Validering af eksisterende diabetesrisikomodeller i en svensk befolkning
29. november 2022 opdateret af: Umeå University
Validering af ikke-invasive risikomodeller til forudsigelse af hændelse af type 2-diabetes i en svensk befolkning
Målet med denne observationelle undersøgelse er at validere eksisterende ikke-invasive diabetes kliniske forudsigelsesmodeller i en svensk befolkning.
Hovedspørgsmålet, det sigter mod at besvare, er: hvor godt 11 eksisterende modeller vil præstere til at forudsige hændelse af type 2-diabetes hos deltagere fra Västerbottens interventionsprogram (VIP).
Deltagere i VIP er indbyggere i Västerbotten, der inviteres til en omfattende sundhedsscreening i 30- (indtil 1995), 40-, 50- og 60-års alderen.
Studieoversigt
Status
Afsluttet
Betingelser
Detaljeret beskrivelse
Adskillige type 2-diabetes risikoforudsigelsesmodeller er blevet udviklet, men det vides ikke, hvordan det vil fungere i en svensk befolkning.
Ingen diabetesrisikoforudsigelsesmodel bruges rutinemæssigt i Sverige.
Formålet med denne undersøgelse er derfor at validere 11 ikke-invasive modeller og at evaluere præstationen til at forudsige hændelse af type 2-diabetes i en svensk befolkning.
En befolkningsbaseret kohorte fra Västerbottens interventionsprogram (VIP) fra 1990 til 2020 vil være valideringsprøven.
Hændelse af type 2-diabetes inden for 10 år efter opfølgning vil blive bestemt ved oral glukosetolerancetest eller gennem selvrapportering.
Et selvadministreret spørgeskema udfyldes, og der opnås antropometriske, kliniske og biokemiske mål ved hvert af sundhedsscreeningsbesøgene.
I den statistiske analyse vil den overordnede præstation af modellerne blive sammenlignet med Brier-scoren.
Ud over.
diskrimination og kalibrering af alle modellerne vil blive evalueret.
Genkalibrering af modeller vil blive udført.
Undersøgelsestype
Observationel
Tilmelding (Faktiske)
115642
Deltagelseskriterier
Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.
Berettigelseskriterier
Aldre berettiget til at studere
26 år til 60 år (Voksen)
Tager imod sunde frivillige
Ingen
Køn, der er berettiget til at studere
Alle
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
Indbyggere fra Västerbotten-regionen i Sverige, der er blevet inviteret til at deltage i Västerbottens interventionsprogram for en omfattende sundhedsscreening ved 30 (stoppet i 1995) 40, 50 og 60 år.
Beskrivelse
Inklusionskriterier:
• Mindst ét besøg inden for Västerbottens interventionsprogram
Ekskluderingskriterier:
• Udbredt diabetes ved første besøg defineret ved en fastende kapillær plasmaglucose >7mmol/L, en 2-timers kapillær plasmaglucose på ≥12,2 mmol/L eller selvrapporteret diabeteshistorie
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Kohorte
- Tidsperspektiver: Fremadrettet
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Hændelse type 2 diabetes
Tidsramme: 10 år
|
Bestemt af en fastende kapillær plasmaglucose på ≥7 mmol/L eller en 2-timers kapillær plasmaglucose på ≥12,2 mmol/L, eller selvrapporteret
|
10 år
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
Samarbejdspartnere
Efterforskere
- Ledende efterforsker: Olov Rolandsson, MD, Umeå University
Publikationer og nyttige links
Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.
Generelle publikationer
- Cho NH, Shaw JE, Karuranga S, Huang Y, da Rocha Fernandes JD, Ohlrogge AW, Malanda B. IDF Diabetes Atlas: Global estimates of diabetes prevalence for 2017 and projections for 2045. Diabetes Res Clin Pract. 2018 Apr;138:271-281. doi: 10.1016/j.diabres.2018.02.023. Epub 2018 Feb 26.
- Lindstrom J, Tuomilehto J. The diabetes risk score: a practical tool to predict type 2 diabetes risk. Diabetes Care. 2003 Mar;26(3):725-31. doi: 10.2337/diacare.26.3.725.
- White IR, Royston P, Wood AM. Multiple imputation using chained equations: Issues and guidance for practice. Stat Med. 2011 Feb 20;30(4):377-99. doi: 10.1002/sim.4067. Epub 2010 Nov 30.
- Saeedi P, Petersohn I, Salpea P, Malanda B, Karuranga S, Unwin N, Colagiuri S, Guariguata L, Motala AA, Ogurtsova K, Shaw JE, Bright D, Williams R; IDF Diabetes Atlas Committee. Global and regional diabetes prevalence estimates for 2019 and projections for 2030 and 2045: Results from the International Diabetes Federation Diabetes Atlas, 9th edition. Diabetes Res Clin Pract. 2019 Nov;157:107843. doi: 10.1016/j.diabres.2019.107843. Epub 2019 Sep 10.
- Li G, Zhang P, Wang J, Gregg EW, Yang W, Gong Q, Li H, Li H, Jiang Y, An Y, Shuai Y, Zhang B, Zhang J, Thompson TJ, Gerzoff RB, Roglic G, Hu Y, Bennett PH. The long-term effect of lifestyle interventions to prevent diabetes in the China Da Qing Diabetes Prevention Study: a 20-year follow-up study. Lancet. 2008 May 24;371(9626):1783-9. doi: 10.1016/S0140-6736(08)60766-7.
- Moons KG, Altman DG, Reitsma JB, Ioannidis JP, Macaskill P, Steyerberg EW, Vickers AJ, Ransohoff DF, Collins GS. Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis (TRIPOD): explanation and elaboration. Ann Intern Med. 2015 Jan 6;162(1):W1-73. doi: 10.7326/M14-0698.
- Gillies CL, Abrams KR, Lambert PC, Cooper NJ, Sutton AJ, Hsu RT, Khunti K. Pharmacological and lifestyle interventions to prevent or delay type 2 diabetes in people with impaired glucose tolerance: systematic review and meta-analysis. BMJ. 2007 Feb 10;334(7588):299. Epub 2007 Jan 19. Review.
- Simmons RK, Griffin SJ, Lauritzen T, Sandbaek A. Effect of screening for type 2 diabetes on risk of cardiovascular disease and mortality: a controlled trial among 139,075 individuals diagnosed with diabetes in Denmark between 2001 and 2009. Diabetologia. 2017 Nov;60(11):2192-2199. doi: 10.1007/s00125-017-4299-y. Epub 2017 Aug 23.
- Herman WH, Ye W, Griffin SJ, Simmons RK, Davies MJ, Khunti K, Rutten GE, Sandbaek A, Lauritzen T, Borch-Johnsen K, Brown MB, Wareham NJ. Early Detection and Treatment of Type 2 Diabetes Reduce Cardiovascular Morbidity and Mortality: A Simulation of the Results of the Anglo-Danish-Dutch Study of Intensive Treatment in People With Screen-Detected Diabetes in Primary Care (ADDITION-Europe). Diabetes Care. 2015 Aug;38(8):1449-55. doi: 10.2337/dc14-2459. Epub 2015 May 18.
- Sortsø C, Komkova A, Sandbæk A, Griffin SJ, Emneus M, Lauritzen T, Simmons RK. Effect of screening for type 2 diabetes on healthcare costs: a register-based study among 139,075 individuals diagnosed with diabetes in Denmark between 2001 and 2009. Diabetologia. 2018 Jun;61(6):1306-1314. doi: 10.1007/s00125-018-4594-2. Epub 2018 Mar 16.
- Kengne AP, Beulens JW, Peelen LM, Moons KG, van der Schouw YT, Schulze MB, Spijkerman AM, Griffin SJ, Grobbee DE, Palla L, Tormo MJ, Arriola L, Barengo NC, Barricarte A, Boeing H, Bonet C, Clavel-Chapelon F, Dartois L, Fagherazzi G, Franks PW, Huerta JM, Kaaks R, Key TJ, Khaw KT, Li K, Mühlenbruch K, Nilsson PM, Overvad K, Overvad TF, Palli D, Panico S, Quirós JR, Rolandsson O, Roswall N, Sacerdote C, Sánchez MJ, Slimani N, Tagliabue G, Tjønneland A, Tumino R, van der A DL, Forouhi NG, Sharp SJ, Langenberg C, Riboli E, Wareham NJ. Non-invasive risk scores for prediction of type 2 diabetes (EPIC-InterAct): a validation of existing models. Lancet Diabetes Endocrinol. 2014 Jan;2(1):19-29. doi: 10.1016/S2213-8587(13)70103-7. Epub 2013 Oct 8. Erratum in: Lancet Diabetes Endocrinol. 2014 Apr;2(4):e11. Erratum in: Lancet Diabetes Endocrinol. 2014 Apr;2(4):e11.
- Balkau B, Lange C, Fezeu L, Tichet J, de Lauzon-Guillain B, Czernichow S, Fumeron F, Froguel P, Vaxillaire M, Cauchi S, Ducimetière P, Eschwège E. Predicting diabetes: clinical, biological, and genetic approaches: data from the Epidemiological Study on the Insulin Resistance Syndrome (DESIR). Diabetes Care. 2008 Oct;31(10):2056-61. doi: 10.2337/dc08-0368. Epub 2008 Aug 8.
- Chen L, Magliano DJ, Balkau B, Colagiuri S, Zimmet PZ, Tonkin AM, Mitchell P, Phillips PJ, Shaw JE. AUSDRISK: an Australian Type 2 Diabetes Risk Assessment Tool based on demographic, lifestyle and simple anthropometric measures. Med J Aust. 2010 Feb 15;192(4):197-202. doi: 10.5694/j.1326-5377.2010.tb03507.x. Erratum In: Med J Aust. 2010 Mar 1;192(5):274.
- Griffin SJ, Little PS, Hales CN, Kinmonth AL, Wareham NJ. Diabetes risk score: towards earlier detection of type 2 diabetes in general practice. Diabetes Metab Res Rev. 2000 May-Jun;16(3):164-71.
- Hippisley-Cox J, Coupland C, Robson J, Sheikh A, Brindle P. Predicting risk of type 2 diabetes in England and Wales: prospective derivation and validation of QDScore. BMJ. 2009 Mar 17;338:b880. doi: 10.1136/bmj.b880.
- Rahman M, Simmons RK, Harding AH, Wareham NJ, Griffin SJ. A simple risk score identifies individuals at high risk of developing Type 2 diabetes: a prospective cohort study. Fam Pract. 2008 Jun;25(3):191-6. doi: 10.1093/fampra/cmn024. Epub 2008 May 30.
- Rosella LC, Manuel DG, Burchill C, Stukel TA; PHIAT-DM team. A population-based risk algorithm for the development of diabetes: development and validation of the Diabetes Population Risk Tool (DPoRT). J Epidemiol Community Health. 2011 Jul;65(7):613-20. doi: 10.1136/jech.2009.102244. Epub 2010 Jun 1.
- Schmidt MI, Duncan BB, Bang H, Pankow JS, Ballantyne CM, Golden SH, Folsom AR, Chambless LE; Atherosclerosis Risk in Communities Investigators. Identifying individuals at high risk for diabetes: The Atherosclerosis Risk in Communities study. Diabetes Care. 2005 Aug;28(8):2013-8.
- Schulze MB, Hoffmann K, Boeing H, Linseisen J, Rohrmann S, Möhlig M, Pfeiffer AF, Spranger J, Thamer C, Häring HU, Fritsche A, Joost HG. An accurate risk score based on anthropometric, dietary, and lifestyle factors to predict the development of type 2 diabetes. Diabetes Care. 2007 Mar;30(3):510-5.
- Abbasi A, Peelen LM, Corpeleijn E, van der Schouw YT, Stolk RP, Spijkerman AM, van der A DL, Moons KG, Navis G, Bakker SJ, Beulens JW. Prediction models for risk of developing type 2 diabetes: systematic literature search and independent external validation study. BMJ. 2012 Sep 18;345:e5900. doi: 10.1136/bmj.e5900.
- Wilson PW, Meigs JB, Sullivan L, Fox CS, Nathan DM, D'Agostino RB Sr. Prediction of incident diabetes mellitus in middle-aged adults: the Framingham Offspring Study. Arch Intern Med. 2007 May 28;167(10):1068-74. doi: 10.1001/archinte.167.10.1068.
- Kahn HS, Cheng YJ, Thompson TJ, Imperatore G, Gregg EW. Two risk-scoring systems for predicting incident diabetes mellitus in U.S. adults age 45 to 64 years. Ann Intern Med. 2009 Jun 2;150(11):741-51.
- Collins GS, Mallett S, Omar O, Yu LM. Developing risk prediction models for type 2 diabetes: a systematic review of methodology and reporting. BMC Med. 2011 Sep 8;9:103. doi: 10.1186/1741-7015-9-103. Review.
- Collins GS, Reitsma JB, Altman DG, Moons KG. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD Statement. BMC Med. 2015 Jan 6;13:1. doi: 10.1186/s12916-014-0241-z.
- Norberg M, Wall S, Boman K, Weinehall L. The Vasterbotten Intervention Programme: background, design and implications. Glob Health Action. 2010 Mar 22;3. doi: 10.3402/gha.v3i0.4643.
- Norberg M, Blomstedt Y, Lonnberg G, Nystrom L, Stenlund H, Wall S, Weinehall L. Community participation and sustainability--evidence over 25 years in the Vasterbotten Intervention Programme. Glob Health Action. 2012 Dec 17;5:1-9. doi: 10.3402/gha.v5i0.19166.
- Feldman AL, Griffin SJ, Fhärm E, Norberg M, Wennberg P, Weinehall L, Rolandsson O. Screening for type 2 diabetes: do screen-detected cases fare better? Diabetologia. 2017 Nov;60(11):2200-2209. doi: 10.1007/s00125-017-4402-4. Epub 2017 Aug 23.
- Chen Y, Copeland WK, Vedanthan R, Grant E, Lee JE, Gu D, Gupta PC, Ramadas K, Inoue M, Tsugane S, Tamakoshi A, Gao YT, Yuan JM, Shu XO, Ozasa K, Tsuji I, Kakizaki M, Tanaka H, Nishino Y, Chen CJ, Wang R, Yoo KY, Ahn YO, Ahsan H, Pan WH, Chen CS, Pednekar MS, Sauvaget C, Sasazuki S, Yang G, Koh WP, Xiang YB, Ohishi W, Watanabe T, Sugawara Y, Matsuo K, You SL, Park SK, Kim DH, Parvez F, Chuang SY, Ge W, Rolland B, McLerran D, Sinha R, Thornquist M, Kang D, Feng Z, Boffetta P, Zheng W, He J, Potter JD. Association between body mass index and cardiovascular disease mortality in east Asians and south Asians: pooled analysis of prospective data from the Asia Cohort Consortium. BMJ. 2013 Oct 1;347:f5446. doi: 10.1136/bmj.f5446. Review.
- Lee KJ, Carlin JB. Multiple imputation for missing data: fully conditional specification versus multivariate normal imputation. Am J Epidemiol. 2010 Mar 1;171(5):624-32. doi: 10.1093/aje/kwp425. Epub 2010 Jan 27.
- Steyerberg EW, Vickers AJ, Cook NR, Gerds T, Gonen M, Obuchowski N, Pencina MJ, Kattan MW. Assessing the performance of prediction models: a framework for traditional and novel measures. Epidemiology. 2010 Jan;21(1):128-38. doi: 10.1097/EDE.0b013e3181c30fb2.
Datoer for undersøgelser
Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.
Studer store datoer
Studiestart (Faktiske)
1. januar 1990
Primær færdiggørelse (Faktiske)
1. december 2020
Studieafslutning (Faktiske)
1. december 2020
Datoer for studieregistrering
Først indsendt
1. november 2022
Først indsendt, der opfyldte QC-kriterier
1. november 2022
Først opslået (Faktiske)
8. november 2022
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
2. december 2022
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
29. november 2022
Sidst verificeret
1. november 2022
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 2022-VIPRisk_Valexist
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Ingen
IPD-planbeskrivelse
IPD vil ikke blive gjort tilgængelig på grund af beskyttelsen af privatlivets fred og datadelingsbegrænsninger.
Ansøgninger om adgang til data kan indsendes til Biobank Research Unit ved Umeå Universitet.
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Ingen
Studerer et amerikansk FDA-reguleret enhedsprodukt
Ingen
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .