Utveckling och validering av DM och Pre-DM Risk Prediction Model

Diabetes mellitus (DM) är den näst vanligaste kroniska icke-smittsamma sjukdomen (NCD) och ett stort folkhälsoproblem. Under 2017 uppskattades det att 451 miljoner vuxna världen över hade DM, ett antal som förväntas stiga till 693 miljoner år 2045. När det gäller ekonomisk börda uppskattades den globala kostnaden för DM 2015 till 1,31 biljoner amerikanska dollar, vilket utgjorde 1,8 % av den globala bruttonationalprodukten. I Kina har prevalensen av DM ökat snabbt, från mindre än 1 % 1980 till 10,9 % 2013, med cirka 109,6 miljoner kinesiska vuxna (25,8 % av alla fall över hela världen) som för närvarande lever med tillståndet. Bland den kinesiska befolkningen har Hongkong en av de högsta förekomsterna av DM. Population Health Survey (PHS) 2014/2015 utförd av Department of Health fann en prevalens på 8,4 % av DM bland personer i åldern 15-84 i Hongkong, varav mer än hälften (4,5 %) tidigare var okända. Data (opublicerade) från Population Health Survey 2014/2015 visade att ytterligare 9,5 % av personer i åldern 15-84 hade hyperglykemi (pre-diabetes) men var omedvetna om problemet innan undersökningen DM kan resultera i allvarliga komplikationer, som leder till funktionsnedsättning sjuklighet och för tidig död. Ett antal randomiserade kontrollerade studier (RCT) har funnit att livsstilsinterventioner (t.ex. diet, träning) och farmakologiska behandlingar är effektiva för att förebygga DM och dess komplikationer. Det har dock rapporterats att 224 miljoner vuxna (49,7 % av alla fall) över hela världen är omedvetna om att de har tillståndet, liknande upptäckten av Hong Kong PHS 2014/2015. DM kan finnas i 9-12 år innan diagnosen ställs och upptäcks ofta först när patienter upplever komplikationer. Därför finns det ett akut behov av tidigare upptäckt av DM så att lämpliga insatser kan tillhandahållas för att förhindra och/eller fördröja progression till komplikationer. Det skulle vara ännu mer effektivt om individer kunde identifieras i pre-diabetes (pre-DM)-stadiet när det fortfarande kan finnas en möjlighet att återgå till normoglykemi genom livsstilsförändringar. Medan DM uppfyller alla Wilson och Jungners (1968) kriterier för screeningstudier har visat att allmän populationsscreening inte är effektiv och den nuvarande rekommendationen är fall att hitta inriktning på högriskindivider. Hong Kongs referensram för diabetesvård för vuxna i primärvårdsmiljöer rekommenderar periodisk screening för DM bland personer i åldern >=45 år eller som har DM-riskfaktorer. De rekommenderade metoderna för screening inkluderar 75-g orala glukostoleranstest (OGTT), fasteplasmaglukostester (FPG) eller HbA1c-tester. Faktum är att en kostnadseffektivitetsanalys rapporterade att screening för DM och prediabetes var kostnadsbesparande bland patienter som identifierats ha hög risk (t.ex. kroppsmassaindex (BMI) > 35 kg/m(2), systoliskt blodtryck ≥ 130 mmHg eller > 55 år) jämfört med ingen screening. För att identifiera högriskindivider mer exakt har multivariata riskprediktionsmodeller utvecklats och införlivats i program för förebyggande av DM i ett antal västländer. Sådana modeller har inkluderat sociodemografiska faktorer (t.ex. ålder, kön), kliniska faktorer (t.ex. familjehistoria av DM, graviditets-DM) eller biomarkörer (t.ex. BMI, blodtryck). Men majoriteten av dessa modeller utvecklades främst i kaukasiska populationer och har inte presterat lika bra bland kinesiska populationer. Till exempel visade sig de potentiella kardiovaskulära Münster-, Cambridge-, San Antonia- och Framingham-modellerna ha sämre diskriminering i en kohort kineser. Detta kan bero på såväl etniska skillnader som livsstils- och socioekonomiska faktorer, vilket kräver ett behov av befolkningsspecifika riskprediktionsmodeller. Sedan 2009 har ett antal riskprediktionsmodeller och poängalgoritmer utvecklats specifikt för kinesiska befolkningar, mestadels från Kina, varav endast två utvecklades och validerades på kineser i Hongkong. Den första använde enkla självrapporterade faktorer och laboratoriemätningar för att utveckla en poängalgoritm. Däremot kan modellens generaliserbarhet till primärvårdspatienter vara begränsad eftersom 70 % av försökspersonerna i utvecklings- och valideringsproverna hade kända riskfaktorer för DM. Den andra riskprediktionsmodellen för Hongkong-kineser har tidigare utvecklats av medlemmar i utredarnas team med data från 3 357 asymtomatiska icke-diabetes yrkesförare. Icke-laboratoriska riskfaktorer inkluderade ålder, BMI, familjehistoria av DM, regelbunden fysisk aktivitet (PA) och högt blodtryck. Triglycerid lades till den laboratoriebaserade algoritmen. Tillämpningen av denna riskpredikationsmodell är begränsad eftersom urvalet övervägande var manliga (92,7 %) yrkesförare och noggrannheten var blygsam. Det noteras att majoriteten av faktorerna som ingår i tidigare modeller är icke-modifierbara (t.ex. familjehistoria av DM, graviditets-DM, ålder), och det finns ett krav på framtida forskning för att införliva fler livsstilsfaktorer för att förbättra den prediktiva validiteten och effekterna av riskprediktionsmodeller. Livsstilsfaktorer som kan vara associerade med DM och pre-DM inkluderar fysisk aktivitetsnivå (PA), kostfaktorer (t.ex. fiber, socker eller fettintag), alkoholkonsumtion, rökning och sömn. Denna föreslagna studie syftar till att utveckla en ny DM- och pre-DM-riskpredikteringsmodell specifik för den allmänna kinesiska befolkningen i Hongkong som inkluderar traditionella och modifierbara livsstilsfaktorer. Utredarna kommer att tillämpa den nya metoden för maskininlärning såväl som den traditionella logistiska regressionen i modellutveckling för att förbättra prediktiv kraft. Utredarna hoppas att resultaten kommer att möjliggöra implementering av effektiva fall av DM och pre-DM i primärvården och förhindra dödlighet och sjuklighet från denna vanliga men tysta NCD för människor i Hong Kong.