Nonlinear Mixed-Effects Intravenous and Oral Minimal Models to Assess Insulin Secretion and Action

Il diabete è una grave malattia metabolica che secondo l'International Diabetes Federation (IDF) colpisce circa 371 milioni di persone in tutto il mondo. Questo numero è destinato a crescere nei prossimi anni grazie al contributo dei paesi dove la sanità e la prevenzione sono meno efficaci. Questo è il motivo per cui in questi anni la ricerca scientifica è stata portata avanti intensamente studiando il diabete da diversi punti di vista: dalla biologia cellulare alla farmacologia alla ingegneria e via dicendo. Molti quesiti scientifici sono stati risolti ma molti altri sono ancora aperti. Recentemente sono stati sviluppati diversi test per studiare il sistema glucosio insulina in vivo i cui dati sono stati analizzati con approcci basati su modelli matematici che servono a estrapolare della conoscenza sui fenomeni sottostanti del controllo glicemico. La ricerca qui presentata si propone di analizzare i dati provenienti da test differenti sfruttando l' approccio di popolazione non lineare a effetti misti (NLMEM) per studiare il sistema glucosio-insulina. Questo approccio statistico è largamente impiegato in studi di farmacocinetica e farmacodinamica (PKPD) durante lo sviluppo di farmaci, ma non è molto diffuso negli studi metabolici. Questa tecnica è molto interessante perchè non solo è in grado di quantificare i parametri del l' individuo e della popolazione, ma è in grado di identificare le fonti biologiche della variabilità inter-individuale e intra-individuale. Inoltre l' approccio non lineare a effetti misti è particolarmente indicato in "dataset sparsi", la condizione tipica degli studi epidemiologici in cui le tecniche standard individuali hanno difficoltà ad ottenere le informazioni dai dati. In questo caso una descrizione completa statistica è ottenibile recuperando la mancanza di informazioni dalla popolazione riducendo così potenzialmente la necessità di campioni di sangue e di prove invasive. Grazie al suo potenziale, l' approccio non lineare a effetti misti offre un valido strumento di modellazione da utilizzare e convalidare su dati provenienti da studi metabolici, come quelli che riguardano il sistema glucosio-insulina