Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Xác nhận tính hợp lệ bên ngoài của công cụ đánh giá rủi ro thuộc nghiên cứu đường huyết tiềm năng Vương quốc Anh (UKPDS) ở bệnh nhân tiểu đường loại 2 được xác định trong chương trình tiểu đường quốc gia tại Iran
Tóm tắt
Bệnh tim mạch là nguyên nhân gây tử vong hàng đầu trên thế giới. Các hướng dẫn thực tiễn khuyến nghị việc ước lượng chính xác rủi ro của những biến cố này để điều trị và chăm sóc hiệu quả. Nghiên cứu đường huyết tiềm năng Vương quốc Anh (UKPDS) có một công cụ đánh giá rủi ro nhằm dự đoán rủi ro bệnh động mạch vành (CHD) ở bệnh nhân tiểu đường loại 2, nhưng ở một số quốc gia, rủi ro của CHD đã được chứng minh là được ước lượng kém. Do đó, chúng tôi đã đánh giá tính hợp lệ bên ngoài của công cụ đánh giá rủi ro UKPDS ở bệnh nhân tiểu đường loại 2 được xác định trong chương trình tiểu đường quốc gia tại Iran. Cohort bao gồm 853 bệnh nhân tiểu đường loại 2 được xác định từ ngày 21 tháng 3 năm 2007 đến ngày 20 tháng 3 năm 2018 tại tỉnh Lorestan của Iran. Bệnh nhân đã được theo dõi về sự xuất hiện của CHD. Hiệu suất của các mô hình được đánh giá dựa trên khả năng phân biệt và định lượng. Khả năng phân biệt được kiểm tra bằng cách sử dụng thống kê c (c-statistic) và định lượng được đánh giá với bài kiểm tra thống kê Hosmer–Lemeshow (HLχ2) và một biểu đồ định lượng được mô tả để hiển thị rủi ro được dự đoán so với rủi ro thực tế. Trong 7464,5 năm người theo dõi, đã xảy ra 170 trường hợp CHD đầu tiên. Thời gian theo dõi trung vị là 8,6 năm. Công cụ đánh giá rủi ro UKPDS cho thấy khả năng phân biệt trung bình với CHD (c-statistic là 0,72 cho rủi ro 10 năm) và độ chính xác của công cụ đánh giá rủi ro UKPDS kém (HLχ2 = 69,9, p < 0,001) và công cụ đánh giá rủi ro UKPDS đã ước lượng quá cao rủi ro bệnh tim ở bệnh nhân tiểu đường loại 2 được xác định trong chương trình tiểu đường quốc gia tại Iran lên đến 78%. Nghiên cứu này chỉ ra rằng khả năng của công cụ đánh giá rủi ro UKPDS để phân biệt những bệnh nhân phát sinh các biến cố CHD với những người không phát sinh biến cố là trung bình và khả năng của mô hình dự đoán rủi ro để chính xác dự đoán rủi ro tuyệt đối của CHD (định lượng) là kém và đã ước lượng quá cao rủi ro CHD. Để cải thiện việc dự đoán CHD ở bệnh nhân tiểu đường loại 2, mô hình này cần được cập nhật trong quần thể tiểu đường của Iran.
Từ khóa
#Bệnh tim mạch #bệnh tiểu đường loại 2 #công cụ đánh giá rủi ro #nghiên cứu UKPDS #chương trình tiểu đường quốc gia #xác nhận tính hợp lệ bên ngoàiTài liệu tham khảo
Countdown, N., 2030: worldwide trends in non-communicable disease mortality and progress towards Sustainable Development Goal target 3.4 Lancet, 2018. 392(10152): p. 1072-88.
Bennett, J.E., et al., NCD countdown 2030: worldwide trends in non-communicable disease mortality and progress towards sustainable development goal target 3.4. The Lancet, 2018. 392(10152): p. 1072–1088.
Manemann, S.M., et al., Recent trends in cardiovascular disease deaths: a state specific perspective. BMC Public Health, 2021. 21(1): p. 1–7.
Sun, H., et al., IDF Diabetes Atlas: Global, regional and country-level diabetes prevalence estimates for 2021 and projections for 2045 Diabetes research and clinical practice, 2022. 183: p. 109119.
Roth, G.A., et al., Global burden of cardiovascular diseases and risk factors, 1990–2019: update from the GBD 2019 study. Journal of the American College of Cardiology, 2020. 76(25): p. 2982–3021.
Hajar, R., Framingham contribution to cardiovascular disease. Heart views: the official journal of the Gulf Heart Association, 2016. 17(2): p. 78.
Al-Mawali, A., Non-communicable diseases: shining a light on cardiovascular disease, Oman’s biggest killer. Oman medical journal, 2015. 30(4): p. 227.
Olaniyi, E.O., et al. Neural network diagnosis of heart disease. in 2015 International Conference on Advances in Biomedical Engineering (ICABME). 2015. IEEE.
Pyakurel, P., et al., Cardiovascular risk factors among industrial workers: a cross–sectional study from eastern Nepal. Journal of Occupational Medicine and Toxicology, 2016. 11(1): p. 1–7.
Yang, W., et al., Comparison between metabolic syndrome and the framingham risk score as predictors of cardiovascular diseases among Kazakhs in Xinjiang. Scientific reports, 2018. 8(1): p. 1–8.
Malahfji, M. and J.J. Mahmarian, Imaging to stratify coronary artery disease risk in asymptomatic patients with diabetes. Methodist DeBakey cardiovascular journal, 2018. 14(4): p. 266.
Xu, G., et al., Risk of all-cause and CHD mortality in women versus men with type 2 diabetes: a systematic review and meta-analysis. European journal of endocrinology, 2019. 180(4): p. 243–255.
Hadaegh, F., et al., New and known type 2 diabetes as coronary heart disease equivalent: results from 7.6 year follow up in a Middle East population. Cardiovascular diabetology, 2010. 9(1): p. 1–8.
Lloyd-Jones, D.M., et al., Framingham risk score and prediction of lifetime risk for coronary heart disease. The American journal of cardiology, 2004. 94(1): p. 20–24.
Hense, H.-W., et al., Evaluation of a recalibrated systematic coronary risk evaluation cardiovascular risk chart: results from systematic coronary risk evaluation Germany. European Journal of Preventive Cardiology, 2008. 15(4): p. 409–415.
Coleman, R.L., et al., Framingham, SCORE, and DECODE risk equations do not provide reliable cardiovascular risk estimates in type 2 diabetes. Diabetes care, 2007. 30(5): p. 1292–1293.
Stevens, R.J., et al., The UKPDS risk engine: a model for the risk of coronary heart disease in type II diabetes (UKPDS 56). Clinical science, 2001. 101(6): p. 671–679.
Bannister, C.A., et al., External validation of the UKPDS risk engine in incident type 2 diabetes: a need for new type 2 diabetes–specific risk equations. Diabetes care, 2014. 37(2): p. 537–545.
Laxy, M., et al., Performance of the UKPDS outcomes model 2 for predicting death and cardiovascular events in patients with type 2 diabetes mellitus from a german population-based cohort. Pharmacoeconomics, 2019. 37(12): p. 1485–1494.
McEwan, P., et al., Validation of the UKPDS 82 risk equations within the Cardiff Diabetes Model. Cost effectiveness and resource allocation, 2015. 13(1): p. 1–7.
Ezenwaka, C., et al., Prediction of 10-year coronary heart disease risk in caribbean type 2 diabetic patients using the UKPDS risk engine. International journal of cardiology, 2009. 132(3): p. 348–353.
Clarke, P., et al., A model to estimate the lifetime health outcomes of patients with type 2 diabetes: the United Kingdom prospective diabetes study (UKPDS) Outcomes Model (UKPDS no. 68). Diabetologia, 2004. 47(10): p. 1747–1759.
Van Dieren, S., et al., External validation of the UK prospective diabetes study (UKPDS) risk engine in patients with type 2 diabetes. Diabetologia, 2011. 54(2): p. 264–270.
Marshall SM, B.J., Standardization of HbA1c measurements: a consensus statement. Annals of clinical biochemistry, 2000. 1(1): p. 45–6.
Koo, B.K., et al., Prediction of coronary heart disease risk in korean patients with diabetes mellitus. J Lipid Atheroscler, 2018. 7(2): p. 110.
Yew, S.Q., Y.C. Chia, and M. Theodorakis, Assessing 10-Year Cardiovascular Disease Risk in Malaysians with type 2 diabetes Mellitus: Framingham Cardiovascular Versus United Kingdom prospective diabetes study equations. Asia Pacific Journal of Public Health, 2019. 31(7): p. 622–632.
Yang, X., et al., Development and validation of a total coronary heart disease risk score in type 2 diabetes mellitus. The American journal of cardiology, 2008. 101(5): p. 596–601.
Simmons, R.K., et al., Performance of the UK prospective diabetes study risk engine and the Framingham risk equations in estimating cardiovascular disease in the EPIC-Norfolk cohort. Diabetes care, 2009. 32(4): p. 708–713.
Piniés, J.A., et al., Development of a prediction model for fatal and non-fatal coronary heart disease and cardiovascular disease in patients with newly diagnosed type 2 diabetes mellitus: the basque country prospective complications and Mortality Study risk engine (BASCORE). Diabetologia, 2014. 57(11): p. 2324–2333.