Tổng quan
Việc phát triển bệnh tiểu đường tuýp 2 ở trẻ em và thanh thiếu niên là một mối lo ngại ngày càng tăng về sức khỏe cộng đồng, đặc biệt là đối với những trẻ đã có dấu hiệu của tiền tiểu đường. Tiền tiểu đường có nghĩa là mức đường huyết cao hơn bình thường, nhưng chưa đủ cao để đáp ứng tiêu chuẩn cho bệnh tiểu đường. Vì nhiều trẻ em có tiền tiểu đường không tiến triển với cùng một tốc độ, các bác sĩ cần công cụ tốt hơn để xác định bệnh nhân nào có nguy cơ cao nhất và có thể hưởng lợi từ theo dõi chặt chẽ và can thiệp sớm.
Nghiên cứu này đã xem xét việc thêm Chỉ số Bỏ lỡ Khu vực, hoặc ADI, có thể cải thiện việc dự đoán sự phát triển của bệnh tiểu đường tuýp 2 ở trẻ em có tiền tiểu đường hay không. ADI là một biện pháp dựa trên khu vực của sự bất lợi kinh tế xã hội phản ánh các yếu tố như thu nhập, giáo dục, việc làm, chất lượng nhà ở và khả năng tiếp cận nguồn lực. Nó dựa trên khối điều tra dân số cư trú của bệnh nhân và được sử dụng để ước tính các điều kiện xã hội rộng lớn hơn có thể ảnh hưởng đến sức khỏe.
Tại sao vị thế kinh tế xã hội quan trọng
Nguy cơ mắc bệnh tiểu đường không chỉ bị ảnh hưởng bởi sinh học mà còn bởi các yếu tố xã hội và môi trường. Một đứa trẻ sống trong khu vực có hạn chế về tiếp cận thực phẩm lành mạnh, nơi tập luyện an toàn, phương tiện di chuyển hoặc chăm sóc y tế thường xuyên có thể gặp nhiều rào cản hơn trong việc phòng ngừa và điều trị sớm. Các yếu tố này có thể ảnh hưởng đến việc tăng cân, hoạt động thể chất, tuân thủ thuốc và khả năng tiếp cận kiểm tra theo dõi.
Các mô hình dự đoán truyền thống thường tập trung vào dữ liệu lâm sàng như chỉ số khối cơ thể, tiền sử gia đình hoặc giá trị phòng thí nghiệm như hemoglobin A1c, còn được gọi là HbA1c. HbA1c phản ánh mức đường huyết trung bình trong 2 đến 3 tháng trước đó. Mặc dù nó hữu ích, nhưng có thể không phản ánh đầy đủ bức tranh về nguy cơ. Nghiên cứu này đã thử nghiệm việc thêm ADI vào mô hình có thể làm cho việc dự đoán chính xác hơn.
Thiết kế nghiên cứu
Các nhà nghiên cứu đã sử dụng dữ liệu từ 665 cuộc gặp gỡ bệnh nhân được ghi lại trong hệ thống hồ sơ y tế điện tử. Các cuộc gặp gỡ này liên quan đến trẻ em được chẩn đoán có tiền tiểu đường. Mục tiêu là dự đoán bệnh nhân nào sẽ phát triển bệnh tiểu đường tuýp 2 trong vòng 1 năm kể từ khi chẩn đoán tiền tiểu đường.
Để xây dựng các mô hình dự đoán, các nhà nghiên cứu đã sử dụng các phương pháp học máy giám sát. Nói cách đơn giản, học máy cho phép máy tính xác định các mẫu trong dữ liệu và ước tính kết quả dựa trên các trường hợp trước đó. Hai mô hình đã được so sánh: một mô hình được xây dựng chỉ bằng dữ liệu lâm sàng và một mô hình khác được xây dựng bằng dữ liệu lâm sàng cộng thêm ADI. Việc lựa chọn mô hình đã xác định hồi quy logistic là phương pháp hoạt động tốt nhất trong cả hai bộ dữ liệu.
Mô hình tốt nhất sử dụng chỉ dữ liệu lâm sàng bao gồm HbA1c. Mô hình tốt nhất sử dụng cả dữ liệu lâm sàng và dữ liệu xã hội bao gồm HbA1c cộng ADI. Kết quả này cho thấy HbA1c là dự đoán mạnh nhất trong nhóm này, nhưng sự bất lợi của khu vực đã thêm thông tin có ý nghĩa.
Kết quả chính
Trong 665 cuộc gặp gỡ bệnh nhân, 181 cuộc gặp gỡ, hoặc 27.2%, đã tiến triển thành bệnh tiểu đường tuýp 2 trong vòng 1 năm. Đó là một tỷ lệ đáng kể, cho thấy trẻ em có tiền tiểu đường đại diện cho một nhóm có nguy cơ cao về mặt lâm sàng.
Hiệu suất của hai mô hình tốt nhất được đo bằng diện tích dưới đường cong đặc trưng hoạt động nhận, hoặc AUC. AUC là cách phổ biến để đánh giá mức độ mô hình phân biệt người phát triển bệnh với người không phát triển bệnh. AUC 0.5 có nghĩa là mô hình hoạt động không tốt hơn ngẫu nhiên, trong khi giá trị 1.0 có nghĩa là dự đoán hoàn hảo.
Mô hình chỉ có HbA1c có AUC 0.68. Khi thêm ADI, AUC tăng lên 0.73. Mặc dù đây không phải là bước nhảy vọt lớn, nhưng đó là sự cải thiện có ý nghĩa trong việc dự đoán nguy cơ. Trong thực tế, mô hình kết hợp tốt hơn trong việc xác định trẻ em có khả năng mắc bệnh tiểu đường cao hơn.
Nghĩa lâm sàng
Nghiên cứu này hỗ trợ ý tưởng rằng các yếu tố quyết định sức khỏe xã hội nên được đưa vào các công cụ dự đoán lâm sàng. Môi trường sống của một đứa trẻ có thể ảnh hưởng đến dinh dưỡng, cơ hội hoạt động thể chất, căng thẳng mãn tính và khả năng tiếp cận chăm sóc y tế. Những ảnh hưởng này có thể giúp giải thích tại sao một số trẻ em có kết quả phòng thí nghiệm tương tự lại phát triển bệnh tiểu đường trong khi những người khác thì không.
Đối với các bác sĩ, kết quả này cho thấy ADI có thể giúp tinh chỉnh quá trình ra quyết định ở trẻ em có tiền tiểu đường. Nó có thể hỗ trợ tư vấn có mục tiêu hơn, giới thiệu sớm hơn đến dịch vụ quản lý cân nặng hoặc dinh dưỡng, theo dõi chặt chẽ hơn và theo dõi chủ động hơn đối với HbA1c tăng hoặc thay đổi trao đổi chất khác.
Quan trọng là, ADI không nên thay thế phán đoán lâm sàng hoặc đánh giá y tế tiêu chuẩn. Thay vào đó, nó có thể đóng vai trò là một lớp thông tin bổ sung. Một mô hình dự đoán kết hợp các yếu tố sinh học và xã hội có khả năng phản ánh sự phức tạp thực tế của nguy cơ mắc bệnh tiểu đường.
Cách ADI có thể giúp trong thực tế
Chỉ số Bỏ lỡ Khu vực hấp dẫn vì nó sử dụng thông tin địa lý sẵn có và có thể liên kết với địa chỉ của bệnh nhân. Trong các cơ sở lâm sàng, nó có thể giúp đánh dấu trẻ em sống trong các cộng đồng có mức độ bỏ lỡ cao và có thể cần hỗ trợ thêm.
Các ứng dụng tiềm năng bao gồm:
1. Ưu tiên theo dõi cho bệnh nhân có nguy cơ cao nhất
2. Xác định các gia đình có thể cần giúp đỡ về vận chuyển, tiếp cận thực phẩm hoặc nguồn lực cộng đồng
3. Hỗ trợ can thiệp sớm hơn trong các chương trình lối sống
4. Giúp các hệ thống y tế thiết kế các chiến lược phòng ngừa bệnh tiểu đường công bằng hơn
Vì nó phản ánh điều kiện khu vực thay vì thu nhập cá nhân, ADI có thể nắm bắt các rào cản cấu trúc không luôn hiển thị trong các lần thăm khám lâm sàng thông thường.
Hạn chế
Như mọi nghiên cứu dự đoán, có những hạn chế quan trọng. Dữ liệu đến từ hồ sơ y tế điện tử, có thể bao gồm thông tin thiếu hoặc không đầy đủ. Nghiên cứu cũng dựa trên các cuộc gặp gỡ bệnh nhân từ một cơ sở chăm sóc sức khỏe cụ thể, vì vậy kết quả có thể không áp dụng đồng đều cho tất cả các dân số hoặc khu vực.
Mô hình đã được đánh giá trong khoảng thời gian 1 năm, điều này hữu ích cho việc dự đoán ngắn hạn nhưng không trả lời được nguy cơ dài hạn. Ngoài ra, các biện pháp kinh tế xã hội cấp khu vực như ADI là các đại diện hữu ích, nhưng chúng không đo lường mọi khía cạnh của trải nghiệm sống của một gia đình. Các yếu tố cá nhân như chế độ ăn, hoạt động thể chất, căng thẳng và gen cũng quan trọng.
Tuy nhiên, nghiên cứu này cung cấp hỗ trợ mạnh mẽ cho việc bao gồm các yếu tố quyết định sức khỏe xã hội trong các mô hình nguy cơ bệnh tiểu đường ở trẻ em.
Tác động đối với trẻ em có tiền tiểu đường
Trẻ em có tiền tiểu đường không phải là giống nhau. Một số sẽ trở lại mức glucose bình thường với những thay đổi về lối sống, trong khi những người khác sẽ tiến triển thành bệnh tiểu đường tuýp 2 nhanh chóng. Công cụ dự đoán chính xác hơn có thể giúp các bác sĩ xác định trẻ em và thanh thiếu niên nào cần sự chú ý nhiều nhất.
Điều này đặc biệt quan trọng vì bệnh tiểu đường sớm ở trẻ em thường hung hãn hơn bệnh tiểu đường khởi phát ở người lớn và có thể dẫn đến các biến chứng sớm hơn trong cuộc đời. Ngăn ngừa hoặc trì hoãn sự tiến triển là một mục tiêu quan trọng.
Kết quả của nghiên cứu cũng nhấn mạnh một vấn đề về công bằng: trẻ em sống trong các khu vực bất lợi có thể đối mặt với nguy cơ cao hơn không chỉ vì sinh học mà còn vì môi trường sống của họ. Các mô hình dự đoán tốt hơn có thể giúp các hệ thống y tế phân bổ tài nguyên công bằng hơn.
Kết luận
Trong nghiên cứu này, việc thêm Chỉ số Bỏ lỡ Khu vực vào mô hình dự đoán đã cải thiện khả năng dự báo sự phát triển của bệnh tiểu đường tuýp 2 ở trẻ em có tiền tiểu đường. Mô hình tốt nhất kết hợp HbA1c và ADI và hoạt động tốt hơn so với HbA1c riêng lẻ.
Những kết quả này cho thấy ngữ cảnh xã hội quan trọng trong việc dự đoán bệnh tiểu đường và các biện pháp kinh tế xã hội cấp khu vực có thể tăng cường các thuật toán lâm sàng. Việc tích hợp ADI có thể giúp các bác sĩ xác định trẻ em có nguy cơ cao sớm hơn và hỗ trợ các nỗ lực phòng ngừa cá nhân hóa và công bằng hơn.
