Điều trị tiểu đường chính xác đã được chứng minh: Thuật toán lựa chọn SGLT2i và DPP4i hoạt động chính xác trong các nhóm dân tộc chính của Anh

Những điểm nổi bật

• Xác nhận bên ngoài cho thấy thuật toán lâm sàng để lựa chọn giữa các chất ức chế SGLT2 (SGLT2i) và DPP4 (DPP4i) chính xác trong các nhóm dân tộc da trắng, da đen, Nam Á và lai/khác ở Anh.
• Trong khi dự đoán SGLT2i mạnh mẽ trong tất cả các nhóm, cần hiệu chỉnh nhỏ cho dự đoán DPP4i do phản ứng glucose cao hơn mong đợi.
• Lợi thế glucose dự đoán của SGLT2i so với DPP4i rõ ràng nhất ở người dân tộc da trắng (3.7 mmol/mol) so với người Nam Á (2.1 mmol/mol) và người da đen (0.6 mmol/mol).
• Kết quả hỗ trợ tính thực tế lâm sàng của mô hình lựa chọn MASTERMIND như một công cụ quản lý tiểu đường cá nhân hóa trong các dân số đa dân tộc.

Giới thiệu: Sự chuyển đổi hướng tới y học chính xác trong tiểu đường

Quản lý bệnh tiểu đường tuýp 2 (T2D) đã phát triển nhanh chóng trong thập kỷ qua. Với sự ra đời của nhiều lớp thuốc—đặc biệt là chất ức chế SGLT2 và DPP4—bác sĩ thường phải đối mặt với việc lựa chọn thuốc nào để kê đơn làm thuốc thứ hai hoặc thứ ba. Hướng dẫn hiện tại thường cung cấp các khuyến nghị chung, nhưng đáp ứng cá nhân đối với các loại thuốc này có thể thay đổi đáng kể dựa trên các loại hình lâm sàng, bao gồm tuổi, BMI, chức năng thận và dân tộc. Y học chính xác nhằm vượt qua cách tiếp cận một kích thước phù hợp với mọi người bằng cách sử dụng mô hình dự đoán để xác định bệnh nhân nào sẽ được hưởng lợi nhiều nhất từ một liệu pháp cụ thể.

Tuy nhiên, nhiều mô hình dự đoán được phát triển dựa trên dữ liệu từ dân số chủ yếu là người da trắng, gây ra lo ngại về khả năng tổng quát hóa và công bằng khi áp dụng cho các nhóm dân tộc đa dạng. Nghiên cứu của Güdemann et al., được công bố trên The Lancet Regional Health – Europe, giải quyết khoảng cách quan trọng này bằng cách xác nhận một thuật toán lựa chọn điều trị trong các nhóm dân tộc chính ở Vương quốc Anh.

Thách thức về sự đa dạng dân tộc trong mô hình lâm sàng

Dân tộc là một biến phức tạp trong nghiên cứu y học, bao gồm tổ tiên di truyền, các yếu tố kinh tế-xã hội, thói quen ăn uống và quyền tiếp cận chăm sóc sức khỏe. Trong bệnh tiểu đường tuýp 2, sự khác biệt về bệnh sinh lý học theo dân tộc—như sự thay đổi về độ nhạy insulin và chức năng tế bào beta—có thể ảnh hưởng đến hiệu quả của thuốc. Ví dụ, dân tộc Nam Á thường mắc T2D ở BMI thấp hơn và ở độ tuổi trẻ hơn so với dân tộc da trắng, điều này có thể thay đổi phản ứng glucose đối với SGLT2i hoặc DPP4i.

Trước khi một mô hình dự đoán có thể được triển khai an toàn trong thực hành lâm sàng, nó phải trải qua quá trình xác nhận bên ngoài nghiêm ngặt. Điều này đảm bảo rằng các dự đoán của mô hình vẫn chính xác trong dân số thực tế khác với nhóm phát triển ban đầu. Nghiên cứu này nhằm xác định xem mô hình được phát triển để dự đoán sự thay đổi HbA1c sau 6 tháng có thể hướng dẫn lựa chọn liệu pháp cho bệnh nhân da trắng, da đen, Nam Á và lai/khác hay không.

Thiết kế nghiên cứu và phương pháp

Nghiên cứu theo dõi hồi cứu này sử dụng cơ sở dữ liệu CPRD Aurum, một kho dữ liệu quy mô lớn của hồ sơ chăm sóc sức khỏe sơ cấp ở Anh. Các nhà nghiên cứu đã xác định 145.556 người không dùng insulin có bệnh tiểu đường tuýp 2 bắt đầu sử dụng SGLT2i (n = 57.749) hoặc DPP4i (n = 87.807) từ năm 2013 đến 2020. Nhóm này hoàn toàn độc lập với dân số được sử dụng để phát triển mô hình lựa chọn ban đầu.

Dân số được phân loại thành bốn nhóm dân tộc chính tự khai báo:

• Da trắng: 114.287 (78,5%)
• Nam Á: 20.969 (14,4%)
• Da đen: 6.663 (4,6%)
• Lai/khác: 3.637 (2,5%)

Kết quả chính là sự thay đổi HbA1c sau 6 tháng từ khi bắt đầu. Các nhà nghiên cứu áp dụng quy trình kiểm tra đóng để đánh giá xem mô hình có cần hiệu chỉnh chặn (intercept) hoặc độ dốc (slope) cho từng dân tộc cụ thể hay không. Độ chính xác hiệu chỉnh được đánh giá bằng cách so sánh sự khác biệt dự đoán về phản ứng glucose với kết quả quan sát được.

Những phát hiện chính: Hiệu suất mô hình và hiệu chỉnh

Yêu cầu hiệu chỉnh

Nghiên cứu cho thấy mô hình gốc đã slight underestimates sự phản ứng glucose đối với chất ức chế DPP4 trong tất cả các nhóm. Cần điều chỉnh nhỏ mô hình (hiệu chỉnh chặn) để bù đắp sự giảm HbA1c lớn hơn dự đoán cho DPP4i. Các điều chỉnh cần thiết là 1.6 mmol/mol cho người da trắng, 3.0 mmol/mol cho người da đen, 2.6 mmol/mol cho người Nam Á và 2.6 mmol/mol cho nhóm lai/khác. Thú vị thay, các dự đoán về phản ứng SGLT2i rất chính xác và không cần điều chỉnh cho các nhóm dân tộc không phải da trắng.

Tác dụng điều trị khác biệt

Sau khi cập nhật mô hình, nó đã thành công trong việc dự đoán tác dụng điều trị khác biệt (sự khác biệt trong việc giảm HbA1c giữa SGLT2i và DPP4i) cho tất cả các nhóm. Tuy nhiên, mức độ khác biệt này thay đổi đáng kể theo dân tộc:

• Người da trắng: SGLT2i được dự đoán sẽ giảm HbA1c nhiều hơn 3.7 mmol/mol so với DPP4i (KTC 95% 3.5–3.9).
• Nam Á: SGLT2i được dự đoán hiệu quả hơn 2.1 mmol/mol so với DPP4i (KTC 95% 1.6–2.6).
• Da đen: SGLT2i được dự đoán chỉ hiệu quả hơn 0.6 mmol/mol so với DPP4i (KTC 95% 0.5–1.7).
• Lai/khác: SGLT2i hiệu quả hơn 2.6 mmol/mol so với DPP4i (KTC 95% 1.4–3.8).

Những phát hiện này cho thấy mặc dù SGLT2i nói chung cung cấp sự giảm glucose lớn hơn DPP4i trong mọi trường hợp, lợi ích tương đối của nó hẹp hơn đáng kể ở bệnh nhân da đen và Nam Á so với bệnh nhân da trắng.

Bình luận chuyên gia: Tác động lâm sàng và phương pháp luận

Xác nhận mô hình này là một bước tiến quan trọng đối với y học chính xác trong tiểu đường. Việc mô hình vẫn được hiệu chỉnh tốt cho tất cả các nhóm dân tộc sau khi chỉ cần điều chỉnh nhỏ là điều đáng khích lệ. Nó cho thấy các đặc điểm lâm sàng—như HbA1c ban đầu, chức năng thận và tuổi—chụp lại nhiều biến dị sinh học thúc đẩy đáp ứng thuốc, bất kể dân tộc mà bệnh nhân tự khai báo.

Tuy nhiên, nhu cầu hiệu chỉnh cho các phản ứng DPP4i nhấn mạnh một bài học quan trọng trong thông tin lâm sàng: các mô hình không phải là “cắm và chạy”. Các yếu tố địa phương, bao gồm sự thay đổi trong thói quen kê đơn theo thời gian hoặc các đặc điểm cụ thể của dân số không được mô hình ban đầu bắt giữ, có thể ảnh hưởng đến hiệu suất. Các nhà nghiên cứu đã đúng khi đề xuất rằng hiệu chỉnh đơn giản nên là một bước tiêu chuẩn trước khi triển khai các thuật toán như vậy trong các môi trường chăm sóc sức khỏe mới hoặc các dân số đa dạng.

Từ góc độ lâm sàng, lợi ích khác biệt nhỏ của SGLT2i ở bệnh nhân da đen và Nam Á là đáng chú ý. Mặc dù SGLT2i vẫn được ưa chuộng vì lợi ích tim mạch và thận, sự chênh lệch glucose giữa chúng và DPP4i nhỏ hơn trong các dân số này. Thông tin này có thể giúp bác sĩ quản lý kỳ vọng và cá nhân hóa liệu pháp khi kiểm soát glucose là mục tiêu cấp bách.

Hạn chế của nghiên cứu

Các nhà nghiên cứu đã công nhận một số hạn chế. Thứ nhất, dân tộc được tự khai báo, là đại diện cho một loạt các yếu tố sinh học và xã hội phức tạp. Thứ hai, nhóm “lai/khác” rất đa dạng, khiến việc rút ra kết luận cụ thể cho các cá nhân trong nhóm đó khó khăn. Cuối cùng, nghiên cứu tập trung vào phản ứng glucose (HbA1c); nó không đánh giá các kết quả tim mạch hoặc thận dài hạn, cũng là các yếu tố quan trọng trong việc lựa chọn giữa SGLT2i và DPP4i.

Kết luận: Những thông điệp thực tế cho bác sĩ

Xác nhận mô hình lựa chọn SGLT2i-DPP4i trong một nhóm dân số đa dạng lớn của chăm sóc sức khỏe sơ cấp Anh cung cấp bằng chứng mạnh mẽ về tính thực dụng của nó. Những điểm chính cần nhớ là:

• Mô hình dự đoán chính xác bệnh nhân nào sẽ đạt được kiểm soát glucose tốt hơn trên SGLT2i so với DPP4i trong tất cả các nhóm dân tộc chính của Anh.
• Bác sĩ có thể tin tưởng rằng các biến lâm sàng được sử dụng trong mô hình (ví dụ, BMI, eGFR, HbA1c ban đầu) là các dự đoán chính xác trong các nền tảng đa dạng.
• SGLT2i nói chung cung cấp khả năng giảm glucose tốt hơn so với DPP4i, nhưng lợi thế này ít rõ rệt hơn ở dân tộc da đen và Nam Á.
• Hiệu chỉnh là một quá trình quan trọng để đảm bảo các công cụ dự đoán vẫn chính xác khi áp dụng cho các dân số mới hoặc đang thay đổi.

Khi chúng ta tiến tới tương lai của y tế dựa trên dữ liệu, các công cụ như thuật toán MASTERMIND sẽ là thiết yếu trong việc giúp bác sĩ điều hướng cảnh quan phức tạp của điều trị dược lý bệnh tiểu đường tuýp 2, đảm bảo thuốc đúng đến bệnh nhân đúng vào thời điểm đúng.

Tài trợ và tham khảo

Tài trợ cho nghiên cứu này được cung cấp bởi Hội đồng Nghiên cứu Y học Anh, Trung tâm Nghiên cứu Y sinh Exeter thuộc Quốc gia Nghiên cứu Y tế và Chăm sóc (NIHR), và EFSD/Novo Nordisk.

Tham khảo:

Güdemann LM, Young KG, Cardoso P, et al. Validation of an algorithm for selection of SGLT2 and DPP4 inhibitor therapies in people with type 2 diabetes across major UK ethnicity groups: a retrospective cohort study. Lancet Reg Health Eur. 2025;61:101547. doi:10.1016/j.lanepe.2025.101547