Diabetesrisiko: LASSO-Modell im Fokus
Mit Daten aus zwei britischen Langzeitstudien haben Forschende des University College London Instrumente zur Vorhersage des Typ-2-Diabetesrisikos entwickelt. Als besonders praxistauglich könnte sich das LASSO-Modell erweisen.
Eine Arbeitsgruppe des University College London (Vereinigtes Königreich), entwickelte und validierte Modelle zur Vorhersage des 5-, 10- und 15-Jahres-Risikos für Typ-2-Diabetes bei Erwachsenen mittleren Alters. Die Autoren gehen davon aus, dass ihr Instrument die Diabetes-Risikobewertung und gezielte Prävention in der hausärztlichen Versorgung unterstützen könnte. Ihre Ergebnisse haben sie in „Diabetes, Obesity and Metabolism“ veröffentlicht.
Entwicklung und Bewertung der Modelle
Für die Entwicklung des Prädiktionsmodells (Trainingskohorte, n=4502) und die interne Validierung (Testkohorte, n=1929) verwendete das Team Daten der Whitehall-II-Studie (WHII). Die externe Validierung erfolgte anhand von Daten der English Longitudinal Study of Ageing (ELSA). Zur Variablenselektion wendeten die Forschenden drei Methoden an: Random-Survival-Forests (RSF), Best-Subset-Selection und LASSO-Cox-Regression. LASSO steht für Least Absolute Shrinkage and Selection Operator. Die Leistung der Modelle bewerteten sie anhand von C-Indizes, Kalibrierung und Entscheidungskurvenanalyse.
In der WHII-Testkohorte mit 235 Ereignissen und in ELSA mit 255 Ereignissen zeigten die drei Modelle insgesamt vergleichbare Muster hinsichtlich Diskriminierung, Kalibrierung und Entscheidungskurvenanalyse.
Im ELSA-Datensatz zeigten die RSF- und LASSO-Modelle eine leicht bessere Diskriminierung als die Best-Subset-Auswahl. Zum Beispiel betrug der C-Index im ELSA-Validierungsdatensatz nach 10 Jahren 0,822 für das RSF-Modell und 0,820 für das LASSO-Modell. Die Entscheidungskurvenanalyse ergab eine vergleichbare Nettonutzen in beiden Datensätzen. Bei der 15-Jahres-Prognose übertrafen RSF und LASSO die Best-Subset-Auswahl an den vordefinierten Schwellenwerten. Die LASSO- und RSF-Modelle wurden als die beiden Haupttools beibehalten, da sie eine ähnliche Leistung zeigten.
Implementierung von LASSO in die Primärversorgung
Sowohl LASSO als auch RSF identifizierten ethnische Zugehörigkeit, Body-Mass-Index, Taille-zu-Körpergröße-Quotient, Körpergröße, Triglyzerid-Glukose-Index, Nüchternglukose, Diabetes in der Familienanamnese und sozioökonomischen Status als Prädiktoren. Zusätzlich wurde durch LASSO der Raucherstatus ausgewählt. Das RSF-Modell umfasste darüber hinaus Alter, Triglyzeride, High-Density-Lipoprotein-Cholesterin sowie systolischen und diastolischen Blutdruck.
Eine Implementierung von LASSO in die Primärversorung könnte einfacher sein, da dieses Modell weniger Prädiktoren benötigt. Das RSF-Modell hingegen könnte für detailliertere individuelle Risikoschätzungen nützlich sein, so der Hinweis der Studienautoren. (ins)