Modelo de predicción de la diabetes tipo 2 en China: una revisión sistemática de cinco años

Área de la Ciencia:

• Salud pública
• Epidemiología
• Estadísticas biológicas

Sus antecedentes:

• China enfrenta una carga significativa de diabetes tipo 2 (DT2) y sus complicaciones.
• Los modelos precisos de predicción del riesgo de T2D son cruciales para la intervención temprana en poblaciones de alto riesgo.
• Los modelos chinos actuales de riesgo de enfermedad de tipo 2 presentan limitaciones metodológicas y de aplicación clínica.

Objetivo del estudio:

• Revisar y sintetizar sistemáticamente los modelos de predicción de riesgos T2D existentes desarrollados en China.
• Identificar las deficiencias de los modelos actuales en cuanto a metodología y utilidad clínica.
• Proporcionar recomendaciones para el desarrollo de modelos de predicción de riesgo T2D de mayor calidad en China.

Principales métodos:

• Revisión sistemática de la literatura siguiendo las directrices de PRISMA (octubre de 2019 - octubre de 2024).
• Buscado PubMed, CNKI y Web of Science para modelos de predicción de riesgo de T2D en poblaciones chinas no diabéticas.
• Se analizaron 20 estudios seleccionados en función del tipo de modelo, la selección de variables, la validación y el rendimiento.

Principales resultados:

• Veinte estudios utilizaron diversos métodos estadísticos y de aprendizaje automático, con AUC que oscilaron entre 0,728 y 0,977.
• La validación externa limitada (1 estudio) y el binning variable (45%) pueden dificultar la generalización del modelo.
• Las variables clave como el estilo de vida, los factores socioeconómicos y los antecedentes culturales se omitieron en gran medida, lo que afectó a la representatividad.

Conclusiones:

• Los modelos chinos de predicción del riesgo de enfermedad de tipo 2 se encuentran en una fase temprana de desarrollo, con una validación insuficiente y una cobertura incompleta de los factores.
• La investigación futura debe dar prioridad a la validación externa multicéntrica y estandarizar los procesos de modelado.
• La incorporación de variables sociales y de comportamiento multidimensionales es esencial para mejorar la utilidad y aplicabilidad clínicas.