Sviluppo e valutazione di modelli di predizione del rischio di malattie cardiovascolari per pazienti con diabete di tipo 2

Perché questa ricerca è importante per le persone con diabete

Le malattie cardiache sono la principale causa di morte per chi convive con il diabete di tipo 2, eppure i medici si affidano spesso a calcolatori di rischio sviluppati per la popolazione generale. Questo studio pone una domanda semplice ma dalle grandi conseguenze: possiamo fare di meglio per le persone con diabete costruendo uno strumento di rischio su misura per loro, e quel modello può funzionare in modo equo per persone di differenti sessi e origini razziali ed etniche?

I problemi cardiaci e il diabete vanno di pari passo

Gli adulti con diabete di tipo 2 hanno probabilità molto più alte di avere infarti, ictus e insufficienza cardiaca rispetto alle persone senza diabete. Gli strumenti di predizione esistenti, come le ampiamente usate Pooled Cohort Equations e i più recenti punteggi PREVENT, stimano chi è probabile che sviluppi malattie cardiovascolari nel prossimo decennio. Tuttavia, questi strumenti non sono stati progettati specificamente per le persone con diabete di tipo 2, potrebbero non riflettere i trattamenti e gli stili di vita odierni e sono stati costruiti prevalentemente su dati di adulti bianchi e neri. Rimangono quindi dubbi su quanto siano accurati ed equi per il gruppo eterogeneo di pazienti che si presenta realmente nelle cliniche.

Un nuovo modo per stimare il rischio cardiaco a breve termine

Per colmare questa lacuna, i ricercatori si sono rivolti al programma All of Us degli National Institutes of Health, un grande studio sanitario particolarmente diversificato che include cartelle cliniche elettroniche estese, risultati di laboratorio e risposte a questionari. Hanno selezionato 23.795 adulti di età pari o superiore a 40 anni con diabete di tipo 2 e li hanno seguiti per diversi anni per vedere chi sviluppava eventi cardiaci maggiori, inclusi infarti, ictus o insufficienza cardiaca. Con queste informazioni hanno costruito un modello statistico di sopravvivenza progettato per prevedere la probabilità che ciascuna persona abbia uno di questi eventi entro i prossimi tre anni, basandosi su fattori come età, pressione arteriosa, esami di laboratorio, anamnesi, terapie farmacologiche e condizioni sociali come stabilità abitativa e reddito.

Ciò che si è dimostrato più rilevante

Quando il team ha esplorato il modello per capire quali fattori avessero maggior peso, è emerso uno schema chiaro. Per l'intero gruppo di pazienti, una storia pregressa di malattia cardiovascolare è risultata di gran lunga il segnale di avvertimento più forte per un nuovo evento futuro. Tra le persone senza malattia cardiaca precedente, l'età è diventata il fattore principale. Anche misure legate ai reni, come una storia di malattia renale e esami ematici quali creatinina e calcio, sono salite in cima alla classifica, evidenziando il legame stretto tra salute renale e problemi cardiaci nelle persone con diabete. Sorprendentemente, anche diverse caratteristiche sociali ed economiche, tra cui stato occupazionale, istruzione e tipologia abitativa, hanno avuto grande influenza, sottolineando come le condizioni di vita quotidiane modellino i rischi per la salute insieme alla biologia.

Mettere alla prova il nuovo modello

I ricercatori hanno quindi verificato come il loro nuovo modello mirato al diabete si comportasse rispetto alle equazioni PREVENT. Nel gruppo di test di quasi 4.800 pazienti, il nuovo modello ha ordinato in modo più accurato chi era a rischio più alto o più basso, sia nel campione complessivo sia tra coloro senza malattia cardiaca pregressa. Ha inoltre prodotto stime di rischio che si sono allineate da vicino con quanto osservato nei tre anni, mentre PREVENT tendeva a sovrastimare il rischio, specialmente per i pazienti meno propensi a sperimentare un evento. Per valutare l'equità, il team ha usato misure speciali che tengono conto delle persone che lasciano lo studio o che hanno problemi di salute concorrenti. Tra i gruppi per sesso e per razza/etnia, il nuovo modello ha generalmente mostrato maggiore accuratezza e divari di prestazione simili o minori rispetto a PREVENT.

Bilanciare accuratezza ed equità

Lo studio ha anche esplorato se includere razza ed etnia come input aiutasse o penalizzasse l'equità. Quando i ricercatori hanno rimosso queste variabili dal modello, l'accuratezza complessiva è diminuita e le prestazioni sono peggiorate per la maggior parte dei sottogruppi. Mantenere razza ed etnia nel modello, combinato con informazioni ricche sulle condizioni sociali ed economiche, ha prodotto sia previsioni migliori sia prestazioni più uniformi tra i gruppi in questo dataset. Gli autori avvertono che si tratta di una questione complessa e dipendente dal contesto, ma i loro risultati suggeriscono che, almeno in questo contesto, l'uso di razza ed etnia può aiutare a evitare la sottostima del rischio per alcuni pazienti.

Cosa significa per pazienti e clinici

In termini chiari, il lavoro mostra che un calcolatore di rischio costruito specificamente per le persone con diabete di tipo 2, utilizzando dati moderni e diversificati, può stimare meglio il rischio cardiaco a breve termine rispetto a uno strumento unico per tutti. Catturando la salute renale e le circostanze sociali insieme ai fattori di rischio tradizionali, il nuovo modello può aiutare i clinici a identificare con maggiore precisione quali pazienti necessitano di prevenzione più aggressiva e quali possono evitare trattamenti inutili. Pur necessitando ancora di test in altri sistemi sanitari, questo approccio rappresenta un passo verso una valutazione del rischio cardiaco più precisa e più equa per i milioni di adulti che vivono con il diabete di tipo 2.

Citazione: Yang, Y., Liu, T., Liao, CY. et al. Development and evaluation of cardiovascular disease risk prediction models for patients with type 2 diabetes. Sci Rep 16, 15574 (2026). https://doi.org/10.1038/s41598-026-45129-5

Parole chiave: malattie cardiovascolari, diabete di tipo 2, predizione del rischio, equità sanitaria, modellizzazione della sopravvivenza