aschulzconsultoria@gmail.com

marcelle_karyelle@hotmail.com

naihfreitas_@hotmail.com

marcioaverli@gmail.com

luisogoncalves@yahoo.com.br

professoranibal@yahoo.com.br

*Graduada em Ciências Biológicas. Graduada em Nutrição

Especialista em Fisiologia do Esporte. Especialista em Nutrição esportiva

Mestranda em Educação Física (UFMT)

Programa de Pós-Graduação em Educação Física (PPGEF) (UFMT)

**Graduada em Educação Física

Especialista em Educação Física Escolar com ênfase na inclusão

Mestranda em Educação Física (UFMT)

Programa de Pós-Graduação em Educação Física (PPGEF) (UFMT)

***Graduada em Educação Física. Especialista em Educação Física Escolar

Mestranda em Educação Física (UFMT)

Programa de Pós-Graduação em Educação Física (PPGEF) (UFMT)

+Graduado em Educação Física. Graduado em Biologia

Especialista em Ciências da Performance Humana

Especialista em Educação Especial e Inclusiva

Especialista em Educação Física Adaptada

Mestre em Ciências da Saúde. Mestrando em Educação Física (UFMT)

Programa de Pós-Graduação em Educação Física (PPGEF) (UFMT)

++Graduado em Educação Física. Graduado em Farmácia

Graduação em Estatística. Instituto Brasileiro de Medicina e Reabilitação (IBMR)

Especialista em Musculação e Personal Trainer. Especialista em Farmácia Hospitalar

Especialista em Assistência Farmacêutica. Especialista em Vigilância Sanitária

Mestre em Ciência da Motricidade Humana

MBA em andamento em Data Science & Analytics (USP)

Doutor em Ciências da Saúde

Pós-doutorado pelo Programa de Pós-Graduação

em Imunologia e Parasitologia Básicas e Aplicadas (PPGIP) (UFMT)

Professor do Programa de Pós-Graduação em Educação Física (PPGEF) (UFMT)

+++Graduado em Educação Física. Especialista em Fisiologia do exercício

Mestre em Educação Física. Mestre em Genética e Bioquímica

Doutor em Genética e Bioquímica

Pós-Doutorado pelo Laboratório de Bioquímica de Proteínas (UNIRIO)

Professor do Programa de Pós-Graduação em Educação Física (PPGEF) (UFMT)

Professor do Programa de Pós-Graduação

em Imunologia e Parasitologia Básicas e Aplicadas (PPGIP) (UFMT)

(Brasil)

Recepção: 18/12/2022 - Aceitação: 04/12/2022

1ª Revisão: 24/11/2022 - 2ª Revisão: 03/12/2022

Documento acessível. Lei N° 26.653. WCAG 2.0

Citação sugerida: Galvão, A.S., Gomes, M.K.M., Freitas, N.C.S., Verli, M.V. de A., Gonçalves, L.C.O., e Neto, A.M. de M. (2023). Análise esportômica: tríade da composição corporal, fator de necrose tumoral alfa e imunometabolismo em atletas. Lecturas: Educación Física y Deportes, 27(296), 2-22. https://doi.org/10.46642/efd.v27i296.3702

 

Resumo

    A relação entre alterações na composição corporal e o desenvolvimento de comorbidades já era observada por Hipócrates há mais de 2000 anos. O objetivo foi investigar o impacto agudo causado por teste de corrida em esteira em atletas de alto nível. Além de identificar alterações agudas ocorridas em diferentes lipoproteínas plasmáticas, na concentração plasmática de TNF (Fator de Necrose Tumoral) e observar possível correlação entre TNF e composição corporal em atletas de corrida. Trata-se de estudo transversal, descritivo e observacional, partindo de uma estratégia esportômica, com atletas jovens de alto nível. A amostra foi composta por 10 indivíduos do gênero masculino, atletas de alto rendimento de atletismo da associação de atletismo de Barra do Garças, MT. O protocolo de exercício esteira foi incrementado progressivamente até exaustão, utilizando analisador de gases. A variação nos níveis do TNF apresentou correlação com a variação dos fosfolipídeos (1,0), com variação do colesterol total (1,0), com variação de lipídeos totais (1,0), variação da Lipoproteína de Baixa Densidade (0,9), lipoproteína essa que também apresentou correlação com o valor do TNF pós exercício (0,9). Já TNF pré exercício apresentou coeficiente de correlação com o peso dos indivíduos (-0,9) e variação do TNF com o índice de Massa Corporal (-0,928). Usar testes estatísticos de correlação e apresentação dos resultados com mapas de calor (heat maps) pode ser uma ferramenta de mineração de dados (data-mining) para avaliação de biomarcadores e diferentes variáveis em estudos do imunometabolismo. O presente estudo apresenta novas perspectivas para relação da composição corporal com imunometabolismo.

    Unitermos: Biodinâmica. Movimento humano. Saúde pública. Educação Física.

 

Abstract

    The close relationship between changes in body composition and the development of comorbidities was already observed by Hippocrates more than 2000 years ago. The objective was to investigate the acute impact caused by a treadmill running test on high-level athletes. In addition to identifying the acute changes that occurred in different plasma lipoproteins in the plasma concentration of TNF (Tumoral Necrosis Factor) and observing a possible correlation between TNF and body composition in running athletes. This cross-sectional, descriptive, and observational study is based on a sports strategy with high-level young athletes. The sample consisted of 10 male high-performance athletics athletes who are members of the athletics association in Barra do Garças, MT, Brazil. Using a gas analyzer, the treadmill exercise protocol was progressively increased until exhaustion. The variation in TNF levels showed a correlation with the variation of phospholipids (1.0), the variation in total cholesterol (1.0), with the variation of total lipids (1.0), and the variation of Low-Density Lipoprotein (0.9), lipoprotein, which also showed a correlation with the post-exercise TNF value (0.9). In addition, the pre-exercise TNF presented a correlation coefficient with the weight of the individuals (-0.9) and the variation of TNF with the Body Mass Index (-0.928). Using statistical correlation tests and presenting results with heat maps can be a data mining tool for evaluating biomarkers and different variables in immunometabolism studies. The present study also presents new perspectives on the relationship between body composition and immunometabolism.

    Keywords: Biodynamics. Human movement. Public health. Physical Education.

 

Resumen

    La relación entre alteraciones en la composición corporal y desarrollo de comorbilidades ya fue observada por Hipócrates hace más de 2000 años. El objetivo fue investigar el impacto agudo causado por una prueba de carrera en cinta rodante en atletas de alto nivel. Además, identificar alteraciones agudas ocurridas en diferentes lipoproteínas plasmáticas, en concentración plasmática de TNF (Factor de Necrosis Tumoral) y observar posible correlación entre TNF y composición corporal en corredores. Se trata de un estudio transversal, descriptivo y observacional, basado en una estrategia deportómica, con jóvenes deportistas de alto nivel. La muestra estuvo compuesta por 10 individuos del sexo masculino, atletas de alto rendimiento, de la Asociación de Atletismo de Barra do Garças, Brasil. El protocolo de ejercicio en cinta rodante se incrementó progresivamente hasta el agotamiento, utilizando un analizador de gases. La variación en niveles de TNF se correlacionó con la variación de los fosfolípidos (1,0), del colesterol total (1,0), de los lípidos totales (1,0), de la lipoproteína de baja densidad (0,9), lipoproteína que también se correlacionó con el valor TNF (0,9). Ya el TNF pre-ejercicio presentó coeficiente de correlación con el peso de los individuos (-0,9) y variación del TNF con el Índice de Masa Corporal (-0,928). El uso de pruebas de correlación estadística y presentación de resultados con mapas de calor (heat maps) puede ser una herramienta de extracción de datos para evaluar biomarcadores y diferentes variables en estudios de inmunometabolismo. El presente estudio presenta nuevas perspectivas para la relación entre composición corporal e inmunometabolismo.

    Palabras clave: Biodinámica. Movimiento humano. Salud pública. Educación Física.

 

Lecturas: Educación Física y Deportes, Vol. 27, Núm. 296, Ene. (2023)

---

 

Introdução 

 

    A obesidade, tanto em adultos quanto em crianças, se tornou um problema de saúde pública mundial, com gastos cada vez mais elevados para os gestores da saúde em todas as esferas de governo e com diversos problemas associados a esta doença, desde físicos, mentais, sociais e econômicos. (Aras et al., 2021)

 

    A inferência causal tem um papel central na saúde pública. Desta forma, a determinação de que uma associação causal indica a possibilidade de intervenção, e que investir em ações profiláticas são infinitamente mais baratas que ações corretivas (Glass et al., 2013), no caso da obesidade, é infinitamente mais barato investir em ações de saúde pública visando evitar e/ou diminuir estes índices que gastar posteriormente com tratamento, internações e cirurgias para a sua regressão e controle de doenças associadas.

 

    Os padrões alimentares desenvolvidos nos tempos atuais, principalmente com alimentos ultraprocessados, somado a falta de atividade física tem tido grande associação para o desenvolvimento de sobrepeso e obesidade em todos os grupos etários e em ambos os gêneros. (Del Moral et al., 2021)

 

    A relação estreita entre as alterações na composição corporal e o desenvolvimento de comorbidades já era observada por Hipócrates há mais de 2000 anos atrás. (Steinkamp, 1968)

 

    Os profissionais de saúde que atuam na saúde pública e privada entendem as dimensões das políticas de saúde e são os mais indicados para planejar, desenvolver e acompanhar essas ações, propondo políticas públicas mais eficientes, que os gestores políticos que estão no topo das cadeias de comando sem contato com a ponta dessa cadeia que é objeto fim das ações. (Oliver, 2006)

 

    Apesar do modelo experimental da parte um envolver atletas de alto nível, com composição corporal considerada normal, os achados associando a composição corporal à citocinas pode e deve ser extrapolado para outras populações, visto que a obesidade gera um processo inflamatório e alterações imunometabólicas, que já são observadas em algumas pessoas classificadas como sobrepeso, acometendo até mesmo crianças.

 

    O objetivo geral do presente estudo foi investigar o estresse imunometabólico agudo causado por um teste de corrida em esteira rolante em atletas de alto nível,tendo como objetivos específicos: identificar alterações agudas ocorridas em diferentes lipoproteínas plasmáticas a partir do método proposto, as alterações agudas ocorridas na concentração plasmática de TNF (Fator de Necrose Tumoral) a partir do método proposto e observar uma possível correlação entre a TNF e a composição corporal em atletas de corrida.

 

Metodologia 

 

Tipo de pesquisa 

 

    Trata-se de um estudo transversal, descritivo e observacional, a partir de uma estratégia esportômica, com atletas jovens de alto nível.

 

População 

 

    A população estudada é formada por atletas de atletismo de alto nível, do gênero masculino, do Município de Barra do Garças, Mato Grosso.

 

Amostra 

 

    A amostra por conveniência foi composta por 10 indivíduos do gênero masculino, que são atletas de alto rendimento de atletismo integrantes da associação de atletismo da cidade de Barra do Garças, MT, Brasil.

 

Critérios de inclusão e exclusão 

 

    Foram incluídos no estudo 10 indivíduos do gênero masculino, que são atletas de alto rendimento de atletismo, sem lesões músculo esqueléticas recentes ou quaisquer outras condições de saúde que representassem contraindicação médica para a prática do exercício, e que participam de competições municipais, estaduais e nacionais constantemente e têm medalhas no currículo. As características antropométricas são apresentadas na Tabela 1.

 

	Média	Mediana	DP	EP
Idade (anos)	21,2	19,5	5,5	1,7
Peso (kg)	60,6	59,0	6,4	2,0
Estatura (cm)	173,5	171,0	7,5	2,4
IMC (kg/m²)	20,1	20,1	1,4	0,4

IMC - Índice de Massa Corporal; DP - Desvio Padrão; EP - Erro padrão; n – número de participantes. 

Fonte: Dados da pesquisa

 

Aspectos éticos 

 

    Os participantes receberam todas as informações sobre os objetivos, procedimentos e riscos do estudo e só após concordarem, foram convidados a assinar um termo de consentimento livre e esclarecido (TCLE), que assegurava seus direitos de privacidade e liberdade para desistirem do estudo no momento que julgassem necessário. O estudo foi submetido e aprovado previamente pelo Comitê de Ética em Pesquisa envolvendo Seres Humanos da Universidade Federal do Mato Grosso (UFMT), campus do Araguaia, tendo sido aprovado, sob o n° de parecer: 2.230.073.

 

Desenho do estudo 

 

    A coleta dos dados foi realizada no Instituto de Cardiologia; as análises de citologia foram realizadas no laboratório de Cronoimunomodulação, da Universidade Federal de Mato Grosso (UFMT), campus do Araguaia; e as demais análises sanguíneas foram realizadas em laboratório particular, todos localizados na cidade de Barra do Garças, MT. As coletas foram realizadas entre os meses de fevereiro e abril de 2021, ocorrendo sempre em horário padronizado, entre as 14:00 e 15:30 horas, a fim de evitar possíveis influências do ciclo circadiano. Também, as condições de ambiente foram padronizadas em temperatura mantida em 21° graus.

 

    Adicionalmente, todos os participantes foram instruídos a não realizarem exercícios intensos no intervalo de 24 horas anteriores ao dia de coleta e a realizarem refeição leve duas horas antes dos procedimentos. Cada participante compareceu ao local de coletas uma única vez, tendo sido todos os procedimentos necessários, realizados neste momento.

 

    A Figura 1 apresenta o desenho experimental de forma resumida, indicando o tempo pré exercício, com coleta de dados antropométricos e coleta sanguínea, a ergoespirometria, que foi a protocolo adotado no presente estudo, e por fim, a coleta sanguínea imediatamente após o exercício.

 

Fonte: Autores

 

Instrumentos e procedimentos 

 

    Exercício realizado 

 

    Como aquecimento básico, os atletas realizaram alongamentos dinâmicos e estáticos em todos os segmentos corporais, com duração de 5 minutos (Figura 2).

 

Fonte: Autores

 

    O protocolo de exercício esteira foi incrementado progressivamente até a exaustão, com utilização de um analisador de gases. O aquecimento específico que precedeu o teste foi constituído por corrida leve, que durou 15 minutos. Na sequência os atletas correram por uma distância média de 3 km totais, que foi caracterizada por incremento gradual de carga por etapas, até a exaustão voluntária. Assim, a velocidade inicial foi de 10 km/h com incremento de 1 km a cada 400 metros.

 

    Por sua vez, o limiar anaeróbico foi determinado por parâmetros ventilatórios. Os parâmetros utilizados a partir do protocolo de exercício aplicado buscaram expor os participantes a distância similar aquelas enfrentadas em ambientes reais de campo e desencadear mudanças fisiológicas semelhantes ao que ocorreria em cenário real de corrida.

 

Avaliação ergoespirométrica 

 

    A avaliação cardiovascular durante o teste de esforço foi realizada por meio de um eletrocardiograma de esforço (ErgoPC Elite) com de monitoramento em pontos de derivações (D1, D2, D3, AVR, AVL, AVF, MC5, V1, V2, V3, V4, V5 e V6) (Figura 3). Em complemento, a pressão arterial (PA) foi mensurada por modo indireto utilizando um esfigmomanômetro da marca Missouri e estetoscópio da marca Rappaport.

 

Fonte: Autores

 

    A avaliação metabólica ocorreu por meio de um analisador computadorizado (MetaLyzer 3B), uma máscara facial (V2 mask Small) e um software para captação e demonstração dos dados, bem como para o armazenamento e processamento de todas as variáveis cardiorrespiratórias e metabólicas avaliadas (Figura 4).

 

Fonte: Autores

 

    É importante mencionar que os equipamentos de avaliação utilizados foram sempre calibrados entre um participante e outro. Desse modo, os participantes foram posicionados na esteira, com uma máscara facial que detinha um bucal esterilizado e nariz velado com um prendedor específico (Figura 4).

 

Citometria de fluxo 

 

    A concentração da citocina IL-12 presente nas amostras de soro foram avaliadas pelo kit “Cytometric Bead Array” (CBA, BD Bioscience, USA). As análises destas citocinas foram realizadas através de citometria de fluxo e os dados analisados através do software FCAP Array.

 

Amostras de sangue 

 

    Duas extrações de 5 mL cada de sangue venoso foi coletada da veia ante cubital de cada participante, por um profissional habilitado, com experiência em coletas de campo. A coleta sanguínea ocorreu com seringa de agulha de aço inoxidável, sendo a primeira amostra extraída antes do teste de esforço e a segunda após o teste.

 

Fonte: Autores

 

    Após a coleta, as amostras foram armazenadas em tubo de polipropileno isento de metal e posteriormente foram centrifugadas a 2500 rpm por 10 minutos em temperatura ambiente.

 

Análise estatística 

 

    Os dados gerados foram submetidos a análise de variância (ANOVA), seguido de pós-teste de Tukey, análise de correlação de Spearman e outros procedimentos apresentados a seguir, sendo considerado significativo quando o valor de P<0,05.

 

    A análise dos dados e construção dos gráficos foram realizadas no pacote estatístico (Sigma Plot 14.5). Para a comparação dos dados entre os tempos e atletas, como a variância nos valores dos biomarcadores desta população é desconhecida, se faz necessário aplicar testes de comparação, com adoção do nível de significância de 5%, P<0,05 (error α). Para isso, inicialmente foi aplicado o Shapiro-Wilk test (devido ao n<30 indivíduos) para verificar a normalidade entre os dados, podendo resultar em duas possibilidades:

1. Caso o valor obtido fosse p<0,05, o Mann-Whitney non-parametric test seria aplicado.

2. Caso o valor obtido fosse p≥0,05, seria aplicado o Equal Variance Test, e caso este teste tenha falhado (p<0,050) seria aplicado o Mann-Whitney Test, mas caso este teste tenha passado (p≥0,050) o Teste T pareado seria aplicado.

    Os gráficos foram apresentados considerando-se valores de média e erro padrão.

 

    Ao final, foi efetuado o teste de Spearman para obtenção dos coeficientes de correlação, bem como os valores de P para todos os biomarcadores e tempos de estudo.

 

Resultados 

 

    Os resultados referentes ao teste e aos aspectos cardiovasculares mensurados nos atletas que compõem a amostra foram apresentados na Tabela 2.

 

Dados	Média	Mediana	DP	EP
MVV (L/min)	163,3	162,2	13,7	4,3
FEV1 (L/min)	4,4	4,3	0,4	0,1
RD (Sec)	831,3	829,5	51,9	16,4
MHR1 (bpm)	198,8	200,5	5,5	1,7
MHR2 (bpm)	191,5	193,0	10,0	3,2
%MHR (%)	96,4	96,2	5,2	1,6
VO2Max1 (mL/kg·min)	53,6	54,7	3,4	1,1
VO2Max2 (mL/kg·min)	75,2	75,6	3,9	1,2
% VO2Max (%)	140,8	140,1	11,4	3,6
TD (mi)	1,8	1,8	0,1	0,0
TD (Km)	2,9	3,0	0,2	0,1
VO2/HR1 (ml/b)	16,3	16,1	1,5	0,5
VO2/HR2 (ml/b)	23,9	23,9	2,9	0,9
% VO2/HR2 (%)	146,4	148,4	13,2	4,2
MEV1 (BTPS) (L/MIN)	163,3	162,2	13,7	4,3
MEV2 (BTPS) (L/MIN)	162,0	156,1	14,6	4,6
% MEV (%)	99,4	100,6	8,0	2,5

MVV – Ventilação Voluntária Máxima; FEV1 – Volume Expiratório Forçado; RD – Duração da Prova; 

MHR – Frequência Cardíaca Máxima (batimentos por minuto); VO2Max – Taxa Máxima de Consumo de Oxigênio 

Mensurado Durante o Exercício Incremental; TD – Distância Percorrida (Milhas e Km); MEV – Volume Expiratório Máximo;

 (1) Valor Estimado (2) Valor mensurado; (%) representa a taxa percentual entre os valores reditos e mensurados.

Fonte: Dados da pesquisa

 

    A Tabela 3 apresenta os valores de média e erro padrão para os tempos pré e pós exercício, bem como a variação percentual entre as médias para os citados tempos. Pelo fato do hematócrito ter tido uma pequena variação percentual (4%) e não ter apresentado diferença significativa entre as médias, não houve a necessidade de aplicar fator de correção nos valores de todos os biomarcadores sanguíneos, pois quando há uma alteração aguda no hematócrito isso indica alteração do estado de hidratação, com hemoconcentração ou hemodiluição, o que alteraria os valores mensurados, não por diferença na sua produção, mas por mudança na quantidade de plasma.

 

	PRÉ	PÓS	Δ %
Hematócrito (%)	42 (1,0)	44 (1,1)	4,0%
TNF (pg/ml)*	19,4 (1,26)	14,9 (1,39)	-23,0%
Triglicerídeos (mg/dL)	106,0 (29,05)	124,8 (31,90)	-5,4%
Colesterol total (mg/dL)	144,5 (22,68)	147,0 (20,89)	-1,6%
HDL (mg/dL)	64,3 (5,66)	70,5 (8,39)	11,5%
VLDL (mg/dL)	21,2 (5,71)	25,0 (6,42)	-6,2%
LDL (mg/dL)	75,0 (24,74)	65,6 (20,49)	-10,8%
Fosfolipídeos (mg/dL)	175,5 (14,94)	177,2 (13,84)	-0,7%
Lipídeos totais (mg/dL)	467,5 (76,89)	492,4 (73,94)	-2,5%

*Diferença estatística significativa. Fonte: Dados da pesquisa

 

    Por sua vez, na Tabela 4 são apresentados dados descritivos referentes aos valores de média do consumo de energia (calorimetria) registrados durante o tempo total de teste de esforço realizado, para gordura, carboidratos e total (ambos).

 

	Calorias (Kcal)	Gramas
Gorduras	25,1	2,8
Carboidratos	179,2	43,4
Total	204,3	46,2

Fonte: Dados da pesquisa

 

    A Figura 6 apresenta os principais coeficientes de correlação, negativos e positivos, entre o TNF e as outras variáveis de estudo, onde pode observar alta correlação positiva com colesterol total, fosfolipídeos, lipídeos totais e LDL, além de correlações negativas com hematócrito, IMC e peso.

 

Fonte: Dados da pesquisa

 

    Para facilitar a visualização dessas correlações negativas e positivas, a Figura 7 revela através de mapa de calor, as correlações entre todas as variáveis de estudo.

 

Fonte: Dados da pesquisa

 

Discussão 

 

    Em muitos estudos na área de imunometabolismo, o grande número de variáveis, biomarcadores de tempos de coleta, dificulta uma análise mais ampla e coerente, diminuindo as chances de inovações e grandes achados a partes de grandes bancos de dados.

 

    Muitos estudos de alta qualidade surgiram de bancos de dados públicos, como Vigilância Epidemiologia, National Health and Nutrition Examination Survey (NHANES), The Cancer Genome Atlas (TCGA) e Medical Information Mart for Intensive Care (MIMIC) entre muitos outros. (Wu et al., 2021)

 

    A tecnologia de mineração de dados (data-mining) tem sido uma ferramenta excepcional na pesquisa médica, pois demonstra excelente desempenho na avaliação de riscos do paciente e do comportamento de variáveis de saúde em diferentes condições, auxiliando na tomada de decisões clínicas e na construção de modelos de previsão de doenças. (Wu et al., 2021)

 

    Essa tecnologia pode buscar conhecimento potencialmente valioso a partir de uma grande quantidade de dados (Yang et al., 2020). No entanto, interpretar e integrar informações de modelos de mineração de dados pode ser um desafio. (Hong et al., 2020)

 

    Desta forma, o presente estudo propõe a utilização dos testes de correlação e da confecção de mapas de calor como estratégia de mineração de dados em saúde. (Gonçalves et al., 2020; Gonçalves et al., 2022a; Gonçalves et al., 2022b)

 

    O presente estudo transversal, descritivo e observacional, a partir de uma estratégia esportômica, com atletas jovens de alto nível e utilizando um teste de correlação e mapa de calor para a mineração dos dados, encontrou uma correlação positiva do Fator de Necrose Tumoral com colesterol total, fosfolipídeos, lipídeos totais e LDL e correlação negativa com o hematócrito, o Índice de Massa Corporal e o peso dos participantes.

 

    Cabe ressaltar que encontrar uma correlação estatística a partir da mineração de dados não significa uma relação de causa e efeito entre os biomarcadores observados, o que requer uma avaliação cautelosa. (Gonçalves et al., 2022b)

 

    O Fator de Necrose Tumoral (TNF) identificado em estudos sobre a regressão de tumores em camundongos por Carswell et al. (1975) é fator liberado por células em condições de doença e em indivíduos saudáveis de diversas espécies (Green et al., 1979; Oettgen et al., 1980), sendo uma citocina mediadora central em várias condições imunopatológicas. (Grau et al., 1989)

 

    Embora a atividade de regressão tumoral tenha sido observada e denominada fator de necrose tumoral (TNF) já na década de 1960, a verdadeira identidade do TNF não ficou clara até 1984, quando Aggarwal e colaboradores relataram, pela primeira vez, o isolamento de 2 fatores citotóxicos, um derivado de macrófagos, denominado TNF, e o segundo, derivado de linfócitos, denominado linfotoxina. Como os 2 fatores citotóxicos exibiam 50% de homologia de sequência de aminoácidos e se ligavam ao mesmo receptor, eles passaram a ser chamados de TNF-α e TNF-β. (Aggarwal et al., 2012)

 

    O Fator de Necrose Tumoral alfa (TNF alfa), é uma citocina inflamatória produzida por macrófagos/monócitos durante a inflamação aguda e é responsável por uma gama de eventos de sinalização dentro das células, levando à necrose ou apoptose e é também importante para a resistência a infecções e cânceres. (Idriss, e Naismith, 2000)

 

    Já o Fator de Necrose Tumoral beta (TNF beta), é uma citocina produzida por linfócitos T Helper 1 (Th1) com a função de romper células tumorais. (Romagnani, 2000)

 

    Já foi descrito anteriormente que alguns agentes farmacológicos anti TNF podem causar deterioração de lipídeos em condições inflamatórias, e que esse tipo de terapia pode causar alteração metabólica com comorbidades cardiovasculares devido a essa interação farmacodinâmica (Kalkan et al., 2016). O que revela que pode haver uma relação entre essa citocina e o metabolismo lipídico.

 

    No presente estudo, a variação nos níveis do TNF apresentou uma correlação com a variação dos fosfolipídeos (1,0), com a variação do colesterol total (1,0), com a variação de lipídeos totais (1,0) e com a variação da Lipoproteína de Baixa Densidade (0,9), lipoproteína essa que também apresentou correlação com o valor do TNF pós exercício (0,9).

 

    Já o TNF pré exercício apresentou um coeficiente de correlação com o peso dos indivíduos (-0,9) e a variação do TNF com o índice de Massa Corporal (-0,928).

 

    A inflamação crônica desempenha um papel crítico no desenvolvimento da disfunção metabólica relacionada à obesidade. (Akcan et al., 2020)

 

    A gordura corporal tem funções reguladoras através da produção de citocinas e adipocinas. Mudanças na massa corporal, seja com excesso ou baixo peso, acarretam uma desregulação da rede citocina/adipocina, sendo observado que indivíduos com obesidade podem apresentar baixos níveis de TNF, enquanto os com baixo peso tendem a apresentar os níveis mais altos, principalmente de TNF-α. (Iannone et al., 2021)

 

    E ainda que em crianças com obesidade e doenças respiratórias como a asma, essa alteração supracitada pode ser potencializada. (Morishita et al., 2016)

 

    Em relação às concentrações de LDL, lipoproteína plasmática com maior propensão de formação da placa de ateroma podendo culminar com arteriosclerose, foi observado que em crianças obesas e com sobrepeso a concentração plasmática dessa lipoproteína foi maior que em crianças com IMC normal. (Akcan et al., 2020)

 

    No presente estudo, a variação nos níveis do TNF apresentou uma correlação com a variação da Lipoproteína de Baixa Densidade (0,9), lipoproteína essa que também apresentou correlação com o valor do TNF pós exercício (0,9).

 

    Arkcan et al. (2020) observaram ainda níveis 100% mais altos de TNF α em crianças com obesidade em relação às de IMC normal e sobrepeso. Esses achados dão robustez aos dados encontrados através da nova ferramenta de mineração de dados usado neste trabalho.

 

    Por fim, o TNF pré exercício apresentou um coeficiente de correlação com a variação do hematócrito (-1,0), o que não foi encontrado na literatura para uma maior discussão.

 

Conclusão 

 

    O uso de testes estatísticos de correlação e a apresentação dos resultados com mapas de calor (heat maps) pode ser uma ferramenta de mineração de dados (data-mining) para a avaliação de biomarcadores e diferentes variáveis em estudos do imunometabolismo.

 

    O presente estudo apresenta ainda novas perspectivas para a relação da composição corporal com o imunometabolismo, pois foram identificadas correlações positivas entre TNF e o metabolismo lipídico e correlações negativas entre TNF e a composição corporal.

 

Limitações 

 

    Outros pesquisadores devem reproduzir o presente experimento em outros grupos etários, gêneros, etnias, estados nutricionais e em diferentes regiões, visando ampliar a discussão sobre o assunto.

 

Referências 

 

Aggarwal, B.B., Gupta, S.C., e Kim, J.H. (2012). Historical perspectives on tumor necrosis factor and its superfamily: 25 years later, a golden journey. Blood, 119(3), 651-665. https://doi.org/10.1182/blood-2011-04-325225

 

Akcan, N., Obaid, M., Salem, J., e Bundak, R. (2020). Evidence in obese children: contribution of tri-ponderal mass index or body mass index to dyslipidemia, obesity-inflammation, and insulin sensitivity. Journal of Pediatric Endocrinology & Metabolism, 33(2), 223-231. https://doi.org/10.1515/jpem-2019-0106

 

Aras, M., Tchang, B.J., e Pape, J. (2021). Obesity and Diabetes. The Nursing clinics of North America, 56(4), 527-541. https://doi.org/10.1016/j.cnur.2021.07.008

 

Carswell, E.A., Old, L.J., Kassel, R.L., Green, S., Fiore, N., e Williamson, B. (1975). An endotoxin-induced serum factor that causes necrosis of tumors. Proceedings of The National Academy of Sciences of The USA, 72(9), 3666-3670. https://doi.org/10.1073/pnas.72.9.3666

 

Del Moral, A.M., Calvo, C., e Martinez, A. (2021). Ultra-processed food consumption and obesity-a systematic review. Nutrition Hospitalaria, 38(1), 177-185. https://doi.org/10.20960/nh.03151

 

Glass, T.A., Goodman, S.N., Hernan, M.A., e Samet, J.M. (2013). Causal inference in public health. Annual Review of Public Health, 34, 61-75. https://doi.org/10.1146/annurev-publhealth-031811-124606

 

Gonçalves, LCO, Santiago, DDC, Neto, AMM, Ferreira, HSP, Verli, MVA, Muniz-Santos, R., Lopes, JSS, e Andrade, CMB (2020). Sportomics analysis of a high-intensity functional training method, the CrossFit. Europub Journal of Health Research, 1(1), 2-20. https://doi.org/10.54747/ejhrv1n1-001

 

Gonçalves, L.C.O., Neto, A.M.M., e Andrade, C.M.B. (2022a). Correlation between acid-base balance and the immunometabolism after a Crosscombat™ session in MMA Athletes. MedCrave Online Journal of Public Health, 11(3), 71-73. https://doi.org/10.15406/MOJPH.2022.11.00378

 

Gonçalves, LCO, Neto, AMM, Bassini, A., Prado, ES, Muniz-Santos, R., Verli, MVA, Jurisica, L., Lopes, JSS, Jurisica, I., Andrade, CMB, e Cameron, LC (2022b) Sportomics suggests that albuminuria is a sensitive biomarker of hydration in cross combat. Scientific Reports, 12(8150), 1-12. https://doi.org/10.1038/s41598-022-12079-7

 

Grau, G.E., Lambert, P.H., Vassali, P., e Piguet, P.F. (1989). Tumor necrosis factor (TNF) and pathology, its relationships with other cytokines. Schweizerische Medizinishe Wochenschrift, 119(49), 1756-1761. https://pubmed.ncbi.nlm.nih.gov/2482541/

 

Green, S., Chiasson, M.A., e Shah, R.G. (1979). Evidence for the presence of an antitumor factor in serum of normal animals. Cancer Letters, 6(4-5), 235-240. https://doi.org/10.1016/s0304-3835(79)80039-7

 

Hong, M., Jacobucci, R., e Lubke, G. (2020). Deductive data mining. Psychological Methods, 25(6), 691-707. https://doi.org/10.1037/met0000252

 

Iannone, F., Praino, E., Rotondo, C., Natuzzi, C., Bizzoca, R., Lacarpia, N., Fornaro, M., e Cacciapaglia, F. (2021). Body mass index and adipokines/cytokines dysregulation in systemic sclerosis. Clinical and Experimental Immunology, 206(2), 153-160. https://doi.org/10.1111/cei.13651

 

Idriss, H.T., e Naismith, J.H. (2000). TNF alpha and the TNF receptor superfamily: structure-function relationship(s). Microscopy Research and Technique, 50(3), 184-195. https://doi.org/10.1002/1097-0029(20000801)50:3%3C184::aid-jemt2%3E3.0.co,2-h

 

Kalkan, C., Karakaya, F., Toruner, M., Cetinkaya, H., e Soykan, I. (2016). Anti-TNF-α agents and serum lipids in inflammatory bowel diseases. Clinics and Research in Hepatology and Gastroenterology, 40(4), 46-47. https://doi.org/10.1016/j.clinre.2015.12.009

 

Morishita, R., Franco, M.C., Suano-Souza, F.I., Sole, D., Puccini, R.F., e Strufaldi, M.W.L. (2016). Body mass index, adipokines and insulin resistance in asthmatic children and adolescents. The Journal of Asthma, 53(5), 478-484, 2016. https://doi.org/10.3109/02770903.2015.1113544

 

Oettgen, HF, Carswell, EA, Kassel, RL, Fiore, N., Williamson, B., Hoffmann, MK, Haranaka, K., e Old, LJ (1980). Endotoxin-induced tumor necrosis factor. Recent Results in Cancer Research, 75, 207-212. https://doi.org/10.1007/978-3-642-81491-4_32

 

Oliver, T.R. (2006). The politics of public health policy. Annual Review of Public Health, 27, 195-233. https://doi.org/10.1146/annurev.publhealth.25.101802.123126

 

Romagnani, S. (2000). T-cell subsets (Th1 versus Th2). Annals of Allergy, Asthma & Immunology, 85(1), 9-18, 2000. https://doi.org/10.1016/s1081-1206(10)62426-x

 

Steinkamp, R.C. (1968). Body composition in relation to disease. American Journal of Public Health and the Nation’s Health, 58(3), 473-476. https://doi.org/10.2105/ajph.58.3.473

 

Wu, W.T., Li, Y.J., Feng, A.Z., Li, L., Huang, T., Xu, A.D., e Lyu, J. (2021). Data mining in clinical big data: the frequently used databases, steps, and methodological models. Military Medical Research, 8(1), 44. https://doi.org/10.1186/s40779-021-00338-z

 

Yang, J., Li, Y., Liu, Q., Li, L., Feng, A., Wang, T., Zheng, S., e Xu, A., Lyu, J. (2020). Brief introduction of medical database and data mining technology in big data era. Journal of Evidence-Based Medicine, 13(1), 57-69. https://doi.org/10.1111/jebm.12373

Lecturas: Educación Física y Deportes, Vol. 27, Núm. 296, Ene. (2023)