Investigadors del grup de recerca Salut Global de l'IdISBa, de la Universitat de les Illes Balears i del CIBER d’Epidemiologia i Salut Pública; i del Servei de Riscos Laborals de l'IB-Salut han publicat un estudi sobre la identificació dels factors de risc per desenvolupar diabetis tipus 2 en una població adulta amb prediabetis utilitzant una metodologia de xarxes Bayesianes.
Pilar Fuster-Parra
, Aina M Yáñez, Antoni Aguilo i Miquel Bennasar-Veny, investigadores i investigadors del Research Group on Global Health and Human Development de l'IdISBa; Arturo López-González, metge de Prevenció de Riscos Laborals de l'IB-Salut; han publicat l'article amb el títol "Identifying risk factors of developing type 2 diabetes from an adult population with initial prediabetes using a Bayesian network" a la revista Frontiers in Public Health.
Les persones amb prediabetis (nivells de glucosa en sang més alts del normal) tenen un major risc de desenvolupar diabetis tipus 2 (DMT2). Hi ha pocs estudis que hagin avaluat la influència dels factors relacionats amb l'estil de vida i el risc de progressió a diabetis.
Aquest estudi longitudinal de seguiment de cinc anys avalua els factors de risc per a la progressió a DMT2 en població laboral amb prediabetis utilitzant un model de xarxes Bayesianes i de la manta de Markov.
Els resultats de l'estudi van mostrar que l'obesitat i els alts nivells d'hemoglobina glicada (HbA1c) són determinants per a la progressió a DMT2 en persones amb prediabetis. I, que l'activitat física és un important factor protector fins i tot en presència d'altres factors de risc. El risc de progressió a DMT2 és molt elevat (més del 50% de risc) en pacients obesos amb prediabetis, independentment dels valors de HbA1c. No obstant això, els nivells elevats de HbA1c poden ajudar a distingir els pacients amb sobrepès que es convertiran dels que no.
La modelització Bayesiana és un enfocament pràctic per a fins clínics, ja que proporciona estimacions de probabilitat per a diferents escenaris que tant els clínics com els pacients podrien interpretar fàcilment. I, per tant, podrien servir per a ajudar als clínics en la gestió de l'avaluació dels factors de risc i presa de decisions (si intervenir o demanar proves complementàries) i per motivar als pacients a adoptar un estil de vida més saludable que redueixi el seu risc de DMT2.
La intervenció precoç és essencial per a la prevenció de la DMT2, i les xarxes Bayesianes poden permetre als clínics identificar als pacients amb alt risc de desenvolupar DMT2.
Referència de l'article
Fuster-Parra P, Yañez AM, López-González A, Aguiló A, Bennasar-Veny M. Identifying risk factors of developing type 2 diabetes from an adult population with initial prediabetes using a Bayesian network. Front Public Heal. 2023 Jan 12;10:5263. doi: 10.3389/fpubh.2022.103502. PubMed PMID: 36711374.Enllaços Bibliosalut |
Text completMètriques
 Altmetric |
[Font: Bibliosalut]
[Foto: Conselleria d'Afers Socials i Esports]
