Iranian Risk Model as a Predictive Tool for Retinopathy in Patients with Type 2 Diabetes

ObjectiveDiabetic retinopathy (DR) is the leading cause of blindness in patients with type 1 or type 2 diabetes. The gold standard for the detection of DR requires expensive equipment. This study was undertaken to develop a simple and practical scoring system to predict the probability of DR.MethodsA total of 1782 patients who had first-degree relatives with type II diabetes were selected. Eye examinations were performed by an expert ophthalmologist. Biochemical and anthropometric predictors of DR were measured. Logistic regression was used to develop a statistical model that can be used to predict DR. Goodness of fit was examined using the Hosmer-Lemeshow test and the area under the receiver operating characteristic (ROC) curve.ResultsThe risk model demonstrated good calibration and discrimination (ROC area=0.76) in the validation sample. Factors associated with DR in our model were duration of diabetes (odds ratio [OR]=2.14, confidence interval [CI] 95%=1.87 to 2.45); glycated hemoglobin (A1C) (OR=1.21, CI 95%=1.13 to 1.30); fasting plasma glucose (OR=1.83, CI 95%=1.28 to 2.62); systolic blood pressure (OR=1.01, CI 95%= 1.00 to 1.02); and proteinuria (OR=1.37, CI 95%=1.01 to 1.85). The only factor that had a protective effect against DR were body mass index and education level (OR=0.95, CI 95%=0.92 to 0.98).ConclusionsThe good performance of our risk model suggests that it may be a useful risk-prediction tool for DR. It consisted of the positive predictors like A1C, diabetes duration, sex (male), fasting plasma glucose, systolic blood pressure and proteinuria, as well as negative risk factors like body mass index and education level.

RésuméObjectifLa rétinopathie diabétique (RD) est la cause principale de cécité des patients souffrant de diabète de type 1 ou de type 2. Le critère de référence de la détection de la RD exige du matériel coûteux. Cette étude a été entreprise pour élaborer un système de notation simple et pratique pour prédire la probabilité de RD.MéthodesUn total de 1782 patients qui avaient de la famille de premier degré qui souffrait de diabète de type II ont été sélectionnés. Des examens ophtalmologiques ont été réalisés par un ophtalmologiste spécialisé. Les prédicteurs biochimiques et anthropométriques de la RD ont été mesurés. La régression logistique a été utilisée pour élaborer un modèle statistique qui peut être utilisé pour prédire la RD. La validité de l’ajustement a été examinée à l’aide du test de Hosmer et Lemeshow et de la surface sous la courbe caractéristique d’efficacité du récepteur (ROC).RésultatsLe modèle de risque a démontré un bon étalonnage et une bonne discrimination (surface ROC = 0,76) dans l’échantillon de validation. Dans notre modèle, les facteurs associés à la RD étaient la durée du diabète (ratio d’incidence approché [RIA] = 2,14, intervalle de confiance [IC] à 95 % = 1,87 à 2,45), l’hémoglobine glyquée (A1c; RIA = 1,21, IC à 95 % = 1,13 à 1,30), la glycémie veineuse à jeun (RIA = 1,83, IC à 95 % = 1,28 à 2,62), la pression artérielle systolique (RIA= 1,01, IC à 95 % = 1,00 à 1,02) et la protéinurie (RIA = 1,37, IC à 95 % = 1,01 à 1,85). Le seul facteur qui a eu un effet protecteur contre la RD était l’indice de masse corporelle et le niveau d’instruction (RIA = 0,95, IC à 95 % = 0,92 à 0,98).ConclusionsLa bonne performance de notre modèle de risque montre qu’il peut être un outil de prédiction du risque utile de RD. Il comprenait les prédicteurs positifs tels que l’A1c, la durée du diabète, le sexe (masculin), la glycémie veineuse à jeun, la pression artérielle systolique et la protéinurie, ainsi que les facteurs de risque négatifs tels que l’indice de masse corporelle et le niveau d’instruction.