Summary

Background

 Type 2 diabetes is a chronic disorder that requires lifelong treatment. We aimed to assess whether intensive weight management within routine primary care would achieve remission of type 2 diabetes. 

Methods

 We did this open-label, cluster-randomised trial (DiRECT) at 49 primary care practices in Scotland and the Tyneside region of England. Practices were randomly assigned (1:1), via a computer-generated list, to provide either a weight management programme (intervention) or best-practice care by guidelines (control), with stratification for study site (Tyneside or Scotland) and practice list size (>5700 or ≤5700). Participants, carers, and research assistants who collected outcome data were aware of group allocation; however, allocation was concealed from the study statistician. We recruited individuals aged 20–65 years who had been diagnosed with type 2 diabetes within the past 6 years, had a body-mass index of 27–45 kg/m², and were not receiving insulin. The intervention comprised withdrawal of antidiabetic and antihypertensive drugs, total diet replacement (825–853 kcal/day formula diet for 3–5 months), stepped food reintroduction (2–8 weeks), and structured support for long-term weight loss maintenance. Co-primary outcomes were weight loss of 15 kg or more, and remission of diabetes, defined as glycated haemoglobin (HbA_1c) of less than 6·5% (<48 mmol/mol) after at least 2 months off all antidiabetic medications, from baseline to 12 months. These outcomes were analysed hierarchically. This trial is registered with the ISRCTN registry, number 03267836. 

Findings

 Between July 25, 2014, and Aug 5, 2017, we recruited 306 individuals from 49 intervention (n=23) and control (n=26) general practices; 149 participants per group comprised the intention-to-treat population. At 12 months, we recorded weight loss of 15 kg or more in 36 (24%) participants in the intervention group and no participants in the control group (p<0·0001). Diabetes remission was achieved in 68 (46%) participants in the intervention group and six (4%) participants in the control group (odds ratio 19·7, 95% CI 7·8–49·8; p<0·0001). Remission varied with weight loss in the whole study population, with achievement in none of 76 participants who gained weight, six (7%) of 89 participants who maintained 0–5 kg weight loss, 19 (34%) of 56 participants with 5–10 kg loss, 16 (57%) of 28 participants with 10–15 kg loss, and 31 (86%) of 36 participants who lost 15 kg or more. Mean bodyweight fell by 10·0 kg (SD 8·0) in the intervention group and 1·0 kg (3·7) in the control group (adjusted difference −8·8 kg, 95% CI −10·3 to −7·3; p<0·0001). Quality of life, as measured by the EuroQol 5 Dimensions visual analogue scale, improved by 7·2 points (SD 21·3) in the intervention group, and decreased by 2·9 points (15·5) in the control group (adjusted difference 6·4 points, 95% CI 2·5–10·3; p=0·0012). Nine serious adverse events were reported by seven (4%) of 157 participants in the intervention group and two were reported by two (1%) participants in the control group. Two serious adverse events (biliary colic and abdominal pain), occurring in the same participant, were deemed potentially related to the intervention. No serious adverse events led to withdrawal from the study. 

Interpretation

 Our findings show that, at 12 months, almost half of participants achieved remission to a non-diabetic state and off antidiabetic drugs. Remission of type 2 diabetes is a practical target for primary care. 

Funding

 Diabetes UK.

Physical activity has not been objectively measured in prospective cohorts with sufficiently large numbers to reliably detect associations with multiple health outcomes. Technological advances now make this possible. We describe the methods used to collect and analyse accelerometer measured physical activity in over 100,000 participants of the UK Biobank study, and report variation by age, sex, day, time of day, and season.Participants were approached by email to wear a wrist-worn accelerometer for seven days that was posted to them. Physical activity information was extracted from 100Hz raw triaxial acceleration data after calibration, removal of gravity and sensor noise, and identification of wear / non-wear episodes. We report age- and sex-specific wear-time compliance and accelerometer measured physical activity, overall and by hour-of-day, week-weekend day and season.103,712 datasets were received (44.8% response), with a median wear-time of 6.9 days (IQR:6.5-7.0). 96,600 participants (93.3%) provided valid data for physical activity analyses. Vector magnitude, a proxy for overall physical activity, was 7.5% (2.35mg) lower per decade of age (Cohen's d = 0.9). Women had a higher vector magnitude than men, apart from those aged 45-54yrs. There were major differences in vector magnitude by time of day (d = 0.66). Vector magnitude differences between week and weekend days (d = 0.12 for men, d = 0.09 for women) and between seasons (d = 0.27 for men, d = 0.15 for women) were small.It is feasible to collect and analyse objective physical activity data in large studies. The summary measure of overall physical activity is lower in older participants and age-related differences in activity are most prominent in the afternoon and evening. This work lays the foundation for studies of physical activity and its health consequences. Our summary variables are part of the UK Biobank dataset and can be used by researchers as exposures, confounding factors or outcome variables in future analyses.

Visceral obesity is intimately associated with metabolic disease and adverse health outcomes. However, a direct association between increasing amounts of visceral fat and end-organ inflammation and scarring has not been demonstrated. We examined the association between visceral fat and liver inflammation in patients with nonalcoholic fatty liver disease (NAFLD) to delineate the importance of visceral fat to progressive steatohepatitis and hence the inflammatory pathogenesis of the metabolic syndrome. We undertook a cross-sectional, proof of concept study in 38 consecutive adults with NAFLD at a tertiary liver clinic. All subjects had a complete physical examination, anthropometric assessment, and fasting blood tests on the day of liver biopsy. Abdominal fat volumes were assessed by magnetic resonance imaging within 2 weeks of liver biopsy. The extent of hepatic inflammation and fibrosis augmented incrementally with increases in visceral fat (P < 0.01). For each 1% increase in visceral fat, the odds ratio for increasing liver inflammation and fibrosis was 2.4 (confidence interval [CI]: 1.3-4.2) and 3.5 (CI: 1.7-7.1), respectively. Visceral fat remained an independent predictor of advanced steatohepatitis (odds ratio [OR] 2.1, CI: 1.1-4.2, P = 0.05) and fibrosis (OR 2.9, CI: 1.4-6.3, P = 0.006) even when controlled for insulin resistance and hepatic steatosis. Interleukin-6 (IL-6) levels, which correlated with visceral fat, also independently predicted increasing liver inflammation. Visceral fat was associated with all components of the metabolic syndrome. Conclusion: Visceral fat is directly associated with liver inflammation and fibrosis independent of insulin resistance and hepatic steatosis. Visceral fat should therefore be a central target for future interventions in nonalcoholic steatohepatitis and indeed all metabolic disease. (HEPATOLOGY 2008.)

Wrist-worn accelerometers are increasingly being used for the assessment of physical activity in population studies, but little is known about their value for sleep assessment. We developed a novel method of assessing sleep duration using data from 4,094 Whitehall II Study (United Kingdom, 2012–2013) participants aged 60–83 who wore the accelerometer for 9 consecutive days, filled in a sleep log and reported sleep duration via questionnaire. Our sleep detection algorithm defined (nocturnal) sleep as a period of sustained inactivity, itself detected as the absence of change in arm angle greater than 5 degrees for 5 minutes or more, during a period recorded as sleep by the participant in their sleep log. The resulting estimate of sleep duration had a moderate (but similar to previous findings) agreement with questionnaire based measures for time in bed, defined as the difference between sleep onset and waking time (kappa = 0.32, 95%CI:0.29,0.34) and total sleep duration (kappa = 0.39, 0.36,0.42). This estimate was lower for time in bed for women, depressed participants, those reporting more insomnia symptoms, and on weekend days. No such group differences were found for total sleep duration. Our algorithm was validated against data from a polysomnography study on 28 persons which found a longer time window and lower angle threshold to have better sensitivity to wakefulness, while the reverse was true for sensitivity to sleep. The novelty of our method is the use of a generic algorithm that will allow comparison between studies rather than a “count” based, device specific method.

Wearable acceleration sensors are increasingly used for the assessment of free-living physical activity. Acceleration sensor calibration is a potential source of error. This study aims to describe and evaluate an autocalibration method to minimize calibration error using segments within the free-living records (no extra experiments needed). The autocalibration method entailed the extraction of nonmovement periods in the data, for which the measured vector magnitude should ideally be the gravitational acceleration (1 g); this property was used to derive calibration correction factors using an iterative closest-point fitting process. The reduction in calibration error was evaluated in data from four cohorts: UK ( n = 921), Kuwait ( n = 120), Cameroon ( n = 311), and Brazil ( n = 200). Our method significantly reduced calibration error in all cohorts ( P < 0.01), ranging from 16.6 to 3.0 m g in the Kuwaiti cohort to 76.7 to 8.0 m g error in the Brazil cohort. Utilizing temperature sensor data resulted in a small nonsignificant additional improvement ( P > 0.05). Temperature correction coefficients were highest for the z-axis, e.g., 19.6-m g offset per 5°C. Further, application of the autocalibration method had a significant impact on typical metrics used for describing human physical activity, e.g., in Brazil average wrist acceleration was 0.2 to 51% lower than uncalibrated values depending on metric selection ( P < 0.01). The autocalibration method as presented helps reduce the calibration error in wearable acceleration sensor data and improves comparability of physical activity measures across study locations. Temperature ultization seems essential when temperature deviates substantially from the average temperature in the record but not for multiday summary measures.

Lifestyle interventions focusing on weight loss remain the cornerstone of non-alcoholic fatty liver disease (NAFLD) management. Despite this, the weight losses achieved in research trials are not easily replicated in the clinic and there is an urgent need for therapies independent of weight loss. Aerobic exercise is not well sustained and the effectiveness of the better tolerated resistance exercise upon liver lipid and mediators of liver lipid has not been assessed.Sedentary adults with clinically defined NAFLD were assigned to 8 weeks of resistance exercise (n=11) or continued normal treatment (n=8).8 weeks of resistance exercise elicited a 13% relative reduction in liver lipid (14.0 ± 9.1 vs. 12.2 ± 9.0; p<0.05). Lipid oxidation (submaximal RQ -0.020 ± 0.010 vs. -0.004 ± 0.003; p<0.05), glucose control (-12% vs. +12% change AUC; p<0.01) and homeostasis model assessment insulin resistance (5.9 ± 5.9 to 4.6 ± 4.6 vs. 4.7 ± 2.1 to 5.1 ± 2.5; p<0.05) were all improved. Resistance exercise had no effect on body weight, visceral adipose tissue volume, or whole body fat mass (p>0.05).This is the first study to demonstrate that resistance exercise specifically improves NAFLD independent of any change in body weight. These data demonstrate that resistance exercise may provide benefit for the management for non-alcoholic fatty liver, and the long-term impact of this now requires evaluation.

Abstract Wrist worn raw-data accelerometers are used increasingly in large-scale population research. We examined whether sleep parameters can be estimated from these data in the absence of sleep diaries. Our heuristic algorithm uses the variance in estimated z-axis angle and makes basic assumptions about sleep interruptions. Detected sleep period time window (SPT-window) was compared against sleep diary in 3752 participants (range = 60–82 years) and polysomnography in sleep clinic patients (N = 28) and in healthy good sleepers (N = 22). The SPT-window derived from the algorithm was 10.9 and 2.9 minutes longer compared with sleep diary in men and women, respectively. Mean C-statistic to detect the SPT-window compared to polysomnography was 0.86 and 0.83 in clinic-based and healthy sleepers, respectively. We demonstrated the accuracy of our algorithm to detect the SPT-window. The value of this algorithm lies in studies such as UK Biobank where a sleep diary was not used.

The correlation between objective and self-reported measures of physical activity varies between studies. We examined this association and whether it differed by demographic factors or socioeconomic status (SES). Data were from 3,975 Whitehall II (United Kingdom, 2012–2013) participants aged 60–83 years, who completed a physical activity questionnaire and wore an accelerometer on their wrist for 9 days. There was a moderate correlation between questionnaire- and accelerometer-assessed physical activity (Spearman's r = 0.33, 95% confidence interval: 0.30, 0.36). The correlations were higher in high-SES groups than in low-SES groups (P 's = 0.02), as defined by education (r = 0.38 vs. r = 0.30) or occupational position (r = 0.37 vs. r = 0.29), but did not differ by age, sex, or marital status. Of the self-reported physical activity, 68.3% came from mild activities, 25% from moderate activities, and only 6.7% from vigorous activities, but their correlations with accelerometer-assessed total physical activity were comparable (range of r 's, 0.21–0.25). Self-reported physical activity from more energetic activities was more strongly associated with accelerometer data (for sports, r = 0.22; for gardening, r = 0.16; for housework, r = 0.09). High-SES persons reported more energetic activities, producing stronger accelerometer associations in these groups. Future studies should identify the aspects of physical activity that are most critical for health; this involves better understanding of the instruments being used.

Wrist worn raw-data accelerometers are used increasingly in large scale population research. We examined whether sleep parameters can be estimated from these data in the absence of sleep diaries. Our heuristic algorithm uses the variance in estimated z-axis angle and makes basic assumptions about sleep interruptions. Detected sleep period time window (SPT-window), was compared against sleep diary in 3752 participants (range=60-82years) and polysomnography in sleep clinic patients (N=28) and in healthy good sleepers (N=22). The SPT-window derived from the algorithm was 10.9 and 2.9 minutes longer compared with sleep diary in men and women, respectively. Mean C-statistic to detect the SPT-window compared to polysomnography was 0.86 and 0.83 in clinic-based and healthy sleepers, respectively. We demonstrated the accuracy of our algorithm to detect the SPT-window. The value of this algorithm lies in studies such as UK Biobank where a sleep diary was not used.