Метод прогнозирования риска развития сахарного диабета 2-го типа у лиц с висцеральным ожирением и предиабетом

Обложка

Цитировать

Полный текст

Аннотация

Цель. Создать математическую модель, позволяющую прогнозировать развитие сахарного диабета 2-го типа (СД 2) у лиц с висцеральным ожирением и/или предиабетом.

Материалы и методы. Проанализированы клинико-лабораторные данные 330 пациентов. Многофакторный регрессионный и косинор-анализ определили наиболее чувствительные параметры, влияющие на развитие СД 2. С помощью дискриминантного линейного анализа построена математическая модель прогнозирования СД 2 с подтверждением ее качества ROC-анализом.

Результаты. В исследуемых группах (СД 2) с предиабетом и без нарушений углеводного обмена (n=110) получены статистически значимые корреляции: между базальной температурой тела (БТТ) и суточной энергетической ценностью – СЭЦ (r=0,5; p<0,0001), амплитудой суточного ритма гликемии и окружностью талии (r=-0,7; р=0,004), возрастом и БТТ (r=0,5; p<0,001). В группах без нарушений углеводного обмена и предиабета множественный регрессионный анализ определил следующие значимые факторы, влияющие на развитие СД 2: суточная амплитуда БТТ, суточная амплитуда гликемии и время отхода ко сну (р=0,001), СЭЦ и время приема пищи (р=0,0001). Косинор-анализ суточной модели гликемии и БТТ установил амплитудно-фазовое смещение (p=0,028; p=0,012). Линейный дискриминантный анализ вывел прогностическую модель: D=-16,845 + возраст × 0,044 + пол × 0,026 + амплитуда суточного ритма БТТ × 1,424 + амплитуда суточного ритма × 11,155 + время отхода ко сну × 0,054 + СЭЦ × 0,0001 + окружность талии × 0,022 + гликированный гемоглобин × 1,19, где -16,845 – константа, 0,044, 0,026, 1,424, 11,155, 0,054, 0,0001, 0,022, 1,19 – коэффициенты линейной дискриминантной функции. При D<0 прогнозируется отсутствие развития СД 2, при D>0 – развитие СД 2 в ближайшее время. Коэффициент чувствительности – 92,5%, специфичности – 79,1% (ROC-анализ).

Заключение. Представленная прогностическая модель имеет высокую (92,5%) чувствительность за счет комбинации двух математических анализов. Большая часть примененных параметров относится к модифицируемым, что дает возможность использовать данную модель на профилактическом этапе.

Об авторах

Юлия Валерьевна Нелаева

ФГБОУ ВО «Тюменский государственный медицинский университет» Минздрава России

Email: agamzina@yandex.ru
ORCID iD: 0000-0001-9885-8029

канд. мед. наук, зам. дир. Института общественного здоровья и цифровой медицины, доц. каф. госпитальной терапии с курсом эндокринологии

Россия, Тюмень

Алсу Асатовна Нелаева

ФГБОУ ВО «Тюменский государственный медицинский университет» Минздрава России

Email: agamzina@yandex.ru
ORCID iD: 0000-0003-0823-2538

д-р мед. наук, проф. каф. госпитальной терапии с курсом эндокринологии

Россия, Тюмень

Анна Евгеньевна Южакова

ГАУЗ ТО «Многопрофильный консультативно-диагностический центр»

Автор, ответственный за переписку.
Email: agamzina@yandex.ru
ORCID iD: 0000-0001-9790-6885

канд. мед. наук, врач – эндокринолог-диетолог

Россия, Тюмень

Иван Михайлович Петров

ФГБОУ ВО «Тюменский государственный медицинский университет» Минздрава России

Email: agamzina@yandex.ru
ORCID iD: 0000-0001-7766-1745

д-р мед. наук, ректор

Россия, Тюмень

Игорь Федорович Шоломов

ФГБОУ ВО «Тюменский государственный медицинский университет» Минздрава России

Email: agamzina@yandex.ru
ORCID iD: 0000-0001-8478-6087

канд. мед. наук, советник при ректорате

Россия, Тюмень

Список литературы

  1. Карпельев В.А., Филиппов Ю.И., Тарасов Ю.В., и др. Математическое моделирование системы регуляции гликемии у пациентов с сахарным диабетом. Вестник РАМН. 2015;70(5):549-60 [Karpel’ev VA, Filippov YuI, Tarasov YuV, et al. Mathematical Modeling of the Blood Glucose Regulation System in Diabetes Mellitus Patients. Annals of the Russian Academy of Medical Sciences. 2015;70(5):549-60 (in Russian)]. doi: 10.15690/vramn.v70.i5.1441
  2. Южакова А.Е., Нелаева А.А., Нелаева Ю.В., Губин Д.Г. Использование амплитудно-фазовых параметров циркадианных ритмов в качестве диагностических маркеров нарушений углеводного обмена. Ожирение и метаболизм. 2022;19(1):83-91 [Yuzhakova AE, Nelaeva AA, Nelaeva YuV, Gubin DG. Using amplitude-phase parameters of circadian rhythms as diagnostic markers of carbohydrate metabolism disorders. Obesity and Metabolism. 2022;19(1):83-91 (in Russian)]. doi: 10.14341/omet12781
  3. Южакова А.Е., Нелаева А.А., Хасанова Ю.В., Медведева И.В. Факторы риска нарушений углеводного обмена с позиций хронобиологии. Вопросы питания. 2020;89(6):23-30 [Yuzhakova AE, Nelaeva AA, Khasanova YuV, Medvedeva IV. Risk factors for carbohydrate metabolism disorders from a chronobiological position. Problems of Nutrition. 2020;89(6):23-30 (in Russian)]. doi: 10.24411/0042-8833-2020-10075
  4. Refinetti R, Lissen GC, Halberg F. Procedures for numerical analysis of circadian rhythms. Biol Rhythm Res. 2007;38(4):275-325. doi: 10.1080/09291010600903692
  5. Halberg F. Chronobiology. Annu Rev Physiol. 1969;31:675-725. doi: 10.1146/annurev.ph.31.030169.003331
  6. Биоритмы и их нарушения. Режим доступа: https://docplayer.com/70611745-Bioritmy-i-ih-narusheniya.html. Ссылка активна на 12.01.2023 [Bioritmy i ikh narusheniia. Available at: https://docplayer.com/70611745-Bioritmy-i-ih-narusheniya.html. Accessed: 12.01.2023 (in Russian)].
  7. Cornelissen G. Cosinor-based rhythmometry. Theor Biol Med Model. 2014;11:16. doi: 10.1186/1742-4682-11-16
  8. Bingham C, Arbogast B, Guillaume GC, et al. Inferential statistical methods for estimating and comparing cosinor parameters. Chronobiologia. 1982;9(4):397-439.
  9. Bastardot F, Marques-Vidal P, Vollenweider P. Association of body temperature with obesity. The CoLaus study. Int J Obes (Lond). 2019;43(5):1026-33. doi: 10.1038/s41366-018-0218-7
  10. Bandín C, Martinez-Nicolas A, Ordovás JM, et al. Circadian rhythmicity as a predictor of weight-loss effectiveness. Int J Obes (Lond). 2014;38(8):1083-8. doi: 10.1038/ijo.2013.211
  11. Губин Д.Г., Петров И.М., Хасанова Ю.В., и др. Взаимосвязь индекса массы тела с задержкой фазы сна и низкой дневной температурой кожи при отсутствии различий суточной динамики физической активности. Хрономедицинский журнал (Тюменский медицинский журнал). 2020;22(1):35-41 [Gubin DG, Petrov IM, Khasanova YuV, et al. Body mass index associates with sleep phase delay and low daytime skin temperature despite similar 24-hour patterns of physical activity in adults. J Chronomed. (Tyumen Medical Journal). 2020;22(1):35-41 (in Russian)]. doi: 10.36361/2307-4698-2020-22-1-35-41
  12. Мисникова И.В., Ковалева Ю.А. Сон и нарушения метаболизма. РМЖ. 2017;22:1641-5 [Misnikova IV, Kovaleva YuA. Sleep and metabolic disorders. RMJ. 2017;22:1641-5 (in Russian)].
  13. Губин Д.Г. Хронодиагностика и хронотерапия – основа персонализированной медицины. Тюменский медицинский журнал. 2019;21(1):20-40 [Gubin DG. Chronodiagnostics and chronotherapy – frontiers for personalized clinical medicine. Tyumen Medical Journal. 2019;21(1):20-40 (in Russian)]. doi: 10.36361/2307-4698-2019-21-1-20-40
  14. Elhayany A, Lustman A, Abel R, et al. A low carbohydrate Mediterranean diet improves cardiovascular risk factors and diabetes control among overweight patients with type 2 diabetes mellitus: a 1-year prospective randomized intervention study. Diabetes Obes Metab. 2010;12(3):204-9. doi: 10.1111/j.1463-1326.2009.01151.x
  15. Карпельев В.А., Филиппов Ю.И., Тарасов Ю.В., и др. Математическое моделирование системы регуляции гликемии у пациентов с сахарным диабетом. Вестник РАМН. 2015;70(5):549-60 [Karpel`ev VA, Filippov YuI, Tarasov YuV, et al. Mathematical Modeling of the Blood Glucose Regulation System in Diabetes Mellitus Patients. Vestn Ross Akad Med Nauk. 2015;70(5):549-60 (in Russian)]. doi: 10.15690/vramn.v70.i5.1441
  16. Тихонова Т.М. Математическая модель определения группы риска развития медленно прогрессирующего аутоиммунного диабета взрослых. Сахарный диабет. 2014;17(1):15-20 [Tikhonova TM. A Mathematical model for stratification of LADA risk groups. Diabetes Mellitus. 2014;17(1):15-20 (in Russian)]. doi: 10.14341/DM2014115-20
  17. Мустафина С.В., Рымар О.Д., Щербакова Л.В., Воевода М.И. Способ прогнозирования риска развития сахарного диабета 2-го типа. Изобретение ЕА201501035. Режим доступа: https://patentscope.wipo.int/search/ru/detail.jsf;jsessionid=26FBA4BCAAD4FBB1269C4E231E7A48C8.wapp1nA?docId=EA219423577&recNum=43&office=&queryString=diabetes&prevFilter=&sortOption=&maxRec=5818. Ссылка активна на 12.01.2023 [Mustafina SV, Rymar OD, Shcherbakova LV, Voevoda MI. Sposob prognozirovaniia riska razvitiia sakharnogo diabeta 2-go tipa. Izobretenie EA201501035. Available at: https://patentscope.wipo.int/search/ru/detail.jsf;jsessionid=26FBA4BCAAD4FBB1269C4E231E7A48C8.wapp1nA?docId=EA219423577&recNum=43&office=&queryString=diabetes&prevFilter=&sortOption=&maxRec=5818. Accessed: 12.01.2023 (in Russian)].
  18. Валеева Ф.В., Киселева Т.А., Медведева М.С., и др. Взаимосвязь полиморфизма rs7903146 tcf7l2 c функцией бета-клеток поджелудочной железы среди женщин с избыточной массой тела и ожирением. Сборник тезисов по материалам конференции по лечению и диагностике сахарного диабета «Фундаментальная и клиническая диабетология в 21 веке: от теории к практике». М. 2022 [Valeeva FV, Kiseleva TA, Medvedeva MS, et al. Vzaimosviaz' polimorfizma rs7903146 tcf7l2 c funktsiei beta-kletok podzheludochnoi zhelezy sredi zhenshchin s izbytochnoi massoi tela i ozhireniem. Sbornik tezisov po materialam konferentsii po lecheniiu i diagnostike sakharnogo diabeta “Fundamental'naia i klinicheskaia diabetologiia v 21 veke: ot teorii k praktike”. Moscow. 2022 (in Russian)].
  19. Юнкеров В.И., Григорьев С.Г., Резванцев М.В. Математико-статистическая обработка данных медицинских исследований. СПб.: Военно-мед. акад., 2011 [Iunkerov VI, Grigor'ev SG, Rezvantsev MV. Matematiko-statisticheskaia obrabotka dannykh meditsinskikh issledovanii. Saint Petersburg: Voenno-med. akad., 2011 (in Russian)].

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Вектор изменений температуры тела в интервале 03:00–20:00. Примечание. ТТ – температура тела, cnt – контрольная группа, pdm – группа предиабета, dm – группа СД 2.

Скачать (99KB)
3. Рис. 2. Линейная ДФ в группах с предиабетом и ВО без НУО (4,73×5,01, n=220).

Скачать (67KB)
4. Рис. 3. ROC-анализ параметров, входящих в прогностическую модель развития СД 2.

Скачать (131KB)

© ООО "Консилиум Медикум", 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
 
 


Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).