Um estudo de modelagem publicado no BMJ em 5 de março de 2025, utilizando dados do Estudo de Carga Global de Doença 2021, projeta um aumento substancial na prevalência da doença de Parkinson (DP) em todo o mundo até 2050.
Principais Conclusões
Aumento Significativo: Estima-se que 25,2 milhões de pessoas viverão com a doença de Parkinson globalmente em 2050, representando um aumento de 112% em relação a 2021.
Fatores Impulsionadores:
Envelhecimento da população (89%) é o principal contribuinte para esse aumento.
Crescimento populacional (20%) e mudanças na prevalência (3%) também contribuem.
Prevalência:
A prevalência de todas as idades projetada é de 267 casos por 100.000 pessoas em 2050, um aumento de 76% em relação a 2021.
A prevalência padronizada por idade (ajustada para a estrutura etária da população) deve aumentar em 55%, atingindo 216 casos por 100.000.
Diferenças Regionais e Socioeconômicas:
Países com Índice Sociodemográfico (SDI) médio terão o maior aumento percentual na prevalência.
A Ásia Oriental está projetada para ter o maior número de casos de DP em 2050 (10,9 milhões).
A África Subsaariana Ocidental deve experimentar o aumento mais significativo (292%) na prevalência de 2021 a 2050.
O Brasil está entre os países que serão mais afetados.
Grupos Etários e Sexo:
O grupo etário com ≥ 80 anos terá o maior aumento no número de casos de DP (196%).
A proporção homem-para-mulher da prevalência padronizada por idade da doença de Parkinson deve aumentar de 1,46 em 2021 para 1,64 em 2050 globalmente, indicando uma maior prevalência em homens.
Implicações
O estudo conclui que a doença de Parkinson se tornará um desafio de saúde pública ainda maior até 2050, afetando pacientes, suas famílias, cuidadores e a sociedade em geral. Essa projeção serve como um alerta para a necessidade urgente de aumentar a pesquisa em saúde, informar decisões políticas e alocar recursos para lidar com a crescente carga da doença.
Assinatura metabolômica na doença de Parkinson
As assinaturas metabolômicas desempenham um papel significativo na compreensão da doença de Parkinson (DP), fornecendo insights sobre sua patogênese, potenciais biomarcadores e estratégias terapêuticas.
Assinaturas metabolômicas são conjuntos específicos de metabólitos (pequenas moléculas produzidas durante os processos metabólicos) que refletem um estado biológico, fisiológico ou patológico de um organismo, tecido ou célula.
Essas assinaturas são identificadas por meio de exames metabolômicos, uma área da biologia de sistemas que estuda o perfil completo de metabólitos em uma amostra biológica (como sangue, urina, tecidos, etc.).
A metabolômica pode identificar metabólitos específicos que se correlacionam com estágios da doença, duração e comprometimento motor na DP. Por exemplo, um estudo comparando perfis metabolômicos de pacientes com DP tratados e sem tratamento medicamentoso encontrou perturbações metabólicas distintas associadas à doença [1].
Os estudos metabolômicos ajudam a elucidar as interações complexas entre fatores genéticos e ambientais que contribuem para a DP. Eles revelam como as alterações metabólicas refletem os processos biológicos subjacentes, como disfunção mitocondrial e estresse oxidativo, que estão ligados à patogênese da DP [2].
A integração da metabolômica com a proteômica melhora a compreensão da DP. Essa abordagem combinada pode descobrir novos biomarcadores e alvos terapêuticos, facilitando o diagnóstico precoce e o desenvolvimento do tratamento [3].
O perfil metabolômico de biofluidos (como sangue e fluido cerebrospinal) mostrou-se promissor na identificação de novos biomarcadores que poderiam melhorar a precisão diagnóstica e estratégias terapêuticas para DP [4].
Avanços recentes em metodologias analíticas expandiram as capacidades da metabolômica, permitindo um perfil mais abrangente de metabólitos associados à DP [5].
Na clínica é mais comum analisarmos metabólitos urinários. Estudos identificaram níveis aumentados de certos metabólitos na urina de pacientes com DP em comparação com controles saudáveis, incluindo ornitina, fenilalanina, isoleucina, β-hidroxibutirato, tirosina, succinato, 3-metoxitiramina, N-acetil-l-tirosina, ácido orótico, ácido úrico, ácido vanílico e xantina [6].
Por outro lado, alguns metabólitos apresentaram valores mais baixos em pacientes com DP, como o ácido 3,3-dimetilglutárico e o ácido imidazolelático [7].
Esses níveis alterados de metabólitos sugerem deficiências em várias vias metabólicas, incluindo aquelas relacionadas aos aminoácidos de cadeia ramificada, aminoácidos aromáticos e ao ciclo do citrato [8]. Alguns estudos observaram uma correlação entre a concentração de certos metabólitos, como o succinato, e os sintomas motores, sugerindo seu potencial como biomarcadores clínicos.
A urina é um fluido não invasivo e de fácil acesso, tornando-se uma fonte favorável para a descoberta e o monitoramento de biomarcadores na pesquisa da DP. Ao identificar biomarcadores baseados na urina, os pesquisadores visam melhorar a precisão do diagnóstico precoce e prever a progressão da DP, potencialmente levando a intervenções mais precoces e melhores resultados para os pacientes.
Referências
1) J Troisi et al. A metabolomic signature of treated and drug-naïve patients with Parkinson's disease: a pilot study. Metabolomics : Official journal of the Metabolomic Society (2019). https://pubmed.ncbi.nlm.nih.gov/31183578/
2) S Lei et al. NMR Metabolomics Analysis of Parkinson's Disease. Current Metabolomics (2013). https://pubmed.ncbi.nlm.nih.gov/26078917/
3) P Gątarek et al. Integrated metabolomics and proteomics analysis of plasma lipid metabolism in Parkinson's disease. Expert review of proteomics (2024). https://pubmed.ncbi.nlm.nih.gov/38346207/
4) Y Shao et al. Recent advances and perspectives of metabolomics-based investigations in Parkinson's disease. Molecular neurodegeneration (2019). https://pubmed.ncbi.nlm.nih.gov/30634989/
5) Y Zhang et al. Advances of Mechanisms-Related Metabolomics in Parkinson's Disease. Frontiers in neuroscience (2021). https://pubmed.ncbi.nlm.nih.gov/33613180/
6) NR Dhiman et al. Urinary based biomarkers identification and genetic profiling in Parkinson’s disease: a systematic review of metabolomic studies. Front Bioinform (2025). https://doi.org/10.3389/fbinf.2025.1513790
7) S Kumari et al. Identification of potential urine biomarkers in idiopathic parkinson's disease using NMR. Clin Chim Acta (2020). DOI: 10.1016/j.cca.2020.08.005
8) X Wang et al. Urine biomarkers discovery by metabolomics and machine learning for Parkinson's disease diagnoses. Chinese Chemical Letters (2023). https://doi.org/10.1016/j.cclet.2023.108230
