Utvikling og validering av DM og Pre-DM Risk Prediction Model

Diabetes mellitus (DM) er den nest vanligste kroniske ikke-smittsomme sykdommen (NCD) og et stort folkehelseproblem. I 2017 ble det anslått at 451 millioner voksne over hele verden hadde DM, et tall som forventes å stige til 693 millioner innen 2045. Når det gjelder økonomisk byrde, ble det anslått at de globale kostnadene for DM i 2015 var 1·31 billioner amerikanske dollar, som utgjorde 1,8 % av det globale bruttonasjonalproduktet. I Kina har prevalensen av DM økt raskt, fra mindre enn 1 % i 1980 til 10,9 % i 2013, med omtrent 109,6 millioner voksne kinesiske (25,8 % av alle tilfeller over hele verden) som lever med tilstanden. Blant den kinesiske befolkningen har Hong Kong en av de høyeste forekomstene av DM. Population Health Survey (PHS) 2014/2015 utført av Department of Health fant en prevalens på 8,4 % av DM blant personer i alderen 15–84 i Hong Kong, hvorav mer enn halvparten (4,5 %) tidligere var ukjent. Data (upublisert) fra Population Health Survey 2014/2015 viste at ytterligere 9,5 % av personer i alderen 15-84 hadde hyperglykemi (pre-diabetes), men var uvitende om problemet før undersøkelsen DM kan føre til alvorlige komplikasjoner, som fører til funksjonshemming. sykelighet og for tidlig dødelighet. En rekke randomiserte kontrollerte studier (RCT) har funnet at livsstilsintervensjoner (f.eks. kosthold, trening) og farmakologiske behandlinger er effektive for å forebygge DM og dets komplikasjoner. Imidlertid er det rapportert at 224 millioner voksne (49,7 % av alle tilfeller) over hele verden ikke er klar over at de har tilstanden, likt funnet i Hong Kong PHS 2014/2015. DM kan være tilstede i 9-12 år før en diagnose og oppdages ofte bare når pasienter har komplikasjoner. Derfor er det et presserende behov for tidligere påvisning av DM slik at passende intervensjoner kan gis for å forhindre og/eller forsinke progresjon til komplikasjoner. Det ville vært enda mer effektivt om individer kunne identifiseres på pre-diabetes (pre-DM)-stadiet når det fortsatt kan være en mulighet for å gå tilbake til normoglykemi ved livsstilsendringer. Mens DM tilfredsstiller alle Wilson og Jungners (1968) kriterier for screening, har studier vist at generell befolkningsscreening ikke er effektiv, og den nåværende anbefalingen er målretting mot individer med høy risiko. Hong Kong Reference Framework for Diabetes Care for Adults in Primary Care Settings anbefaler periodisk screening for DM blant personer i alderen >=45 år eller som har DM-risikofaktorer. De anbefalte metodene for screening inkluderer 75-g orale glukosetoleransetester (OGTT), fastende plasmaglukosetester (FPG) eller HbA1c-tester. Faktisk rapporterte en kostnadseffektivitetsanalyse at screening for DM og prediabetes var kostnadsbesparende blant pasienter identifisert som høyrisiko (f.eks. kroppsmasseindeks (BMI) > 35 kg/m(2), systolisk blodtrykk ≥ 130 mmHg eller > 55 år) sammenlignet med ingen screening. For å identifisere høyrisikoindivider mer nøyaktig, har multivariate risikoprediksjonsmodeller blitt utviklet og innlemmet i DM-forebyggingsprogrammer i en rekke vestlige land. Slike modeller har inkludert sosiodemografiske faktorer (f.eks. alder, kjønn), kliniske faktorer (f.eks. familiehistorie med DM, svangerskaps-DM) eller biomarkører (f.eks. BMI, blodtrykk). Imidlertid ble flertallet av disse modellene utviklet primært i kaukasiske populasjoner og har ikke prestert like godt blant kinesiske populasjoner. For eksempel ble de prospektive kardiovaskulære Münster-, Cambridge-, San Antonia- og Framingham-modellene funnet å ha mindreverdig diskriminering i en gruppe kinesere. Dette kan skyldes etniske forskjeller så vel som livsstil og sosioøkonomiske faktorer, noe som krever behovet for populasjonsspesifikke risikoprediksjonsmodeller. Siden 2009 har en rekke risikoprediksjonsmodeller og skåringsalgoritmer blitt utviklet spesielt for kinesiske befolkninger, for det meste fra Fastlands-Kina, hvorav bare to ble utviklet og validert på Hong Kong-kinesere. Den første brukte enkle selvrapporterte faktorer og laboratoriemålinger for å utvikle en skåringsalgoritme. Imidlertid kan generaliserbarheten av modellen til pasienter i primærhelsetjenesten være begrenset ettersom 70 % av forsøkspersonene i utviklings- og valideringsprøvene hadde kjente risikofaktorer for DM. Den andre risikoprediksjonsmodellen for Hongkong-kinesere ble tidligere utviklet av medlemmer av etterforskerteamet med data fra 3 357 asymptomatiske ikke-diabetiske yrkessjåfører. Ikke-laboratorierisikofaktorer inkluderte alder, BMI, familiehistorie med DM, regelmessig fysisk aktivitet (PA) og høyt blodtrykk. Triglyserid ble lagt til den laboratoriebaserte algoritmen. Anvendelsen av denne risikopredikasjonsmodellen er begrenset fordi utvalget hovedsakelig var mannlige (92,7 %) profesjonelle sjåfører og nøyaktigheten var beskjeden. Det bemerkes at flertallet av faktorene inkludert i tidligere modeller er ikke-modifiserbare (f.eks. familiehistorie med DM, svangerskaps-DM, alder), og det er behov for fremtidig forskning for å inkorporere flere livsstilsfaktorer for å forbedre den prediktive validiteten og virkningen av risikoprediksjonsmodeller. Livsstilsfaktorer som kan være assosiert med DM og pre-DM inkluderer nivå av fysisk aktivitet (PA), kostholdsfaktorer (f.eks. fiber, sukker eller fettinntak), alkoholforbruk, røyking og søvn. Denne foreslåtte studien tar sikte på å utvikle en ny DM- og pre-DM-risikoprediksjonsmodell spesifikk for den generelle kinesiske befolkningen i Hong Kong, som inkluderer tradisjonelle og modifiserbare livsstilsfaktorer. Etterforskerne vil bruke den nye metoden for maskinlæring så vel som den tradisjonelle logistiske regresjonen i modellutvikling for å forbedre prediktiv kraft. Etterforskerne håper resultatene vil gjøre det mulig å implementere effektive tilfeller av DM og pre-DM i primærhelsetjenesten, og forhindre dødelighet og sykelighet fra denne vanlige, men tause NCD for folk i Hong Kong.