Crean un modelo de predicción de desarrollo de Diabetes Mellitus tipo 2 a partir de análisis de sangre rutinarios y parámetros sencillos de los pacientes

De izquierda a derecha: Sergio Martínez Hervás, Ana Bárbara García García, Francisco Lara Hernández, María Morales y Javier Chaves.
INCLIVA | lunes, 3 de octubre de 2022

Un equipo del CIBERDEM en el Instituto de Investigación Sanitaria INCLIVA, del Hospital Clínico de València, con la colaboración de personal del CIBERESP, CIBEROBN  y CIBERER, ha realizado un estudio para crear un modelo de predicción de riesgo de desarrollar Diabetes Mellitus tipo 2 (DM2) partiendo de parámetros que se puedan obtener a partir de un análisis de sangre rutinario (niveles de glucosa basal y triglicéridos), y otros datos de los pacientes de fácil obtención como edad, sexo, peso y altura.

Los resultados del estudio ‘Developing a simple and practical decision model to predict the risk of incident type 2 diabetes among the general population: The Di@bet.es Study’, que tiene como investigador principal al Dr. F. Javier Chaves -responsable de la Unidad de Genómica y Diabetes de INCLIVA e investigador del CIBERDEM- acaban de publicarse en la revista European Journal of Internal Medicine.

La DM2 es una enfermedad que cada vez afecta a una mayor cantidad de personas y que, además de llevar asociadas muchas complicaciones, consume una gran parte de los recursos sanitarios. Una identificación temprana de individuos susceptibles de desarrollar esta enfermedad permitiría, junto con la adopción de hábitos de vida saludable, retrasar o evitar la aparición de DM2.

Este trabajo se ha realizado con los datos obtenidos del estudio Di@bet.es, cuyo objetivo general era analizar la prevalencia de DM2 en nuestro país. Este trabajo concreto ha consistido en identificar variables utilizadas habitualmente y fácilmente obtenibles -como los niveles de glucosa y triglicéridos, que se pueden ver en un análisis rutinario de sangre, y la edad y el índice de masa corporal (IMC)- a partir de las que poder predecir que una persona que no tiene DM2 pueda desarrollarla en el futuro y, de este modo, poder disponer de un sistema predictivo de sencilla aplicación en la clínica diaria para poder prevenir el desarrollo de DM2. Los investigadores se han centrado en la identificación de factores que permiten conocer quiénes pueden desarrollar diabetes pese a que inicialmente no presenten un riesgo elevado, ya que estos supuestos representan hasta el 60% de los nuevos casos de DM2.

En el estudio Di@bet.es han participado aproximadamente 5.500 personas a las que se les está realizando un seguimiento a los 7 años y medio. Inicialmente solo unos 600 eran pacientes de DM2 y al cabo de los años de seguimiento realizado, 156 personas que inicialmente no tenían esta enfermedad, han desarrollado DM2. 

Con una selección de variables se generó un árbol de decisión utilizando el método estadístico CHAID (Chi-square Automatic Interaction Detector). Gracias a este método se vio que la combinación de los valores en ayunas de triglicéridos y glucosa, edad, sexo, e IMC permite clasificar correctamente el 93% de los participantes como DM2 o no DM2.

De todos estos parámetros, el que tiene un efecto mayor es el de los niveles de glucosa en ayunas. Si una persona tiene más de 106 mg/dL de glucosa en ayunas su riesgo de desarrollar DM2 en el futuro es 13 veces mayor que en el resto. En cambio, en quienes tienen niveles de glucosa inferiores a este valor y que desarrollan DM2, (hasta el 65% de los nuevos casos), y que son aquellos más difíciles de predecir, utilizando  otros parámetros tales como edad, IMC o niveles de triglicéridos se pueden identificar los casos de mayor riesgo. Por ejemplo, pacientes con niveles de glucosa basal normales y bajos en los que no se esperaría el desarrollo de DM2 (<92mg/dL) pero que tienen niveles elevados de TG (>180mg/dL) tienen un riesgo de hasta 14 veces el riesgo de aquellos que tienen niveles más bajos.

En el estudio han intervenido, por parte de la Unidad de Genómica y Diabetes, Francisco Lara y las doctoras Irene Andrés Blasco y Ana Bárbara García García –también del CIBERDEM-; los doctores José T. Real, coordinador del Grupo de Investigación sobre Riesgo Cardiometabólico y Diabetes de INCLIVA y jefe de grupo de CIBERDEM, y Sergio Martínez Hervás, investigador del mismo grupo de INCLIVA y de CIBERDEM; y, por parte de la Universitat de València (UV), Isabel Peraita Costa y la Dra. María Morales-Suarez-Varela, que es, además, Jefe de Grupo CIBERESP. Han participado también otros investigadores de CIBERDEM, CIBEROBN  y CIBERER.

El estudio ha sido posible, además, gracias a la participación de la Unidad de Diabetes del Hospital Arnau de Vilanova, de València; el Instituto de Investigaciones Biomédicas de Málaga (IBIMA), Departamento de Endocrinología y Nutrición del Hospital Regional Universitario de Málaga; el Laboratorio General del Hospital Regional Universitario de Málaga; el Hospital Universitario Cruces, IIS Biocruces Bizkaia; el Laboratorio de Endocrinología del Hospital Universitario San Carlos de Madrid; el Departamento de Endocrinología y Nutrición del IDIBAPS; el Departamento de Endocrinología y Nutrición, Hospital Central Universitario de Asturias. Departamento de Medicina de la Universidad de Oviedo. IIS del Principado de Asturias (ISPA); el Servicio de Endocrinología y Nutrición del hospital Universitario Joan XXIII. IIS Pere Virgili (IISPV), Universidad de Rovira i Virgili  (Tarragona); el Departamento de Salud de la Agencia de Salud Pública de Cataluña; el Departamento de Medicina de la Universidad Autónoma de Barcelona. Servicio de Endocrinología y Nutrición del Hospital del Mar (Barcelona); EAP Raval Sud, Instituto Catalán de Salud. IDIAP Jordi Gol; IDIBELL. Universidad de Barcelona; y el Servicio de Endocrinología y Nutrición del Hospital Universitario San Carlos de Madrid.

Artículo de referencia

Sergio Martínez-Hervás, María M. Morales-Suarez-Varela, Irene Andrés-Blasco, Francisco Lara-Hernández, Isabel Peraita-Costa, José T. Real, Ana-Bárbara García-García, F. Javier Chaves,

Developing a simple and practical decision model to predict the risk of incident type 2 diabetes among the general population: The Di@bet.es Study, European Journal of Internal Medicine, https://doi.org/10.1016/j.ejim.2022.05.005.