Download PDF
Diabetologie und Stoffwechsel 2020; 15(06): 454-456
DOI: 10.1055/a-1247-1420
DDG-Preisträger

Der prädiktive Stellenwert der neuen Diabetes-Sub(phäno)typen für diabetesbedingte Komplikationen – Förderpreis der DDG 2020 – eine Kurzübersicht der Geförderten Patricia Zaharia

Oana Patricia Zaharia
1   Institut für Klinische Diabetologie, Deutsches Diabetes-Zentrum, Leibniz-Zentrum für Diabetes-Forschung an der Heinrich-Heine-Universität Düsseldorf
2   Deutsches Zentrum für Diabetesforschung (DZD), München-Neuherberg
3   Universitätsklinik für Endokrinologie und Diabetologie, Medizinische Fakultät, Heinrich-Heine-Universität Düsseldorf
› Author Affiliations
› Further Information
Also available at
    Permissions and Reprints

Hintergrund

Bei Diabetes mellitus handelt es sich um eine heterogene Erkrankung, die unter anderem in der Genese, dem Krankheitsverlauf sowie dem Risiko für die Entwicklung von Komplikationen variiert. Bisherige Klassifikationen berücksichtigen die 2 Hauptformen des Diabetes (Typ-1- und Typ-2-Diabetes), die sich in Bezug auf Insulinsekretion und Insulinsensitivität unterscheiden [1] [2]. Eine kürzlich veröffentliche Arbeit einer schwedischen Arbeitsgruppe schlägt eine neue Einteilung des Diabetes mellitus vor, die möglicherweise helfen könnte, Patienten genauer zu charakterisieren und gezieltere Diagnose- und Therapieverfahren zu wählen [3] [4] [5]. Mithilfe einer Clusteranalyse werden dabei Patienten mit Typ-1- und Typ-2-Diabetes in 5 Subgruppen eingeteilt. Die Einteilung der Cluster basiert auf 6 Variablen: Vorhandensein von diabetesrelevanten Autoantikörpern, Alter bei Diabetesdiagnose, BMI, HbA1c-Wert, Schätzungen der Betazellfunktion – Homeostasis Model Assessment (HOMA-B) und Insulinresistenz (HOMA-IR). Die HOMA Indices lassen sich aus Nüchtern-Blutglukose und Nüchtern-C-Peptid berechnen [6].



Publication History

Article published online:
08 December 2020

© 2020. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany

 

  • Literatur

  • 1 World Health Organisation. Classification of diabetes mellitus. 2019
    PubMedSearch in Google Scholar
  • 2 American Diabetes Association: 2. Classification and Diagnosis of Diabetes: Standards of Medical Care in Diabetes – 2020. Diabetes Care 2020; 43: S14
    CrossrefPubMedSearch in Google Scholar
  • 3 Ahlqvist E, Storm P, Karajamaki A. et al. Novel subgroups of adult-onset diabetes and their association with outcomes: a data-driven cluster analysis of six variables. Lancet Diabetes Endocrinol 2018; 6: 361-369
    CrossrefPubMedSearch in Google Scholar
  • 4 van Gemert T, Zaharia OP, Roden M. et al. Die 5 Cluster des Diabetes – eine neue/alternative Klassifikation?. Diabetes aktuell 2019; 17: 178-183
    Thieme ConnectSearch in Google Scholar
  • 5 Zaharia OP, Szendrödi J. Subphänotypen des Diabetes. Der Diabetologe 2019; 15: 288-295
    CrossrefSearch in Google Scholar
  • 6 Wallace TM, Levy JC, Matthews DR. Use and abuse of HOMA modeling. Diabetes Care 2004; 27: 1487-1495
    CrossrefPubMedSearch in Google Scholar
  • 7 European Association for the Study of the Liver (EASL). EASL-EASD-EASO Clinical Practice Guidelines for the management of non-alcoholic fatty liver disease. Journal of hepatology 2016; 64: 1388-1402
    CrossrefPubMedSearch in Google Scholar
  • 8 Tilg H, Moschen AR, Roden M. NAFLD and diabetes mellitus. Nature reviews Gastroenterology & hepatology 2017; 14: 32-42
    CrossrefPubMedSearch in Google Scholar
  • 9 Dulai PS, Singh S, Patel J. et al. Increased risk of mortality by fibrosis stage in nonalcoholic fatty liver disease: Systematic review and meta-analysis. Hepatology 2017; 65: 1557-1565
    CrossrefPubMedSearch in Google Scholar
  • 10 Prasad RB, Groop L. Precision medicine in type 2 diabetes. J Intern Med 2019; 285: 40-48
    CrossrefPubMedSearch in Google Scholar
  • 11 Del Prato S. Heterogeneity of diabetes: heralding the era of precision medicine. The Lancet Diabetes & Endocrinology 2019; 7: 659-661
    CrossrefPubMedSearch in Google Scholar
  • 12 Szendroedi J, Saxena A, Weber KS. for the Group GDS. et al. Cohort profile: the German Diabetes Study (GDS). Cardiovasc Diabetol 2016; 15: 59
    CrossrefPubMedSearch in Google Scholar
  • 13 Zaharia OP, Strassburger K, Strom A. et al. Risk of diabetes-associated diseases in subgroups of patients with recent-onset diabetes: a 5-year follow-up study. Lancet Diabetes Endocrinol 2019; 7: 684-694
    Search in Google Scholar
  • 14 Gancheva S, Jelenik T, Alvarez-Hernandez E. et al. Interorgan Metabolic Crosstalk in Human Insulin Resistance. Physiological reviews 2018; 98: 1371-1415
    CrossrefPubMedSearch in Google Scholar
  • 15 Koliaki C, Szendroedi J, Kaul K. et al. Adaptation of hepatic mitochondrial function in humans with non-alcoholic fatty liver is lost in steatohepatitis. Cell Metab 2015; 21: 739-746
    CrossrefPubMedSearch in Google Scholar
  • 16 Liu YL, Reeves HL, Burt AD. et al. TM6SF2 rs58542926 influences hepatic fibrosis progression in patients with non-alcoholic fatty liver disease. Nature Communications 2014; 5: 4309
    CrossrefPubMedSearch in Google Scholar
  • 17 Zaharia OP, Strassburger K, Knebel B. et al. Role of Patatin-Like Phospholipase Domain–Containing 3 Gene for Hepatic Lipid Content and Insulin Resistance in Diabetes. Diabetes Care 2020; 43 (09) 2161-2168
    CrossrefPubMedSearch in Google Scholar
  • 18 El-Agroudy NN, Kurzbach A, Rodionov RN. et al. Are Lifestyle Therapies Effective for NAFLD Treatment?. Trends in endocrinology and metabolism: TEM 2019; 30: 701-709
    CrossrefPubMedSearch in Google Scholar
  • 19 Kahl S, Gancheva S, Straßburger K. et al. Empagliflozin Effectively Lowers Liver Fat Content in Well-Controlled Type 2 Diabetes: A Randomized, Double-Blind, Phase 4, Placebo-Controlled Trial. Diabetes Care 2020; 43: 298-305
    CrossrefPubMedSearch in Google Scholar