Validierung bestehender Diabetes-Risikomodelle in einer schwedischen Bevölkerung
29. November 2022 aktualisiert von: Umeå University
Validierung von nicht-invasiven Risikomodellen zur Vorhersage von Typ-2-Diabetes in einer schwedischen Bevölkerung
Das Ziel dieser Beobachtungsstudie ist es, bestehende nicht-invasive klinische Vorhersagemodelle für Diabetes in einer schwedischen Bevölkerung zu validieren.
Die Hauptfrage, die es beantworten soll, lautet: Wie gut werden 11 bestehende Modelle bei der Vorhersage von Typ-2-Diabetes bei Teilnehmern des Västerbotten-Interventionsprogramms (VIP) abschneiden?
Teilnehmer am VIP sind Einwohner von Västerbotten, die zu einer umfassenden Gesundheitsuntersuchung im Alter von 30 (bis 1995), 40, 50 und 60 Jahren eingeladen werden.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Detaillierte Beschreibung
Es wurden mehrere Risikovorhersagemodelle für Typ-2-Diabetes entwickelt, aber wie sie sich in einer schwedischen Bevölkerung verhalten werden, ist nicht bekannt.
In Schweden wird kein Modell zur Vorhersage des Diabetesrisikos routinemäßig verwendet.
Das Ziel dieser Studie ist es daher, 11 nicht-invasive Modelle zu validieren und die Leistung zur Vorhersage von Typ-2-Diabetes in einer schwedischen Bevölkerung zu bewerten.
Als Validierungsstichprobe dient eine bevölkerungsbezogene Kohorte aus dem Västerbotten Interventionsprogramm (VIP) von 1990 bis 2020.
Das Auftreten von Typ-2-Diabetes innerhalb von 10 Jahren nach der Nachsorge wird durch einen oralen Glukosetoleranztest oder durch Selbstberichte bestimmt.
Bei jedem Gesundheitsscreening werden ein selbst ausgefüllter Fragebogen ausgefüllt und anthropometrische, klinische und biochemische Messungen durchgeführt.
In der statistischen Analyse wird die Gesamtleistung der Modelle anhand des Brier-Scores verglichen.
Zusätzlich.
Diskrimination und Kalibrierung aller Modelle werden evaluiert.
Eine Neukalibrierung der Modelle wird durchgeführt.
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
115642
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
26 Jahre bis 60 Jahre (Erwachsene)
Akzeptiert gesunde Freiwillige
Nein
Studienberechtigte Geschlechter
Alle
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Einwohner der Region Västerbotten in Schweden, die zur Teilnahme am Västerbotten-Interventionsprogramm für eine umfassende Gesundheitsuntersuchung im Alter von 30 (1995 eingestellt), 40, 50 und 60 Jahren eingeladen wurden.
Beschreibung
Einschlusskriterien:
• Mindestens ein Besuch im Rahmen des Västerbotten Interventionsprogramms
Ausschlusskriterien:
• Prävalenter Diabetes beim ersten Besuch, definiert durch einen kapillaren Plasmaglukosewert im Nüchternzustand > 7 mmol/l, einen 2-stündigen kapillaren Plasmaglukosewert von ≥ 12,2 mmol/l oder eine selbstberichtete Diabetes-Vorgeschichte
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Kohorte
- Zeitperspektiven: Interessent
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Vorfall Typ-2-Diabetes
Zeitfenster: 10 Jahre
|
Bestimmt durch eine nüchterne kapillare Plasmaglukose von ≥ 7 mmol/l oder eine 2-Stunden-Kapillarplasmaglukose von ≥ 12,2 mmol/l oder eigene Angaben
|
10 Jahre
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Mitarbeiter
Ermittler
- Hauptermittler: Olov Rolandsson, MD, Umeå University
Publikationen und hilfreiche Links
Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.
Allgemeine Veröffentlichungen
- 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.
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (Tatsächlich)
1. Januar 1990
Primärer Abschluss (Tatsächlich)
1. Dezember 2020
Studienabschluss (Tatsächlich)
1. Dezember 2020
Studienanmeldedaten
Zuerst eingereicht
1. November 2022
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
1. November 2022
Zuerst gepostet (Tatsächlich)
8. November 2022
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
2. Dezember 2022
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
29. November 2022
Zuletzt verifiziert
1. November 2022
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2022-VIPRisk_Valexist
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Nein
Beschreibung des IPD-Plans
IPD wird aufgrund des Schutzes der Privatsphäre und der Beschränkungen für die gemeinsame Nutzung von Daten nicht zur Verfügung gestellt.
Anträge auf Zugang zu den Daten können bei der Biobank Research Unit der Universität Umeå eingereicht werden.
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .