Wetenschappelijke basis Clear.bio: begrijp de unieke reacties van je lichaam op voeding

Gezond dieet

Er bestaat geen discussie dat gezonde voeding essentieel is voor het krijgen en houden van een goede gezondheid van de mens. De WHO geeft een definitie van ‘een gezond voedingspatroon ’ (1), en vanuit wetenschappelijk oogpunt is er voldoende bewijs dat voedingsfactoren bijdragen aan veel voorkomende ziekten, zoals obesitas, diabetes type 2 en hartaandoeningen (2).

Geen bewijs voor één dieet dat voor iedereen geschikt is

Ondanks wetenschappelijke onderbouwing van veel diëten, of de toegekende voordelen voor de algemene gezondheid of ziektepreventie, is er geen evidence-based ‘dieet dat voor iedereen geschikt’ is. Veel (klinische) onderzoeken richten zich op het optreden van bepaalde gezondheidsvoordelen, of (risicofactoren voor) ziekten in relatie tot consumptie van een beperkte groep van voedingsstoffen, een specifiek voedsel of dieet. Bovendien zijn veel van deze onderzoeken uitgevoerd in zeer gecontroleerde omstandigheden, waarin proefpersonen zijn blootgesteld aan gestandaardiseerde diëten en leefstijlinterventies. De bevindingen kunnen slechts zelden rechtstreeks worden vertaald naar het dagelijks leven.

Bovendien bepalen niet alleen het voedsel, maar ook de genetische samenstelling (genotype), biologische constitutie (fenotype) en omgevings- of levensstijlfactoren de individuele reactie van een persoon op een bepaald voedsel of dieet (3), inclusief differentiële reacties zoals schommelingen in de bloedglucose , cholesterol veranderingen, allergieën of intoleranties, of metabole fouten (4).

Nieuwe technologieën brengen nieuw scala aan mogelijkheden voor precisie diëtetiek

Recent heeft de ontwikkeling van nieuwe technologieën, die draagbare en niet-invasieve metingen van gezondheidsgerelateerde parameters mogelijk maken, een geheel nieuw scala aan mogelijkheden gecreëerd. Processen zoals slaap, lichaamsbeweging, maar ook biomarkers zoals bloedsuikerspiegels, kunnen nu gemonitord worden. In combinatie met een beter begrip van het effect van diëten op de gezondheid en de ontwikkeling van nieuwe tools om big data-sets te vertalen naar klantvriendelijke algoritmen, programma’s en applicaties, kan dit een sterke basis vormen voor gepersonaliseerde voedingsaanbevelingen. 

Dit is een nieuw wetenschappelijk gebied en hoewel er tot dusver relatief weinig is gepubliceerd over de validatie van algoritmen voor gepersonaliseerde voeding, wordt verwacht dat benaderingen zoals machine learning en kunstmatige intelligentie belangrijke nieuwe en aanvullende inzichten zullen opleveren (5) en dit veld verder zullen versterken. Zeevi et al (6) toonden in 2015 inderdaad aan dat ze de stijging van de bloedglucose na de maaltijd konden voorspellen met een machine-learning-algoritme op basis van bloedmetingen, darmmicrobiota, voedingsgewoonten en fysieke parameters. Zij lieten zien dat gepersonaliseerde dieetinterventie ingezet kan worden voor het succesvol stabiliseren en controleren van bloedglucosewaarden na een maaltijd.

 

Schermafbeelding 2022 06 28 om 17.56 1

 

Wetenschappelijke basis Clear.bio: begrijp de unieke reacties van je lichaam op voeding

Het nieuwe, digitale 100% persoonlijke voedingsprogramma van Clear.bio is gebaseerd op de hierboven beschreven principes, dat: 

  • Voedsel, voeding of voedingsgewoonten een effect hebben op de suiker (glucose) niveau in het bloed
  • Stabiele bloedsuikerspiegels (kleine fluctuaties) in verband staan met betere gezondheidsresultaten, zoals energiebalans en vitaliteit; en lager risico op bijv. insulineresistentie, diabetes type 2 of obesitas
  • Niet elke persoon op dezelfde manier reageert op hetzelfde voedsel: genetische samenstelling, biologische kenmerken (bijv. microbioom) en omgevings- of levensstijlfactoren dragen allemaal bij aan een individuele reactie
  • Monitoring van bloedglucose kan dienen als een venster waardoor we kunnen observeren wat er in het lichaam gebeurt in reactie op voedsel- en levensstijlfactoren
  • Door continue bloedglucosemetingen te combineren met dieet- en vitaliteitsparameters in een kunstmatig intelligent algoritme, een instrument kan worden ontwikkeld voor gepersonaliseerde voedingsaanbevelingen

 

Met Clear.bio begrijp je de unieke reacties van je lichaam op voedsel. Clear.bio stelt je in staat en begeleidt je om voeding te kiezen die je energie verhogen, je gewicht beheersen en je gezondheid op de lange termijn bevorderen.

Onze wetenschappelijke advisory board

Endocrinoloog verbonden aan het Amsterdam UMC

“Leefstijladvies zou een belangrijke en aanvullende strategie moeten zijn bij de preventie en behandeling van niet-overdraagbare ziekten zoals diabetes type 2. Innovatieve technologische oplossingen zoals Clear.bio zijn nodig voor direct advies, feedback en motivatie van onze patiënten en zullen betere zorg mogelijk maken.”

Assistent professor Laboratorium voor Genetische Metabolische Ziekten aan het Amsterdam UMC

“Wetenschappelijk onderzoek heeft aangetoond dat er geen ideaal dieet is dat werkt voor iedereen. Wat wel werkt is het ideale dieet voor jou als individu. Clear.bio helpt mensen, door meting van reacties van hun bloedsuikerspiegel, te ontdekken welke voedingsgewoonten voor hen het beste zijn. Ik kan dat ten zeerste aanbevelen.”

Bronnen
1. World Health Organization, Be Healthy, Healthy Diet
2. GBD 2015 Risk Factors Collaborators Global, regional, and national comparative risk assessment of 79 behavioral, environmental and occupational, and metabolic risks or clusters of risks, 1990-2015: a systematic analysis for the Global Burden of Disease Study 2015. Lancet (2016) 388:1659-724
3. Frazier-Wood AC. Dietary patterns, genes, and health: challenges and obstacles to be overcome. Curr Nutr Rep (2015) 4:82-7
4. Gorst C., et al. Long-term glycemic variability and risk of adverse outcomes: a systematic review and meta-analysis. Diabetes Care (2015) 38(12):2354-69.
5. Chen CH., et al. PERSON-personalized expert recommendation system for optimized nutrition. IEEE Trans Biomed Circuits Syst (2018) 12:151-60 
6. Zeevi D., et al. Personalized nutrition by prediction of glycemic responses. Cell (2015) 163:1079-94

Misschien vind je dit ook interessant