Pagina 23 predizione diabete nota SID - Diabetici San vito

Cerca
Cerca
Vai ai contenuti

Menu principale:

Pagina 23 predizione diabete nota SID

1
Predizione genetica delle forme comuni di diabete mellito e delle sue complicanze croniche. C’è ancora molto lavoro da fare!
Raffaella Buzzetti1,2, Sabrina Prudente3, Massimiliano Copetti4, Marco Dauriz5, Simona Zampetti1,2, Monia Garofalo6, Giuseppe Penno6 and Vincenzo Trischitta1,3,7
1. Dipartimento di Medicina Sperimentale, “Sapienza” Università di Roma, Roma – Italia;
2. UOC di Diabetologia, Polo Pontino, “Sapienza” Università di Roma, Roma – Italia;
3. Laboratorio Mendel Laboratory, IRCCS Casa Sollievo della Sofferenza, San Giovanni
Rotondo – Italia;
4. Unità di Biostatistica, IRCCS Casa Sollievo della Sofferenza, San Giovanni Rotondo–
Italia;
5. Divisione di Endocrinologia, Diabete e Metabolismo, Dipartimento di Medicina,
Università di Verona, Verona, Verona – Italia;
6. U.O.C. di Malattie Metaboliche e Diabetologia Dipartimento di Malattie Metaboliche e
Diabetologia, Università di Pisa e Azienda Ospedaliero Universitaria Pisana, Pisa, Italia;
7. Unità di Ricerca di Diabetologia ed Endocrinologia, IRCCS Casa Sollievo della
Sofferenza, San Giovanni Rotondo – Italia;
La corrispondenza può essere indirizzata a:
Vincenzo Trischitta, MD
Istituto CSS-Mendel
Viale Regina Margherita 261
00198 Rome - Italy
E-mail: vincenzo.trischitta@uniroma1.it
2
INTRODUZIONE
Il diabete mellito (DM) non è solo una delle principali cause di morte, ma anche un importante fattore di rischio per la malattia cardiovascolare, l’insufficienza renale, la cecità e le amputazioni1. Non sorprende quindi che l'Organizzazione Mondiale della Sanità abbia attribuito al DM una delle massime priorità tra le malattie non trasmissibili. Poiché il DM sta raggiungendo proporzioni pandemiche, sono necessari con urgenza approcci efficaci per la sua predizione, la sua prevenzione e la sua cura, da implementare pienamente in contesti clinici reali.
Analogamente a molte altre malattie multifattoriali, il DM viene determinato dalla combinazione di diversi fattori, tra cui diversi fattori patogeni ambientali e un complesso background di suscettibilità genetica, che è stato in parte delucidato in questi ultimi anni, per lo più mediante studi di associazione genome-wide (GWAS)2,3.
Un’efficace implementazione della medicina clinica individualizzata, nell'era della "medicina di precisione", deve considerare quale priorità di massima importanza lo sviluppo di modelli di previsione affidabili e ben performanti. In questo contesto, è opportuno notare che la predisposizione genetica individuale alle malattie rimane tipicamente invariata nel tempo, mentre non si può dire lo stesso per modelli predittivi clinici derivati da misure antropometriche, tratti fenotipici e condizioni di rischio cliniche e ambientali. Questo determina la possibilità teorica di identificare gli individui ad alto rischio diversi decenni prima dell’insorgenza della malattia, che rappresenta un ottimo inizio per impostare programmi precoci di prevenzione. Non sorprende, quindi, che negli ultimi 6-7 anni, intercettando grandi aspettative sia da parte dei medici che dei pazienti, siano stati fatti diversi tentativi per commercializzare test genetici basati sui risultati ottenuti dai GWAS al fine di prevedere malattie multifattoriali, comprendenti il diabete di tipo 1 (DMT1 ), il diabete di tipo 2 (DMT2) e alcune delle devastanti complicanze croniche del diabete.
5
Misure di performance nella predizione
La costruzione di modelli di predizione è uno dei temi più importanti affrontati nella ricerca clinica e rispecchia l'obiettivo di perseguire una "medicina di precisione”. L’abilità prognostica di tali modelli è stata misurata mediante lo sviluppo di chiari criteri metodologici e solidi strumenti statistici. Dopo aver fissato un orizzonte temporale di interesse clinico, l’accuratezza nella predizione si riferisce alla capacità di un test (dicotomico: positivo/negativo) di discriminare tra i soggetti che svilupperanno o meno la malattia. Uno strumento in grado di fornire una previsione perfetta non esiste in natura e con i modelli a disposizione si è solo in grado di discriminare parzialmente tra i due possibili eventi. In pratica, la popolazione in oggetto di studio può essere suddivisa in quattro gruppi a seconda della concordanza tra lo sviluppo di malattia osservato e predetto (Figura 1): veri positivi (TP, dall’Inglese “true positive”) - soggetti che sono positivi al test di predizione e svilupperanno la malattia; falsi negativi (FN, “false negative”) - soggetti che sono negativi al test di predizione ma svilupperanno la malattia; falsi positivi (FP, “false positive”) - soggetti che sono positivi al test di predizione ma non svilupperanno la malattia; veri negativi (TN, “true negative”) - soggetti che sono negativi al test di predizione e non svilupperanno la malattia.
Analizzando questi quattro gruppi, la capacità di predizione del test può essere misurata dalla sensibilità e specificità4, dai valori predittivi5 e dai rapporti di verosimiglianza6 (Figura 1).
La sensibilità è la percentuale dei soggetti positivi al test che sviluppano la malattia ed è definita come la probabilità di ottenere un risultato positivo tra i soggetti che svilupperanno la malattia. Pertanto, la sensibilità descrive la capacità del test di identificare i soggetti che svilupperanno la malattia.
La specificità, complementare alla sensibilità, è la percentuale dei soggetti negativi al test che non svilupperanno la malattia ed è definita come la probabilità di ottenere un risultato negativo tra i soggetti che non svilupperanno la malattia. Pertanto, la specificità descrive la capacità del test di identificare i soggetti che non svilupperanno la malattia5
Né la sensibilità né la specificità sono influenzati dalla incidenza della malattia, il che significa che i risultati di uno studio potrebbero essere facilmente generalizzabili in altre situazioni in cui l'incidenza della malattia può essere differente.
Il valore predittivo positivo (PPV) definisce la probabilità che la malattia si sviluppi in un soggetto che è risultato positivo al test. D'altro canto, il valore predittivo negativo (NPV) definisce la probabilità che la malattia non si sviluppi in un soggetto che è risultato negativo al test. A differenza della sensibilità e della specificità, i valori predittivi sono in gran parte influenzati dall’incidenza della malattia nella popolazione studiata. Pertanto i valori predittivi stimati in una data popolazione non possono essere confrontati con altre popolazioni in cui l’incidenza di malattia è differente.
Il rapporto di verosimiglianza (LR) è una misura di accuratezza della predizione utile, ed è definita come il rapporto tra il risultato atteso del test nei soggetti che svilupperanno la malattia ed il risultato atteso del test nei soggetti che non la svilupperanno. Valori positivi di LR (LR+) (sensibilità/(1-specificità)) suggeriscono quanto verosimilmente il risultato positivo del test si verifichi nei soggetti che svilupperanno la malattia rispetto a coloro che non la svilupperanno. LR+ assume di solito valori superiori a 1 in quanto è più probabile che il risultato positivo del test si verifichi in soggetti che svilupperanno la malattia rispetto a coloro che non la svilupperanno, e rappresenta il migliore indicatore per la ruling-in diagnosis. Quanto più alto è il valore di LR+ tanto più il test è indicativo di una malattia. D'altra parte, valori negativi di LR (LR-) ((1-sensibilità)/specificità) suggeriscono quanto meno verosimilmente il risultato negativo del test si verifichi nei soggetti che svilupperanno la malattia rispetto a coloro che non la svilupperanno. LR- assume di solito valori inferiori a 1 in quanto è meno probabile che il risultato negativo del test si verifichi in soggetti che svilupperanno la malattia rispetto a coloro che non la svilupperanno, e rappresenta il migliore indicatore per la ruling-out diagnosis. Poiché sia la specificità che la sensibilità vengono utilizzati per calcolare il rapporto di verosimiglianza, è chiaro che né LR+ né LR- dipendono l'incidenza della malattia nella popolazione esaminata. (Figura 1).
6
Quando il test predizione è, invece, un marcatore continuo, l’analisi della curva Ricevitore-Operatore Caratteristica (ROC)7 è fondamentale per poter determinare il valore soglia ottimale in grado di massimizzare le prestazioni del test (Figura 2). Più grande è l'area sotto la curva ROC (AUC, area under the curve), migliore è la capacità del test nel discriminare tra soggetti che svilupperanno la malattia rispetto a quelli che non la svilupperanno, con valori convenzionalmente interpretabili come riportato in Tabella 1.
Quando il test di predizione è costruito mediante la stima di un modello multivariato (cioè con molti predittori) che prevede anche la valutazione del tempo necessario perché si sviluppi evento, la sua precisione è misurata dalla statistica di concordanza di sopravvivenza (C statistica)8,9 definita come la probabilità che, per ogni coppia di casi e di controlli, il rischio predetto di evento è superiore per il "caso" e, per ogni coppia di casi, il rischio predetto di evento è maggiore tra coloro con tempi all’evento più brevi. Essa varia dallo 0,5 ad 1 e può essere interpretata come la AUC (Tabella 1).
La calibrazione10 è un diverso aspetto dell'accuratezza di predizione: si riferisce alla concordanza tra i risultati predetti ed osservati rispetto ad un ampio intervallo di probabilità. Il grafico dei valori predetti ed osservati corrisponde all'illustrazione grafica del test di bontà di adattamento di Hosmer-Lemeshow (Figura 3).
L’accuratezza di riclassificazione dovrebbe essere misurata quando un nuovo marcatore (ad esempio: marcatore genetico) viene incluso in un modello di predizione prestabilito e viene calcolata attraverso il confronto tra le probabilità di rischio stimate dai due modelli (con e senza il nuovo marcatore). Per i soggetti che hanno sviluppato l’evento, l'incremento o il decremento di tali probabilità di rischio, implicano rispettivamente una migliore o peggiore riclassificazione. L'interpretazione è opposta per i soggetti che non hanno sviluppato l’evento.
La riclassificazione globale, definita come Net Riclassification Improvement (NRI)11,12, è la somma delle proporzioni d’individui correttamente riclassificati meno la proporzione di coloro erroneamente riclassificati, tra gli individui che hanno sviluppato o meno l’evento.
7
L'NRI può essere calcolato utilizzando classi di rischio specifiche (determinate sulla base di valori soglia predefiniti delle probabilità di rischio). Un esempio pratico è mostrato in figura 4: un campione di 200 pazienti diabetici è stato arruolato in uno studio prospettico per lo studio degli eventi cardiovascolari. Un modello clinico che include le seguenti caratteristiche basali dei pazienti: età, sesso, abitudine al fumo e indice di massa corporea, è stato utilizzato per prevedere tali eventi. In una seconda fase, è stato valutato se l'inclusione di informazioni genetiche (polimorfismi genetici) abbia contribuito a migliorare le prestazioni del modello iniziale (vedi legenda delle figure per i dettagli su come interpretare i risultati ottenuti.
La scelta dei valori soglia per determinare le categorie di rischio è cruciale e può influenzare notevolmente la stima del NRI. Dovrebbero essere, infatti, prese in considerazione solo quelle categorie di rischio note dal punto di vista epidemiologico. Per ovviare parzialmente a questo problema, è stato proposto un indice che integra l'NRI rispetto a tutti i possibili valori soglia: l’Integrated Discrimination Improvement (IDI)11. L’IDI può essere visto come la versione continua dell'NRI che utilizza le differenze tra le probabilità medie predette anziché le migrazioni tra le categorie di rischio.
Recentemente13,14, l'NRI è stato ampiamente criticato in letteratura in quanto pare fornisca una stima considerata troppo ottimistica e liberale. Pertanto, l'NRI deve essere usato con cautela e deve essere sempre accompagnata anche da altre misure di precisione della predizione.
Conclusioni
In questo capitolo viene fornito un sommario di tutte le misure prognostiche e viene descritto come interpretarle. Tali indici devono essere sempre accompagnati dai loro intervalli di confidenza al 95% come misura di precisione delle stime. Le decisioni dei medici, guidate dai modelli di predizione, dovrebbero essere basate sulla loro accuratezza. Infine, a seconda delle circostanze, i risultati falsi positivi e falsi negativi potrebbero avere un peso molto diverso nella medicina clinica; quindi è lasciato ai clinici il compito di decidere caso-per-caso come bilanciare i due possibili tipi di errore in cui si può incorrere.
8
Utilizzo delle informazioni genetiche per la predizione del rischio di diabete mellito di tipo 1
Il rischio di sviluppare il diabete mellito di tipo 1 (DMT1) è determinato da una complessa interazione tra fattori genetici e ambientali. La presenza di una rilevante componente genetica nell'insorgenza della malattia è evidenziata dall’aumentato rischio osservato nei fratelli di pazienti con DMT1 (6%) rispetto a quello della popolazione generale (0,4%)15. Inoltre, il rischio di insorgenza del DMT1 prima dell’età di 20 anni è pari al 5% nei bambini nati in una famiglia con un membro affetto e dello 0,3% per i bambini senza membri affetti in famiglia16,17.
Il complesso maggiore di istocompatibilità (HLA): i geni più importanti
La regione degli antigeni leucocitari umani (HLA), un gruppo di più di 200 geni situati all'interno del complesso maggiore di istocompatibilità (MHC) sul cromosoma 6p21, è responsabile per circa il 50% della suscettibilità genetica al DMT118. I geni dell’ HLA sono altamente polimorfici e gli alleli sono indicati dal nome del gene seguito da un asterisco (*) e generalmente da quattro cifre. Ad esempio nel caso HLA-DRB1*03 le prime due cifre definiscono l’allele, le due cifre successive definiscono il sottotipo dell’allele (HLA-DRB1*0301).
La funzione principale dei prodotti di tali geni è quella di presentare gli antigeni processati in peptidi ai recettori antigene-specifici presenti sui linfociti T CD4 + e CD8 +19.
a. Genotipi HLA di suscettibilità: rischio nella popolazione generale
Numerose evidenze mostrano come alcuni alleli dei geni HLA DQB1 e DRB1 presentino una forte associazione con l’insorgenza del DMT1, mentre altri possiedano una debole associazione o conferiscano protezione20. Tuttavia, a causa del forte linkage disequilibrium fra questi due loci, è molto difficile valutare singolarmente l'effetto dei geni HLA-DQ o –DR, per tale ragione, la maggior parte dei dati disponibili si riferisce all'effetto degli aplotipi (diversi polimorfismi genetici su un dato cromosoma che sono ereditati insieme da un unico genitore).
I due aplotipi più frequenti che conferiscono il maggior rischio di sviluppare il DMT1 sono il DRB1*0301-DQB1*0201 e il DRB1*0401-DQB1*0302. Tali aplotipi sono presenti in oltre il 90%

9
dei pazienti con il DMT1 ad insorgenza giovanile rispetto al 20% della popolazione europea generale20.
Numerosi studi hanno evidenziato che il genotipo HLA di elevato rischio conferisce ai soggetti portatori un rischio 20 volte superiore di sviluppare il DMT1 rispetto ai non portatori21 o alla popolazione generale22. Il rischio è da 4-9 volte più elevato nei soggetti con genotipo HLA di rischio moderato21. Il 5% dei bambini con i genotipi HLA ad elevato rischio svilupperanno l’autoimmunità pancreatica e il DMT1 prima dell’età di 15 anni, a fronte dello 0,3% della popolazione generale2. I genotipi HLA di classe II ad alto rischio contribuiscono a circa il 30-50% della suscettibilità genetica al DMT123.
Tra gli aplotipi o alleli che conferiscono protezione al DMT1, l’allele DQB1*0602, quello maggior mente protettivo, è presente nella maggior parte delle popolazioni studiate, nel 15% della popolazione generale e in meno dell'1% dei pazienti con DMT12.
Alcuni loci dell’HLA di classe I, come l’HLA A24, B38 e B39, e di classe II, come il DP, inoltre possono contribuire all’insorgenza del DMT1, ma non sono ancora stati implementati nei modelli di predizione24.
Poiché la prevalenza dei geni di suscettibilità HLA risulta relativamente elevata nella popolazione generale, il loro valore predittivo è notevolmente basso nello screening della popolazione generale rispetto a quello di famiglie in cui sono presenti uno o più membri affetti25, come descritto nel prossimo paragrafo.
b. Genotipi HLA di suscettibilità: rischio nelle famiglie
L'utilizzo dei loci HLA-DR e DQ nell’ambito di una storia familiare di DMT1 può migliorare la predizione della malattia. Se il rischio "a priori" determinato dalla storia familiare (ad esempio un fratello diabetico) è del 7%, tale probabilità può essere ulteriormente stratificata tra lo 0,3% al 30% considerando i genotipi HLA DR-DQ, variando cosi il rischio da molto protettivo ad elevato25.
L’insorgenza del diabete può variare dallo <0,01%, nei neonati con storia familiare di DMT1 e con alleli HLA di protezione (DQB1*0602), fino al 50% in quelli positivi all’HLA DR3, DR4-


 
Torna ai contenuti | Torna al menu