POSSIBILITÀ
DI PREDIRE IL RISCHIO DEL DIABETE MELLITO TIPO 2: IL METODO QDS
Predicting risk
of type 2 diabetes in England and Wales: prospective derivation and validation
of QDScore
Hippisley-Cox J, Coupland C, Robson J, Sheikh A, Brindle P.
BMJ 2009;338:b880
Abstract:
OBJECTIVE: To develop and validate a new diabetes
risk algorithm (the QDScore) for estimating 10 year risk of acquiring
diagnosed type 2 diabetes over a 10 year time period in an ethnically
and socioeconomically diverse population. DESIGN: Prospective open cohort
study using routinely collected data from 355 general practices in England
and Wales to develop the score and from 176 separate practices to validate
the score. PARTICIPANTS: 2 540 753 patients aged 25-79 in the derivation
cohort, who contributed 16 436 135 person years of observation and of
whom 78 081 had an incident diagnosis of type 2 diabetes; 1 232 832 patients
(7 643 037 person years) in the validation cohort, with 37 535 incident
cases of type 2 diabetes. OUTCOME MEASURES: A Cox proportional hazards
model was used to estimate effects of risk factors in the derivation cohort
and to derive a risk equation in men and women. The predictive variables
examined and included in the final model were self assigned ethnicity,
age, sex, body mass index, smoking status, family history of diabetes,
Townsend deprivation score, treated hypertension, cardiovascular disease,
and current use of corticosteroids; the outcome of interest was incident
diabetes recorded in general practice records. Measures of calibration
and discrimination were calculated in the validation cohort. RESULTS:
A fourfold to fivefold variation in risk of type 2 diabetes existed between
different ethnic groups. Compared with the white reference group, the
adjusted hazard ratio was 4.07 (95% confidence interval 3.24 to 5.11)
for Bangladeshi women, 4.53 (3.67 to 5.59) for Bangladeshi men, 2.15 (1.84
to 2.52) for Pakistani women, and 2.54 (2.20 to 2.93) for Pakistani men.
Pakistani and Bangladeshi men had significantly higher hazard ratios than
Indian men. Black African men and Chinese women had an increased risk
compared with the corresponding white reference group. In the validation
dataset, the model explained 51.53% (95% confidence interval 50.90 to
52.16) of the variation in women and 48.16% (47.52 to 48.80) of that in
men. The risk score showed good discrimination, with a D statistic of
2.11 (95% confidence interval 2.08 to 2.14) in women and 1.97 (1.95 to
2.00) in men. The model was well calibrated. CONCLUSIONS: The QDScore
is the first risk prediction algorithm to estimate the 10 year risk of
diabetes on the basis of a prospective cohort study and including both
social deprivation and ethnicity. The algorithm does not need laboratory
tests and can be used in clinical settings and also by the public through
a simple web calculator (www.qdscore.org).
Commento:
Il British Medical Journal ha pubblicato on-line
un interessante lavoro sulla possibilità di predire il rischio
di diabete mediante un algoritmo entro 10 anni. Il QDScore considera,
tra l'altro, anche le condizioni sociali dei soggetti e la loro etnia,
basandosi su variabili facilmente derivabili da cartelle cliniche elettroniche
(ampiamente diffuse in Inghilterra e Galles), senza necessità di
esami di laboratorio o misurazioni fisiche, in modo tale che sia rapidamente
disponibile, a basso costo, utilizzabile nella routine e per iniziative
di screening. Sono stati inseriti i dati di oltre 2,5 milioni di soggetti
(coorte di derivazione) e di oltre 1,2 milioni di partecipanti (coorte
di validazione) di età compresa tra i 25 e i 79 anni, non diabetici
tra il 1993 e il 2008, specificando l'etnia, rilevando poi i casi incidenti
di diabete tipo 2; tra i fattori di rischio considerati: età, indice
di massa corporea, familiarità per diabete, stato di povertà,
fumo, ipertensione arteriosa, malattie cardiovascolari, intercorrente
trattamento steroideo. Si riconosce l'influenza dell'età, specie
nella popolazione maschile, nel determinare il rischio di malattia diabetica.
In assoluto, l'età è il dato predittivo più significativo.
La probabilità di diabete raddoppia già per indice di massa
corporea nel range del sovrappeso; aumenta progressivamente in casi di
obesità di II e III grado, con maggior evidenza per il sesso maschile.
Più complessa la correlazione tra età anagrafica e BMI:
l'obesità gioca un ruolo maggiore nelle età giovanili (specie
in uomini gravemente obesi), riducendo progressivamente la sua importanza
(quale fattore di rischio) nelle decadi più avanzate a causa dell'aumentata
importanza dell'età stessa quale determinante di rischio. La familiarità
è particolarmente predittiva di diabete soprattutto per giovani
uomini, mantenendo comunque importanza (più che raddoppio del rischio)
per tutte le decadi considerate. Anche il fumo può aumentare (sino
a circa il 30%) il rischio di diabete, specie delle età della maturità,
più precocemente negli uomini, più tardivamente nelle donne.
La validazione del sistema di predizione ha confermato la bontà
dei modelli matematici utilizzati. Secondo gli Autori, il QDScore è
il primo algoritmo di previsione di diagnosi di diabete a 10 anni sviluppato
e validato utilizzando dati raccolti di routine, utilizzabile per identificare
pazienti ad aumentato rischio di diabete che potrebbero, quindi, trarre
beneficio da interventi per ridurre il loro rischio, senza la necessità
di eseguire esami di laboratorio. Da segnalare che uno stato di povertà
non è solo predittivo di un'aumentata prevalenza di diabete e relativi
fattori di rischio (come alimentazione non corretta, obesità, fumo),
ma anche con peggiori dati correlati (es.: target lipidici). I punti di
forza di questo studio sono l'utilizzo di una vasta popolazione, il disegno
di "studio di coorte" e la numerosità di soggetti delle
varie etnie. Inoltre l'algoritmo può essere utilizzato direttamente
da soggetti per una autovalutazione, mediante accesso al sito www.qdscore.org
Sebbene non vi siano soglie per "alto rischio" di diabete, il
QDScore può essere utilizzato come base per un programma sistematico
di identificazione di soggetti ad aumentato rischio di diabete, in modo
tale da poter porre diagnosi precoci o poter intervenire rapidamente sui
fattori di rischio. Le limitazioni, ammesse dagli Autori, sono relative
al disegno stesso dello studio che, idealmente, avrebbe dovuto seguire
longitudinalmente per alcune decadi i soggetti, senza perderne alcuno
al follow-up, effettuando periodicamente tests da carico di glucosio per
valutarne la tolleranza ai carboidrati
ma tale ipotesi non è
ragionevolmente percorribile anche in relazione ai costi. Un altro limite
è la "validazione" della precedente diagnosi di diabete
tipo 2, effettuata da un medico e registrata in cartella: tale condizione
non è stata "confermata" e non sono stati eseguiti esami
di laboratorio per supportare la diagnosi. Anche il diabete non diagnosticato
è un problema ben noto e non è stato preso in specifica
considerazione nel presente algoritmo, pur presumendo che circa il 3%
della popolazione inglese sia portatrice della patologia "misconosciuta".
Peraltro i fattori di rischio per la diagnosi di diabete sono gli stessi
del diabete misconosciuto, per cui la maggior parte dei diabetici non
diagnosticati dovrebbero rientrare nei gruppi ad alto rischio. Altri potenziali
errori: il mancato inserimento di precedenti diagnosi di diabete nelle
cartelle cliniche; il riscontro di una maggior familiarità per
diabete nelle donne rispetto agli uomini (possibili omissioni di informazioni);
la mancanza (per il 25% dei soggetti) dei valori di BMI e di abitudini
al fumo. Per limitare potenziali errori sono state utilizzate sofisticate
tecniche statistiche piuttosto che escludere tali soggetti e ridurre la
numerosità del campione. L'eccellente correlazione tra rischio
osservato e rischio predetto ha confortato la scelta degli Autori. Per
misurare lo stato di povertà è stato utilizzato il punteggio
di Towsend, che è basato sul codice postale, sul possesso di un'auto,
lo stato di disoccupazione, una condizione di sovraffollamento, il non
possesso di una abitazione. Tali condizioni, però, possono determinare
imprecisioni, pur se la situazione di povertà è notoriamente
associata ad altri fattori di rischio per il diabete come una dieta povera,
la sedentarietà, il consumo di alcolici. Infine, l'ipertensione
o un trattamento anti-ipertensivo sono stati considerati predittori di
diabete, ma alcuni farmaci (es.: tiazidici) possono aver contribuito ad
aumentare l'apporto di rischio di questa variabile. Anche l'autodeterminazione
dell'etnia può essere causa di errore, ma altre fonti possibili
(es.: luogo di nascita) non sono comunque prive di rischio d'errore, considerato
il problema delle minoranze etniche con figli nati in Gran Bretagna. In
assenza di ogni specificazione di appartenenza etnica, i soggetti sono
stati considerati essere "bianchi". Gli Autori, poi, considerano
che non hanno comparato il loro algoritmo predittivo con studi prospettici
che hanno utilizzato esami di laboratorio o che inseriscono variabili
non sempre rilevate dai medici nella pratica quotidiana (circonferenza
addominale). In particolare la glicemia, seppur registrata in cartella
clinica, non è stata presa in considerazione nell'algoritmo predittivo
considerando che viene spesso registrata a scopo diagnostico, non "preventivo";
inoltre gli Autori desideravano sviluppare un algoritmo che non richiedesse
misure di laboratorio. A questo punto non rimane che testare, sul campo,
il QDScore rammentando che gli "Standard Italiani per la Cura del
Diabete Mellito" editi da AMD, SID e Diabete Italia nel 2007 (con
aggiornamento previsto per fine anno) consigliano l'utilizzo del Diabetes
Risk Score (proposto da studiosi finlandesi, ma validato dallo studio
italiano IGLOO).
Antonio C. Bossi
- U.O. Malattie Metaboliche e Diabetologia, A.O. "Ospedale Treviglio-Caravaggio"
|