Subscribe to RSS
DOI: 10.1055/s-0039-1688166
Stratifizierung des Prädiabetes in neue Subphänotypen mittels glykämischer Variablen, Körperfettverteilung, Leberfett und eines genetischen Risikoscores
Publication History
Publication Date:
07 May 2019 (online)
Hintergrund:
Vor der Entstehung des Typ 2 Diabetes besteht eine längere prädiabetische Übergangsphase, die aktuell aufgrund der Glukosewerte im oralen Glukosetoleranztest (OGTT) klassifiziert wird. Wir stellten die Frage, ob eine neue Klassifikation den Krankheitsverlauf samt Folgeerkrankungen besser vorhersagen könnte, falls weitere Biomarker einbezogen werden.
Methoden:
Mit einer Partitionierungsmethode definieren wir neue Prädiabetes-Subphenotypen aus Daten einer extensiv phänotypisierten Kohorte von Probanden mit erhöhtem Diabetes-Risiko (N = 899, 41% Prädiabetes). Die folgenden 8 Variablen wurden genutzt: Fläche unter der Glukosekurve im OGTT, Insulinsensitivität, Insulinsekretion, die Menge des Leberfettes, des subkutanen Fettes und des viszeralen Fettes, HDL-Cholesterin und ein genetisches Risikoscore.
Ergebnisse:
Von den optimal definierten 6 Clustern haben Cluster 1,2 und 4 normale Glykämie und niedriges Leberfett. Cluster 3 und 5 hatten die höchste Glykämie. Cluster 3 war durch niedrige Insulinsekretion, niedriges Leberfett, und hohes genetisches Risiko charakterisiert. Cluster 5 hatte viel Leberfett und viszerales Fett und eine extreme Insulinresistenz bei niedrigerem genetischem Risiko. Cluster 6 hatte mehr viszerales Fett aber weniger Leberfett als Cluster 5, dabei bessere Sekretion und Glykämie. Die höchste Diabetesinzidenz war im Cluster 5 und 3 zu beobachten. Die Begleitung einer Subgruppe über 5 Jahre zeigte höhere Mikroalbuminurie-Inzidenzen für Cluster 5 und 6, unabhängig vom Alter und Geschlecht. Cluster 3, 5 und 6 hatten höhere Intima Media Dicke der Carotiden, einem Frühmarker der Arteriosklerose.
Diskussion:
Unterschiedliche Muster von Körperfettverteilung, Insulinsensitivität, Insulinsekretion und genetischem Risiko grenzen Prädiabetes-Subphänotypen mit unterschiedlichen Risikoprofilen ab. Diese Daten zeigen, dass eine komplexe Phänotypisierung spezifische Hochrisikoindividuen für Diabetes und Folgeerkrankungen bereits im frühen Stadium identifizieren kann.