- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT05609266
Validering av existerande diabetesriskmodeller i en svensk befolkning
29 november 2022 uppdaterad av: Umeå University
Validering av icke-invasiva riskmodeller för förutsägelse av incident typ 2-diabetes i en svensk befolkning
Målet med denna observationsstudie är att validera existerande icke-invasiva kliniska prediktionsmodeller för diabetes i en svensk befolkning.
Huvudfrågan den syftar till att besvara är: hur väl 11 befintliga modeller kommer att prestera i att förutsäga incident typ 2-diabetes hos deltagare från Västerbottens interventionsprogram (VIP).
Deltagare i VIP är invånare i Västerbotten som bjuds in till en omfattande hälsoundersökning vid 30- (till 1995), 40-, 50- och 60-årsåldern.
Studieöversikt
Status
Avslutad
Betingelser
Detaljerad beskrivning
Flera riskpredikteringsmodeller för typ 2-diabetes har utvecklats men hur det kommer att fungera i en svensk befolkning är inte känt.
Ingen diabetesriskmodell används rutinmässigt i Sverige.
Syftet med denna studie är därför att validera 11 icke-invasiva modeller och att utvärdera prestandan för att förutsäga incident typ 2-diabetes i en svensk befolkning.
En populationsbaserad kohort från Västerbottens interventionsprogram (VIP) från 1990 till 2020 kommer att vara valideringsurval.
Incident typ 2-diabetes inom 10 år efter uppföljning, kommer att fastställas genom oralt glukostoleranstest eller genom självrapporter.
Ett självadministrativt frågeformulär fylls i och antropometriska, kliniska och biokemiska mått erhålls vid vart och ett av hälsoscreeningsbesöken.
I den statistiska analysen kommer modellernas övergripande prestanda att jämföras med hjälp av Brier-poängen.
Dessutom.
diskriminering och kalibrering av alla modeller kommer att utvärderas.
Omkalibrering av modeller kommer att göras.
Studietyp
Observationell
Inskrivning (Faktisk)
115642
Deltagandekriterier
Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.
Urvalskriterier
Åldrar som är berättigade till studier
26 år till 60 år (Vuxen)
Tar emot friska volontärer
Nej
Kön som är behöriga för studier
Allt
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Invånare från Västerbottensregionen i Sverige som har bjudits in att delta i Västerbottens interventionsprogram för en omfattande hälsoundersökning vid 30 (upphörde 1995) 40, 50 och 60 år.
Beskrivning
Inklusionskriterier:
• Minst ett besök inom Västerbottens interventionsprogram
Exklusions kriterier:
• Utbredd diabetes vid första besöket definierad av ett fastande kapillärt plasmaglukosvärde >7mmol/L, ett 2-timmars kapillärplasmaglukos på ≥12,2 mmol/L eller självrapporterad diabeteshistoria
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Observationsmodeller: Kohort
- Tidsperspektiv: Blivande
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Incident typ 2-diabetes
Tidsram: 10 år
|
Bestäms av en fastande kapillärplasmaglukos på ≥7 mmol/L eller en 2-timmars kapillärplasmaglukos på ≥12,2 mmol/L, eller självrapporterad
|
10 år
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: Olov Rolandsson, MD, Umeå University
Publikationer och användbara länkar
Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.
Allmänna 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.
Studieavstämningsdatum
Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.
Studera stora datum
Studiestart (Faktisk)
1 januari 1990
Primärt slutförande (Faktisk)
1 december 2020
Avslutad studie (Faktisk)
1 december 2020
Studieregistreringsdatum
Först inskickad
1 november 2022
Först inskickad som uppfyllde QC-kriterierna
1 november 2022
Första postat (Faktisk)
8 november 2022
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
2 december 2022
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
29 november 2022
Senast verifierad
1 november 2022
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 2022-VIPRisk_Valexist
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Nej
IPD-planbeskrivning
IPD kommer inte att göras tillgänglig på grund av skyddet av integritet och datadelningsbegränsningar.
Ansökan om att få tillgång till uppgifterna kan lämnas till Biobanksforskningsenheten vid Umeå universitet.
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .