Běžný krevní obraz může pomoci odhalit rizikové formy diabetu 2. typu
Projekt INTERCEPT-T2D rozlišil podle počtu tří druhů bílých krvinek čtyři imunitně-metabolické skupiny pacientů. Dvě z nich souvisely s vyšším rizikem srdečně-cévních a ledvinných komplikací i úmrtí, klinický přínos tohoto třídění však musí potvrdit další výzkum.
Výzkumníci projektu INTERCEPT-T2D vytvořili na základě běžného krevního obrazu klasifikaci čtyř imunitně-metabolických skupin diabetu 2. typu. Využili údaje od více než 1 500 lidí s nově diagnostikovaným onemocněním ze tří evropských souborů pacientů, uvedla Evropská výkonná agentura pro zdraví a digitální oblast (HaDEA).
Skupiny, označované jako endotypy, vymezují pacienty podle společných biologických znaků. K jejich určení slouží počty neutrofilů, lymfocytů a monocytů, které se běžně zjišťují při vyšetření krevního obrazu. Profily lze podle projektu rozpoznat krátce po stanovení diagnózy a v čase zůstávají relativně stabilní.
Dva ze čtyř profilů byly spojeny s častějšími srdečně-cévními a ledvinnými komplikacemi a s vyšší úmrtností. Výsledky proto naznačují možnost dříve rozpoznat pacienty s vyšším rizikem a přizpůsobit jim sledování, prevenci či léčbu. Zjištěná souvislost ale sama o sobě nedokládá, že změna imunitního profilu snižuje riziko komplikací.
K ověření klasifikace jsou zapotřebí rozmanitější skupiny pacientů, jednotná metoda a delší sledování. Projekt zároveň zahájil klinické hodnocení druhé fáze DAPAN-DIA, které má přibližně u 300 lidí během 26 týdnů posoudit účinnost a bezpečnost látky dapansutrile zaměřené na zánětlivou dráhu NLRP3. Teprve vhodně navržené randomizované studie mají ukázat, zda volba léčby podle imunitního endotypu skutečně zlepšuje zdravotní výsledky pacientů.
INTERCEPT-T2D project: personalising type 2 diabetes prevention and treatment through inflammation research · European Health and Digital Executive Agency (HaDEA) · Public primary facts; no blanket text or media licence
Public facts from European Health and Digital Executive Agency (HaDEA). Credit and link the original source. The source was qualified for this editorial use; do not imply a blanket licence, endorsement or permission to reuse its images, logos, quotations or third-party materials.
AI-assisted original local-language article; source claims require the original editorial verification.