nach oben

Die Diabetologie

Erschienen in:

01.11.2014 | Leitthema

Diabetesrisikoscores

Ein Update 2014

verfasst von: Dr. rer. nat. K. Mühlenbruch, Prof. Dr. M.B. Schulze

Erschienen in: Die Diabetologie | Ausgabe 7/2014

Einloggen, um Zugang zu erhalten

Zusammenfassung

Hintergrund

In den letzten 15 Jahren ist die Entwicklung von Diabetesrisikoscores immer stärker Gegenstand der epidemiologischen Forschung geworden.

Ziel der Arbeit

In der vorliegenden Arbeit werden zeitliche Trends und die weltweite Verteilung der entwickelten Vorhersagemodelle dargestellt sowie nichtinvasive extern validierte Diabetesrisikoscores beschrieben.

Material und Methoden

Auf der Basis eines im Jahr 2011 publizierten Reviews und einer Online-Datenbank mit jährlichem Update zu Veröffentlichungen mit Diabetesrisikoscores werden Informationen zu der Entwicklung und Validierung dieser Scores gesammelt und zusammengefasst dargestellt.

Ergebnisse

Bis Ende 2013 wurden insgesamt 392 einzelne Diabetesprädiktionsmodelle publiziert. Von diesen sind 23 Modelle (5,9 %) nichtinvasiv, d. h., sie sind ohne Einbezug von biochemischen oder genetischen Parametern und damit für ein breites Spektrum an Einsatzmöglichkeiten in der Bevölkerung geeignet, sowie extern validiert worden. Die Mehrheit wurde in Europa entwickelt. So liegt für Deutschland mit dem DIfE – DEUTSCHER-DIABETES-RISIKO-TEST® (DRT) ein mehrfach validiertes Prädiktionsmodell vor.

Diskussion

Es gibt eine wachsende Anzahl an validierten Risikoscores, die für die Vorhersage eines Diabetesrisikos nutzbar sind. Ihre Eignung für die Praxis hängt davon ab, ob sie in der Zielpopulation validiert wurden und Erhebungs- und Berechnungsmöglichkeiten, z. B. in Form von Fragebögen, zur Verfügung stehen.

Abbasi A, Corpeleijn E, Peelen LM et al (2012) External validation of the KORA S4/F4 prediction models for the risk of developing type 2 diabetes in older adults: the PREVEND study. Eur J Epidemiol 27:47–52PubMedCrossRef

Abbasi A, Peelen LM, Corpeleijn E et al (2012) Prediction models for risk of developing type 2 diabetes: systematic literature search and independent external validation study. BMJ 345:e5900PubMedCrossRefPubMedCentral

Abdul-Ghani MA, Lyssenko V, Tuomi T et al (2009) Fasting versus postload plasma glucose concentration and the risk for future type 2 diabetes: results from the Botnia Study. Diabetes Care 32:281–286PubMedCrossRefPubMedCentral

Alssema M, Feskens EJ, Bakker SJ et al (2008) Finnish questionnaire reasonably good predictor of the incidence of diabetes in The Netherlands. Ned Tijdschr Geneeskd 152:2418–2424PubMed

Alssema M, Vistisen D, Heymans MW et al (2011) The evaluation of screening and early detection strategies for type 2 diabetes and impaired glucose tolerance (DETECT-2) update of the Finnish diabetes risk score for prediction of incident type 2 diabetes. Diabetologia 54:1004–1012PubMedCrossRef

Balkau B, Lange C, Fezeu L et al (2008) Predicting diabetes: clinical, biological, and genetic approaches: data from the epidemiological study on the insulin resistance syndrome (DESIR). Diabetes Care 31:2056–2061PubMedCrossRefPubMedCentral

Buijsse B, Simmons RK, Griffin SJ et al (2011) Risk assessment tools for identifying individuals at risk of developing type 2 diabetes. Epidemiol Rev 33:46–62PubMedCrossRefPubMedCentral

Cameron AJ, Magliano DJ, Zimmet PZ et al (2008) The metabolic syndrome as a tool for predicting future diabetes: the AusDiab study. J Intern Med 264:177–186PubMedCrossRef

Chen L, Magliano DJ, Balkau B et al (2010) AUSDRISK: an australian type 2 diabetes risk assessment tool based on demographic, lifestyle and simple anthropometric measures. Med J Aust 192:197–202PubMed

10.

Chien K, Cai T, Hsu H et al (2009) A prediction model for type 2 diabetes risk among Chinese people. Diabetologia 52:443–450PubMedCrossRef

11.

Collins GS, Altman DG (2011) External validation of QDSCORE® for predicting the 10-year risk of developing Type 2 diabetes. Diabet Med 28(5):599−607PubMedCrossRef

12.

Griffin SJ, Little PS, Hales CN et al (2000) Diabetes risk score: towards earlier detection of type 2 diabetes in general practice. Diabetes Metab Res Rev 16:164–171PubMedCrossRef

13.

Guasch-Ferre M, Bullo M, Costa B et al (2012) A risk score to predict type 2 diabetes mellitus in an elderly Spanish Mediterranean population at high cardiovascular risk. PLoS One 7:e33437PubMedCrossRefPubMedCentral

14.

Hartwig S, Kuss O, Tiller D et al (2013) Validation of the German Diabetes Risk Score within a population-based representative cohort. Diabet Med 30:1047–1053PubMedCrossRef

15.

Hippisley-Cox J, Coupland C, Robson J et al (2009) Predicting risk of type 2 diabetes in England and Wales: prospective derivation and validation of QDScore. BMJ 338:b880PubMedCrossRefPubMedCentral

16.

Kahn HS, Cheng YJ, Thompson TJ et al (2009) Two risk-scoring systems for predicting incident diabetes mellitus in U.S. adults age 45 to 64 years. Ann Intern Med 150:741–751PubMedCrossRef

17.

Kengne AP, Beulens JW, Peelen LM et al (2014) Non-invasive risk scores for prediction of type 2 diabetes (EPIC-InterAct): a validation of existing models. Lancet Diabetes Endocrinol 2:19–29PubMedCrossRef

18.

Kowall B, Rathmann W, Bongaerts B et al (2013) Are diabetes risk scores useful for the prediction of cardiovascular diseases? Assessment of seven diabetes risk scores in the KORA S4/F4 cohort study. J Diabetes Complications 27:340−345PubMedCrossRef

19.

Lindström J, Tuomilehto J (2003) The diabetes risk score: a practical tool to predict type 2 diabetes risk. Diabetes Care 26:725–731PubMedCrossRef

20.

Lyssenko V, Jonsson A, Almgren P et al (2008) Clinical risk factors, DNA variants, and the development of type 2 diabetes. N Engl J Med 359:2220–2232PubMedCrossRef

21.

Mohan V, Deepa R, Deepa M et al (2005) A simplified Indian Diabetes Risk Score for screening for undiagnosed diabetic subjects. J Assoc Physicians India 53:759–763PubMed

22.

Mühlenbruch K (2013) Prädiktionsmodelle in der epidemiologischen Ernährungsforschung: Beispiel Deutscher Diabetes-Risiko-Test® (DRT). Ernährungsumschau 132–139

23.

Mühlenbruch K, Joost H-G, Boeing H et al (2014) Risk prediction for type 2 diabetes in the German population with the updated German Diabetes Risk Score (GDRS). Ernährungsumschau 61:90–93

24.

Mühlenbruch K, Ludwig T, Jeppesen C et al (2014) Update of the German Diabetes Risk Score and external validation in the German MONICA/KORA study. Diabetes Res Clin Pract 104:459–466PubMedCrossRef

25.

Nichols GA, Brown JB (2008) Validating the Framingham Offspring Study equations for predicting incident diabetes mellitus. Am J Manag Care 14:574–580PubMed

26.

Noble D, Mathur R, Dent T et al (2011) Risk models and scores for type 2 diabetes: systematic review. BMJ 343:d7163PubMedCrossRefPubMedCentral

27.

Noto D, Cefalu AB, Barbagallo CM et al (2012) Prediction of incident type 2 diabetes mellitus based on a twenty-year follow-up of the Ventimiglia heart study. Acta Diabetol 49:145–151PubMedCrossRef

28.

Rahman M, Simmons RK, Harding AH et al (2008) A simple risk score identifies individuals at high risk of developing Type 2 diabetes: a prospective cohort study. Fam Pract 25:191–196PubMedCrossRef

29.

Rathmann W, Kowall B, Heier M et al (2010) Prediction models for incident type 2 diabetes mellitusin the older population: KORA S4/F4 cohort study. Diabet Med 27:1116–1123PubMedCrossRef

30.

Rosella LC, Manuel DG, Burchill C et al (2011) A population-based risk algorithm for the development of diabetes: development and validation of the Diabetes Population Risk Tool (DPoRT). J Epidemiol Community Health 65:613–620PubMedCrossRefPubMedCentral

31.

Schmid R, Vollenweider P, Bastardot F et al (2012) Current genetic data do not improve the prediction of type 2 diabetes mellitus: the CoLaus study. J Clin Endocrinol Metab 97:E1338–E1341PubMedCrossRef

32.

Schmid R, Vollenweider P, Bastardot F et al (2012) Validation of 7 type 2 diabetes mellitus risk scores in a population-based cohort: CoLaus study. Arch Intern Med 172:188–189PubMedCrossRef

33.

Schmidt MI, Duncan BB, Bang H et al (2005) Identifying individuals at high risk for diabetes: the Atherosclerosis Risk in Communities study. Diabetes Care 28:2013–2018PubMedCrossRef

34.

Schulze M, Hu F (2014) Epidemiology of diabetes. In: Ahrens W, Pigeot I (Hrsg) Handbook of epidemiology. Springer, New York, S 2429–2467

35.

Schulze MB, Hoffmann K, Boeing H et al (2007) An accurate risk score based on anthropometric, dietary, and lifestyle factors to predict the development of type 2 diabetes. Diabetes Care 30:510–515PubMedCrossRef

36.

Simmons RK, Harding AH, Wareham NJ et al (2007) Do simple questions about diet and physical activity help to identify those at risk of Type 2 diabetes? Diabet Med 24:830–835PubMedCrossRef

37.

Stern M, Williams K, Eddy D et al (2008) Validation of prediction of diabetes by the Archimedes model and comparison with other predicting models. Diabetes Care 31:1670–1671PubMedCrossRefPubMedCentral

38.

Stern MP, Williams K, Haffner SM (2002) Identification of persons at high risk for type 2 diabetes mellitus: do we need the oral glucose tolerance test? Ann Intern Med 136:575–581PubMedCrossRef

39.

Talmud PJ, Hingorani AD, Cooper JA et al (2010) Utility of genetic and non-genetic risk factors in prediction of type 2 diabetes: Whitehall II prospective cohort study. BMJ 340:b4838PubMedCrossRefPubMedCentral

40.

Von Eckardstein A, Schulte H, Assmann G (2000) Risk for diabetes mellitus in middle-aged Caucasian male participants of the PROCAM study: implications for the definition of impaired fasting glucose by the American Diabetes Association. Prospective Cardiovascular Munster. J Clin Endocrinol Metab 85:3101–3108CrossRef

41.

Wannamethee SG, Papacosta O, Whincup PH et al (2011) The potential for a two-stage diabetes risk algorithm combining non-laboratory-based scores with subsequent routine non-fasting blood tests: results from prospective studies in older men and women. Diabet Med 28:23–30PubMedCrossRef

42.

Wilson PW, Meigs JB, Sullivan L et al (2007) Prediction of incident diabetes mellitus in middle-aged adults: the Framingham Offspring Study. Arch Intern Med 167:1068–1074PubMedCrossRef

Titel: Diabetesrisikoscores
Ein Update 2014
verfasst von: Dr. rer. nat. K. Mühlenbruch
Prof. Dr. M.B. Schulze
Publikationsdatum: 01.11.2014
Verlag: Springer Berlin Heidelberg
Erschienen in: Die Diabetologie / Ausgabe 7/2014
Print ISSN: 2731-7447
Elektronische ISSN: 2731-7455
DOI: https://doi.org/10.1007/s11428-014-1209-5

Leitlinien kompakt für die Innere Medizin

Mit medbee Pocketcards sicher entscheiden.

^{Seit 2022 gehört die medbee GmbH zum Springer Medizin Verlag}

Kostenlos registrieren

Neu im Fachgebiet Innere Medizin

Mehr Lebenszeit mit Abemaciclib bei fortgeschrittenem Brustkrebs?

24.05.2024 Mammakarzinom Nachrichten

In der MONARCHE-3-Studie lebten Frauen mit fortgeschrittenem Hormonrezeptor-positivem, HER2-negativem Brustkrebs länger, wenn sie zusätzlich zu einem nicht steroidalen Aromatasehemmer mit Abemaciclib behandelt wurden; allerdings verfehlte der numerische Zugewinn die statistische Signifikanz.

ADT zur Radiatio nach Prostatektomie: Wenn, dann wohl länger

24.05.2024 Prostatakarzinom Nachrichten

Welchen Nutzen es trägt, wenn die Strahlentherapie nach radikaler Prostatektomie um eine Androgendeprivation ergänzt wird, hat die RADICALS-HD-Studie untersucht. Nun liegen die Ergebnisse vor. Sie sprechen für länger dauernden Hormonentzug.

„Überwältigende“ Evidenz für Tripeltherapie beim metastasierten Prostata-Ca.

22.05.2024 Prostatakarzinom Nachrichten

Patienten mit metastasiertem hormonsensitivem Prostatakarzinom sollten nicht mehr mit einer alleinigen Androgendeprivationstherapie (ADT) behandelt werden, mahnt ein US-Team nach Sichtung der aktuellen Datenlage. Mit einer Tripeltherapie haben die Betroffenen offenbar die besten Überlebenschancen.

So sicher sind Tattoos: Neue Daten zur Risikobewertung

22.05.2024 Melanom Nachrichten

Das größte medizinische Problem bei Tattoos bleiben allergische Reaktionen. Melanome werden dadurch offensichtlich nicht gefördert, die Farbpigmente könnten aber andere Tumoren begünstigen.

Update Innere Medizin

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

Newsletter bestellen

Die Highlights vom Kongress des American College of Cardiology 2024

Springer Medizin

Zusammenfassung

Hintergrund

Ziel der Arbeit

Material und Methoden

Ergebnisse

Diskussion

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 7/2014

Neue Biomarker und Gene in der Prädiktion des Typ-2-Diabetes

Diabetespatienten mit chronischer Niereninsuffizienz

Risikoscores in der Diabetologie

Magazin

Inzidenz und Risikofaktoren für schwere Hypoglykämien bei behandelten Typ-2-Diabetespatienten