Diabetes and Tuberculosis: harmonization of population-based datasets

Decennialang heeft de medische wereld twee zeer verschillende soorten ziekten vaak behandeld alsof ze in aparte kamers leefden. Aan de ene kant zijn er niet-overdraagbare ziekten, chronische aandoeningen zoals diabetes die langzaam in de loop van de tijd ontstaan, vaak gekoppeld aan levensstijl en genetica. Aan de andere kant zijn er infectieziekten zoals tuberculose, veroorzaakt door bacteriën die van mens op mens worden overgedragen. Hoewel artsen en onderzoekers al lang weten dat deze twee condities vaak samen voorkomen bij dezelfde persoon, is het bestuderen van hen als een paar verrassend moeilijk gebleken. De meeste grote volksgezondheidsstudies waren ontworpen om slechts naar één kant van de vergelijking te kijken. Een enorme enquête kan duizenden mensen volgen om hartziekte en diabetes te begrijpen, maar mist vaak de specifieke vragen die nodig zijn om te achterhalen wie ook aan tuberculose is blootgesteld. Omgekeerd hadden studies gericht op infectieziekten mogelijk niet de diepe, langdurige gezondheidsgegevens die nodig zijn om te begrijpen welke rol diabetes speelt. Deze scheiding heeft geleid tot een gat in ons begrip van hoe deze twee condities met elkaar interageren, wat het moeilijker maakt om de mensen te beschermen die voor beide het meest kwetsbaar zijn.

Een team van onderzoekers aan de Emory University heeft nu een brug gebouwd over die kloof. Ze zijn niet naar buiten gegaan om duizenden nieuwe vrijwilligers te werven of een volledig nieuw medisch onderzoek te starten. In plaats daarvan kozen ze een andere aanpak: ze gingen op zoek naar de gegevens die al bestonden. Ze vonden vier belangrijke, goed gevestigde collecties van gezondheidsinformatie uit de Verenigde Staten — sommige volgden mensen gedurende vele jaren, andere boden momentopnames van de gezondheid van de natie op specifieke tijdstippen. Deze datasets waren oorspronkelijk gemaakt om hartziekten, metabolisme en algemene voeding te bestuderen. De onderzoekers realiseerden zich dat als ze deze enorme bergen informatie zorgvuldig konden opschonen en reorganiseren, ze de specifieke details over diabetes en tuberculose konden extraheren die voor het blote oog verborgen bleven. Hun doel was om een enkele, bruikbare bron te creëren die andere wetenschappers kunnen gebruiken om de link tussen deze twee ziekten te bestuderen zonder dat zij vanaf nul hoeven te beginnen.

Het team werkte met vier verschillende bronnen van informatie. Drie hiervan waren populatiegebaseerde studies, wat betekent dat ze gegevens verzamelden uit brede groepen mensen om de bredere publiek te vertegenwoordigen. Eén was een langlopende studie van jongvolwassenen die deelnemers al decennia volgt, een andere richtte zich specifiek op de Hispanic en Latino gemeenschappen in verschillende Amerikaanse steden, en de derde was een nationale gezondheidsenquête die mensen uit het hele land interviewt en onderzoekt. De vierde bron was anders; het was een massaal onderzoeksprogramma dat vrijwilligers rechtstreeks verbindt met hun elektronische medische dossiers, waardoor onderzoekers de werkelijke data en details van diagnoses kunnen zien zoals die plaatsvonden in ziekenhuizen en klinieken. De onderzoekers besteedden maanden aan het doorlopen van de vragenlijsten en medische codes van elk van deze bronnen. Ze moesten verschillende manieren van vragen stellen vertalen naar een enkele, consistente taal. Bijvoorbeeld, de ene studie vraagt misschien of iemand ooit te hebben gehad te horen dat hij diabetes heeft, terwijl een andere naar een bloedtestresultaat kijkt. Het team creëerde een set regels om ervoor te zorgen dat "diabetes" in elke dataset hetzelfde betekende, en dat "tuberculose" werd geïdentificeerd met dezelfde criteria, of het nu ging om een zelfgerapporteerd antwoord of een code uit een medisch dossier.

Zodra de gegevens waren opgeschoond en gecombineerd, onthulden de resultaten de verborgen overlap tussen de twee condities. In de drie populatiegebaseerde studies, die tienduizenden mensen omvatten, identificeerden de onderzoekers 116 unieke individuen die voldeden aan de criteria voor zowel diabetes als tuberculose te hebben. Dit waren niet zomaar willekeurige getallen; ze vertegenwoordigden echte mensen uit verschillende achtergronden, leeftijden en regio's. De gegevens toonden aan dat in sommige groepen, zoals de langdurige studie van jongvolwassenen, het aantal mensen met beide condities in de loop van de tijd groeide naarmate de deelnemers ouder werden. In de nationale enquête, die een momentopname van het land vastlegt, vonden de onderzoekers gevallen in zowel de late jaren '90 als opnieuw in 2011, wat aantoont dat dit gezamenlijke voorkomen geen nieuw fenomeen is, maar een hardnekkig verschijnsel. De analyse bood ook een gedetailleerd kijkje in wie deze mensen waren, inclusonder andere hun leeftijd, geslacht en achtergrond, wat een duidelijker beeld geeft van de demografie die door deze dubbele last wordt getroffen.

De vierde dataset, afkomstig uit elektronische medische dossiers, bood een ander soort inzicht omdat het de exacte timing van diagnoses kon volgen. Hier vonden de onderzoekers 484 unieke individuen met beide condities. Dit grotere aantal stelde hen in staat om de volgorde van gebeurtenissen te zien. Ze ontdekten dat bij veel mensen diabetes werd gediagnosticeerd vóór tuberculose, wat suggereert dat de metabole conditie hen vatbaarder zou kunnen hebben gemaakt voor de infectie. Voor anderen was de volgorde omgekeerd, waarbij tuberculose eerst verscheen. Er waren ook gevallen waarbij beide diagnoses tegelijkertijd werden geregistreerd. Het vermogen om deze tijdlijn te zien is cruciaal, omdat het wetenschappers helpt te begrijpen welke conditie de andere aanstuurt, of dat ze simpelweg samen voorkomen door gedeelde risicofactoren. De onderzoekers merkten op dat hoewel het aantal mensen met beide condities in de populatie-enquêtes relatief klein was, het feit dat ze hen überhaupt konden vinden in datasets die oorspronelijk niet voor dit doel waren ontworpen, een belangrijke prestatie is.

Het werk doet meer dan alleen een lijst met cijfers leveren; het biedt een toolkit voor de toekomst. De onderzoekers hebben gedetailleerde handleidingen en computercode vrijgegeven die precies uitleggen hoe ze deze informatie hebben gevonden en georganiseerd. Dit betekent dat andere wetenschappers geen jaren hoeven door te brengen met het uitzoeken hoe ze door deze complexe databases moeten navigeren. Ze kunnen deze instrumenten gebruiken om nieuwe vragen te stellen, zoals of bepaalde soorten diabetes een hoger risico op tuberculose met zich meebrengen, of hoe de langetermijnuitkomsten verschillen voor mensen met beide condities vergeleken met mensen met slechts één van de twee. De onderzoekers erkennen dat hun werk beperkingen heeft. De datasets die ze gebruikten, waren niet oorspronkelijk gebouwd om tuberculose te bestuderen, dus sommige details, zoals welk deel van het lichaam door de infectie werd aangetast, ontbreken. Ze merkten ook op dat omdat de gegevens afhangen van zelfrapportage of medische codes, sommige gevallen gemist kunnen zijn als mensen hun diagnose vergaten of als het nooit werd geregistreerd. Ze voeren echter aan dat voor een aandoening zo ernstig als tuberculose, het onwaarschijnlijk is dat veel gevallen volledig ongeregistreerd zijn gebleven in de medische systemen die zij hebben onderzocht.

Door deze uiteenlopende stukjes data bij elkaar te brengen, heeft het team aangetoond dat de reeds beschikbare middelen voor het bestuderen van chronische ziekten kunnen worden ingezet om uitdagingen op het gebied van infectieziekten aan te pakken. Ze hebben laten zien dat de barrière tussen het bestuderen van niet-overdraagbare ziekten en infectieziekten geen muur is, maar een deur die geopend kan worden met de juiste sleutel. Deze nieuwe infrastructuur stelt onderzoekers in staat om vooruit te gaan zonder te wachten tot er nieuwe, dure studies worden gelanceerd. Het biedt een manier om snel ideeën te testen en bewijs te genereren over hoe diabetes en tuberculose interageren, wat potentieel kan leiden tot betere strategieën voor preventie en zorg. Het uiteindelijke doel is om deze twee onderzoeksgebieden te integreren, zodat ervoor wordt gezorgd dat de mensen die aan beide condities lijden, worden begrepen en behandeld als een geheel, in plaats van als twee afzonderlijke problemen.