ASSESSMENT OF RISK SCORES FOR THE PREDICTION AND DETECTION OF TYPE 2 DIABETES MELLITUS IN CLINICAL SETTINGS

Abstract

Health and sociological indicators confirm that life expectancy is increasing, and so, the years that patients have to live with chronic diseases and co-morbidities. Type 2 Diabetes is one of the most common chronic diseases, specially linked to overweight and ages over sixty. As a metabolic disease, Type 2 Diabetes affects multiple organs by causing damage in blood vessels and nervous system at micro and macro scale. Mortality of subjects with diabetes is three times higher than the mortality for subjects with other chronic diseases.

On the one hand, the management of diabetes is focused on the maintenance of the blood glucose levels under a threshold by the prescription of anti-diabetic drugs and a combination of healthy food habits and moderate physical activity. Recent studies have demonstrated the effectiveness of new strategies to delay and even prevent the onset of Type 2 Diabetes by a combination of active and healthy lifestyle on cohorts of mid to high risk subjects. On the other hand, prospective research has been driven on large groups of population to build risk scores which aim to obtain a rule for the classification of patients according to the odds for developing the disease. Currently there are more than two hundred models and risk scores for doing this, but a few have been properly evaluated in external groups and, to date, none of them has been tested on a population based study.

The research study presented in this doctoral thesis strives to use externally validated risk scores for the prediction and detection of Type 2 Diabetes on a population data base in Hospital La Fe (Valencia, Spain). The study hypothesis is that the integration of existing prediction and detection risk scores on Electronic Health Records increases the early-detection of high risk cases. To evaluate this hypothesis three studies on the clinical, user and technology dimensions have been driven to evaluate the extent to which the models and the hospital is ready to exploit such models to identify high risk groups and drive efficient preventive strategies. The findings presented in this thesis suggest that Electronic Health Records are not prepared to massively feed risk models. Some of the evaluated models have shown a good classification performance, which accompanied to the well-acceptance of web-based tools and the acceptable technical performance of the information and communication technology system, suggests that after some work these models can effectively drive a new paradigm of active screening for Type 2 Diabetes.

Los indicadores de salud y sociológicos confirman que la esperanza de vida está aumentando, y por lo tanto, los años que los pacientes tienen que vivir con enfermedades crónicas y comorbilidades. Diabetes tipo 2 es una de las enfermedades crónicas más comunes, especialmente relacionadas con el sobrepeso y edades superiores a los sesenta años. Como enfermedad metabólica, la diabetes tipo 2 afecta a múltiples órganos causando daño en los vasos sanguíneos y el sistema nervioso a escala micro y macro. La mortalidad de sujetos con diabetes es tres veces mayor que la mortalidad de sujetos con otras enfermedades crónicas.

Por un lado, la estrategia de manejo se centra en el mantenimiento de los niveles de glucosa en sangre bajo un umbral mediante la prescripción de fármacos antidiabéticos y una combinación de hábitos alimentarios saludables y actividad física moderada. Estudios recientes han demostrado la eficacia de nuevas estrategias para retrasar e incluso prevenir la aparición de la diabetes tipo 2 mediante una combinación de estilo de vida activo y saludable en cohortes de sujetos de riesgo medio a alto. Por otro lado, la investigación prospectiva se ha dirigido a grupos de la población para construir modelos de riesgo que pretenden obtener una regla para la clasificación de las personas según las probabilidades de desarrollar la enfermedad. Actualmente hay más de doscientos modelos de riesgo para hacer esta identificación, no obstante la inmensa mayoría no han sido debidamente evaluados en grupos externos y, hasta la fecha, ninguno de ellos ha sido probado en un estudio poblacional.

El estudio de investigación presentado en esta tesis doctoral pretende utilizar modelos riesgo validados externamente para la predicción y detección de la Diabetes Tipo 2 en una base de datos poblacional del Hospital La Fe de Valencia (España). La hipótesis del estudio es que la integración de los modelos de riesgo de predicción y detección existentes la práctica clínica aumenta la detección temprana de casos de alto riesgo. Para evaluar esta hipótesis, se han realizado tres estudios sobre las dimensiones clínicas, del usuario y de la tecnología para evaluar hasta qué punto los modelos y el hospital están dispuestos a explotar dichos modelos para identificar grupos de alto riesgo y conducir estrategias preventivas eficaces. Los hallazgos presentados en esta tesis sugieren que los registros de salud electrónicos no están preparados para alimentar masivamente modelos de riesgo. Algunos de los modelos evaluados han demostrado un buen desempeño de clasificación, lo que acompañó a la buena aceptación de herramientas basadas en la web y el desempeño técnico aceptable del sistema de tecnología de información y comunicación, sugiere que después de algún trabajo estos modelos pueden conducir un nuevo paradigma de la detección activa de la Diabetes Tipo 2.

Els indicadors sociològics i de salut confirmen un augment en l'esperança de vida, i per tant, dels anys que les persones han de viure amb malalties cròniques i comorbiditats. la diabetis de tipus 2 és una de les malalties cròniques més comunes, especialment relacionades amb l'excés de pes i edats superiors als seixanta anys. Com a malaltia metabòlica, la diabetis de tipus 2 afecta múltiples òrgans causant dany als vasos sanguinis i el sistema nerviós a escala micro i macro. La mortalitat de subjectes amb diabetis és tres vegades superior a la mortalitat de subjectes amb altres malalties cròniques.

D'una banda, l'estratègia de maneig se centra en el manteniment dels nivells de glucosa en sang sota un llindar mitjançant la prescripció de fàrmacs antidiabètics i una combinació d'hàbits alimentaris saludables i activitat física moderada. Estudis recents han demostrat l'eficàcia de noves estratègies per a retardar i fins i tot prevenir l'aparició de la diabetis de tipus 2 mitjançant una combinació d'estil de vida actiu i saludable en cohorts de subjectes de risc mitjà a alt. D'altra banda, la investigació prospectiva s'ha dirigit a grups específics de la població per construir models de risc que pretenen obtenir una regla per a la classificació de les persones segons les probabilitats de desenvolupar la malaltia. Actualment hi ha més de dos-cents models de risc per fer aquesta identificació, però la immensa majoria no han estat degudament avaluats en grups externs i, fins ara, cap d'ells ha estat provat en un estudi poblacional.

L'estudi d'investigació presentat en aquesta tesi doctoral utilitza models de risc validats externament per a la predicció i detecció de diabetis de tipus 2 en una base de dades poblacional de l'Hospital La Fe de València (Espanya). La hipòtesi de l'estudi és que la integració dels models de risc de predicció i detecció existents la pràctica clínica augmenta la detecció de casos d'alt risc. Per avaluar aquesta hipòtesi, s'han realitzat tres estudis sobre les dimensions clíniques, de l'usuari i de la tecnologia per avaluar fins a quin punt els models i l'hospital estan disposats a explotar aquests models per identificar grups d'alt risc i conduir estratègies preventives. Les troballes presentades sugereixen que els registres de salut electrònics no estan preparats per alimentar massivament models de risc. Alguns dels models avaluats han demostrat una bona classificació, el que va acompanyar a la bona acceptació d'eines basades en el web i el rendiment tècnic acceptable del sistema de tecnologia d'informació i comunicacions implementat. La conclusió es que encara es necesari treball per que aquests models poden conduir un nou paradigma de la detecció activa de la diabetis de tipus 2.