Модель SCORE 2-Diabetes: оценка 10-летнего сердечно-сосудистого риска при сахарном диабете 2 типа в Европе

• Рабочая группа по разработке модели SCORE 2-Diabetes и группа ESC по сердечно-сосудистому риску

Резюме

Цели - разработать и валидировать пересмотренную прогностическую модель алгоритма (SCORE 2-Diabetes) для оценки 10-летнего сердечно-сосудистых заболеваний (ССЗ) у людей с сахарным диабетом (СД) 2-го типа в Европе.

Методы и результаты. Модель SCORE 2-Diabetes разработана посредством расширения алгоритмов SCORE 2 с использованием данных на уровне индивидуальных участников из 4 крупных наборов данных, включавших 229 460 участников (43 706 сердечно-сосудистых событий) с 2-го типа и без ССЗ в анамнезе. Использовали конкурирующие, скорректированные по риску модели с учетом пола, включавшие стандартные факторы риска [возраст, курение, систолическое артериальное давление, уровень общего холестерина и холестерина липопротеинов высокой плотности (ХС-ЛПВП)], а также факторы, связанные с СД [возраст на момент постановки диагноза СД, уровень гликированного гемо­глобина (HbA1c) и расчетная скорость клубочковой фильтрации по клиренсу креатинина (рСКФ)]. Модели были пересмотрены с учетом частоты развития ССЗ в 4 европейских регионах, выделенных по уровню риска. Для внешней валидации использовали еще 217 036 человек (38 602 сердечно-сосудистых события); модель продемонстрировала хорошую дискриминирующую способность и преимущества перед моделью SCORE 2 (изменение С-индекса от 0,009 до 0,031).

Калибровка модели по регионам была удовлетворительной. Значения прогностических факторов риска в модели SCORE 2-Diabetes отличались в несколько раз, в зависимости от индивидуальных факторов риска и факторов, связанных с СД. Например, в регионе умеренного риска расчетный 10-летний риск ССЗ составлял 11% для некурящего мужчины 60 лет с СД 2-го типа, средними стандартными факторами риска, уровнем HbA1c 50 ммоль/моль, рСКФ 90 мл/мин/1,73 м² и возрастом на момент постановки диагноза СД 60 лет. Для сравнения: у похожего мужчины с уровнем HbA1c 70 ммоль/моль, рСКФ 60 мл/мин/1,73 м² и возрастом на момент постановки диагноза СД 50 лет расчетный риск составлял 17%. Для женщины с теми же характеристиками риск составлял 8 и 13% соответственно.

Заключение. SCORE 2-Diabetes, новый алгоритм, разработанный, перекалиброванный и валидированный для прогнозирования 10-летнего риска ССЗ у людей с СД 2 типа, улучшает вероятность выявления пациентов с повышенным риском развития ССЗ в разных регионах Европы.

Ключевые слова:прогностическая модель; сахарный диабет; сердечно-сосудистые заболевания

* Авторы указаны в конце статьи.

† Ученые из исследований, данные которых использовали в работе, перечислены по ссылке: https://academic.oup.com/eurheartj/article/44/28/2544/7185610#supplementary-data.

Для обеспечения открытого доступа автор использовал лицензию Creative Commons "С указанием авторства" (CC BY) применительно к любой одобренной автором версии рукописи, которая станет результатом подачи данной статьи в журнал.

© Автор(-ы), 2023 г. Опубликовано издательством "Оксфорд Юниверсити Пресс" (Oxford University Press) от лица Европейского общества кардиологов. Эта статья в открытом доступе распространяется в соответствии с условиями некоммерческой лицензии Creative Commons Attribution (https://creativecommons.org/licenses/by-nc/4.0/), допускающими неограниченное некоммерческое использование, распространение и воспроизведение информации на любом носителе при условии надлежащего цитирования оригинальной публикации. См. редакционный комментарий к этой статье "Прогнозирование риска у пациентов с сахарным диабетом: является ли модель SCORE 2D идеальным решением?" от L. Rydén и соавт.: https://doi.org/10.1093/eurheartj/ehad263.

Структурированная графическая аннотация

Основной вопрос

Можно ли усовершенствовать прогнозирование риска сердечно-сосудистых заболеваний (ССЗ) у пациентов с сахарным диабетом (СД) 2-го типа таким образом, чтобы оно отражало значительные региональные различия в частоте новых случаев ССЗ в разных частях Европы?

Основные результаты

Алгоритмы SCORE 2-Diabetes были разработаны посредством расширения алгоритмов SCORE 2 с использованием данных более чем 220 000 человек с СД 2-го типа. Перекалибровка учитывала 3-4-кратные различия в частоте ССЗ в разных частях Европы. Модель SCORE 2-Diabetes продемонстрировала хорошую внешнюю валидацию более чем у 210 000 человек из 4 стран: Швеция, Испания, Мальта и Хорватия.

Извлеченные уроки

Модель SCORE 2-Diabetes точно оценивает риск ССЗ у пациентов с СД 2-го типа. Она является расширенной версией модели SCORE 2 с согласованием прогнозирования риска ССЗ у людей с СД и без него, при этом учитывая различия в риске в разных частях Европы. Таким образом, она упрощает выявление пациентов с высоким риском ССЗ.

Введение

Сердечно-сосудистые заболевания (ССЗ) остаются одной из основных причин заболеваемости и смертности в Европе: только в 2019 г. выявлено почти 13 млн новых случаев [1]. Сахарный диабет (СД) 2-го типа - один из важных факторов риска ССЗ. У людей с СД из стран с высоким уровнем дохода риск сердечно-сосудистых событий в среднем в 2 раза выше по сравнению с людьми с теми же характеристиками, но без СД [2]. Европейское общество кардиологов (ESC) выпускает руководство и рекомендует проводить оценку риска ССЗ у людей с СД 2-го типа, чтобы на ее основании принимать решения о лечении и ведении пациентов [3].

Модели для прогнозирования риска, которые используются для первичной профилактики ССЗ в общей популяции, обычно оценивают индивидуальный риск на протяжении 10 лет, объединяя данные по измеренным уровням стандартных факторов риска ССЗ [возраст, статус курения, систолическое артериальное давление (САД), уровень общего холестерина и холестерина липопротеинов высокой плотности (ХС-ЛПВП)] и данные по статусу СД [4-6]. Однако, чтобы учесть существенные различия в уровне риска между людьми с СД, в ряд опубликованных моделей риска были включены дополнительные данные, связанные с СД, например возраст на момент постановки диагноза СД, уровень гликированного гемоглобина (HbA1c) и маркеры функции почек [7-10]. Тем не менее доступные диабет-специфические модели имеют важные потенциальные ограничения. В частности, такие модели могут быть неоптимальными для использования в различающихся между собой европейских популяциях, поскольку они разработаны на основе небольшого набора обсервационных и/или интервенционных исследований и не подвергались систематической перекалибровке (т. е. статистической адаптации), учитывающей существенные вариации в частоте ССЗ в разных странах Европы [1, 10, 11]. Чтобы преодолеть эти ограничения, ESC предприняло усилия к расширению перекалиброванных европейских моделей 10-летнего риска SCORE 2 [12], что позволит использовать их у людей с СД 2-го типа.

Ниже описываются разработка, валидация и демонстрация модели SCORE 2-Diabetes для оценки 10-летнего риска инфаркта миокарда без летального исхода, инсульта и любого летального сердечно-сосудистого события у людей с СД, но без предшествующих ССЗ, старше 40 лет, в 4 различных по уровню риска европейских регионах.

Методы

Дизайн исследования

Проект SCORE 2-Diabetes включал несколько взаимосвязанных компонентов и источников данных (рис. 1). Во-первых, исходные модели прогнозирования риска SCORE 2 для летальных и нелетальных исходов ССЗ были адаптированы для применения у людей с СД 2-го типа на основании индивидуальных данных участников из 4 популяционных источников [Шотландские данные по медицинской помощи - сахарный диабет (Scottish Care Information - Diabetes, SCID), База данных по исследованиям в клинической практике (Clinical Practice Research Datalink, CPRD), Биобанк Великобритании (UK Biobank, UKB), Группа по поиску новых факторов риска (Emerging Risk Factors Collaboration, ERFC)] из 7 стран (Англия, Уэльс, Шотландия, Франция, Германия, Италия и США). Во-вторых, мы перекалибровали полученные модели риска с учетом данных по каждому европейскому региону риска, используя методы, которые ранее использовались для разработки SCORE 2. В-третьих, проведена внешняя валидация у людей с СД 2-го типа в 4 странах (Швеция, Испания, Хорватия и Мальта) с использованием данных из Шведского национального реестра СД (Swedish National Diabetes Register, SNDR), Информационной системы по исследованиям в области оказания первичной медицинской помощи (Sistema d’Informació per al Desenvolupament de la Investigació en Atenció Primària, SIDIAP) и 2 реестров из базы данных "Наилучшая европейская информация по региональным исходам при сахарном диабете" (EUropean Best Information through Regional Outcome in Diabetes, EUBIROD). В-четвертых, продемонстрированы различия в риске ССЗ у людей с СД 2-го типа в разных европейских регионах при применении перекалиброванных моделей к данным из соответствующих друг другу популяций в каждом регионе риска.

Источники данных и процедуры

Для разработки (деривации) модели использовали данные отдельных пациентов с СД 2-го типа без предшествующих ССЗ старше 40 лет из SCID, CPRD, UKB и 7 когорт из ERFC с имеющимися данными по связанным с СД показателям. SCID представляет собой динамический популяционный реестр людей с диагнозом СД в Шотландии, который с 2006 г. охватывает практически всю эту популяцию [13]. CPRD представляет собой пополняющуюся базу данных оказания первичной медицинской помощи из анонимизированной медицинской документации врачей общей практики, охватывающую более 11,3 млн пациентов из 674 практик в Великобритании [14]. С учетом того что данные в общей сложности 4,4 млн активных (живых и зарегистрированных в настоящее время) пациентов удовлетворяют критериям исследования, получается, что в эту базу данных включено приблизительно 6,9% населения Великобритании, возраст, пол и этническая принадлежность которых репрезентативны для общей популяции страны. Данные, использовавшиеся для данного исследования, были ограничены Англией. Наборы данных для модели из SCID и CPRD включали людей с СД на 1 июня 2008 г. и оценки факторов риска, зарегистрированные с 30 июня 2006 г. по 31 декабря 2008 г. Последующее наблюдение велось до 1 июня 2019 г. в случае SCID и до 31 декабря 2019 г. в случае CPRD; новые события без летального исхода брали из Шотландских данных по заболеваемости и Английской статистики по случаям госпитализации, а случаи смерти - из Национальных демографических данных Шотландии и Бюро национальной статистики. UKB представляет собой проспективное когортное исследование с использованием индивидуальных данных приблизительно 500 тыс. участников в возрасте старше 40 лет, включенных в 23 центра оценки на территории Великобритании в 2006-2010 гг., которых наблюдали на предмет заболеваемости и смерт­ности от конкретных причин посредством доступных национальных наборов данных и реестров по определенным заболеваниям [15]. ERFC сверяет и гармонизирует данные на индивидуальном уровне из многих долгосрочных проспективных когортных исследований факторов риска ССЗ и исходов [16].

Проспективные исследования из ERFC включали в данный анализ, если они удовлетворяли всем перечисленным ниже критериям: содержали информацию о факторах риска ССЗ в исходный момент, необходимую для разработки прогностических моделей риска, т. е. возраст, пол, статус курения, САД, уровень общего холестерина и ХС-ЛПВП, наличие СД в анамнезе (по сообщению самого участника плюс медикаментозная терапия и/или биохимические критерии [2, 17]), возраст на момент постановки диагноза СД, уровень HbA1c и уровень креатинина или рСКФ; были популяционными, т. е. без отбора участников на основании наличия заболевания, например исследования типа "случай-контроль". Включенные в анализ работы не являлись группами активного вмешательства в интервенционных исследованиях, имели медиану года начала наблюдений после 1990 г. и регистрировали связанные с ССЗ случаи смерти и/или сердечно-сосудистые события без летального исхода, т. е. инфаркт миокарда или инсульт без летального исхода в течение как минимум 5 лет последующего наблюдения. Процесс отбора данных для разработки/адаптации модели показан в дополнительных данных онлайн 1, на рис. S1. Подробности об источниках данных приведены в дополнительных данных онлайн, в табл. 1 и 2.

Для перекалибровки моделей использовали корректирующие факторы из моделей для оценки риска SCORE 2. Систематическую перекалибровку модели SCORE 2 проводили таким образом, чтобы она отражала риск для всей популяции (включая людей с СД) в 4 различных по уровню риска регионах Европы. Следовательно, адаптация модели SCORE 2 для применения у людей с СД 2-го типа, т. е. модель SCORE 2-Diabetes, не требует дополнительных данных и перекалибровки для популяций с наличием СД. Данные SNDR, SIDIAP и EUBIROD использовали для внешней валидации (см. дополнительные данные онлайн, табл. S3). SNDR представляет собой национальный реестр, который почти полностью охватывает популяцию пациентов с СД 2-го типа в Швеции [18]. Как и в случае данных, задействованных при разработке модели, использовали медицинскую документацию пациентов с СД с 30 июня 2006 г. по 31 декабря 2008 г. без наличия ССЗ в анамнезе. Последующее наблюдение велось до 31 декабря 2019 г.; новые события с летальным исходом и без него брали из больничной документации и данных по смертности. SIDIAP представляет собой базу данных электронной медицинской документации по оказанию первичной помощи, которую ведет Каталанский институт здравоохранения и которая охватывает приблизительно 75% (более 5 млн человек) в Каталонии (Испания) из 328 центров оказания первичной медицинской помощи, и типична для данной популяции в отношении возраста, пола и географического распределения [19, 20]. Для этого анализа использовали данные пациентов с СД 2-го типа из популяции 400 000 случайным образом отобранных людей, медицинская документация которых была связана с больничной документацией и документацией по причинам смерти, чтобы установить исходы ССЗ. Пациенты должны были быть включены в SIDIAP по крайней мере за 1 год до 1 января 2010 г. с последующим наблюдением до 2017 г. EUBIROD является крупнейшим объединением реестров по СД и источников данных в Европе [21], с общим набором данных [22] и открытым программным обеспечением [23] для анализа индивидуальных данных в разветвленной инфраструктуре с усиленной защитой персональных данных [24-26]. Данные по людям с СД 2-го типа с исходными сведениями с января 2013 г. по июнь 2015 г. были независимо обработаны в каждой из 8 принявших участие в разработке модели стран (Бельгия, Хорватия, Дания, Германия, Венгрия, Латвия, Мальта и Словения) и проанализированы с использованием исходного программного кода R, содержащегося в программном обеспечении EUBIROD NeuBIRO. При возможности данные по последующему наблюдению за сердечно-сосудистыми событиями получали из больничной документации и данных по случаям смерти за последующие 5 лет, что дало возможность провести валидацию данных. Каждый принимавший участие в исследовании центров делал доступными координаторам исследования только сводные данные. Данные по факторам риска из CPRD, SNDR, SIDIAP, EUBIROD и данные за 2017-2018 гг., извлеченные из Национального аудита данных по сахарному диабету (National Diabetes Audit, NDA), использовали для иллюстрации распределения, прогнозируемого согласно модели SCORE 2-Diabetes риска в каждом из выбранных европейских регионов. NDA является ежегодно обновляемым реестром, охватывающим >98% человек с диагнозом СД, установленным врачами первичного звена в Англии и Уэльсе, и врачами-специалистами в Англии [27].

Первичной конечной точкой были сердечно-сосудистые события, а именно комбинация сердечно-сосудистой смерти, инфаркта миокарда и инсульта без летальных исходов. Последующее наблюдение вели до первого инфаркта миокарда без летального исхода, инсульта без летального исхода, смерти или завершения исследования/периода регистрации данных. Случаи смерти, не связанные с ССЗ, расценивали как конкурирующие события. Подробно различные коды по МКБ‑10, включенные в компоненты конечной точки, как с летальным исходом, так и без него, описаны в дополнительных данных онлайн, табл. S4. Из всех источников данных исключали людей с наличием в анамнезе ССЗ в исходный момент, как определено в дополнительных данных онлайн, табл. S5.

Статистический анализ

Подробности статистического анализа приведены в дополнительных данных онлайн, дополнительной информации о методах. Для разработки описанной модели расширяли имеющиеся модели SCORE 2 путем добавления связанных с СД переменных: уровень HbA1c, возраст на момент постановки диагноза СД и рСКФ. Эти прогностические факторы были выбраны ввиду их предиктивной способности согласно предшествующим литературным данным, а также широкого применения в клинической практике и наличия наборов данных, подходящих для разработки модели. Коэффициенты уже включенных в модель SCORE 2 переменных (возраст, пол, курение в настоящее время, СД в анамнезе, САД, общий холестерин и ХС-ЛПВП) были зафиксированы на тех же значениях, что использовались в моделях SCORE 2, и включены в качестве начальной точки в конкурирующие, скорректированные по риску модели Fine и Gray, которые использовали для расчета дополнительных коэффициентов, учитывающих пол [отношения рисков для субраспределения (ОРС)]. Затем были рассчитаны дополнительные коэффициенты для каждой переменной в модели SCORE 2, чтобы учесть различия в их эффектах у людей с СД, а также для вновь добавленных переменных, связанных с СД, включенных в модель SCORE 2-Diabetes. Все вновь полученные коэффициенты рассчитывали по отдельности из источников данных и по совокупности данных с использованием метаанализа с фиксированными эффектами. Поскольку предыдущие исследования показали, что связь этих переменных с ССЗ ослабевает с возрастом, для всех прогностических факторов были добавлены взаимодействия с ним. Применительно к рСКФ был включен также квадратичный член, чтобы учесть ее нелинейную связь с СС-исходами (см. дополнительные данные онлайн, дополнительную информацию о методах, рисунок). Нарушения допущений о пропорциональности риска не было (либо они были минимальные), как показало включение коэффициентов, меняющихся со временем.

Модели риска были перекалиброваны по регионам, выделенным по уровню риска, с использованием корректирующих факторов, ранее разработанных для моделей SCORE 2 и SCORE 2-OP (см. дополнительные данные онлайн, дополнительную информацию о методах, табл. S1). Сходным образом группировка европейских стран в регионы по риску была проведена в соответствии с данными Всемирной организации здравоохранения по сердечно-сосудистой смертности, согласно методологии моделей SCORE 2 и SCORE 2-OP (см. дополнительные данные онлайн, табл. S6 и рис. S2). Для валидации проводили оценку, дискриминирующую способность модели, используя С-индекс Харрела, скорректированный по конкурирующему риску [28], и изучили улучшения при использовании модели SCORE 2-Diabetes в сравнении с моделью SCORE 2. При наличии данных сравнивали модель SCORE 2-Diabetes с моделью оценки риска ADVANCE у людей с СД [10]. Также использовали модель ADVANCE для сравнения, поскольку она рекомендована руководством ESC 2021 по профилактике ССЗ в клинической практике [3] и предназначена для прогнозирования риска ССЗ. Для обеспечения клинического контекста сравнивали постепенные улучшения в прогнозировании риска, которые обеспечивает включенная в модель SCORE 2-Diabetes информация, связанная с СД, и улучшения, которые обеспечивают показатели общего холестерина и ХС-ЛПВП, биомаркеров, которые, как правило, используются при оценке риска ССЗ. Была также проведена количественная оценка улучшений в прогнозировании риска, для чего использовали суммарный индекс реклассификации (NRI), который обобщает подходящие изменения направления в прогнозах риска у тех, у кого наступает (целевые случаи) или не наступает (нецелевые случаи) событие в период наблюдения (при этом возрастание прогнозируемого риска подходит для первых и снижение - для вторых). Сходным образом категориальный NRI применяли для обобщения соответствующих перемещений между категориями риска <5%, 5-10, 10-15, 15-20 и > 25%. Корректировку оценивали, сравнивая наблюдаемые и спрогнозированные риски.

Чтобы сравнить долю популяции с СД с разными уровнями риска ССЗ, согласно моделям SCORE 2-Diabetes, была проведена оценка распределения прогнозируемого риска с использованием значений факторов риска с учетом возраста и пола из CPRD, NDA, SNDR и всех использованных популяций EUBIROD, при помощи перекалиброванных по регионам версий модели SCORE 2-Diabetes. Чтобы убедиться, что факторы перекалибровки SCORE 2 были применимы, при перекалибровке SCORE 2-Diabetes оценивали то, насколько средние прогнозы риска с учетом возраста и пола в модели SCORE 2-Diabetes сходны с ожидаемыми рисками для каждого региона, и показали, что средние прогнозы риска с учетом возраста и пола были сходными во всей популяции, а также у людей с СД при использовании моделей SCORE 2 и SCORE 2-Diabetes. В исследованиях с наличием необходимой информации ОРС и наблюдаемые абсолютные риски также оценивали с использованием расширенной конечной точки, дополнительно включающей сердечную недостаточность (СН) без летального исхода и заболевание периферических артерий (ЗПА) (см. дополнительные данные онлайн, табл. S4). Также была возможность убедиться, что при использовании версий уравнений для расчета рСКФ, разработанных Группой по изучению эпидемиологии хронической почечной недостаточности от 2009 и 2021 гг. [29], получаются сходные прогностические оценки риска, что говорит о взаимозаменяемости двух этих методов в клинической практике. И, наконец, были проведены дополнительные оценки ОРС без включения данных ERFC/UKB, для того чтобы убедиться в отсутствии чувствительности к потенциальным небольшим наложениям популяций участников из исследований в Великобритании и из CPRD. Отсутствующие данные в деривационных наборах, SNDR и SIDIAP, подставляли с помощью методов, описанных в дополнительных данных онлайн, дополнительной информации о методах. Использовали аналитические подходы и стандарты отчетности, рекомендуемые руководствами PROBAST и TRIPOD [30]. Анализы проводили с использованием статистического программного обеспечения R (версия 4.0.3, Фонд R для статистических расчетов, Вена, Австрия) и Stata (версия 16.1, компания StataCorp, Колледж-Стейшен, Техас). Исследование было разработано и завершено Рабочей группой по разработке модели SCORE 2-Diabetes совместно с Группой ESC по сердечно-сосудистому риску. Данные, использованные в настоящем исследовании, доступны по обоснованному запросу с условием одобрения отдельными группами, участвовавшими в совместной работе. Код Stata для расчета алгоритмов SCORE 2-Diabetes можно получить у авторов по запросу.

Результаты

При разработке модели использовали данные в общей сложности 229 460 участников с СД и без ССЗ в анамнезе на исходный момент, из SCID, CPRD и ERFC/ UKB. Средний возраст (SD) в исходный момент составлял 65 (11) лет по данным SCID, 64 (11) года по данным CPRD и 60 (8) лет по данным ERFC/UKB. В общей сложности 122 609 (53,4%) участников из всех источников данных в совокупности составляли мужчины (см. табл. 1). Медиана (5-й, 95-й процентили) продолжительности последующего наблюдения в годах составляла 10,9 [6,8; 11,0] в SCID, 6,0 [0,8; 11,0] в CPRD и 11,3 [2,8; 13,6] в ERFC/UKB, в ходе него было зарегистрировано в общей сложности 43 706 сердечно-сосудистых событий и 28 226 случаев смерти, не связанных с ССЗ. ОРС приведены в табл. 2. Связь с переменными, введенными для СД, ослабевала с увеличением возраста участников (см. дополнительные данные онлайн, дополнительную информацию о методах, рисунок). Связи оставались сходными после исключения данных ERFC/UKB (см. дополнительные данные онлайн, табл. S7) и при использовании расширенной конечной точки ССЗ, включавшей СН без летального исхода и ЗПА (см. дополнительные данные онлайн, табл. S8).

С-индексы в деривационных наборах данных составляли 0,704 [95% доверительный интервал (ДИ) 0,701, 0,706], 0,733 (0,727-0,739) и 0,666 (0,653, 0,678) в SCID, CPRD и ERFC/UKB соответственно (см. рис. 2). При внешней валидации С-индекс для модели SCORE 2-Diabetes составлял 0,670 (0,667, 0,673) при использовании данных 168 585 человек с СД (34 944 сердечно-сосудистых события) из SNDR и 0,658 (0,648, 0,669) при использовании данных 21 698 человек с СД (2464 сердечно-сосудистых события) из SIDIAP. Используя наборы данных EUBIROD, включающие 3876 человек с Мальты и 22 821 из Хорватии с полной информацией обо всех прогностических факторах риска, получили значения С-индекса, равные 0,661 (0,622, 0,699) и 0,688 (0,672, 0,705) соответственно (см. дополнительные данные онлайн, рис. S3).

По сравнению с моделью SCORE 2 модель SCORE 2-Diabetes демонстрировала улучшенную способность дифференцировать риски у людей с СД, с возрастанием С-индексов (95% ДИ) на 0,021 (0,020, 0,022), 0,023 (0,020, 0,026) и 0,026 (0,018, 0,034) для SCID, CPRD и ERFC/UKB соответственно. Несколько меньшие улучшения зарегистрированы в случае SNDR и SIDIAP с увеличением С-индексов на 0,009 (0,007, 0,010) и 0,009 (0,005, 0,014) соответственно (см. рис. 2). В наборах данных EUBIROD из Мальты и Хорватии возрастание С-индексов составляло 0,031 (0,011, 0,050) и 0,013 (0,006, 0,021) соответственно (см. дополнительные данные онлайн, рис. S3). Статистически значимые улучшения в С-индексах наблюдались как у мужчин, так и у женщин, а также в возрастных группах с разбивкой по 10 лет (см. дополнительные данные онлайн, рис. S4-S7). С-индексы были сходными при расчете рСКФ по разным уравнениям (см. дополнительные данные онлайн, рис. S8), но слегка снижались после исключения пациентов с рСКФ < 45 мл/мин/1,73 м² (см. дополнительные данные онлайн, рис. S9). Улучшения в дискриминации рисков, которые обеспечивают дополнительные связанные с СД переменные, включенные в модель SCORE 2-Diabetes (т. е. возраст на момент постановки диагноза СД, уровень HbA1c и рСКФ), превосходили улучшения прогнозирования, обеспечиваемые уровнями общего холестерина и ХС-ЛПВП в той же модели. Модель SCORE 2-Diabetes демонстрировала также небольшое улучшение в дискриминации риска по сравнению со шкалой оценки риска ADVANCE (см. дополнительные данные онлайн, табл. S9).

Использование улучшенной классификации рисков SCORE 2-Diabetes вместо SCORE 2 дает непрерывный NRI, равный 25,2 (95% ДИ 22,4; 28,0) в случае CPRD и 28,7 (27,7; 29,8) в случае SNDR. Аналогично использование SCORE 2-Diabetes вместо SCORE 2 давало категориальный NRI, равный 24,6 (22,5; 26,8) в случае CPRD и 13,7 (12,9; 14,5) в случае SNDR, с соответствующей суммарной долей реклассифицируемых случаев 44,8% (43,0%, 46,7%) и 31,9% (31,2%, 32,6%) (см. дополнительные данные онлайн, табл. S10).

После перекалибровки прогнозируемые с помощью модели SCORE 2-Diabetes риски хорошо согласовались с ожидаемой 10-летней частотой ССЗ в каждом регионе, выделенных по уровню риска (см. дополнительные данные онлайн, рис. S10) и были в среднем сходны в пределах каждой возрастной группы со значениями, полученными при использовании SCORE 2 (см. дополнительные данные онлайн, рис. S11). Спрогнозированные посредством модели SCORE 2-Diabetes риски согласовались также с рисками, наблюдаемыми у людей с СД из репрезентативных на национальном уровне наборов данных, охватывающих 10 лет последующего наблюдения (см. дополнительные данные онлайн, рис. S 12 и S 13) и демонстрировали улучшенную по сравнению с моделью SCORE 2 калибровку (см. дополнительные данные онлайн, рис. S 13). Использование расширенной конечной точки ССЗ, включавшей СН без летального исхода и ЗПА, давало абсолютный 10-летний риск, примерно в 1,15 раза превышающий значение, получаемое при использовании конечной точки ССЗ из модели SCORE 2-Diabetes, при этом результаты слегка менялись в зависимости от возраста (см. дополнительные данные онлайн, рис. S14).

Алгоритмы SCORE 2-Diabetes для оценки риска ССЗ в 4 регионах Европы с разным уровнем риска приведены в дополнительных данных онлайн, дополнительной информации о методах, см. табл. 1. Графики, иллюстрирующие оценку 10-летнего риска ССЗ на индивидуальном уровне, приведены в дополнительных данных онлайн, приложении 1, наряду с калькулятором рисков, позволяющим получить более точные индивидуальные оценки, в дополнительных данных онлайн, приложении 2. Полученные оценки абсолютного риска для данного возраста и комбинации стандартных факторов риска ССЗ существенно различались в зависимости от связанных с СД переменных (рис. 3). Например, при использовании версии SCORE 2-Diabetes в регионе умеренного риска расчетный 10-летний риск ССЗ для некурящего мужчины 60 лет с наличием СД в анамнезе, средним уровнем стандартных факторов риска (САД 140 мм рт.ст., концентрация общего холестерина 5,5 ммоль/л, концентрация ХС-ЛПВП 1,3 ммоль/л), уровнем HbA1c 50 ммоль/моль, рСКФ 90 мл/мин/1,73 м² и возрастом на момент постановки диагноза СД 60 лет составлял 11,0%. Для такого же мужчины с менее благоприятными факторами риска, связанными с СД (уровень HbA1c 70 ммоль/моль, рСКФ 60 мл/мин/1,73 м², возраст на момент постановки диагноза 50 лет) расчетный риск составлял 17,2%. Для женщины с теми же характеристиками он составлял 7,9 и 12,7% соответственно. Оценки риска также различались для европейских регионов разного уровня риска вследствие перекалибровки, и у мужчины или женщины с последними приведенными выше значениями факторов риска показатели риска составляют 12,9 и 9,8% соответственно в регионе низкого риска и 31,2 и 34,0% в регионе очень высокого риска (см. структурированную графическую аннотацию, рис. 3).

При использовании перекалиброванных моделей SCORE 2-Diabetes с данными, имитирующими популяции из каждого региона, выделенного по уровню риска, доля людей в возрасте 40-79 лет с показателем риска >10% значительно отличалась между регионами: от 61% в регионе низкого риска до 96% в регионе очень высокого риска у мужчин и от 51 до 94% соответственно у женщин, при этом процентные доли, как и ожидалось, росли с возрастом (рис. 4).

Обсуждение

По сравнению с существующими шкалами оценки риска модель SCORE 2-Diabetes, являющаяся расширенным вариантом моделей SCORE 2 для оценки риска, приспособленным к оценке у людей с СД 2-го типа в разнообразных европейских популяциях, должна помочь лучше распределять профилактические вмешательства, поскольку она обладает рядом преимуществ.

Первое из них заключается в том, что модель SCORE 2-Dia­be­­tes была систематически перекалибрована для 4 различных европейских регионов, различающихся по риску ССЗ, с использованием наиболее свежих и репрезентативных данных по частоте ССЗ [12]. Это улучшение по сравнению с предшествующими моделями для прогнозирования риска ССЗ у людей с СД, которые либо не включали никакой поправки на разные популяции, либо корректировались на основании скудных когортных данных или данных на уровне отдельных стран по людям с СД, которые могут неточно отражать частоту ССЗ и уровни факторов риска в популяциях в каждом регионе [9-11]. Описанный анализ показывает, что при перекалибровке может быть получен разброс в оценках риска ССЗ для данного набора факторов риска в 3-4 раза. Без перекалибровки эти существенные различия в риске в разных регионах Европы не будут учтены. Вследствие того что использованный для перекалибровки подход основывается на данных реестров, модель легко обновить, чтобы она точно отражала частоту ССЗ в будущем и профили факторов риска любой целевой популяции, которая будет подлежать исследованию, в том числе людей с СД. Это означает, что при наличии описательных эпидемиологических данных с учетом возраста и пола из отдельных стран Европы (или из регионов внутри стран) их легко можно будет включить в пересмотренные модели на уровне стран. Это важная особенность данной шкалы оценки риска, поскольку с течением времени и в зависимости от региона наблюдались значительные изменения в сердечно-сосудистом риске у людей с СД 2-го типа, что делает необходимой оценку риска по новейшим данным.

Второе преимущество, непосредственно связанное с первым, - это то, что алгоритм SCORE 2-Diabetes не использует исключительно данные людей с СД, а расширяет модели SCORE 2, разработанные для всех людей без предшествующих ССЗ, как с СД, так и без него (хотя ESC не рекомендует использовать алгоритм SCORE 2 для людей с СД). Ключевое преимущество такого подхода - то, что он позволяет корректировать модели, используя данные по факторам риска и заболеваемости из общей популяции, а не требует данных именно от пациентов с СД (которые в настоящее время имеются не во всех европейских странах). Расширяя алгоритм SCORE 2, удается достичь также гармонизации оценок риска для людей с СД и без него по всей Европе, что упрощает обмен данными и интерпретацию оценок риска. Существующие приложение ESC для расчета риска ССЗ [31] и сайт HeartScore [32] будут обновлены с добавлением модели SCORE 2-Diabetes для упрощения оценок риска и обмена информацией между медицинскими работниками и пациентами с СД 2-го типа. В дополнительных данных онлайн, в приложениях 1 и 2 содержатся также инструменты для непосредственного расчета индивидуальных оценок риска.

Наконец, третье преимущество: в то время как перекалибровка учитывает существенные различия в уровне риска в общеевропейской популяции, модель SCORE 2-Diabetes также демонстрирует хорошую способность к дискриминации рисков и оценке индивидуальных рисков у людей с СД 2-го типа, учитывая специфичные для них факторы риска, такие как возраст на момент постановки диагноза СД, уровень HbA1c и функция почек (см. структурированную графическую аннотацию). По этой причине модель SCORE 2-Diabetes может использоваться, чтобы помочь врачам и отдельным пациентам определять интенсивность проводимой терапии (например, липидоснижающей), а также выбрать дополнительные вмешательства, направленные на профилактику ССЗ (такие как назначение ингибиторов котранспортера глюкозы и натрия 2-го типа или агонистов рецептора глюкагоноподобного пептида‑1).

В-четвертых, разработка, калибровка, валидация и демонстрация моделей SCORE 2-Diabetes опираются на обладающие большой статистической мощностью, обширные и дополняющие друг друга наборы данных, в настоящее время актуальные для пациентов с СД 2-го типа в разных европейских популяциях. В частности, модель SCORE 2-Diabetes разработана с использованием данных более чем 220 тыс. человек с СД 2-го типа из 10 различных источников данных, что повышает надежность и точность оценки отношений рисков и валидирована с использованием дополнительных данных более чем 210 тыс. человек, что гарантирует обобщаемость и обоснованность этого подхода.

В-пятых, подход, который использован в модели SCORE 2-Diabetes, учитывает влияние конкурирующего риска смерти не от ССЗ. Эта статистическая поправка должна предотвратить возможное завышение связанного с ССЗ риска, тем самым снижая вероятность переоценки потенциальной пользы модифицирующих риск ССЗ вмешательств. Такая поправка особенно полезна в случае принятия решений у пожилых пациентов и у людей из регионов высокого или очень высокого риска, где конкурирующий риск смерти не от ССЗ довольно высок.

Наконец, проведенный анализ проиллюстрировал качество результатов, получаемых с помощью модели SCORE 2-Diabetes, на имитированных данных людей с СД 2-го типа из регионов Европы с различным уровнем риска, показав, что доли людей из различных категорий риска в разных регионах резко различаются. Это говорит о том, что описанные оценки риска должны помочь тем, кто определяет политику в сфере здравоохранения, принимать более актуальные и учитывающие местные условия решения относительно распределения ресурсов.

Заслуживают рассмотрения и потенциальные ограничения данного исследования. Расширение прогностических моделей риска SCORE 2 проведено за счет добавления оценки дополнительных относительных рисков для связанных с СД переменных с использованием источников данных из европейских регионов и популяции с низким или умеренным риском ССЗ. В идеале оценка относительного риска для стран высокого и очень высокого риска должна включать крупные, репрезентативные для данной популяции, проспективные когорты из этих стран в сочетании с длительным наблюдением и валидацией конечных точек ССЗ с летальным исходом и без него. К сожалению, такие данные пока отсутствуют. Действительно, даже в регионах низкого и умеренного риска источники данных могут не быть репрезентативными на национальном или региональном уровне, отражая устаревшие временные периоды, участие в когортных исследованиях здоровых добровольцев или, в случае реестровых данных, людей с повышенной склонностью обращаться к врачам. Однако, хотя такие систематические ошибки могут привести к неверным оценкам абсолютного риска, на относительные риски это обычно не влияет [2, 33, 34]. Кроме того, в наших анализах показана незначительная гетерогенность коэффициентов модели для различных исследований, которые использовались при ее разработке, что предполагает переносимость коэффициентов между различными популяциями, о чем свидетельствует хорошая дискриминирующая способность модели во всех проанализированных популяциях. Крайне важно, что модели SCORE 2-Diabetes были перекалиброваны с использованием репрезентативных на национальном уровне значений заболеваемости - это важный шаг, редко включаемый в разработку шкал оценки риска ССЗ у пациентов с СД [10, 11], который позволяет избежать недостатков неверной калибровки из-за потенциально нерепрезентативных значений заболеваемости в наборах данных, на основе которых разрабатывается шкала.

Факторы масштабирования, которые использовались при корректировке модели SCORE 2-Diabetes, были такими же, как и при корректировке моделей для оценки риска SCORE 2. Этот подход предполагает, что дополнительные показатели возраста на момент постановки диагноза СД, уровня HbA1c и рСКФ у людей с СД не оказывают важного влияния на средние оценки риска с учетом возраста и пола в целевой региональной популяции (включая пациентов с СД и без него). Это допущение проверено с использованием нескольких наборов данных, в основном из регионов низкого и умеренного риска, но следует провести дальнейшие исследования, если в будущем появятся подходящие данные. Сходным образом лучшая представленность потенциального распределения прогнозируемого риска для каждого региона Европы, выделенного по уровню риска, может быть достигнута, если применить перекалиброванные модели SCORE 2-Diabetes к уровням факторов риска из популяций с СД из дополнительных репрезентативных наборов данных для каждого региона, выделенного по уровню риска. Параллельно с представленным в данном исследовании анализом разработаны методы и статистические коды, которые позволят в будущем валидировать и проиллюстрировать модель SCORE 2-Diabetes на специфичных по СД реестрах, когда появятся соответствующие данные [21, 22].

Данные по частоте СН без летального исхода и ЗПА были внесены не во все доступные источники данных, поэтому было невозможно включить их в конечную точку в модели SCORE 2-Diabetes. Однако анализы чувствительности указывали на то, что в то время как дискриминативная способность SCORE 2-Diabetes для этих исходов, по-видимому, будет оставаться хорошей, оценки риска ССЗ могут быть консервативными и занижать потенциальную пользу вмешательств, модифицирующих риск ССЗ, которые также снижают риск СН. Предполагается, что многие люди, использующие алгоритм SCORE 2-Diabetes, уже принимают препараты, влияющие на риск ССЗ, и это допущение учитывается посредством включения таких людей в наборы данных, которые использовались для разработки и перекалибровки моделей. Кроме того, некоторые участники когорт, на основе которых разрабатывалась представленная модель, могли начать профилактическую терапию (например, статинами) в период наблюдения, и учет этого факта может улучшить калибровку модели и ее дискриминирующие способности. Однако предшествующие анализы говорили о том, что включение данных о начале терапии статинами в ходе периода наблюдения приводит лишь к ограниченным улучшениям в прогнозировании риска [35]. Кроме того, полные данные на уровне отдельных участников по лекарственной терапии содержались не во всех источниках данных, использовавшихся для разработки и перекалибровки модели. Это утверждение справедливо также для наличия ССЗ в семейном анамнезе, социально-экономического статуса, этнической принадлежности и альбуминурии, что означает, что интерпретация оценок из модели SCORE 2-Diabetes может требовать самостоятельного суждения врача, особенно в случаях, когда эти факторы могут иметь значение (например, у пациентов с наличием преждевременных ССЗ у близких родственников или из социально-экономических групп более высокого риска и неевропеоидных этнических групп), а также для старших возрастных групп (люди старше 70 лет), когда может требоваться дополнительный учет множественных сопутствующих заболеваний и ожидаемой продолжительности жизни [9, 36]. Хотя модели SCORE 2-Diabetes широко применимы для всех европейских стран, свою роль сохраняют и калькуляторы риска, индивидуальные для каждой страны, которые учитывают специфичные для определенной популяции характеристики (в идеале включая данные по социально-экономическому статусу и этнической принадлежности). С более общей точки зрения сбор более качественных данных как по факторам риска, так и по исходам улучшит качество прогнозирования риска и должен быть неотъемлемой частью совершенствования электронной медицинской документации и ее связи с другими базами данных.

Проведено сравнение результатов, полученных в модели SCORE 2-Diabetes, с результатами, полученными в модели ADVANCE, на наборе данных из SNDR, поскольку он рассматривается как репрезентативный на национальном уровне для популяции пациентов с СД в Швеции. Однако из-за отсутствия данных, альбуминурия использовалась как бинарная, а не как непрерывная переменная, а фибрилляция предсердий не была включена в анализ, что означает, что в данном анализе полные прогностические возможности модели ADVANCE, возможно, не были использованы. Сравнение с другими моделями риска, ранее разработанными для использования у пациентов с СД 2-го типа, как правило, не представлялось возможным, поскольку эти модели включают переменные, которые часто отсутствуют в наборах данных. Сходным образом доступность данных для корректировки очень ограничена, что делает такие модели менее подходящими для использования в разных регионах, выделенных по уровню риска. Дискриминационная способность модели SCORE 2-Diabetes была несколько ниже, чем ранее сообщалось для шкал риска ССЗ в общей популяции [4, 5, 37, 38]. Однако ожидаются более высокие значения С-индекса в когортах из общей популяции, учитывая более широкий возрастной диапазон и гетерогенность значений факторов риска. Кроме того, показатели риска ССЗ в общей популяции обычно предназначаются для использования у людей как с наличием СД, так и без него, при этом зарегистрированные С-индексы включают значительную дискриминативную способность самого статуса СД. С-индексы в настоящем анализе близки к ранее зарегистрированным у людей с СД 2-го типа [7]. В отличие от этого, клиническая результативность моделей прогнозирования риска зависит от способности верно предсказывать уровень риска в целевой популяции (т. е. степень калибровки) [37]. И в этой связи подтверждено, что модель SCORE 2-Diabetes хорошо откалибрована с учетом нынешних уровней абсолютного риска для каждого европейского региона.

Таким образом, проведены разработка, перекалибровка, валидация и демонстрация модели оценки 10-летнего риска SCORE 2-Diabetes, предназначенной для людей с СД в европейских популяциях для прогнозирования 10-летнего риска впервые развившегося ССЗ (структурированная графическая аннотация). Это поможет при разработке рекомендаций по профилактике ССЗ у пациентов с СД 2-го типа в будущем, обеспечив подходящую систему для определения риска, позволяющую повысить точность, практичность и надежность стратегий профилактики ССЗ и поможет правильно подбирать профилактические вмешательства.

Благодарности

Мы выражаем благодарность пациентам с СД, сотрудникам Национальной службы здравоохранения Великобритании (NHS) и организациям (Координационная группа реестра "Шотландские данные по медицинской помощи - сахарный диабет", Шотландская группа по сахарному диабету, Шотландская группа опросов по сахарному диабету и управляемые клинические сообщества по сахарному диабету), которые участвовали в предоставлении данных, разработке, проведении сбора данных (и надзоре за этим процессом) людей с СД в Шотландии. Объединение данных осуществляла служба государственного здравоохранения Шотландии. Шотландская исследовательская сеть по сахарному диабету поддерживается Исследовательским центром Шотландии при NHS, партнерством между правлением NHS Шотландии и офисом главного научного эксперта при правительстве Шотландии.

Мы благодарим исследователей и участников ряда исследований, которые предоставили данные для Группы по поиску новых факторов риска (ERFC).

Это исследование проходило с использованием ресурсов Биобанка Великобритании с номером заявки 13784.

Информация из Базы данных по исследованиям в клинической практике (CPRD) получена по лицензии Управления по контролю лекарственных средств и изделий медицинского назначения Великобритании (протокол 162RMn2). CPRD использует данные, предоставленные пациентами и собранные NHS как часть помощи и поддержки им.

Дополнительные данные

Дополнительные данные см. в онлайн-версии журнала European Heart Journal. URL: https://academic.oup.com/eurheartj/article/44/28/2544/7185610#supplementary-data.

Одобрение этического комитета

Соответствующее одобрение этического комитета и согласие участников были ранее получены во всех исследованиях, данные которых использовались в этой работе (дополнительные данные онлайн).

Доступность данных

Данные, использованные в настоящем исследовании, доступны по обоснованному запросу с условием одобрения отдельными группами, участвовавшими в совместной работе. Шотландские данные, использованные в этой статье, могут быть запрошены у Группы по благосостоянию и конфиденциальности в области здравоохранения и социального обеспечения - более подробно см. по адресу: https:// www.informationgovernance.scot.nhs.uk/pbpphsc.

Конфликт интересов

См. по ссылке: https://academic.oup.com/eurheartj/article/44/28/2544/7185610#supplementary-data

Финансирование

См. по ссылке: https://academic.oup.com/eurheartj/article/44/28/2544/7185610#supplementary-data

Приложение

См. по ссылке: https://academic.oup.com/eurheartj/article/44/28/2544/7185610#supplementary-data

Литература/References

1. Timmis A., Vardas P., Townsend N., Torbica A., Katus H., De Smedt D., et al. European Society of cardiology: cardiovascular disease statistics 2021. Eur Heart J. 2022; 43: 716-99. DOI: https://doi.org/10.1093/eurheartj/ehab892

2. Emerging Risk Factors Collaboration. Diabetes mellitus, fasting blood glucose concentration, and risk of vascular disease: a collaborative meta-analysis of 102 prospective studies. Lancet. 2010; 375: 2215-22. DOI: https://doi.org/10.1016/S0140-6736(10)60484-9

3. Visseren F.L.J., Mach F., Smulders Y.M., Carballo D., Koskinas K.C., Bäck M., et al. 2021 ESC guidelines on cardiovascular disease prevention in clinical practice. Eur Heart J. 2021; 42: 3227-337. DOI: https://doi.org/10.1093/eurheartj/ehab484

4. Goff D.C., Lloyd-Jones D.M., Bennett G., Coady S., D’Agostino R.B., Gibbons R., et al. 2013 ACC/AHA guideline on the assessment of cardiovascular risk: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines. Circulation. 2014; 129: S 49-73. DOI: https://doi.org/10.1161/01.cir.0000437741.48606.98

5. WHO CVD Risk Chart Working Group. World health organization cardiovascular disease risk charts: revised models to estimate risk in 21 global regions. Lancet Glob Health. 2019; 7: e1332-45. DOI: https://doi.org/10.1016/S2214-109X(19)30318-3

6. Hippisley-Cox J., Coupland C., Brindle P. Development and validation of QRISK3 risk prediction algorithms to estimate future risk of cardiovascular disease: prospective cohort study. BMJ. 2017; 357; j2099. DOI: https://doi.org/10.1136/bmj.j2099

7. Dziopa K., Asselbergs F.W., Gratton J., Chaturvedi N., Schmidt A.F. Cardiovascular risk prediction in type 2 diabetes: a comparison of 22 risk scores in primary care settings. Diabetologia. 2022; 65: 644-56. DOI: https://doi.org/10.1007/s00125-021-05640-y

8. Read S.H, van Diepen M., Colhoun H.M., Halbesma N., Lindsay R.S., McKnight J.A., et al. Performance of cardiovascular disease risk scores in people diagnosed with type 2 diabetes: external validation using data from the national Scottish diabetes register. Diabetes Care. 2018; 41: 2010-8. DOI: https://doi.org/10.2337/dc18-0578

9. Berkelmans G.F.N., Gudbjornsdottir S., Visseren F.L.J., Wild S.H., Franzen S., Chalmers J., et al. Prediction of individual life-years gained without cardiovascular events from lipid, blood pressure, glucose, and aspirin treatment based on data of more than 500 000 patients with type 2 diabetes mellitus. Eur Heart J. 2019; 40: 2899-906. DOI: https://doi.org/10.1093/eurheartj/ehy839

10. Kengne A.P., Patel A., Marre M., Travert F., Lievre M., Zoungas S., et al. Contemporary model for cardiovascular risk prediction in people with type 2 diabetes. Eur J Cardiovasc Prev Rehabil. 2011; 18: 393-8. DOI: https://doi.org/10.1177/1741826710394270

11. Stevens R.J., Kothari V., Adler A.I., Stratton I.M.; United Kingdom Prospective Diabetes Study Group. The UKPDS risk engine: a model for the risk of coronary heart disease in type II diabetes (UKPDS 56). Clin Sci (Lond). 2001; 101: 671-9. DOI: https://doi.org/10.1042/CS20000335

12. Hageman S., Pennells L., Ojeda F., Kaptoge S., Kuulasmaa K., de Vries T., et al. SCORE 2 Risk prediction algorithms: new models to estimate 10-year risk of cardiovascular disease in Europe. Eur Heart J. 2021; 42: 2439-54. DOI: https://doi.org/10.1093/eurheartj/ehab309

13. McKnight J.A., Morris A.D., Cline D., Peden N., Fischbacher C., Wild S. Implementing a national quality assurance system for diabetes care: the Scottish diabetes survey 2001-2006. Diabet Med. 2008; 25: 743-6. DOI: https://doi.org/10.1111/j.1464-5491.2008.02453.x

14. Herrett E., Gallagher A.M., Bhaskaran K., Forbes H., Mathur R., van Staa T., et al. Data resource profile: clinical practice research datalink (CPRD). Int J Epidemiol. 2015; 44: 827-36. DOI: https://doi.org/10.1093/ije/dyv098

15. Sudlow C., Gallacher J., Allen N., Beral V., Burton P., Danesh J., et al. UK Biobank: an open access resource for identifying the causes of a wide range of complex diseases of middle and old age. PLoS Med. 2015; 12: e1001779. DOI: https://doi.org/10.1371/journal.pmed.1001779

16. Emerging Risk Factors Collaboration; Danesh J., Erqou S., Walker M., Thompson S.G., Tipping R., Ford C., et al. The emerging risk factors collaboration: analysis of individual data on lipid, inflammatory and other markers in over 1.1 million participants in 104 prospective studies of cardiovascular diseases. Eur J Epidemiol. 2007; 22: 839-69. DOI: https://doi.org/10.1007/s10654-007-9165-7

17. Emerging Risk Factors Collaboration; Angelantonio E., Kaptoge S., Wormser D., Willeit P., Butterworth A.S., Bansal N., et al. Association of cardiometabolic multimorbidity with mortality. JAMA. 2015; 314: 52-60. DOI: https://doi.org/10.1001/jama.2015.7008

18. Gudbjornsdottir S., Cederholm J., Nilsson P.M., Eliasson B.; Steering Committee of the Swedish National Diabetes Register. The national diabetes register in Sweden: an implementation of the st Vincent declaration for quality improvement in diabetes care. Diabetes Care. 2003; 26: 1270-6. DOI: https://doi.org/10.2337/diacare.26.4.1270

19. Mata-Cases M., Mauricio D., Real J., Bolibar B., Franch-Nadal J. Is diabetes mellitus correctly registered and classified in primary care? A population-based study in Catalonia, Spain. Endocrinol Nutr. 2016; 63: 440-8. DOI: https://doi.org/10.1016/j.endonu.2016.07.004

20. Bolibar B., Fina Aviles F., Morros R., Garcia-Gil M. del M., Hermosilla E., Ramos R., et al. SIDIAP database: electronic clinical records in primary care as a source of information for epidemiologic research. Med Clin (Barc) 2012; 138: 617-21. DOI: https://doi.org/10.1016/j.medcli.2012.01.020

21. Carinci F., Štotl I., Cunningham S.G., Poljicanin T., Pristas I., Traynor V., et al. Making use of comparable health data to improve quality of care and outcomes in diabetes: the EUBIROD review of diabetes registries and data sources in Europe. Front Clin Diabetes Healthc. 2021; 2: 744516. DOI: https://doi.org/10.3389/fcdhc.2021.744516

22. Cunningham S.G., Carinci F., Brillante M., Leese G.P., McAlpine R.R., Azzopardi J., et al. Core standards of the EUBIROD project. Defining a European diabetes data dictionary for clinical audit and healthcare delivery. Methods Inf Med. 2016; 55: 166-76. DOI: https://doi.org/10.3414/ME 15-01-0016

23. EUBIROD. NeuBIRO Software. URL: http://www.eubirod.eu/academy/software.html (date of access December, 2022).

24. Di Iorio C.T., Carinci F., Oderkirk J., Smith D., Siano M., de Marco D.A., et al. Assessing data protection and governance in health information systems: a novel methodology of privacy and ethics impact and performance assessment (PEIPA). J Med Ethics. 2021; 47: e23. DOI: https://doi.org/10.1136/medethics-2019-105948

25. Di Iorio C.T., Carinci F., Brillante M., Azzopardi J., Beck P., Bratina N., et al. Cross-border flow of health information: is ‘privacy by design’ enough? Privacy performance assessment in EUBIROD. Eur J Public Health. 2013; 23: 247-53. DOI: https://doi.org/10.1093/eurpub/cks043

26. Di Iorio C.T., Carinci F., Azzopardi J., Baglioni V., Beck P., Cunningham S., et al. Privacy impact assessment in the design of transnational public health information systems: the BIRO project. J Med Ethics. 2009; 35: 753-61. DOI: https://doi.org/10.1136/jme.2009.029918

27. Holman N., Knighton P., Wild S.H., Sattar N., Dew C., Gregg E.W., et al. Cohort profile: national diabetes audit for England and Wales. Diabet Med. 2021; 38: e14616. DOI: https://doi.org/10.1111/dme.14616

28. Wolbers M., Koller M.T., Witteman J.C., Steyerberg E.W. Prognostic models with competing risks: methods and application to coronary risk prediction. Epidemiology. 2009; 20: 555-61. DOI: https://doi.org/10.1097/EDE.0b013e3181a39056

29. Inker L.A., Eneanya N.D., Coresh J., Tighiouart H., Wang D., Sang Y., et al. New creatinine- and cystatin C-based equations to estimate GFR without race. N Engl J Med. 2021; 385: 1737-49. DOI: https://doi.org/10.1056/NEJMoa2102953

30. Collins G.S., Reitsma J.B., Altman D.G., Moons K.G. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement. Ann Intern Med. 2015; 162: 55-63. DOI: https://doi.org/10.7326/M14-0697

31. European Society of Cardiology. URL: https://www.escardio.org/Education/ESC-Prevention-of-CVD-Programme/Risk-assessment/esc-cvd-risk-calculation-app (date of access December, 2022).

32. European Society of Cardiology. URL: https://www.escardio.org/Education/Practice-Tools/CVD-prevention-toolbox/HeartScore (date of access December, 2022).

33. Batty G.D., Gale C.R., Kivimaki M., Deary I.J., Bell S. Comparison of risk factor associations in UK biobank against representative, general population-based studies with conventional response rates: prospective cohort study and individual participant meta-analysis. BMJ. 2020; 368: m131. DOI: https://doi.org/10.1136/bmj.m131

34. K., Coresh J., Sang Y., Chalmers J., Fox C., Guallar E., et al. Estimated glomerular filtration rate and albuminuria for prediction of cardiovascular outcomes: a collaborative meta-analysis of individual participant data. Lancet Diabetes Endocrinol. 2015; 3: 514-25. DOI: https://doi.org/10.1016/S2213-8587(15)00040-6

35. Xu Z., Arnold M., Stevens D., Kaptoge S., Pennells L., Sweeting M.J., et al. Prediction of cardiovascular disease risk accounting for future initiation of statin treatment. Am J Epidemiol. 2021; 190: 2000-14. DOI: https://doi.org/10.1093/aje/kwab031

36. de Vries T., Cooney M.T., Selmer R.M., Hageman S.H.J., Pennells L.A., Wood A., et al. SCORE 2-OP Risk prediction algorithms: estimating incident cardiovascular event risk in older persons in four geographical risk regions. Eur Heart J. 2021; 42: 2455-67. DOI: https://doi.org/10.1093/eurheartj/ehab312

37. Pennells L., Kaptoge S., Wood A., Sweeting M., Zhao X., White I., et al. Equalization of four cardiovascular risk algorithms after systematic recalibration: individual-participant meta-analysis of 86 prospective studies. Eur Heart J. 2019; 40: 621-31. DOI: https://doi.org/10.1093/eurheartj/ehy653

38. Hippisley-Cox J., Coupland C., Vinogradova Y., Robson J., Minhas R., Sheikh A., et al. Predicting cardiovascular risk in England and Wales: prospective derivation and validation of QRISK2. BMJ. 2008; 336: 1475-82. DOI: https://doi.org/10.1136/bmj.39609.449676.25

Материалы данного сайта распространяются на условиях лицензии Creative Commons Attribution 4.0 International License («Атрибуция - Всемирная»)