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"