Diabetes type 2: een eenvoudige methode kan de behandeling op maat helpen

Het gebruik van eenvoudige, routinematige maatregelen die gemakkelijk te verkrijgen zijn in een diabeteskliniek, zoals de leeftijd bij diagnose en de body mass index, kan een effectieve manier zijn om de beste behandeling te kiezen voor een persoon met diabetes type 2.

Nieuw onderzoek wijst op een zeer eenvoudige methode om de behandeling van diabetes type 2 te personaliseren.

Dit was de conclusie waar onderzoekers van de Universiteit van Exeter, in het Verenigd Koninkrijk, toe kwamen nadat ze de eenvoudige benadering vergeleken hadden met een "subgroepmodel" dat onderzoekers in Zweden en Finland in een eerdere studie hadden voorgesteld.

Ze rapporteren hun bevindingen in een paper dat nu in The Lancet Diabetes & Endocrinology logboek.

"Het wordt erkend", zegt John M. Dennis, Ph.D., hoofdauteur van de studie, die een research fellow is in medische statistiek aan het University of Exeter College of Medicine and Health, "dat niet iedereen met diabetes type 2 moet worden behandeld. hetzelfde, maar er is momenteel geen manier om te bepalen welke tablet waarschijnlijk het beste is voor een bepaalde persoon. "

De eerdere studie identificeerde "vijf repliceerbare clusters" van volwassenen met diabetes. De vijf clusters verschilden door "ziekteprogressie en risico op diabetische complicaties." De auteurs suggereerden dat dit een nuttige manier zou kunnen zijn om de behandeling van diabetes te begeleiden.

De nieuwe studie laat echter zien dat het gebruik van zeer eenvoudige klinische kenmerken, zoals leeftijd bij diagnose, geslacht, body mass index (BMI) en een maat voor de nierfunctie, een meer praktische en effectieve methode is om behandelingen te kiezen en te identificeren welke patiënten zijn. de meeste kans op complicaties zoals nierziekte.

"Cruciaal is dat deze benadering niet betekent dat mensen opnieuw moeten worden ingedeeld in discrete subtypes van diabetes," legt Dennis uit, eraan toevoegend dat ze in hun onderzoek "in staat waren om de exacte kenmerken van een persoon te gebruiken om preciezere informatie te geven om de behandeling te begeleiden."

Diabetes in subgroepen onderbrengen

Diabetes is een ernstige aandoening die wordt veroorzaakt door te veel glucose of suiker in het bloed. Na verloop van tijd kan een hoge bloedsuikerspiegel of hyperglykemie schade toebrengen aan organen, bloedvaten, zenuwen en andere delen van het lichaam.

Volgens de Wereldgezondheidsorganisatie (WHO) is diabetes een belangrijke oorzaak van nierfalen, verlies van gezichtsvermogen, beroerte, hartaanvallen en beenamputatie.

Cijfers van het National Institute of Diabetes and Digestive and Kidney Diseases suggereren dat er in de Verenigde Staten ongeveer 30,3 miljoen mensen met diabetes zijn en 84,1 miljoen volwassenen die waarschijnlijk prediabetes hebben.

Er zijn drie hoofdtypen diabetes. De meest voorkomende aandoening, die de overgrote meerderheid van mensen met diabetes treft, is type 2. Dit type ontwikkelt zich doordat het lichaam zijn vermogen verliest om insuline op de juiste manier aan te maken en te gebruiken. Insuline is een hormoon dat cellen helpt glucose op te nemen en te gebruiken voor energie.

De andere twee hoofdtypen van diabetes zijn: zwangerschapsdiabetes, die bij sommige vrouwen tijdens de zwangerschap kan ontstaan; en type 1, dat zich ontwikkelt omdat het immuunsysteem het vermogen van het lichaam om insuline in de alvleesklier aan te maken, vernietigt.

De recente studie betreft diabetes type 2, die de auteurs omschrijven als een "heterogene, multifactoriële aandoening" die verantwoordelijk is voor 90-95% van de diabetes en ongeveer 400 miljoen mensen wereldwijd treft.

Gezien de diverse aard van diabetes type 2, zijn wetenschappers geïnteresseerd om het in meer categorieën op te splitsen, aangezien dit de zorg en de resultaten voor de vele getroffen mensen zou kunnen verbeteren.

De eerdere studie had gesuggereerd dat er vier subgroepen, of datagestuurde clusters, van type 2-achtige diabetes waren: ernstige insuline-deficiënte diabetes, ernstige insulineresistente diabetes, milde obesitasgerelateerde diabetes en milde leeftijdsgerelateerde diabetes.

Dennis en collega's merken echter op dat de eerdere studie "suggereerde, maar niet aantoonde dat de clusters nuttig zouden kunnen zijn als leidraad bij de keuze van de therapie."

Het modelleren van klinische kenmerken is nuttiger

Daarom besloten de onderzoekers het nut van de subgroepmethode te vergelijken "met eenvoudigere benaderingen op basis van routinematige klinische maatregelen die in elke diabeteskliniek beschikbaar zijn."

Ze deden dit door gegevenssets te analyseren van twee onafhankelijke klinische onderzoeken - waaronder meer dan 8.500 deelnemers - die willekeurig verschillende diabetesmedicijnen hadden toegewezen aan mensen met diabetes type 2.

Het nieuwe onderzoek toonde aan dat de subgroepmethode inderdaad werkte, maar dat methoden die eenvoudige klinische metingen gebruiken net zo goed werken, en in sommige gevallen zelfs beter.

Terwijl de subgroepmethode bijvoorbeeld wel verschillen liet zien in de progressie van bloedglucose, ontdekte het team dat "een model dat alleen de leeftijd bij diagnose gebruikt, een vergelijkbare hoeveelheid variatie in de progressie verklaarde".

De onderzoekers ontdekten ook dat de "incidentie van chronische nierziekte" verschilde tussen de subgroepen. "Echter," merken ze op, "geschatte glomerulaire filtratiesnelheid [een maat voor de nierfunctie] bij aanvang was een betere voorspeller van de tijd tot chronische nierziekte."

Bovendien, hoewel de subgroepen verschilden in de respons van de bloedglucose op de behandeling, "presteerden eenvoudige klinische kenmerken beter dan clusters om therapie voor individuele patiënten te selecteren."

De onderzoekers concluderen:

"Over het algemeen suggereren de resultaten dat er meer klinisch nut zal zijn door het rechtstreeks modelleren van klinische kenmerken dan door het gebruik van klinische kenmerken om patiënten in subgroepen te plaatsen."
none:  ouderschap leverziekte - hepatitis de ziekte van Huntington