Ontwikkeling en validatie van DM en Pre-DM risicovoorspellingsmodel

Diabetes Mellitus (DM) is de op een na meest voorkomende chronische niet-overdraagbare ziekte (NCD) en een groot probleem voor de volksgezondheid. In 2017 hadden naar schatting 451 miljoen volwassenen wereldwijd DM, een aantal dat naar verwachting zal stijgen tot 693 miljoen in 2045. In termen van economische lasten werd geschat dat de wereldwijde kosten van DM in 2015 1,31 biljoen dollar bedroegen, wat goed was voor 1,8% van het wereldwijde bruto binnenlands product. In China is de prevalentie van DM snel gestegen, van minder dan 1% in 1980 tot 10,9% in 2013, met ongeveer 109,6 miljoen Chinese volwassenen (25,8% van alle gevallen wereldwijd) die momenteel met de aandoening leven. Onder de Chinese bevolking heeft Hong Kong een van de hoogste prevalenties van DM. De Population Health Survey (PHS) 2014/2015, uitgevoerd door het ministerie van Volksgezondheid, vond een prevalentie van 8,4% DM onder personen van 15-84 jaar in Hong Kong, waarvan meer dan de helft (4,5%) voorheen onbekend was. Uit (niet-gepubliceerde) gegevens van de Bevolkingsgezondheidsenquête 2014/2015 bleek dat nog eens 9,5% van de personen van 15-84 jaar hyperglykemie (pre-diabetes) had, maar vóór de enquête niet op de hoogte was van het probleem DM kan leiden tot ernstige complicaties, die leiden tot invaliditeit morbiditeit en voortijdige sterfte. Uit een aantal gerandomiseerde gecontroleerde onderzoeken (RCT's) is gebleken dat leefstijlinterventies (bijv. dieet, lichaamsbeweging) en farmacologische behandelingen effectief zijn bij het voorkomen van DM en de complicaties ervan. Er is echter gemeld dat 224 miljoen volwassenen (49,7% van alle gevallen) wereldwijd niet weten dat ze de aandoening hebben, vergelijkbaar met de bevinding van de Hong Kong PHS 2014/2015. DM kan 9-12 jaar aanwezig zijn voorafgaand aan een diagnose en wordt vaak pas ontdekt wanneer patiënten zich presenteren met complicaties. Daarom is er een dringende behoefte aan vroege detectie van DM, zodat passende interventies kunnen worden geboden om de progressie naar complicaties te voorkomen en/of uit te stellen. Het zou zelfs nog effectiever zijn als individuen geïdentificeerd zouden kunnen worden in het pre-diabetes (pre-DM) stadium, wanneer er nog steeds een mogelijkheid is om terug te keren naar normoglycemie door veranderingen in levensstijl. Hoewel DM voldoet aan alle screeningcriteria van Wilson en Jungner (1968), hebben onderzoeken aangetoond dat algemene bevolkingsscreening niet effectief is en de huidige aanbeveling is het vinden van casussen gericht op personen met een hoog risico. Het Hong Kong Reference Framework for Diabetes Care for Adults in Primary Care Settings beveelt periodieke screening op DM aan bij personen van >=45 jaar of met DM-risicofactoren. De aanbevolen methoden voor screening omvatten 75 g orale glucosetolerantietests (OGTT), nuchtere plasmaglucosetests (FPG) of HbA1c-tests. Een kosteneffectiviteitsanalyse rapporteerde inderdaad dat screening op DM en prediabetes kostenbesparend was bij patiënten met een hoog risico (bijv. body mass index (BMI) > 35 kg/m(2), systolische bloeddruk ≥ 130 mmHg of > 55 jaar) in vergelijking met geen screening. Om individuen met een hoog risico nauwkeuriger te identificeren, zijn multivariate risicovoorspellingsmodellen ontwikkeld en opgenomen in DM-preventieprogramma's in een aantal westerse landen. Dergelijke modellen omvatten sociodemografische factoren (bijv. leeftijd, geslacht), klinische factoren (bijv. familiegeschiedenis van DM, zwangerschaps-DM) of biomarkers (bijv. BMI, bloeddruk). De meeste van deze modellen zijn echter voornamelijk ontwikkeld in blanke populaties en hebben niet zo goed gepresteerd onder Chinese populaties. Zo bleken de Prospective Cardiovascular Münster-, Cambridge-, San Antonia- en Framingham-modellen een inferieure discriminatie te hebben in een cohort Chinezen. Dit kan te wijten zijn aan etnische verschillen, maar ook aan levensstijl en sociaaleconomische factoren, waardoor populatiespecifieke risicovoorspellingsmodellen nodig zijn. Sinds 2009 is er een aantal risicovoorspellingsmodellen en score-algoritmen ontwikkeld, specifiek voor Chinese bevolkingsgroepen, voornamelijk van het vasteland van China, waarvan er slechts twee zijn ontwikkeld en gevalideerd op Hongkongse Chinezen. De eerste gebruikte eenvoudige zelfgerapporteerde factoren en laboratoriummetingen om een ​​scorealgoritme te ontwikkelen. De generaliseerbaarheid van het model naar patiënten in de eerste lijn kan echter beperkt zijn, aangezien 70% van de proefpersonen van de ontwikkelings- en validatiemonsters bekende risicofactoren voor DM hadden. Het tweede risicovoorspellingsmodel voor Hong Kong-Chinezen werd eerder ontwikkeld door leden van het onderzoeksteam met gegevens van 3.357 asymptomatische niet-diabetische professionele chauffeurs. Niet-laboratoriumrisicofactoren waren onder meer leeftijd, BMI, familiegeschiedenis van DM, regelmatige fysieke activiteit (PA) en hoge bloeddruk. Triglyceride werd toegevoegd aan het laboratoriumgebaseerde algoritme. De toepassing van dit risicovoorspellingsmodel is beperkt omdat de steekproef overwegend uit mannelijke (92,7%) beroepschauffeurs bestond en de nauwkeurigheid bescheiden was. Opgemerkt wordt dat de meeste factoren die in eerdere modellen zijn opgenomen, niet kunnen worden gewijzigd (bijv. familiegeschiedenis van DM, zwangerschaps-DM, leeftijd), en er is een roep om toekomstig onderzoek om meer leefstijlfactoren op te nemen om de voorspellende validiteit te verbeteren en impact van risicovoorspellingsmodellen. Leefstijlfactoren die in verband kunnen worden gebracht met DM en pre-DM zijn onder meer het niveau van fysieke activiteit (PA), voedingsfactoren (bijv. vezel-, suiker- of vetinname), alcoholgebruik, roken en slaap. Deze voorgestelde studie heeft tot doel een nieuw DM- en pre-DM-risicovoorspellingsmodel te ontwikkelen dat specifiek is voor de algemene Chinese bevolking in Hongkong en waarin traditionele en aanpasbare levensstijlfactoren zijn verwerkt. De onderzoekers zullen zowel de nieuwe methode van machine learning als de traditionele logistische regressie toepassen bij modelontwikkeling om de voorspellende kracht te verbeteren. De onderzoekers hopen dat de resultaten de implementatie van effectieve casusopsporing van DM en pre-DM in de eerstelijnszorg mogelijk zullen maken, en mortaliteit en morbiditeit van deze veel voorkomende maar stille NCD voor de mensen in Hong Kong zullen voorkomen.