Multilevelanalyse van individuele heterogeniteit en discriminerende nauwkeurigheid (MAIHDA) om te begrijpen hoe het risico op obesitas varieert volgens meerdere aanbevelingen voor leefstijlgedrag

Waarom alledaagse gewoonten samen ertoe doen

De meesten van ons kennen de gebruikelijke adviezen: meer groenten eten, actief zijn, voldoende slapen, matig drinken en niet roken. In het echte leven komen deze gewoonten echter niet één voor één voor — ze clusteren vaak. Deze studie stelt een eenvoudige maar krachtige vraag: als je meerdere leefgewoonten tegelijk beschouwt, veranderen bepaalde combinaties iemands obesitasrisico drastisch, of tellen de effecten vooral op?

Veel gewoonten in echte levens bekijken

De onderzoekers gebruikten gegevens van meer dan 260.000 volwassenen uit de UK Biobank, een grote gezondheidstudie van mensen van 40–69 jaar. Voor elke deelnemer bekeken ze vijf dagelijkse gedragingen: fruit- en groente-inname, lichamelijke activiteit, slaapduur, alcoholconsumptie en rookgedrag. Voor vier van deze gedragingen noteerden ze of mensen voldeden aan nationale richtlijnen — bijvoorbeeld 7–9 uur slaap, voldoende wekelijkse activiteit, alcohol binnen de aanbevolen grenzen en minstens vijf porties fruit en groenten per dag. Roken werd ingedeeld als nu-roker, ex-roker of nooit gerookt. Door deze eenvoudige ja/nee- (of drieledige) categorieën te combineren, creëerden ze 48 verschillende “leefstijlprofielen”, zoals iemand die goed slaapt, actief is, matig drinkt, genoeg groente en fruit eet en nooit heeft gerookt, versus iemand die de meeste aanbevelingen mist en vroeger rookte.

Een nieuwe manier om patronen in risico te zien

Om te begrijpen hoe deze leefstijlprofielen samenhingen met lichaamsgrootte, gebruikte het team een statistisch kader dat multilevelanalyse van individuele heterogeniteit en discriminerende nauwkeurigheid (MAIHDA) heet. In plaats van elke gewoonte afzonderlijk te bekijken, behandelt MAIHDA elk leefstijlprofiel als een groep en stelt dan twee vragen. Ten eerste: hoeveel van de variatie in body mass index (BMI) en obesitas is te verklaren door verschillen tussen deze leefstijlgroepen versus verschillen tussen individuen binnen dezelfde groep? Ten tweede: zorgen bepaalde combinaties van gedragingen voor extra “interactie”-effecten, waarbij het geheel meer (of minder) is dan de som der delen? De onderzoekers draaiden modellen apart voor mannen en vrouwen en voegden geleidelijk leefgewoonten en achtergrondfactoren toe zoals leeftijd, gebiedsgebonden deprivatie, etniciteit en werkgelegenheid.

Meer gezonde gewoonten, lager obesitasrisico

De patronen waren opvallend consistent. Zowel bij mannen als bij vrouwen waren de leefstijlprofielen met de laagste gemiddelde BMI en de laagste kans op obesitas die waarin de meeste of alle aanbevelingen werden nageleefd. Bijvoorbeeld: mannelijke niet-rokers die actief zijn, 7–9 uur slapen, binnen de alcoholrichtlijnen blijven en genoeg fruit en groenten eten, hadden de laagste voorspelde BMI en ongeveer één derde kans op obesitas. Aan de andere kant stonden ex-rokers die de meeste aanbevelingen misten; in deze groep was de voorspelde BMI ongeveer 4–5 BMI-eenheden hoger en lag de kans op obesitas dicht bij vier op de vijf. Over beide geslachten bevatten de profielen met het laagste obesitasrisico vrijwel altijd het voldoen aan richtlijnen voor lichamelijke activiteit en slaap, wat suggereert dat deze gedragingen bijzonder belangrijke pijlers van een gezonder gewicht zijn.

Meestal optelsom-effecten, geen bijzondere combinaties

Je zou kunnen verwachten dat bepaalde leefstijlcombinaties — bijvoorbeeld slaaptekort plus veel alcohol — op een manier met elkaar interageren die het obesitasrisico sterk vergroot. De MAIHDA-resultaten gaven echter een nuchterder beeld. Slechts een klein deel van de verschillen in BMI en obesitasrisico kon worden toegeschreven aan het leefstijlprofiel waartoe mensen behoorden. In plaats daarvan ontstond de meeste variatie tussen individuen binnen hetzelfde profiel, wat andere invloeden weerspiegelt zoals werkdruk, buurtcondities of gedetailleerde voedingspatronen die hier niet zijn vastgelegd. Toen de onderzoekers elke leefgewoonte als afzonderlijke factor in rekening brachten, krompen de resterende verschillen tussen profielen sterk. Dat patroon wijst erop dat de effecten van deze gedragingen meestal additief zijn: elk extra richtlijn die je volgt, verplaatst je risico naar een gezondere kant, maar er is weinig bewijs voor krachtige, speciale “super-combinaties” van gewoonten. Slechts één kleine groep — mannen die momenteel roken maar alleen aan de richtlijn voor lichamelijke activiteit voldoen — toonde een duidelijke aanwijzing voor een echt interactie-effect.

Wat dit betekent voor alledaagse keuzes

Voor een niet-specialist is de boodschap van de studie verfrissend eenvoudig. Het obesitasrisico hangt niet af van een mysterieuze, perfecte mix van leefgewoonten. In plaats daarvan levert elke gezonde keuze — actief zijn, veel fruit en groenten eten, voldoende slapen, alcohol beperken, niet roken — een op zichzelf staande bijdrage. Hoe meer van deze aanbevelingen je kunt naleven, des te lager je gemiddelde BMI en des te kleiner de kans dat je met obesitas leeft. Tegelijkertijd herinneren de grote verschillen tussen individuen binnen hetzelfde leefstijlprofiel ons eraan dat bredere omgevingen en levensomstandigheden ook een grote rol spelen. Toch suggereert dit onderzoek dat het geleidelijk stapelen van gezonde gewoonten — één richtlijn tegelijk — een praktische, op bewijs gebaseerde manier is om de kansen in jouw voordeel te laten werken.

Bronvermelding: Swain, A., Pearson, N., Willis, S.A. et al. Multilevel analysis of individual heterogeneity and discriminatory accuracy (MAIHDA) to understand how obesity risk varies according to multiple lifestyle behavior recommendations. Int J Obes 50, 819–829 (2026). https://doi.org/10.1038/s41366-025-02010-1

Trefwoorden: obesitas, leefstijlgedrag, lichamelijke activiteit, slaap, BMI