Analiza efektywności terapii pompą insulinową
Transkrypt
Analiza efektywności terapii pompą insulinową
StatSoft Polska, tel. 12 428 43 00, 601 41 41 51, [email protected], www.StatSoft.pl ANALIZA EFEKTYWNOŚCI TERAPII POMPĄ INSULINOWĄ STATYSTYCZNE I KLINICZNE ASPEKTY DOBORU PACJENTÓW I WYBORU PUNKTÓW KOŃCOWYCH Wojciech Fendler. Uniwersytet Medyczny w Łodzi, Klinika Pediatrii, Onkologii, Hematologii i Diabetologii Wstęp Cukrzyca typu 1 to choroba, w której w wyniku reakcji autoimmunologicznej ulegają zniszczeniu komórki beta wysp trzustkowych, odpowiedzialne za produkcję insuliny. W ciągu ostatnich 30 lat częstość występowania cukrzycy typu 1 zwiększyła się trzykrotnie [1,2]. Jednocześnie wypracowane zostały nowe metody leczenia, które cukrzycę typu 1, chorobę nieuleczalną zaledwie 100 lat temu, przekształciły w chorobę przewlekłą o relatywnie dobrym rokowaniu. Terapia cukrzycy typu 1 opiera się na podaży egzogennej insuliny, która zapobiega ostrym powikłaniom tej choroby - hiperglikemii oraz kwasicy ketonowej. Współcześnie pacjenci otrzymują insulinę ludzką (identyczną lub nieznacznie zmodyfikowaną), podawaną za pomocą wielokrotnych wstrzyknięć (multiple daily injections MDI). Stosowanie odpowiednich dawek insuliny (ludzkiej lub jej zmodyfikowanych analogów) ma na celu odzwierciedlenie fizjologicznego mechanizmu funkcjonowania komórek beta wysp trzustkowych. Celem takiej intensyfikacji terapii i symulowania fizjologicznej homoeostazy węglowodanowej jest redukcja ryzyka powikłań ostrych oraz powikłań przewlekłych mogących wystąpić w dalszej przyszłości. Już w latach 90. udowodniono, że im lepiej kontrolowana jest cukrzyca, tym mniejsze jest ryzyko najgroźniejszych powikłań przewlekłych: retinopatii (uszkodzenia wzroku), nefropatii (uszkodzenia nerek), neuropatii (uszkodzenia nerwów, co przejawia się m.in. tzw. stopą cukrzycową) oraz mikro- i makroangiopatii (uszkodzenia naczyń, co może prowadzić do zawału mięśnia sercowego) [3]. Postęp wiedzy na temat znaczenia optymalnej kontroli metabolicznej cukrzycy, wsparty nowinkami technologicznymi, poskutkował wprowadzeniem nowatorskiej metody leczenia cukrzycy ciągłego podskórnego wlewu z wykorzystaniem pompy insulinowej (CSII). Pacjenci zaopatrzeni w pompę insulinową otrzymują nieprzerwany wlew insuliny „podstawowej”, który ma zastąpić ciągłe wydzielanie insuliny, oraz okresowo podawane „bolusy” mające skompensować spożycie posiłków. Wprowadzenie do terapii pomp insulinowych wykazało w licznych badaniach na niewielkich grupach pacjentów korzystne efekty takiej terapii pod względem zmniejszenia ryzyka powikłań, jakości życia oraz poprawy kontroli metabolicznej [4-9]. Terapia ta nie jest jednak pozbawiona Copyright © StatSoft Polska 2014 www.statsoft.pl/czytelnia.html 65 StatSoft Polska, tel. 12 428 43 00, 601 41 41 51, [email protected], www.StatSoft.pl wad. Wymaga większego zaangażowania pacjenta w leczenie cukrzycy oraz uzależnia go od noszonego urządzenia, co wymusza dodatkowe działania edukacyjne [10]. Ponadto, bez względu na metodę leczenia cukrzycy, choroba ta jest związana z częstą ekspozycją pacjenta na służbę zdrowia [11,12] i stanowi poważne obciążenie finansowe każdego budżetu ochrony zdrowia. Celem naszej pracy było porównanie terapii CSII oraz MDI pod względem wpływu na przewlekłe wyrównanie metaboliczne oraz ryzyko hospitalizacji z powodu ostrych powikłań cukrzycy typu 1 u dzieci. Materiał i metody W okresie objętym badaniem (styczeń 2002grudzień 2010) ośrodek badawczy prowadził terapię u ponad 90% wszystkich pacjentów pediatrycznych z cukrzycą typu 1 w województwie łódzkim. Dane gromadzone były w postaci półstrukturyzowanych wypisów lekarskich. Informacje dotyczące rodzaju terapii, daty rozpoczęcia CSII, zaprzestania CSII lub zmiany rodzaju terapii oraz wyrównania metabolicznego (odsetek HbA1c) wyekstrahowano ze zbioru danych technikami text mining. W tym celu za pomocą pakietu STATISTICA Data Miner poddano analizie 10042 wypisy medyczne zdeponowane w bazie Kliniki Pediatrii, Onkologii, Hematologii i Diabetologii z czasu objętego badaniem. Wykorzystując listę słownikową terminów medycznych związanych z występowaniem cukrzycy, formą leczenia, obecnością ostrych i przewlekłych powikłań, przekształcono zbiór wypisów w bazę danych, zawierającą wypisy jako poszczególne rekordy. Każdy z nich został oflagowany według zawartych w nim słów. Następnie wyrazy będące synonimami lub wyrazami bliskoznacznymi połączono za pomocą stosownych formuł, tak aby każdy wypis zawierał informację o rozpoznaniu podstawowym, przyczynie hospitalizacji, dacie początkowej i końcowej, obecności chorób towarzyszących i formie leczenia cukrzycy (rys. 1). Analizę text mining przeprowadzono w module Data Miner pakietu STATISTICA. Umożliwił on stworzenie bazy danych ze wskazanych ścieżką dostępu plików (rys. 2a), a następnie przeszukanie ich zawartości według podanego przykładowego słownika (rys. 2b). W efekcie tych działań uzyskano bazę danych zawierającą 4161 wypisów pacjentów leczonych z powodu cukrzycy o znanej formie leczenia. Następnym etapem było wybranie pacjentów do analizy w oparciu o dane kliniczne pierwszej dostępnej wizyty. Z bazy danych wyselekcjonowano pierwsze dostępne wypisy pacjentów z cukrzycą z podanego okresu czasu, a następnie za pomocą podanych poniżej kryteriów włączenia wyselekcjonowano grupę pacjentów do badań. Kryteria obejmowały: typ 1 cukrzycy, brak otyłości w chwili rozpoczęcia badania, dawka dobowa insuliny >0.3 jednostek/kg masy ciała, wiek rozpoznania cukrzycy >12 miesięcy, czas trwania cukrzycy w chwili rozpoczęcia badania >12 miesięcy oraz obecność co najmniej jednego autoprzeciwciała typowego dla cukrzycy typu 1 (ICA, anty-GAD lub anty-IA2). 66 www.statsoft.pl/czytelnia.html Copyright © StatSoft Polska 2014 StatSoft Polska, tel. 12 428 43 00, 601 41 41 51, [email protected], www.StatSoft.pl Rys. 1. Protokół czyszczenia bazy danych i ekstrakcji informacji na temat pacjentów leczonych na cukrzycę za pomocą metod MDI lub CSII. Rys. 2. Lewy panel – selekcja plików tekstowych do ekstrakcji danych; panel prawy – kryteria filtrowania wyrazów poddawanych analizie. Po wyselekcjonowaniu pacjentów, którzy spełniali powyższe kryteria podczas co najmniej jednej hospitalizacji w okresie czasu objętym badaniem, do badania włączono jedynie te osoby, które poza hospitalizacją początkową miały również co najmniej jeden kolejny wypis wykonany do dnia 31 grudnia 2010 r. Pacjenci, którzy w trakcie badania uzyskali rozpoznanie cukrzycy monogenowej lub zmienili leczenie z CSII na MDI lub rozpoczęli Copyright © StatSoft Polska 2014 www.statsoft.pl/czytelnia.html 67 StatSoft Polska, tel. 12 428 43 00, 601 41 41 51, [email protected], www.StatSoft.pl leczenie CSII przed styczniem 2002 r., nie byli brani pod uwagę w niniejszej analizie. Pacjentów, którzy ukończyli 18 rok życia lub przenieśli się do poradni diabetologicznej dla dorosłych w trakcie obserwacji uznano za obserwacje ucięte, przyjmując datę przeniesienia lub 18. urodzin jako datę ostatniej obserwacji. Kolejnym etapem przygotowania bazy danych było sparowanie pierwszych i ostatnich obserwacji poszczególnych pacjentów. W związku z tym, że ostatnią obserwacją w analizie ryzyka wystąpienia ostrej hospitalizacji był moment ostrego przyjęcia do szpitala lub data ostatniej obserwacji, po której losy pacjenta były nieznane, konieczne było zastosowanie specjalnie zaprojektowanego algorytmu przeszukującego daty i przyczyny hospitalizacji, opisanych w poszczególnych rekordach bazy wypisów (rys. 3). Rys. 3. Protokół wyznaczania czasu obserwacji i występowania punktów końcowych. Dobór grupy przeprowadzony w powyższy sposób pozwolił na określenie grupy 636 pacjentów leczonych CSII lub MDI, u których znany był stan początkowy i data ostatniej obserwacji pozwalająca określić wystąpienie ostrych powikłań. Na tym etapie przeprowadzono walidację poprawności bazy danych, sprawdzając prawdziwość danych zawartych w wypisach z początkowej i ostatniej hospitalizacji. Scalony zbiór danych mógłby być gotowy do analizy porównawczej. Jednakże w oparciu o kliniczne obserwacje autorów pracy zidentyfikowano poważny problem uniemożliwiający bezpośrednie przeprowadzenie porównań pomiędzy grupami. Dobór pacjentów do grup CSII i MDI był bowiem nielosowy i uzależniony od umiejętności i preferencji pacjenta, dostępności sprzętu oraz decyzji lekarza. Aby zniwelować wpływ czynników 68 www.statsoft.pl/czytelnia.html Copyright © StatSoft Polska 2014 StatSoft Polska, tel. 12 428 43 00, 601 41 41 51, [email protected], www.StatSoft.pl zakłócających, przeprowadzono dwie procedury dopasowania – propensity score matching (wskaźnika skłonności) [13] oraz covariate matching [14]. Jako technikę odniesienia wybrano metodę covariate matching, wybierając po dwóch najbardziej podobnych pacjentów leczonych MDI do każdego leczonego CSII w zakresie każdej z 6 zmiennych potencjalnie wpływających na dobór do grupy lub osiągnięcie późniejszych punktów końcowych. Następnie procedurę odwrócono, wybierając po dwóch pacjentów leczonych CSII najbardziej podobnych w zakresie każdej badanej zmiennej do pacjentów leczonych MDI. Następnie posortowano listę indywidualnych pacjentów zależnie od liczby pojawień się w zakresie każdej z list, każdego z dopasowań i wybrano taki punkt odcięcia, dla którego grupy były najbardziej zbliżone do siebie liczebnością. Dobór tą metodą zaowocował wyborem 455 pacjentów, zbilansowanych pod względem większości potencjalnie istotnych zmiennych, lecz nadal różniących się istotnie wiekiem w chwili badania. Początkowe różnice parametrów pomiędzy pacjentami leczonymi MDI i CSII podano w tabeli 1. Tabela 1. Różnice początkowych charakterystyk pacjentów dobranych pod względem podobieństwa pojedynczych zmiennych. Zmienna Płeć męska/żeńska Wiek w chwili pierwszej obserwacji [lata] Czas trwania cukrzycy [lata] Dobowa dawka insuliny [U/kg] Stężenie peptydu C [ng/ml] Początkowa HbA1c [%] MDI 126/97 CSII 129/102 p 0.8877 14.13 (10.82 – 16.18) 10.20 (7.17 – 13.15) <0.0001 2.46 (0.70 – 5.53) 0.81 (0.63 – 1.09) 0.19 (0.10 – 0.33) 7.4 (6.6 – 8.3) 2.43 (1.47 – 5.21) 0.95 (0.53 – 1.57) 0.17 (0.12 – 0.26) 7.2 (6.7 – 8.1) 0.3607 0.2770 0.4101 0.6001 Wiek pacjentów był cechą zdecydowanie powiązaną z rozpoczęciem terapii pompowej ze względu na aktualną strategię terapeutyczną zaopatrzania w pompy insulinowe pacjentów ze świeżo rozpoznaną cukrzycą oraz refundacji kosztów urządzeń i osprzętu. Dlatego też uznano tak dobraną grupę za adekwatny punkt wyjścia do dalszych analiz. Pomimo statystycznie istotnej różnicy wieku pacjentów postawiono na rozwiązanie racjonalne z klinicznego punktu widzenia, planując jednocześnie przeprowadzenie adjustacji dalszych porównań do wieku w chwili rozpoczęcia badania. Aby jednak zweryfikować, czy początkowe różnice są możliwe do zniwelowania za pomocą techniki dopasowania według wskaźnika skłonności, przeliczono za pomocą regresji logistycznej indywidualne prawdopodobieństwo przynależności do grupy leczonej CSII. Model wieloczynnikowej regresji logistycznej stworzono za pomocą pakietu STATISTICA, a procedurę dopasowania pacjentów przeprowadzono w pakiecie „matching” środowiska R. O ile początkowe wskaźniki skłonności pomiędzy grupą wszystkich dostępnych pacjentów leczonych MDI i CSII różniły się istotnie z p<10-16, po przeprowadzeniu procedury dopasowania i wyselekcjonowaniu 506 pacjentów leczonych MDI lub CSII nie stwierdzono różnic istotnych pomiędzy grupami (p=0.12) w zakresie wskaźnika skłonności. Niestety różnica wieku w chwili zachorowania nadal była istotna statystycznie, choć uległa zmniejszeniu (p=0.0001). Ponadto wytypowana grupa, mimo że liczniejsza o 10% od tej Copyright © StatSoft Polska 2014 www.statsoft.pl/czytelnia.html 69 StatSoft Polska, tel. 12 428 43 00, 601 41 41 51, [email protected], www.StatSoft.pl wyselekcjonowanej za pomocą poprzedniej metody dopasowania, wykazywała nieco większe różnice początkowej HbA1c (7.3% vs 7.6%; p=0.27). Ostatecznie zdecydowano się na przeprowadzenie analiz na mniej licznej, ale lepiej dopasowanej pod względem zmiennych zakłócających grupie 455 pacjentów. Na założony punkt końcowy oznaczający ostre przyjęcie do szpitala uznano: przyjęcie z objawami kwasicy ketonowej lub znacznej hiperglikemii, przyjęcie z powodu objawów ciężkiego niedocukrzenia oraz przyjęcie poza planowanym terminem przyjęcia na wniosek lekarza prowadzącego, motywowany złym wyrównaniem metabolicznym (HbA1c>8%). Pozostałe poddane analizie efekty badania obejmowały: odsetek HbA1c po zakończeniu okresu obserwacji, indywidualna zmiana HbA1c po zakończeniu okresu obserwacji oraz zmienność HbA1c w czasie okresu obserwacji (wyrażona jako odchylenie standardowe). Analiza statystyczna Analizę statystyczną przeprowadzono w pakiecie STATISTICA na licencji Uniwersytetu Medycznego w Łodzi. Do porównania indywidualnej różnicy HbA1c pomiędzy końcem a początkiem obserwacji wykorzystano uogólnione modele regresji z pomiarami powtórzonymi. Do analizy różnic zmienności HbA1c wykorzystano analizę kowariancji (ANCOVA). Prawdopodobieństwo wystąpienia złożonego punktu końcowego związanego z ostrymi powikłaniami cukrzycy obliczono za pomocą wieloczynnikowej regresji Coxa. Za poziom istotności przyjęto wartość prawdopodobieństwa testowego <0.05. Wyniki Średni czas obserwacji pacjentów od chwili włączenia terapii do zakończenia obserwacji wynosił 3.05+/-1.74 lata. Kontrola metaboliczna uległa nieistotnemu statystycznie pogorszeniu w grupie MDI (0.21% (95%CI -0.2 do 0.60)), co skutkowało istotną statystycznie różnicą ostatnich pomiarów HbA1c pomiędzy grupami MDI i CSII (7.98+/1.38% vs 7.56+/-0.97%; p=0.002; rys. 4). Odchylenie standardowe HbA1c pacjentów leczonych MDI (0.84+/-0.54%) było istotnie statystycznie wyższe niż w grupie leczonej CSII (0.73+/0.45%; p=0.049), co mogło wiązać się z większym ryzykiem powikłań w przyszłości [15]. Pacjenci leczeni MDI spędzali również więcej czasu w szpitalu niż leczeni CSII (mediana 4.8 (2.46-9.63) vs 3.5 (2.105.67) dni na rok; p=0.0004). 70 www.statsoft.pl/czytelnia.html Copyright © StatSoft Polska 2014 StatSoft Polska, tel. 12 428 43 00, 601 41 41 51, [email protected], www.StatSoft.pl Rys. 4. Różnica odsetka początkowej i końcowej HbA1c zależnie od typu leczenia. Efekty uwidocznione na wykresie są adjustowane do wieku i czasu trwania cukrzycy. Jednakże terapia CSII nie wpływała istotnie na ryzyko wystąpienia ostrych powikłań w czasie (HR=1.16; 95%CI 0.68-1.63; rys. 5). Rys. 5. Prawdopodobieństwo wystąpienia u pacjenta okoliczności wymuszających ostrą hospitalizację z powodu cukrzycy. Nie zaobserwowano istotnych statystycznie różnic zależnych od leczenia wielokrotnymi wstrzyknięciami insuliny (MDI) lub pompą insulinową (CSII). Czynnikiem zwiększającym ryzyko ostrych hospitalizacji była początkowa HbA1c (HR 1.25 95%CI 1.14-1.37). Wyniki modelu wieloczynnikowej regresji Coxa przedstawiono w tabeli 2. Copyright © StatSoft Polska 2014 www.statsoft.pl/czytelnia.html 71 StatSoft Polska, tel. 12 428 43 00, 601 41 41 51, [email protected], www.StatSoft.pl Tabela 2. Czynniki badane pod kątem wpływu na prawdopodobieństwo ostrej hospitalizacji związanej z cukrzycą. Zmienna Współczynnik hazardu (HR) 95% przedział ufności p Początkowa HbA1c [%] 1,25 1,14 – 1,37 0,0001 Płeć męska 1,29 0,84 – 1,75 0,2626 Wiek w chwili rekrutacji 1,01 0,94 – 1,08 0,8270 Czas trwania cukrzycy 1,00 0,92 – 1,07 0,9496 Terapia CSII 1,16 0,68 – 1,63 0,5438 Wnioski Terapia CSII pozwala pacjentom z cukrzycą typu 1 zachować dobre wyrównanie metaboliczne, zmniejsza fluktuacje odsetka HbA1c, co oznacza stabilizację choroby oraz potencjalnie zmniejsza koszty opieki zdrowotnej poprzez skrócenie czasu spędzanego przez pacjentów w szpitalu. Podsumowanie Przedstawiona w zarysie praca została opublikowana w czasopiśmie „Acta Diabetologica” w formie z ograniczoną w zakresie metodyką obróbki danych i doboru pacjentów [16]. Pomimo postępu w informatyzacji służby zdrowia i jednostek naukowych, stworzenie warunków umożliwiających weryfikację hipotez biologicznie ważnych napotyka liczne przeszkody. W opisanym powyżej przypadku baza gromadzona ze względu na prowadzone w sposób ciągły badanie obserwacyjne nad poziomem HbA1c w populacji pacjentów pediatrycznych z cukrzycą [17] stanowiło dobry punkt wyjścia do poszukiwania efektu rodzaju terapii. Mimo to, ekstrakcja danych, obróbka bazy, powiązanie rekordów pod względem ich zależności i następstwa w czasie, weryfikacja poprawności zbioru danych, przeprowadzenie procedur dopasowywania zajęły ponad cztery miesiące pracy dwóch autorów projektu. Natomiast analiza statystyczna i przygotowanie manuskryptu zajęło „jedynie” miesiąc, co doskonale obrazuje, jak ważnym, ale zarazem i czasochłonnym elementem pracy naukowej jest poprawna obróbka i przygotowanie odpowiedniej bazy danych. Warto również podkreślić rolę wiedzy klinicznej i znajomości problematyki, w której chcemy prowadzić badania. Pomimo iż dopasowanie metodą propensity score matching byłoby bardziej eleganckie, względy kliniczne wynikające z organizacji opieki zdrowotnej przemawiały za wyborem pierwszego modelu dopasowania. Zdecydowano się na takie rozwiązanie, mimo tego, że ostateczna liczebność grupy była mniejsza, a różnice wieku początkowego bardziej nasilone, ponieważ interpretacja tej różnicy jest oczywista dla klinicysty. Podejście czysto statystyczne, mogłoby w tym wypadku zaoferować matematycznie lepsze rozwiązanie, generując przy tym większe różnice początkowej hemoglobiny glikowanej, które z biologicznego punktu widzenia byłyby dużo trudniejszym 72 www.statsoft.pl/czytelnia.html Copyright © StatSoft Polska 2014 StatSoft Polska, tel. 12 428 43 00, 601 41 41 51, [email protected], www.StatSoft.pl problemem do wytłumaczenia niż nieco młodszy wiek pacjentów leczonych CSII niż MDI. Warto więc, będąc statystykiem, znać dokładnie kliniczną stronę problemu, a będąc klinicystą rozumieć istotę i założenia proponowanych przez statystyka rozwiązań matematycznych. Literatura 1. Jarosz-Chobot P, Polanska J, Szadkowska A, et al. (2011) Rapid increase in the incidence of type 1 diabetes in Polish children from 1989 to 2004, and predictions for 2010 to 2025. Diabetologia 54: 508-515. 2. Jarosz-Chobot P, Deja G, Polanska J (2010) Epidemiology of type 1 diabetes among Silesian children aged 0-14 years, 1989-2005. Acta Diabetol 47: 29-33. 3. (1993) The effect of intensive treatment of diabetes on the development and progression of long-term complications in insulin-dependent diabetes mellitus. The Diabetes Control and Complications Trial Research Group. N Engl J Med 329: 977-986. 4. Cohen O, Korner A, Chlup R, et al. (2009) Improved glycemic control through continuous glucose sensor-augmented insulin pump therapy: prospective results from a community and academic practice patient registry. J Diabetes Sci Technol 3: 804-811. 5. Muller-Godeffroy E, Treichel S, Wagner VM (2009) Investigation of quality of life and family burden issues during insulin pump therapy in children with Type 1 diabetes mellitus-a large-scale multicentre pilot study. Diabet Med 26: 493-501. 6. Hoogma RP, Hammond PJ, Gomis R, et al. (2006) Comparison of the effects of continuous subcutaneous insulin infusion (CSII) and NPH-based multiple daily insulin injections (MDI) on glycaemic control and quality of life: results of the 5-nations trial. Diabet Med 23: 141-147. 7. Hanas R, Ludvigsson J (2006) Hypoglycemia and ketoacidosis with insulin pump therapy in children and adolescents. Pediatr Diabetes 7 Suppl 4: 32-38. 8. Bergenstal RM, Tamborlane WV, Ahmann A, et al. (2010) Effectiveness of sensoraugmented insulin-pump therapy in type 1 diabetes. N Engl J Med 363: 311-320. 9. Misso ML, Egberts KJ, Page M, O'Connor D, Shaw J (2010) Continuous subcutaneous insulin infusion (CSII) versus multiple insulin injections for type 1 diabetes mellitus. Cochrane Database Syst Rev: CD005103. 10. Colino E, Alvarez MA, Carcavilla A, Alonso M, Ros P, Barrio R (2010) Insulin dose adjustment when changing from multiple daily injections to continuous subcutaneous insulin infusion in the pediatric age group. Acta Diabetol 47 Suppl 1: 1-6. 11. Estrada CL, Danielson KK, Drum ML, Lipton RB (2009) Hospitalization subsequent to diagnosis in young patients with diabetes in Chicago, Illinois. Pediatrics 124: 926-934. 12. Danne T, Battelino T, Kordonouri O, et al. (2005) A cross-sectional international survey of continuous subcutaneous insulin infusion in 377 children and adolescents with type 1 diabetes mellitus from 10 countries. Pediatr Diabetes 6: 193-198. Copyright © StatSoft Polska 2014 www.statsoft.pl/czytelnia.html 73 StatSoft Polska, tel. 12 428 43 00, 601 41 41 51, [email protected], www.StatSoft.pl 13. Robins JM, Mark SD, Newey WK (1992) Estimating exposure effects by modelling the expectation of exposure conditional on confounders. Biometrics 48: 479-495. 14. Little RJ, Rubin DB (2000) Causal effects in clinical and epidemiological studies via potential outcomes: concepts and analytical approaches. Annu Rev Public Health 21: 121-145. 15. Kilpatrick ES, Rigby AS, Atkin SL (2008) A1C variability and the risk of microvascular complications in type 1 diabetes: data from the Diabetes Control and Complications Trial. Diabetes Care 31: 2198-2202. 16. Fendler W, Baranowska AI, Mianowska B, Szadkowska A, Mlynarski W (2012) Three-year comparison of subcutaneous insulin pump treatment with multi-daily injections on HbA1c, its variability and hospital burden of children with type 1 diabetes. Acta Diabetol 49: 363-370. 17. Mianowska B, Fendler W, Szadkowska A, et al. (2011) HbA(1c) levels in schoolchildren with type 1 diabetes are seasonally variable and dependent on weather conditions. Diabetologia 54: 749-756. 74 www.statsoft.pl/czytelnia.html Copyright © StatSoft Polska 2014