Udvikling og validering af DM og Pre-DM Risk Prediction Model

Diabetes mellitus (DM) er den næstmest almindelige kroniske ikke-smitsomme sygdom (NCD) og et stort folkesundhedsproblem. I 2017 blev det anslået, at 451 millioner voksne på verdensplan havde DM, et tal, der forventes at stige til 693 millioner i 2045. Med hensyn til økonomisk byrde blev det anslået, at de globale omkostninger til DM i 2015 var 1,31 billioner amerikanske dollars, hvilket udgjorde 1,8 % af det globale bruttonationalprodukt. I Kina er forekomsten af ​​DM steget hurtigt, fra mindre end 1% i 1980 til 10,9% i 2013, med cirka 109,6 millioner voksne kinesiske (25,8% af alle tilfælde på verdensplan) som i øjeblikket lever med tilstanden. Blandt den kinesiske befolkning har Hongkong en af ​​de højeste forekomster af DM. Population Health Survey (PHS) 2014/2015 udført af Department of Health fandt en prævalens på 8,4 % af DM blandt personer i alderen 15-84 i Hong Kong, hvoraf mere end halvdelen (4,5 %) tidligere var ukendte. Data (upubliceret) fra Population Health Survey 2014/2015 viste, at yderligere 9,5 % af personer i alderen 15-84 havde hyperglykæmi (præ-diabetes), men var uvidende om problemet før undersøgelsen DM kan resultere i alvorlige komplikationer, som fører til invalidering morbiditet og for tidlig dødelighed. En række randomiserede kontrollerede forsøg (RCT'er) har fundet ud af, at livsstilsinterventioner (f.eks. kost, motion) og farmakologiske behandlinger er effektive til at forebygge DM og dets komplikationer. Det er dog blevet rapporteret, at 224 millioner voksne (49,7% af alle tilfælde) på verdensplan ikke er klar over, at de har tilstanden, svarende til konstateringen af ​​Hong Kong PHS 2014/2015. DM kan være til stede i 9-12 år forud for en diagnose og opdages ofte kun, når patienter har komplikationer. Derfor er der et presserende behov for tidligere påvisning af DM, så passende interventioner kan ydes for at forhindre og/eller forsinke progression til komplikationer. Det ville være endnu mere effektivt, hvis individer kunne identificeres på præ-diabetes (præ-DM) stadiet, hvor der stadig kan være mulighed for at vende tilbage til normoglykæmi ved livsstilsændringer. Mens DM opfylder alle Wilson og Jungners (1968) kriterier for screening, har undersøgelser vist, at generel befolkningsscreening ikke er effektiv, og den nuværende anbefaling er casefinding målrettet mod højrisikoindivider. Hong Kong Reference Framework for Diabetes Care for Adults in Primary Care Settings anbefaler periodisk screening for DM blandt personer i alderen >=45 år eller med DM-risikofaktorer. De anbefalede metoder til screening omfatter 75-g orale glukosetolerancetests (OGTT), fastende plasmaglukosetests (FPG) eller HbA1c-tests. Faktisk rapporterede en omkostningseffektivitetsanalyse, at screening for DM og prædiabetes var omkostningsbesparende blandt patienter identificeret som værende i høj risiko (f.eks. kropsmasseindeks (BMI) > 35 kg/m(2), systolisk blodtryk ≥ 130 mmHg eller > 55 år) sammenlignet med ingen screening. For at identificere højrisikoindivider mere præcist er multivariate risikoforudsigelsesmodeller blevet udviklet og indarbejdet i DM-forebyggelsesprogrammer i en række vestlige lande. Sådanne modeller har inkluderet sociodemografiske faktorer (f.eks. alder, køn), kliniske faktorer (f.eks. familiehistorie med DM, svangerskabs-DM) eller biomarkører (f.eks. BMI, blodtryk). Imidlertid blev størstedelen af ​​disse modeller primært udviklet i kaukasiske befolkninger og har ikke fungeret så godt blandt kinesiske befolkninger. For eksempel blev de potentielle kardiovaskulære Münster-, Cambridge-, San Antonia- og Framingham-modeller fundet at have ringere diskrimination i en kohorte af kinesere. Dette kan skyldes etniske forskelle såvel som livsstils- og socioøkonomiske faktorer, hvilket kræver behovet for befolkningsspecifikke risikoforudsigelsesmodeller. Siden 2009 er en række risikoforudsigelsesmodeller og scoringsalgoritmer blevet udviklet specifikt til kinesiske befolkninger, for det meste fra det kinesiske fastland, hvoraf kun to blev udviklet og valideret på kinesere i Hongkong. Den første brugte simple selvrapporterede faktorer og laboratoriemålinger til at udvikle en scoringsalgoritme. Imidlertid kan modellens generaliserbarhed til primære patienter være begrænset, da 70 % af forsøgspersonerne i udviklings- og valideringsprøverne havde kendte risikofaktorer for DM. Den anden risikoforudsigelsesmodel for Hongkong-kinesere blev tidligere udviklet af medlemmer af efterforskernes team med data fra 3.357 asymptomatiske ikke-diabetiske erhvervschauffører. Ikke-laboratorierisikofaktorer omfattede alder, BMI, familiehistorie med DM, regelmæssig fysisk aktivitet (PA) og højt blodtryk. Triglycerid blev tilføjet til den laboratoriebaserede algoritme. Anvendelsen af ​​denne risikoprædikationsmodel er begrænset, fordi prøven overvejende var mandlige (92,7 %) professionelle chauffører, og nøjagtigheden var beskeden. Det bemærkes, at størstedelen af ​​faktorerne inkluderet i tidligere modeller er ikke-modificerbare (f.eks. familiehistorie med DM, svangerskabs-DM, alder), og der er en opfordring til fremtidig forskning for at inkorporere flere livsstilsfaktorer for at forbedre den prædiktive validitet og virkningen af ​​risikoforudsigelsesmodeller. Livsstilsfaktorer, der kan være forbundet med DM og præ-DM, omfatter fysisk aktivitetsniveau (PA), kostfaktorer (f.eks. fiber, sukker eller fedtindtag), alkoholforbrug, rygning og søvn. Denne foreslåede undersøgelse har til formål at udvikle en ny DM- og præ-DM-risikoforudsigelsesmodel, der er specifik for den generelle kinesiske befolkning i Hongkong, som inkorporerer traditionelle og modificerbare livsstilsfaktorer. Efterforskerne vil anvende den nye metode til maskinlæring såvel som den traditionelle logistiske regression i modeludvikling for at forbedre forudsigelsesevnen. Efterforskerne håber, at resultaterne vil muliggøre implementeringen af ​​effektiv casefinding af DM og præ-DM i primærpleje og forhindre dødelighed og sygelighed fra denne almindelige, men tavse NCD for befolkningen i Hong Kong.