*** Z= -2,60 *** 87 Ålder 3-10 (n=8) 987 163 985 82 rs=0,69*** Z= -0,14 ns 100 Ålder 11-18 (n=19) 1586 308 1269 141 rs=0,88*** Z= -3,66 *** 80

(25)

19

4. DISKUSSION

Diagram 5 sammanfattar resultatet av uppmätt BMR och beräknat BMR utifrån Maffeis ekvation för gruppen som helhet. Korrelationskoefficienten för diagram 5 är r=0,91 med en signifikans på p<0,01.

Diagram 5. Sambandet mellan uppmätt BMR och Maffeis ekvation

4. DISKUSSION

Tverskayas ekvation applicerad på gruppen som helhet hade god korrelation och skillnadsanalysen påvisade ingen skillnad mellan uppmätt och uträknat BMR. Dock var standardavvikelsen hög vilket indikerar ett missvisande medelvärde. I flertalet fall överskattade ekvationen BMR hos individer med ett uppmätt BMR-behov lägre än 1400 kcal/dygn och underskattade BMR hos individer med ett uppmätt BMR högre än 1400 kcal/dygn. Liknande resultat som för gruppen som helhet kunde konstateras i undergrupperna pojkar, flickor och ungdomar. Maffeis ekvation applicerad på gruppen barn hade något låg korrelation men BMR förhållande % var 100 %. Den låga korrelationen kan bero på att gruppen hade få deltagare. Det fanns ingen signifikant skillnad mellan uppmätt och beräknat BMR. Enligt den statistiska analysen skulle ekvationen kunna vara lämplig för att användas på barn, detta bör dock utvärderas i större studier.

4.1. Resultatdiskussion

4.1.1. Gruppen som helhet

Samtliga uträknade medelvärden underskattade BMR för gruppen som helhet, något som även framhålls av tidigare utförda studier (Derumeaux-Burel, Meyer, Morin, Boirie, 2004).

y = 0,4267x + 583,84 r = 0,91 0 200 400 600 800 1000 1200 1400 1600 0 500 1000 1500 2000 2500 Up p mä tt BM R (kca l/d ygn ) Beräknat BMR (kcal/dygn)

(26)

20

4. DISKUSSION

Anledningar till detta kan vara att vissa av ekvationerna som användes i denna studie inte var utformade på barn och inte heller tar hänsyn till metaboliska förändringar. Användandet av ekvationer som är utformade på en annan patientgrupp än den som beskrivs i denna studie kan medföra felaktiga resultat och därmed kan energibehovet för patientgruppen underskattas (Tverskaya, Rising, Brown, Lifshitz 1998). Enligt Haugen, Chan & Li (2007) anpassas inte ekvationerna till sjukdomstillstånd som kan orsaka metabola förändringar, det kan vara förklaring till varför ekvationerna inte var tillämpbara på flera av deltagarna inom patientgrupp. Med tanke på att det föreligger risk för malnutrition hos personer med CF är det viktigt att ha detta i åtanke om ekvationer används för att räkna ut BMR.

Medelvärdet från den indirekta respiratoriska kalorimetrin med avseende på gruppen som helhet var 1408 kcal/dygn. Resultatet från Tverskayas ekvation låg närmast det uppmätta värdet, 1370 kcal/dygn. Tverskayas ekvation använder sig av FM och FFM som variabler och enligt Moreira da Rocha, Alves, Silva, Chiesa och Fonseca (2005) samt Müller, Bosy-Westphal, Kutzner och Heller (2002) ska ekvationer baserade på dessa antropometriska mått vara mer pålitliga. Korrelationskoefficienten för Tverskayas ekvation var 0,85 och hade hög statistisk signifikans. Skillnadsanalysen påvisade ingen skillnad mellan uppmätt och uträknat medelvärde och BMR förhållande % var 97 procent. På individnivå kunde det dock konstateras att Tverskayas ekvation överskattade BMR-värdet för flera av deltagarna i åldersgruppen barn och underskattade värdet för flera av deltagarna i åldersgruppen ungdomar. Standardavvikelsen, som var hög, indikerade att medelvärdet var missvisande.

4.1.2. Pojkar och flickor

Tverskayas ekvation applicerat på pojkarna i gruppen gav ett medelvärde på 1460 kcal/dygn. Det var bäst överensstämmande med det uppmätta medelvärdet för gruppen pojkar som var 1491 kcal/dygn. Skillnadsanalysen för Tverskayas ekvation påvisade ingen skillnad mellan uträknat och uppmätt BMR. Korrelationskoefficienten var hög (rs=0,90) och den statistiska signifikansen (p<0,01) tyder på att resultatet inte berodde på slumpmässiga faktorer. Trots god korrelation verkar Tverskayas ekvation ha gett ett missvisande resultat. Standardavvikelsen var hög, vilket indikerar att medelvärdet av uträknat BMR egentligen var missvisande. Tverskayas ekvation underskattar BMR-värdet för majoriteten pojkarna med ett BMR-behov över 1400 kcal/dygn och överskattar BMR-värdet för samtliga pojkarna med ett BMR-behov under 1400 kcal/dygn.

(27)

21

4. DISKUSSION

Åtta av pojkarna i gruppen ungdomar hade betydligt högre uppmätt BMR jämfört med det BMR som räknades ut med ekvationerna. Att ekvationer ofta underskattar BMR hos personer med CF bekräftas av Thomson, Bucolo, Quirk och Shepherd (1995). Tre pojkar i samma grupp hade å andra sidan väl överensstämmande uppmätt BMR som samtliga ekvationer, frånsett Maffeis ekvation som underskattade samtligas kaloribehov. Pojkarna hade liknande kroppssammansättning och det vore intressant att på ett djupare plan undersöka varför ekvationerna föll väl ut på vissa av pojkarna och underskattade andra pojkars BMR-behov. En förklaring skulle kunna vara att pojkarna vars BMR underskattades hade en förhöjd basalmetabolism. För pojkarna i gruppen barn var resultatet av flera ekvationer väl överensstämde med deras uppmätta BMR. Undantaget var Tverskayas ekvation som kraftigt överskattade deras behov.

Även inom gruppen flickor visade sig medelvärdet av Tverskayas ekvation stämma bäst överens med det uppmätta medelvärdet, 1217 kcal/dygn respektive 1268 kcal/dygn. Korrelationskoefficienten var hög (rs=0,92) och hade en hög statistisk signifikans (p<0,01), vilket visar att det finns en korrelation mellan uppmätt och uträknat BMR och att det troligtvis inte beror på slumpmässiga faktorer. Skillnadsanalysen påvisade ingen skillnad mellan uppmätt och uträknat medelvärde.

Precis som i grupperna ungdomar och pojkar var standardavvikelsen relativt hög, vilket kan tolkas som att medelvärdet var något missvisande. Vid en granskning på individnivå kunde det konstateras att flera ekvationer, däribland Maffeis och Schofields, var tillämpbara på flickorna med ett kaloribehov av 1400 kcal/dygn eller lägre, medan deltagarna med ett högre kaloribehov fick ett underskattat värde av samtliga ekvationer. Resultatet påminde om resultatet i gruppen pojkar. Då antalet deltagare i gruppen flickor var få måste resultaten betraktas som osäkra och bör utvärderas i större studier.

4.1.3. Barn och ungdomar

Enligt skillnadsanalyserna för Harris-Benedicts, WHOs, Schofields och Maffeis ekvationer påvisades ingen skillnad mellan medelvärdet av uppmätt och uträknat BMR för gruppen barn. Enligt Finan et al. (1997) lämpar sig WHOs ekvation för gruppen barn vilket överensstämmer med resultatet från denna studie, som vid granskning på individnivå visade att ekvationen lämpade sig för sju av åtta barn.

(28)

22

4. DISKUSSION

Maffeis ekvation hade det mest överensstämmande medelvärdet jämfört med det uppmätta medelvärdet inom gruppen barn, 985 kcal/dygn respektive 987 kcal/dygn. BMR förhållande % var 100 procent. Standardavvikelsen var relativt låg och detta indikerar ett rättvisande medelvärde. Vid granskning på individ nivå var Maffies ekvation väl tillämpbar för att räkna ut BMR för sex av åtta barn. Ekvationen underskattade en pojkes behov och överskattade en flickas behov. Korrelationskoefficienten var 0,69, vilket tyder på att det fanns ett samband mellan värdena, det var dock inte så högt. Då antalet deltagare i studien var relativt få måste resultatet i gruppen barn anses vara något osäkert. Totalt ingick åtta barn i studien och det vore önskvärt att utföra en större studie med barn för att utvärdera resultaten ytterligare. Tverskayas ekvation räknade ut ett BMR som var för högt i förhållande till uppmätt BMR för sju av barnen. Enligt skillnadsanalysen var Tverskayas ekvations ej tillämpbar på gruppen barn (Z=-2,24, p<0,05). Tverskayas ekvation är främst framtagen till att användas på barn med övervikt, vilket kan vara förklaringen till att Tverskayas ekvation inte verkar vara tillämpbar på barn med normalvikt eller undervikt (Tverskaya, Rising, Brown, Lifshitz 1998). I gruppen ungdomar överensstämde medelvärdet från Tverskayas ekvation bäst med det uppmätta medelvärdet. Skillnadsanalysen visade på att det inte fanns en skillnad mellan medelvärdena. Korrelationskoefficienten var hög (rs=0,90) och hade en statistisk signifikans (p<0,05). Standardavvikelsen var dock hög och indikerar att medelvärdet kan vara missvisande för gruppen. Detta bekräftades också vid en granskning på individnivå.

Majoriteten av deltagarna som inkluderades i gruppen ungdomar hade ett behov av 1400 kcal/dygn eller högre. För elva deltagare med ett uppmätt BMR på 1400 kcal/dygn eller mer blev det uträknade BMR-värdet anmärkningsvärt lägre än deras egentliga behov. De ekvationer som bäst motsvarade uppmätt BMR för gruppen var Tverskayas och Schofields ekvationer. Flera av deltagarnas uträknade BMR var påtagligt underskattat i båda dessa ekvationer. Enligt Sinaasappel et al. (2001) har denna patientgrupp en ökad vilometabolism och därför behöver flera studier utföras för att kunna fastställa om ekvationerna kan vara ett komplement till indirekt respiratorisk kalorimetri. Maffeis ekvation var sämst lämpad för deltagare med ett högt uppmätt BMR. För de fem ungdomar som hade ett uppmätt BMR på 1400 kcal/dygn eller lägre, var WHOs och Maffeis ekvationer tillämpbara.

(29)

23

4. DISKUSSION

Ingen av ekvationerna verkar vara generellt tillämpbar på gruppen ungdomar. Ekvationerna motsvarar inte de uppmätta värdena på BMR och detta bör beaktas om ekvationerna skulle användas i den kliniska verksamheten (Campbell, Zander och Thorland, 2005).

4.2. Metoddiskussion

4.2.1. Urval

Informationen från mätningarna på de barn och ungdomar som deltagit i denna studie erhölls från enheten för klinisk nutrition och metabolism, Akademiska barnsjukhuset. Urvalet är inte slumpmässigt och endast begränsat till Akademiska sjukhusets upptagningsområde. Resultatet blir på grund av det inte representativt för hela populationen. Kostnads- och tidsmässigt hade det inte varit aktuellt med en mer rikstäckande undersökning. För en större studie med mer pålitliga resultat hade liknande nutritions- eller CF-center kunnat kontaktas runtom i landet. Det hade då varit möjligt att samla in mätningsresultat och räkna ut förutsett BMR från ett större antal barn med cystisk fibros.

Det totala antalet mätningar som detta arbete grundar sig på är 27 stycken. Antalet individer som deltagit är 20 stycken. Vissa individer har mätts vid två tillfällen, men eftersom det gått cirka fyra år mellan deltagarnas första och andra mättillfälle hade de antropometriska måtten förändrats. Resultaten ansågs fortfarande vara relevanta då skillnaden i ålder representerade sjukdomstillståndet i olika åldrar.

Inklusions - och exklusionskriterierna var väl anpassade så att riskerna för deltagarna minimerats. Barn och ungdomar som vid mätningstillfällena var drabbade av infektion eller försämrat sjukdomstillstånd som påverkade allmäntillståndet uteslöts från studien. Detta medför dock att arbetets resultat inte går att applicera på hela patientgruppen utan endast på de barn och ungdomar som utöver grundsjukdomen CF är friska.

4.2.2. Tillvägagångssätt

För att räkna ut det förutsedda värdet på BMR användes den data som samlats in vid mätningstillfällena. Värden som ålder rundades av och skrevs som hela år. Deltagare som egentligen var exempelvis var tio år och fem månader avrundades till tio år i ekvationerna. Detta kan medföra en viss skillnad i resultatet. Avrundningen utfördes på alla deltagarnas ålder för alla ekvationerna, därför påverkas inte resultatet mellan de olika ekvationerna.

(30)

24

4. DISKUSSION

Studien visar endast resultat från fem ekvationer. Dessa ekvationer valdes ut för att de var vanligt förekommande, baserades på olika variabler och vissa av ekvationerna var anpassade efter barn och ungdomar. Författarna till detta arbete är medvetna om att det finns fler ekvationer att använda sig av. Att undersöka ett större antal ekvationer hade ökat chansen att hitta en ekvation som överensstämde bättre med det uppmätta värdet. Användandet av fem ekvationer anses dock vara lämpligt för storleken på detta arbete. Studiens resultat kan inte appliceras på alla ekvationer som finns för att beräkna ett förutsett värde på BMR, men ger en indikation om vilken som är mest lämplig att använda av dessa fem vanligt förekommande ekvationer.

4.2.3. Dataanalys

Pearsons korrelationskoefficient utfördes för att jämföra korrelationen mellan uppmätt BMR och beräknat BMR i gruppen som helhet. För att undersöka om det fanns en statistisk signifikant skillnad mellan medelvärdena i gruppen som helhet utfördes ett beroende t-test. Spearmans rangkorrelationstest utfördes för att jämföra uppmätt BMR och beräknat BMR inom undergrupperna ålder och kön. För att undersöka om det fanns en statistisk signifikant skillnad mellan medelvärdena i varje undergrupp utfördes Wilcoxons teckanrangtest. De statistiska metoderna anses relevanta för studiens urval. De valda statistiska metoderna är särskilt lämpade för studier med små deltagarantal. Då urvalet i undergrupperna flickor och 3-10 år består av endast tio respektive åtta deltagare kan resultatens tillförlitlighet diskuteras. Större studier skulle behöva utföras för att säkerställa resultaten. I undergrupperna pojkar samt 11-18 år ingår 17 respektive 19 deltagare. Det ger en något högre tillförlitlighet, men även i dessa undergrupper bör större undersökningar genomföras.

4.3. Kliniska implikationer och framtida forskning

Det kan konstateras att ekvationer för BMR ofta underskattade behovet hos deltagarna med ett högt uppmätt BMR. Detta kan bero på förhöjd ämnesomsättning, vilket ekvationerna inte tar hänsyn till. Det vore lämpligt att undersöka om andra ekvationer skulle överensstämma bättre med dessa deltagares uppmätta BMR. För deltagare med ett BMR under 1400 kcal/dygn överensstämde en eller flera ekvationer väl med deras uppmätta BMR. Särskilt indikerar resultaten att Maffeis ekvation kan vara lämplig för barn, alternativt ungdomar med ett BMR under 1400 kcal/dygn. Detta bör utvärderas i större studier där deltagarna delas upp i mer avgränsade grupper. Ett exempel på gruppindelning skulle kunna vara underviktiga flickor 3-6 år. Det vore önskvärt att det utvecklas en ekvation för BMR, särskilt utvecklad för

(31)

25

REFERENSER

barn och ungdomar med lågt till normalt BMI som tar hänsyn till förhöjt BMR och som därmed lämpar sig särskilt för barn och ungdomar med CF.

4.4. Slutsats

Tverskayas ekvation överensstämde bäst med uppmätt BMR för gruppen som helhet. Liknande resultat ses i undergrupperna pojkar, flickor och ungdomar. Ingen ekvation är dock generellt tillämpbar på dessa grupper. Ekvationerna underskattade BMR kraftigt hos majoriteten deltagare med ett BMR-behov över 1400 kcal/dygn. Maffeis ekvation skulle kunna vara tillämpbar på gruppen barn, detta bör dock utvärderas i större studier. Kroppssammansättning och förhöjd metabolism, inte kön eller ålder, verkar vara den faktor som främst påverkar ekvationerna. Antalet deltagare i denna studie var få och större studier krävs för att utveckla resultaten.

REFERENSER

Almås, H. & Kondrup, J. (2002). Omvårdnad vid nutritionsproblem. I H. Almås (Red.).

Klinisk omvårdnad: Del 1( s. 512). Stockholm: Liber.

Andersson, A. & Göranzon, H. (2006). Energi och metabolism. I L. Abrahamsson., A. Andersson., W. Becker. & G. Nilsson (Red.), Näringslära för högskolan (s.168-172). Stockholm: Liber.

Campbell, C. G., Zander, E., Thorland, W (2005). Predicted vs measured energy expenditure

in critically ill, underweight patients. Nutrition in Clinical Practice, 20(2), 276-280.

Derumeaux-Burel, H., Meyer, M., Morin, L., Boirie, Y. (2004). Prediction of resting energy expenditure in a large population of obese children. American Journal of Clinical Nutrition,

(32)

26

REFERENSER

Farrell, P. M., Kosorok, M. R., Rock, M. J., Laxova, A., Zeng, L., Lai, H-C., Hoffman, G., Laessig, R. H., Splaingard, M. L. (2001). Early diagnosis of cystic fibrosis through neonatal screening prevents severe malnutrition and improves long-term growth. Peadiatrics, 107(1) 1-13.

Finan, K., Larsson, E., Goran, M. I. (1997). Cross-validation of prediction equations for resting energy expenditure in young healthy children. Journal of The American Dietetic

association. 97(2), 140-145.

Frankenfield, D., Roth-Yousey, L. & Compher, C. (2005). Comparison of predictive equations for resting metabolic rate in healthy nonobese and obese adults: a systematic review. Journal of the American Dietetic Association. 105(5)775-789.

doi:10.1016/j.jada.2005.02.005

Griph, H. & Ström, K. (2007). Lungornas och lungsäckarnas sjukdomar. N. Grefberg & L. G. Johansson (Red.), Medicinboken (s. 217-218). Stockholm: Liber.

Hankard, R., Munck, A. & Navarro, J. (2002). Nutrition and growth in cystic fibrosis. Horm

Res, 58(1), 16-20. doi: 10.1159/000064763

Haugen, H. A., Chan, L-N. & Li, F. (2007). Indirekt calorimetry: a practical guide for clinicians. Nutrition in Clinical Practice, 22(4), 377-388. doi:

10.1177/0115426507022004377

Hjelte, L. (2006). Cystisk fibros. I T. Lindberg & H. Lagercrantz (Red.), Barnmedicin (s. 484-487). Lund: Studentlitteratur AB.

Hofsteenge, G., Chinapaw, M., Delemarre-van de Waal, H. A., Weij s, P. (2010). Validation of predictive equations for resting energy expenditure in obese adolescents. American Journal

of Clinical Nutrition, 91(5), 1244–1254. doi: 10.3945/ajcn.2009.28330.

Koscik, R. L., Farrell, P. M., Kosorok, M. R., Zaremba. K. M., Laxova, A., Lai, H-C., Douglas, J. A., Rock, M. J., Splaingard, M. L. (2004). Cognitive function of children with cystic fibrosis: deleterious effect of early malnutrition. Paediatrics, 113(6) 1549-1558.

(33)

27

REFERENSER

Magoffin, A., Allen, J. R., McCaulley, J., Gruca, M. A., Peat, J., Van Asperen, P., Gaskin, K. (2008). Longitudinal analysis of resting energy expenditure in patients with cystic fibrosis.

The Journal of Pediatrics. 152(5), 703-708. doi: 10.1016/j.jpeds.2007.10.021

McCloskey, M., Redmond, A. O. B., Pyper, S., McCabe, C., Westerterp, K. R., Elborn, J. S. (2001). Total energy expenditure in stable patients with cystic fibrosis. Clinical Nutrition

20(3): 235 – 241. doi:10.1054/clnu.2001.0389

McCloskey, M., Redmond, A. O. B., Pyper, S., McCabe, C., Westerterp, K. R., Elborn, J. S. (2004). Energy balance in cystic ﬁbrosis when stable and during a respiratory exacerbation.

Clinical Nutrition 23(6), 1405– 1412. doi:10.1016/j.clnu.2004.06.010

McDuffie, R. D., Adler-Wailes, D. C., Elberg, J., Steinberg, N. E., Fallon, M. E.,

Tershakovec, M. A., Arslanian, A. S., Delany, P. J., Bray, A, G., and Yanovski, A. J. (2004). Prediction equations for resting energy expenditure in overweight and normal-weight black and white children. American Journal of Clinical Nutrition. 80(2), 365–373. Hämtad från databasen PubMed with full text.

Moreira da Rocha, E. E., Alves, V. G. F., Silva, M. H. N., Chiesa, C. A., Fonseca, R. B. V. (2005). Can measured resting energy expenditure be estimated by formulas in daily clinical nutrition practice? Current Opinion in Clinical Nutrition and Metabolic Care. 8(3), 319 – 328.

Moudiou, T., A Galli-Tsinopoulou, A., Nousia-Arvanitakis, S. (2007). Effect of exocrine pancreatic function on resting energy expenditure in cystic ﬁbrosis. Acta Pediatrica 96(10), 1521-1525. doi:10.1111/j.1651-2227.2007.00478.x

Müller, M. J., Bosy-Westphal, A., Kutzner, D., Heller, M. (2002). Metabolically active components of fat-free mass and resting energy expenditure in humans: recent lessons from imaging technologies. The International Association for the Study of Obesity. Obesity

reviews, 3(2), 113–122.

(34)

28

REFERENSER

treatment. Clinical Nutrition 19(6) 387-394. doi:10.1054/clnu.1999.0079

Peterson, M. L., Jacobs D. J. & Milla, C. E. (2003). Longitudinal changes in growth

parameters are correlated with changes in pulmonary function in children with cystic fibrosis.

Pediatrics, 112(3). 588-592.

Sinaasappel, M., Stern, M., Littlewood, J., Wolfe, S., Steinkamp, G., Heijerman, H. G. M. (2002). Nutrition in patients with cystic fibrosis: a European Consensus. Journal of Cystic

Fibrosis. 1(2), 51-75.

Thomson, M. A., Bucolo, S., Quirk, P., Shepherd, R. W (1995). Measured versus predicted resting energy expenditure in infants: a need for reappraisal. The Journal of Pediatrics,

126(1), 21-27.

Tverskaya, R., Rising, R., Brown, D., Lifshitz, F. (1998) Comparison of several equations and derivation of a new equation for calculating basal metabolic rate in obese children. Journal of

(35)

Bilaga 1.

Tabell VI. Pojkarnas resultat

Ålder (år) Vikt (kg) Längd (cm) FFM (kg) FM (%) BMI Uppmätt BMR (kcal) Harris-Benedict (kcal) WHO (kcal) Schofields (kcal) Tverskaya (kcal) Maffeis (kcal) 8 22,3 119,5 20,8 6,6 15,6 939 917 1001 1007 1157 1006 11 43 143,4 35,4 17,6 20,8 1708 1300 1404 1411 1480 1234 12 29,5 137 27,9 5,4 15,7 1563 1076 1167 1183 1211 1088 16 51,6 168,5 46,8 9,4 18,2 1671 1445 1554 1585 1610 1352 13 36,9 146 33,2 10,1 17,3 1090 1216 1297 1315 1331 1174 16 57,6 171,5 52,4 9,1 19,6 1761 1608 1659 1687 1770 1410 13 40,6 151,2 37 9 17,8 1522 1293 1362 1383 1439 1228 14 40,3 156 36,1 10,4 16,6 1568 1306 1356 1384 1378 1237 16 49,8 175 44,5 10,6 16,3 1923 1525 1522 1565 1546 1377 17 55,1 183 49,4 10,3 16,4 2059 1624 1615 1662 1650 1442 4 16,9 104 15,3 9,4 15,6 932 846 586 881 1149 948 17 63,8 149 59 7,5 19,9 1820 1724 1768 1798 1919 1479

(36)

16 55,7 175 50,5 9,3 18,2 2159 1606 1626 1661 1716 1417

5 16,6 106,4 16 3,7 14,7 759 793 872 879 1130 943

14 62,6 172 54,1 13,6 21,2 1713 1693 1747 1769 1904 1480

11 32,7 134,7 28,4 13,1 18 1172 1122 1223 1232 1271 1114

(37)

Tabell VII. Flickornas resultat Ålder (år) Vikt (kg) Längd (cm) FFM (kg) FM (%) BMI Uppmätt BMR (kcal) Harris-Benedict (kcal) WHO (kcal) Schofields (kcal) Tverskaya (kcal) Maffeis (kcal) 5 18 112,2 15,8 12 14,3 1015 1011 904 858 1046 904 8 29,2 132,6 24,2 17 16,6 1090 1142 1156 1081 1183 1041 7 18,4 111,9 16,2 12,3 14,7 867 1005 913 865 983 889 13 50,5 163 41,1 18,7 19 1687 1379 1362 1380 1492 1303 10 36,5 144,8 29,5 19,1 17,4 1308 1225 1320 1225 1266 1141 15 41 157,8 33,1 19,2 16,5 1197 1269 1246 1277 1186 1185 11 26,7 137 21,8 18,2 14,2 1192 1112 1072 1060 1003 1019 11 42 149,9 34,8 17,2 18,7 1575 1282 1258 1248 1380 1199 15 52,7 157,4 42,1 20,2 21,3 1589 1380 1389 1373 1451 1282 11 33,7 140 27,7 17,9 17,2 1158 1189 1157 1133 1175 1090