A predictive model for determining the probability of age-related diseases

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Objective. To develop and validate a predictive model for determining the probability of developing age-related diseases based on a comprehensive analysis of clinical, genetic, and metabolic data.

Materials and methods. The characteristics of somatic health (anthropometry, blood pressure, pulse, complete blood count, ratio of neutrophils to lymphocytes, platelets to lymphocytes, blood biochemistry, glomerular filtration rate, echocardiography, electrocardiography, drug therapy), musculoskeletal parameters (FRAIL, Katz scale, SARC-F questionnaire, handgrip strength, bioimpedance measurement), sensory (ophthalmological examination), cognitive (MMSE test), psychological (Beck scale, asthenic state scale), and nutritional (MNA scale) parameters.

Results. A predictive model for the risk of developing prediabetes was created. The model was statistically significant (p<0.001). It was shown that the chances of prediabetes decrease with age, but increase 16.923 times in the presence of excess body weight, 19.924 times in the presence of obesity, and 2.574 times in the presence of diabetes mellitus. The probability estimate “p” has statistically significant predictive power (AUC=0.885; p<0.001). The optimal threshold value is p=0.089 (sensitivity – 96.2%, specificity – 74.7%).

Conclusion. A predictive model for age-related diseases is important in personalized medicine and aging prevention. Developing predictive models requires analyzing big data, identifying key biomarkers and risk factors that correlate with disease development.

About the authors

I. V. Kochetkova

N.N. Burdenko Voronezh State Medical University, Ministry of Health of Russia

Author for correspondence.
Email: iri4217@yandex.ru
ORCID iD: 0000-0002-7546-6679
SPIN-code: 9933-5015

Associate Professor, Candidate of Medical Sciences

Russian Federation, Voronezh

References

  1. Порядин Г.В., Салмаси Ж.М., Мишнев О.Д. и др. Патофизиология (общая и клиническая патофизиология). Учебник для студентов учреждений высшего медицинского образования. В 2 т. Под ред. Г.В. Порядина. М.: МИА, 2022 [Poryadin G.V., Salmasy Zh.M., Mishnev O.D., et al. Pathophysiology (general and clinical pathophysiology). Textbook for students of higher medical education institutions. In 2 volumes. Edited by G.V. Poryadin. Moscow: MIA, 2022 (in Russ.)].
  2. Cloete L. Diabetes mellitus: An overview of the types, symptoms, complications and management. Nurs Stand. 2021; 37: 61–6. doi: 10.7748/ns.2021.e117092
  3. Cooper O.A.E., Taylor D.J., Crabb D.P. et al. Psychological, social and everyday visual impact of diabetic macular oedema and diabetic retinopathy: a systematic review. Diabet Med. 2020; 37 (6): 924–33. doi: 10.1111/dme.14125
  4. Kumar A., Gangwar R., Zargar A.A. et al. Prevalence of diabetes in India: a review of IDF Diabetes Atlas 10th edition. Curr Diabetes Rev. 2024; 20 (1): e130423215752. doi: 10.2174/1573399819666230413094200
  5. Lin K.-Y., Hsih W.-H., Lin Y.-B. et al. Update in the epidemiology, risk factors, screening, and treatment of diabetic retinopathy. J Diabetes Investig. 2021; 12: 1322–5. doi: 10.1111/jdi.13480
  6. Lovic D., Piperidou A., Zografou I. et al. The Growing Epidemic of Diabetes Mellitus. Curr Vasc Pharmacol. 2020; 18: 104–9. doi: 10.2174/1570161117666190405165911
  7. Saeedi P., Petersohn I., Salpea P. et al. Global and regional diabetes prevalence estimates for 2019 and projections for 2030 and 2045: results from the International Diabetes Federation Diabetes Atlas, 9th edition. Diabetes Res Clin Pract. 2019; 157: 107843. doi: 10.1016/j.diabres.2019.107843
  8. Taipale J., Mikhailova A., Ojamo M. et al. Low vision status and declining vision decrease Health-Related Quality of Life: Results from a nationwide 11-year follow-up study. Qual Life Res. 2019; 28: 3225–36. doi: 10.1007/s11136-019-02260-3
  9. Riddle M.C., Herman W.H. The Cost of Diabetes Care – An Elephant in the Room. Diabetes Care. 2018; 41: 929–32. doi: 10.2337/dci18-0012
  10. Ильницкий А.Н., Белоусов Н.И., Осипова О.А. и др. Научные исследования в области геронтологии и гериатрии в десятилетие здорового старения (2021–2030 гг.). Врач. 2021; 32 (6): 5–8 [Ilnitski A.N., Belousov N.I., Osipova O.A. et al. Researches in gerontology and geriatrics in the Decade of Healthy Aging (2021-2030). Vrach. 2021; 32 (6): 5–8 (in Russ.)]. doi: 10.29296/25877305-2021-06-01
  11. Кочеткова И.В., Трофимова Т.Г., Савельева Г.О. и др. Отношение нейтрофилов к лимфоцитам как инструмент оценки риска кардиальных осложнений у пациентов пожилого возраста с сахарным диабетом типа. Врач. 2024; 35 (12): 86–9 [Kochetkova I.V., Trofimova T.G., Savelyeva G.O. et al. Neutrophil lymphocyte coefficient as a tool for assessing the risk of cardiac complications in elderly patients with type 2 diabetes mellitus. Vrach. 2024; 35 (12): 86–9 (in Russ.)]. doi: 10.29296/25877305-2024-12-16
  12. Зацепина И.В., Кочеткова И.В., Фурсова Е.А. и др. Распространенность курения среди студентов медицинского вуза. Профилактическая медицина. 2024; 27 (6): 29–35 [Zatsepina I.V., Kochetkova I.V., Fursova E.A. et al. Smoking prevalence among students of medical university. Russian Journal of Preventive Medicine. 2024; 27 (6): 29–35 (in Russ.)]. doi: 10.17116/profmed20242706129
  13. Быковский А.С., Золотых А.Е., Кочеткова И.В. и др. Изучение осведомленности о факторах риска развития хронических неинфекционных заболеваний. Молодежный инновационный вестник. 2024; 13 (S1): 399–402 [Bykovsky A.S., Zolotykh A.E., Kochetkova I.V., et al. Study of awareness of risk factors for chronic noncommunicable diseases. Youth Innovation Bulletin. 2024; 13 (S1): 399–402 (in Russ.)].
  14. Кочеткова И.В., Фурсова Е.А., Кравцова А.В. Профилактика болезней системы кровообращения и снижение сердечно-сосудистого риска на основе использования современных профессиональных стандартов. Системный анализ и управление в биомедицинских системах. 2023; 22 (2): 154–62 [Kochetkova I.V., Fursova E.A., Kravtsova A.V. Use of effective professional standards for the prevention of circulatory system diseases to reduce cardiovascular risk. System Analysis and Control in Biomedical Systems. 2023; 22 (2): 154–62 (in Russ.)]. doi: 10.36622/VSTU.2023.22.2.022
  15. Кочеткова И.В., Фурсова Е.А., Золотарева Ю.А. Общий анализ результатов социологических исследований по распространенности факторов риска развития хронических неинфекционных заболеваний у студентов ФГБОУ ВО ВГМУ Им. Н.Н. Бурденко за учебный год 2022–2023 гг. Профилактическая и клиническая медицина. 2023; 4 (89): 80–5 [Kochetkova I.V., Fursova E.A., Zolotareva Yu.A. General analysis of the results of sociological studies on the prevalenceof risk factors for the development of chronic non-infectious diseases in students of the Voronezh State Medical University named after N.N. Burdenko for the academic year (september 2022 – may 2023). Preventive and Clinical Medicine. 2023; 4 (89): 80–5 (in Russ.)]. doi: 10.47843/2074-9120_2023__4_80

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Assessment of odds ratios with a 95% confidence interval for the considered prognostic factors of prediabetes

Download (63KB)
Indexing metadata
3. Fig. 2. ROC curve demonstrating the capabilities of the regression model in identifying cases of prediabetes in prediction

Download (71KB)
Indexing metadata
4. Fig. 3. Influence of threshold values for prediabetes probability on the sensitivity and specificity indicators of the developed model

Download (93KB)
Indexing metadata
5. Fig. 4. Assessment of odds ratios with a 95% confidence interval for the considered prognostic factors of diabetes

Download (57KB)
Indexing metadata
6. Fig. 5. ROC curve demonstrating the effectiveness of the regression model in identifying cases of diabetes in prediction

Download (76KB)
Indexing metadata
7. Fig. 6. Influence of threshold values for diabetes probability on the sensitivity and specificity indicators of the developed model

Download (95KB)
Indexing metadata

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».