Escore de risco para predizer incidência de diabetes tipo 2 no pós-parto de mulheres com diabetes gestacional no estudo LINDA-Brasil

Abstract

Este trabalho teve como objetivo desenvolver um escore de risco para classificar mulheres com diabetes mellitus gestacional (DMG) em grupos de alto e baixo risco para o desenvolvimento de diabetes mellitus tipo 2 (DM2) após o parto. Para isso, foram ajustados modelos de regressão logística com diferentes combinações de variáveis clínicas e laboratoriais, utilizando dados do estudo LINDA-Brasil (Lifestyle Intervention for Diabetes Prevention After Pregnancy). A seleção dos modelos foi baseada em sua capacidade discriminativa, avaliada pela área sob a curva ROC (AUC), resultando em dois modelos finais: um composto apenas por variáveis clínicas (N = 1835, AUC = 0,736) e outro que incluiu variáveis clínicas e laboratoriais (N = 1255, AUC = 0,771). Esses modelos foram então utilizados como escores de risco, definindo-se os pontos de corte a partir do ponto ótimo de Youden para classificar as participantes em grupos de alto e baixo risco. O escore clínico apresentou sensibilidade de 68,6%, especificidade de 72,4%, valor preditivo positivo (VPP) de 30,2% e valor preditivo negativo (VPN) de 93,0%, classificando 33,7% das participantes como de alto risco. Já o escore clínico-laboratorial apresentou sensibilidade de 70,6%, especificidade de 79,4%, VPP de 33,6% e VPN de 94,8%, classificando 27,0% das participantes como de alto risco.

This study aimed to develop a risk score to classify women with gestational diabetes mellitus (GDM) into high- and low-risk groups for developing type 2 diabetes mellitus (T2DM) after delivery. Logistic regression models were fitted using different combinations of clinical and laboratory variables, based on data from the LINDABrasil (Lifestyle Intervention for Diabetes Prevention After Pregnancy) study. Model selection was based on discriminative ability, assessed by the area under the ROC curve (AUC), resulting in two final models: one including only clinical variables (N = 1835, AUC = 0.736) and another including both clinical and laboratory variables (N = 1255, AUC = 0.771). These models were then used as risk scores, with cut-off points determined by the Youden index to classify participants into high- and low-risk groups. The clinical score showed a sensitivity of 68.6%, specificity of 72.4%, positive predictive value (PPV) of 30.2%, and negative predictive value (NPV) of 93.0%, classifying 33.7% of participants as high risk. The clinicallaboratory score demonstrated a sensitivity of 70.6%, specificity of 79.4%, PPV of 33.6%, and NPV of 94.8%, classifying 27.0% of participants as high risk.