Schriftgröße  A-  A  A+

Abb. 1 Möglichkeiten der Diabetesprädiktion

Abb. 1 Net Reclassification Improvement (NRI) für variierende Cut-off-Werte (A) und eine ... mehr

Dife Logo

Druckversion von: http://www.www.dife.de/forschung/abteilungen/projektdetail.php?id=178&abt=MEP
Stand: 23.07.2018 15:13:16

Abteilung Molekulare Epidemiologie (MEP)

Projekt 5 : Möglichkeiten der Diabetesprädiktion

In einer Übersichtsarbeit haben wir alle bis Ende 2009 publizierten Diabetes-Risiko- Prädiktionsmodelle analysiert und die methodischen Aspekte ihrer Entwicklung und Validierung erörtert. Zu den von uns analysierten Modellen zählt auch der DIfE- DEUTSCHER DIABETES-RISIKO-TEST®, der auf den Daten der Potsdamer EPIC-Studie basiert. Er ist sowohl als interaktiver
Online-Test als auch als Fragebogen im Internet verfügbar und berücksichtigt Parameter wie Alter, Taillenumfang, Ernährungsgewohnheiten und Lebensstil. Die Ergebnisse der Übersichtsarbeit haben wir in einer Datenbank (drpm-database) zusammengestellt. Die Datensammlung ermöglicht dem Nutzer, nach bestimmten Diabetes-Risiko-Tests zu suchen. Diese systematische Sammlung von Diabetes-Prädiktionsmodellen haben wir aktualisiert und den Inhalt von 163 auf 227 einzelne Modelle erweitert, die bis Dezember 2011 publiziert wurden. Hiervon sind insgesamt 50 Modelle in externen Populationen validiert worden.

Das Ziel eines Diabetes-Risiko-Tests, wie dem DRT, ist eine möglichst präzise Vorhersage des Erkrankungsrisikos. Aus diesem Grund erforschen wir, inwiefern sich der DRT um neu identifizierte Risikofaktoren erweitern lässt. Die Beurteilung, inwiefern diese Erweiterung die Risikovorhersage präzisiert, wird üblicherweise anhand der Diskriminierungsgüte und der Reklassifizierung bestimmt. Der Net Reclassification Improvement (NRI) stellt eine Reklassifizierungsstatistik dar, die auf der Einordnung in vordefinierte Risikokategorien beruht. Unsere methodische Arbeit zu diesem NRI hat gezeigt, dass der Wert des NRI zum einen stark durch die Wahl der Risikogrenzen (Cutoffs) für die Kategorien, zum anderen aber auch durch die Anzahl der gewählten Kategorien beeinflusst wird (Abb. 1). Unsere Ergebnisse stärken somit die Empfehlung, nur klinisch relevante und etablierte Risikogruppen zu verwenden, besonders für die Evaluation von Modellerweiterungen.

Unsere Abteilung geht weiterhin der Frage nach, ob Blutparameter wie die Plasmaglucose oder genetische Daten Diabetes-Prädiktionsmodelle wie den DRT weiter präzisieren können. Wir konnten feststellen, dass sich die Vorhersagegüte des Tests deutlich verbessert, wenn der Wert für die Plasmaglucose und der HbA1c-Wert in die Risikoberechnung mit einbezogen werden. Zudem weisen Ergebnisse aus einem Gemeinschaftsprojekt mit Partnern des Deutschen Zentrums für Diabetesforschung (DZD) darauf hin, dass auch neue Ansätze der Biomarkerforschung (Metabolomics) dazu geeignet sind, Biomarkerprofile zu generieren, die potenziell für eine Diabetesvorhersage nutzbar sind.

Zudem haben wir in diesem Zusammenhang mit einem erhöhten Typ-2-Diabetes-Risiko assoziierte Genvarianten geprüft. Unsere ersten Untersuchungen ergaben, dass die Informationen zu 20 dieser Genvarianten nicht ausreichen, um das Risiko für eine Diabeteserkrankung vorherzusagen. Wir erweiterten unsere Untersuchungen auf insgesamt 42 Genvarianten, allerdings zeigte unsere Analyse in der EPIC-Potsdam-Studie auch dadurch keine wesentliche Verbesserung der Vorhersage. Unsere Ergebnisse deuten aber darauf hin, dass genetische Informationen in Subgruppen mit erhöhtem Risiko (höheres Alter, vorliegende Adipositas, familiäre Vorbelastung) zu einer verbesserten Vorhersage beitragen könnten.

© 2018 DIfE - Deutsches Institut für Ernährungsforschung. Alle Rechte vorbehalten. // Stand 29.03.2018