Aims: Kidney biopsy is increasing in patients with diabetes and around 50–60% of patients with diabetes have non-diabetic kidney disease (NDKD). Identifying NDKD is crucial since these patients have a better renal prognosis and survival compared to patients with diabetic nephropathy (DN). The objective of this study is to provide a clinical practice tool for through a predictive model of NDKD. Material and methods: Observational and multicenter Spanish study of the pathological results of kidney biopsies in patients with diabetes from 2002 to 2014. A logistic regression analysis and the probability of presenting NDKD was calculated using a punctuation score. Results: A total of 832 patients with diabetes and renal biopsy were analyzed. An accurate risk-predictive model for NDKD was developed with five top-ranked non-invasive clinical variables (age, serum creatinine, presence of diabetic retinopathy, microhematuria and peripheral vascular disease) obtaining a score for each one allowing for a proper prediction of NDKD. Conclusions: In our study, we developed a risk-stratification score to calculate the probability of NDKD. This could be in a next future a useful tool for the clinical indication of renal biopsy in patients with diabetes and kidney disease. Resumen: Introducción: La realización de la biopsia renal está aumentando en los pacientes diabéticos, diagnosticándose entre el 50-60% de nefropatía no-diabética (NND). Este hecho es crucial dado que se ha demostrado una mejor supervivencia y pronóstico renal en la NND comparado con la nefropatía diabética (ND). El objetivo de este estudio es proporcionar una herramienta de práctica clínica a través de un modelo predictivo de NND. Material y métodos: Estudio observacional multicéntrico español del resultado anatomo-patológico en los pacientes con diabetes y biopsia renal desde 2002 hasta el 2014. Un análisis de regresión logística y la probabilidad de presentar NND fue calculada mediante una puntuación obtenida. Resultados: Un total de 832 pacientes fueron analizados. Se desarrolló un modelo predictivo de riesgo certero para la NND con 5 variables clínicas (edad, creatinina, presencia de retinopatía diabética, microhematuria y enfermedad vascular periférica) obteniendo una puntuación para cada una que permite una predicción adecuada de NND. Conclusiones: En nuestro estudio, desarrollamos una puntuación de estratificación de riesgo para calcular la probabilidad de NND. Esto podría ser en un futuro próximo una herramienta útil para la indicación clínica de biopsia renal en los pacientes con diabetes y enfermedad renal.
