Инструменты скрининга сахарного диабета для выявления предиабета: комплексный обзорный анализ данных и практики внедрения

ОБОСНОВАНИЕ/ЦЕЛЬ. Инструменты скрининга риска сахарного диабета (СД) имеют решающее значение для выявления лиц с предиабетом и предотвращения его прогрессирования в СД. Однако систематических обзоров, посвященных таким инструментам, особенно для скрининга предиабета, недостаточно. В данном обзорном анализе рассматриваются характеристики, методы разработки и эффективность инструментов оценки риска СД для выявления предиабета и прогнозирования его перехода в СД.

МАТЕРИАЛЫ И МЕТОДЫ. Обзорный анализ проводился в соответствии с методологией Института Джоанны Бриггс. Поиск проводился в базах данных PubMed, ScienceDirect и Google Scholar с дополнительным отслеживанием цитирований. В исследование включались работы, посвященные взрослым с бессимптомным течением предиабета. Исследования исключались, если в них отсутствовали релевантные данные, они были опубликованы не на английском языке или не содержали мер валидации. Данные извлекались независимо двумя рецензентами и обобщались в описательной форме с акцентом на дизайн исследования, характеристики моделей риска, статистические показатели эффективности и оценку качества.

РЕЗУЛЬТАТЫ. Четырнадцать исследований соответствовали критериям включения; в них рассматривалось 26 моделей риска. В 11 моделях использовалась логистическая регрессия, а для оценки прогрессирования СД в шести моделях применялись отношение рисков (Hazard Ratios) и C-статистика. К общим факторам риска относились возраст, ИМТ (индекс массы тела), семейный анамнез СД и гипертония. Неинвазивные инструменты и прогностические модели ­показали свою перспективность, при этом большинство исследований были оценены как имеющие низкий риск систематической ошибки с использованием инструмента QUADAS-2. Высокочувствительные инструменты, ­использующие пороговые значения глюкозы в плазме натощак, гликированного гемоглобина и перорального глюкозотолерантного теста, продемонстрировали свою эффективность, однако их широкое внедрение требует сбалансированного подхода к затратам и практической реализации.

ЗАКЛЮЧЕНИЕ. Протестированы различные инструменты скрининга, способные выявлять людей с предиабетом или высоким риском развития СД2. Однако в исследованиях, где были доступны достаточные доказательства для сравнения инструментов, их эффективность оказалась неоднозначной. Некоторые инструменты были изучены только в единичных исследованиях, и их более широкая применимость остается неясной. Клиницисты или исследователи, планирующие использовать эти инструменты для скрининга пациентов с предиабетом или высоким риском развития СД2, должны учитывать возможные ограничения.

Полный текст статьи доступен в электронной версии журнала на сайте www.dia-endojournals.ru.

1. Cho NH, Shaw JE, Karuranga S, et al. IDF Diabetes Atlas: Global estimates of diabetes prevalence for 2017 and projections for 2045. Diabetes Res Clin Pract. 2018;138:271-281. doi: https://doi.org/10.1016/j.diabres.2018.02.023

2. IDF Diabetes Atlas 2021 [Internet]. IDF Diabetes Atlas [cited 2024 Dec 9]. Available from: https://diabetesatlas.org/atlas/tenth-edition/

3. Luo H, Chen Z, Bell R, et al. Health Literacy and Health Behaviors Among Adults With Prediabetes, 2016 Behavioral Risk Factor Surveillance System. Public Health Reports. 2020;135(4):492-500. doi: https://doi.org/10.1177/0033354920927848

4. Sun H, Saeedi P, Karuranga S, et al. IDF Diabetes Atlas: Global, regional and country-level diabetes prevalence estimates for 2021 and projections for 2045. Diabetes Res Clin Pract. 2022;183:109119. doi: https://doi.org/10.1016/j.diabres.2021.109119

5. Zand A, Ibrahim K, Patham B. Prediabetes: Why Should We Care? Methodist DeBakey Cardiovasc J. 2018;14(4):289. doi: https://doi.org/10.14797/mdcj-14-4-289

6. St. Luke’s Medical Center, Quezon City Philippines, Mirasol R, Thai AC, et al. A Consensus of Key Opinion Leaders on the Management of Pre-diabetes in the Asia-Pacific Region. J ASEAN Fed Endocr Soc. 2017;32(1):6-12. doi: https://doi.org/10.15605/jafes.032.01.02

7. American Diabetes Association. 2. Classification and Diagnosis of Diabetes: Standards of Medical Care in Diabetes—2020. Diabetes Care. 2020;43(Supplement_1):S14-S31. doi: https://doi.org/10.2337/dc20-S002

8. American Diabetes Association. 2. Classification and Diagnosis of Diabetes: Standards of Medical Care in Diabetes—2021. Diabetes Care. 2021;44(Supplement_1):S15-S33. doi: https://doi.org/10.2337/dc21-S002

9. Barber SR, Davies MJ, Khunti K, Gray LJ. Risk assessment tools for detecting those with pre-diabetes: A systematic review. Diabetes Res Clin Pract. 2014;105(1):1-13. doi: https://doi.org/10.1016/j.diabres.2014.03.007

10. Guess ND, Caengprasath N, Dornhorst A, Frost GS. Adherence to NICE guidelines on diabetes prevention in the UK: Effect on patient knowledge and perceived risk. Prim Care Diabetes. 2015;9(6):407-411. doi: https://doi.org/10.1016/j.pcd.2015.04.005

11. American Diabetes Association. Standards of Medical Care in Diabetes—2022 Abridged for Primary Care Providers. Clin Diabetes. 2022;40(1):10-38. doi: https://doi.org/10.2337/cd22-as01

12. Blonde L, Umpierrez GE, Reddy SS, et al. American Association of Clinical Endocrinology Clinical Practice Guideline: Developing a Diabetes Mellitus Comprehensive Care Plan-2022 Update. Endocr Pract Off J Am Coll Endocrinol Am Assoc Clin Endocrinol. 2022;28(10):923-1049. doi: https://doi.org/10.1016/j.eprac.2022.08.002

13. Jellinger PS, Handelsman Y, Rosenblit PD, et al. American Association of Clinical Endocrinologists and American College of Endocrinology Guidelines for Management of Dyslipidemia and Prevention of Cardiovascular Disease. Endocr Pract. 2017;23:1-87. doi: https://doi.org/10.4158/EP171764.APPGL

14. Mata-Cases M, Artola S, Escalada J, et al. Consenso sobre la detección y el manejo de la prediabetes. Grupo de Trabajo de Consensos y Guías Clínicas de la Sociedad Española de Diabetes. Endocrinol Nutr. 2015;62(3):e23-e36. doi: https://doi.org/10.1016/j.endonu.2014.10.008

15. Dhippayom T, Chaiyakunapruk N, Krass I. How diabetes risk assessment tools are implemented in practice: A systematic review. Diabetes Res Clin Pract. 2014;104(3):329-342. doi: https://doi.org/10.1016/j.diabres.2014.01.008

16. Doddamani P, Ramanathan N, Swetha NK, Suma MN. Comparative Assessment of ADA, IDRS, and FINDRISC in Predicting Prediabetes and Diabetes Mellitus in South Indian Population. J Lab Physicians. 2021;13(01):036-043. doi: https://doi.org/10.1055/s-0041-1727557

17. Xu S, Coleman RL, Wan Q, et al. Risk prediction models for incident type 2 diabetes in Chinese people with intermediate hyperglycemia: a systematic literature review and external validation study. Cardiovasc Diabetol. 2022;21(1):182. doi: https://doi.org/10.1186/s12933-022-01622-5

18. Xu S, Scott CAB, Coleman RL, et al. Predicting the risk of developing type 2 diabetes in Chinese people who have coronary heart disease and impaired glucose tolerance. J Diabetes. 2021;13(10):817-826. doi: https://doi.org/10.1111/1753-0407.13175

19. Aekplakorn W, Bunnag P, Woodward M, et al. A Risk Score for Predicting Incident Diabetes in the Thai Population. Diabetes Care. 2006;29(8):1872-1877. doi: https://doi.org/10.2337/dc05-2141

20. Baker P, El-Osta A. Who self‐cares wins: a global perspective on men and self-care. Global Action on Men’s Health; 2019.

21. Beulens J, Rutters F, Rydén L, et al. Risk and management of pre-diabetes. Eur J Prev Cardiol. 2019;26(2_suppl):47-54. doi: https://doi.org/10.1177/2047487319880041

22. Rauh SP, Rutters F, Van Der Heijden AAWA, et al. External Validation of a Tool Predicting 7-Year Risk of Developing Cardiovascular Disease, Type 2 Diabetes or Chronic Kidney Disease. J Gen Intern Med. 2018;33(2):182-188. doi: https://doi.org/10.1007/s11606-017-4231-7

23. American Diabetes Association. 3. Prevention or Delay of Type 2 Diabetes: Standards of Medical Care in Diabetes—2020. Diabetes Care. 2020;43(Supplement_1):S32-S36. doi: https://doi.org/10.2337/dc20-S003

24. Lin L, Wang A, He Y, et al. Effects of the hemoglobin glycation index on hyperglycemia diagnosis: Results from the REACTION study. Diabetes Res Clin Pract. 2021;180:109039. doi: https://doi.org/10.1016/j.diabres.2021.109039

25. Rosedale M, Strauss SM, Knight C, Malaspina D. Awareness of Prediabetes and Diabetes among Persons with Clinical Depression. Int J Endocrinol. 2015;2015:1-9. doi: https://doi.org/10.1155/2015/839152

26. Garay J, Camacho PA, Lopez-Lopez J, et al. Survey of knowledge for diagnosing and managing prediabetes in Latin-America: cross-sectional study. Diabetol Metab Syndr. 2019;11(1):102. doi: https://doi.org/10.1186/s13098-019-0500-4

27. Amisi CA. Markers of insulin resistance in Polycystic ovary syndrome women: An update. World J Diabetes. 2022;13(3):129-149. doi: https://doi.org/10.4239/wjd.v13.i3.129

28. McCullough D, Harrison T, Boddy LM, et al. The Effect of Dietary Carbohydrate and Fat Manipulation on the Metabolome and Markers of Glucose and Insulin Metabolism: A Randomised Parallel Trial. Nutrients. 2022;14(18):3691. doi: https://doi.org/10.3390/nu14183691

29. Qiu L, Wang W, Sa R, Liu F. Prevalence and Risk Factors of Hypertension, Diabetes, and Dyslipidemia among Adults in Northwest China. Int J Hypertens. 2021;2021:5528007. doi: https://doi.org/10.1155/2021/5528007

30. Yeh HC, Duncan BB, Schmidt MI, et al. Smoking, smoking cessation, and risk for type 2 diabetes mellitus: a cohort study. Ann Intern Med. 2010;152(1):10-17. doi: https://doi.org/10.7326/0003-4819-152-1-201001050-00005

31. Bethel MA, Chacra AR, Deedwania P, et al. A Novel Risk Classification Paradigm for Patients With Impaired Glucose Tolerance and High Cardiovascular Risk. Am J Cardiol. 2013;112(2):231-237. doi: https://doi.org/10.1016/j.amjcard.2013.03.019

32. Dreher, M. L. Dietary patterns and whole plant foods in aging and disease. Springer; 2018.

33. Yan F, Cha E, Lee ET, et al. A Self-assessment Tool for Screening Young Adults at Risk of Type 2 Diabetes Using Strong Heart Family Study Data. Diabetes Educ. 2016;42(5):607-617. doi: https://doi.org/10.1177/0145721716658709

34. Booth FW, Roberts CK, Laye MJ. Lack of Exercise Is a Major Cause of Chronic Diseases. In: Prakash YS, ed. Comprehensive Physiology. 1st ed. Wiley; 2012:1143-1211. doi: https://doi.org/10.1002/cphy.c110025

35. Page MJ, McKenzie JE, Bossuyt PM, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71. Published 2021 Mar 29. doi: https://doi.org/10.1136/bmj.n71

36. Pollock D, Evans C, Menghao Jia R, et al. "How-to": scoping review?. J Clin Epidemiol. 2024;176:111572. doi: https://doi.org/10.1016/j.jclinepi.2024.111572

37. Numpong STY, Sungkhabut W. A systematic literature review of the diagnosis of drug resistant tuberculosis using Xpert MTB/RIF assay and its potential impacts on treatment outcomes. 2020;46(3);303-312. doi: https://doi.org/10.14456/dcj.2020.29

38. Whiting PF, Rutjes AWS, Westwood ME, et al. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Ann Intern Med. 2011;155(8):529-536. doi: https://doi.org/10.7326/0003-4819-155-8-201110180-00009

39. Wade R, Corbett M, Eastwood A. Quality assessment of comparative diagnostic accuracy studies: our experience using a modified version of the QUADAS‐2 tool. Res Synth Methods. 2013;4(3):280-286. doi: https://doi.org/10.1002/jrsm.1080

40. Agarwal G, Guingona MM, Gaber J, et al. Choosing the most appropriate existing type 2 diabetes risk assessment tool for use in the Philippines: a case-control study with an urban Filipino population. BMC Public Health. 2019;19(1):1169. doi: https://doi.org/10.1186/s12889-019-7402-0

41. Aekplakorn W, Tantayotai V, Numsangkul S, et al. Detecting Prediabetes and Diabetes: Agreement between Fasting Plasma Glucose and Oral Glucose Tolerance Test in Thai Adults. J Diabetes Res. 2015;2015:396505. doi: https://doi.org/10.1155/2015/396505

42. Bahijri S, Al‐Raddadi R, Ajabnoor G, et al. Dysglycemia risk score in Saudi Arabia: A tool to identify people at high future risk of developing type 2 diabetes. J Diabetes Investig. 2020;11(4):844-855. doi: https://doi.org/10.1111/jdi.13213

43. Jiang Y, Rogers Van Katwyk S, Mao Y, et al. Assessment of dysglycemia risk in the Kitikmeot region of Nunavut: using the CANRISK tool. Health Promot Chronic Dis Prev Can. 2017;37(4):114-122. doi: https://doi.org/10.24095/hpcdp.37.4.02

44. Memish ZA, Chang JL, Saeedi MY, et al. Screening for Type 2 Diabetes and Dysglycemia in Saudi Arabia: Development and Validation of Risk Scores. Diabetes Technol Ther. 2015;17(10):693-700. doi: https://doi.org/10.1089/dia.2014.0267

45. Rowan CP, Miadovnik LA, Riddell MC, et al. Identifying persons at risk for developing type 2 diabetes in a concentrated population of high risk ethnicities in Canada using a risk assessment questionnaire and point-of-care capillary blood HbA1c measurement. BMC Public Health. 2014;14(1):929. doi: https://doi.org/10.1186/1471-2458-14-929

46. Srugo SA, Morrison HI, Villeneuve PJ, et al. Assessing Dysglycemia Risk Among Younger Adults: A Validation of the Canadian Diabetes Risk Questionnaire. Can J Diabetes. 2020;44(5):379-386.e3. doi: https://doi.org/10.1016/j.jcjd.2019.11.002

47. Vanderwood KK, Kramer MK, Miller RG, et al. Evaluation of non-invasive screening measures to identify individuals with prediabetes. Diabetes Res Clin Pract. 2015;107(1):194-201. doi: https://doi.org/10.1016/j.diabres.2014.06.003

48. Hippisley-Cox J, Coupland C. Development and validation of QDiabetes-2018 risk prediction algorithm to estimate future risk of type 2 diabetes: cohort study. BMJ. 2017:j5019. doi: https://doi.org/10.1136/bmj.j5019

49. Kaneko K, Yatsuya H, Li Y, et al. Risk and population attributable fraction of metabolic syndrome and impaired fasting glucose for the incidence of type 2 diabetes mellitus among middle‐aged Japanese individuals: Aichi Worker’s Cohort Study. J Diabetes Investig. 2020;11(5):1163-1169. doi: https://doi.org/10.1111/jdi.13230

50. Risøy AJ, Kjome RLS, Sandberg S, Sølvik UØ. Risk assessment and HbA1c measurement in Norwegian community pharmacies to identify people with undiagnosed type 2 diabetes - A feasibility study. PLoS One. 2018;13(2):e0191316. Published 2018 Feb 23. doi: https://doi.org/10.1371/journal.pone.0191316

51. Schmidt MI, Bracco PA, Yudkin JS, et al. Intermediate hyperglycaemia to predict progression to type 2 diabetes (ELSA-Brasil): an occupational cohort study in Brazil. Lancet Diabetes Endocrinol. 2019;7(4):267-277. doi: https://doi.org/10.1016/S2213-8587(19)30058-0

52. Zairina E, Girath YE, Sulistyarini A, Nugraheni G. Assessing Type 2 Diabetes Mellitus Risk: A Screening Approach for Overweight and Obesity Using the CANRISK Questionnaire. Res Clin Pharm. 2024;2(2):65-72. doi: https://doi.org/10.59931/rcp.24.0008