Clustering analysis of curves from oral glucose tolerance tests
Il diabete è una patologia estremamente diffusa al giorno d’oggi in tutto il mondo. Sono infatti sempre di più i soggetti che sviluppano il diabete (soprattutto il diabete di tipo 2) o che si trovano comunque in una fase di prediabete, con possibilità di sviluppo verso la patologia conclamata. Lo scopo del presente studio è quello di analizzare con tecniche di clustering la forma delle curve di glucosio (da 0 a 120 minuti), insulina (da 0 a 120 minuti) e Peptide-C (da 0 a 180 minuti) ottenute da test di tolleranza al glucosio
per via orale nell’ottica di ottenere sottogruppi di soggetti e valutarne le differenze in base alle loro caratteristiche fisiopatologiche. Nello specifico, è stato utilizzato l’algoritmo “k-means”, secondo tre metodologie differenti (denominate “Calinski”, “Silhouette” e "Davies”), per definire la soluzione ottima di cluster per l’intera popolazione a partire dalle curve di glucosio, insulina, glucosio ed insulina insieme, Peptide-C, e tutte e tre le curve insieme. Definito il numero di cluster, questi sono stati poi confrontati valutando delle caratteristiche scelte per ogni soggetto così da poter definire le differenze fra un sottogruppo e l’altro. L’analisi ha portato alla definizione di 2 o 3 cluster diversi fra loro: infatti, nonostante categorie di soggetti con diverso stato di tolleranza al glucosio normale tolleranza al glucosio, NGT, alterata tolleranza al glucosio o alterata glicemia a digiuno IGT/IFG, diabete mellito di tipo 2, T2DM) fossero presenti in numero variabile in tutti i cluster (con prevalenza di NGT nel cluster 1 e di IGT/IFG e T2DM nel cluster 2), i risultati hanno evidenziato che le diverse “shape” delle curve temporali, attribuite ai vari cluster e rappresentanti prevalentemente soggetti NGT, possono caratterizzare anche soggetti T2DM. Viceversa, soggetti NGT erano presenti nei cluster maggiormente associati a condizioni di IGT/IFG e T2DM. In conclusione, lo studio è quindi stato utile per evidenziare che un clustering basato
sulla differente forma delle curve temporali di glucosio, insulina e Peptide-C può rilevare la presenza eterogenea di soggetti NGT, IGT/IFG e T2DM, e potrebbe dare informazioni aggiuntive rispetto alla classificazione basata sui criteri diagnostici standard.