Precisión diagnóstica de la resistencia a la insulina en diabetes y prediabetes

Autores/as

  • Fiorella Elvira Zuzunaga Montoya Instituto de Investigación de Enfermedades Tropicales, Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú. Facultad de Medicina (FAMED), Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú https://orcid.org/0000-0002-2354-273X
  • Luisa Erika Milagros Vásquez Romero Instituto de Investigación de Enfermedades Tropicales, Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú. Facultad de Medicina (FAMED), Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú https://orcid.org/0000-0003-2981-3526
  • Joan Loayza Castro Instituto de Investigación de Enfermedades Tropicales, Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú. Facultad de Medicina (FAMED), Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú https://orcid.org/0000-0001-6495-6501
  • Carmen Inés Gutierrez De Carrillo Instituto de Investigación de Enfermedades Tropicales, Universidad Nacional Toribio Rodríguez deMendoza de Amazonas (UNTRM), Amazonas, Perú. Facultad de Medicina (FAMED), Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú https://orcid.org/0000-0002-4711-7201
  • Enrique Vigil Ventura Instituto de Investigación de Enfermedades Tropicales, Universidad Nacional Toribio Rodríguez deMendoza de Amazonas (UNTRM), Amazonas, Perú. Facultad de Medicina (FAMED), Universidad Nacional Toribio Rodríguez de Mendoza deAmazonas (UNTRM), Amazonas, Perú https://orcid.org/0000-0003-2727-0476
  • Victor Juan Vera Ponce Universidad Tecnológica del Perú, Lima, Perú. https://orcid.org/0000-0003-4075-9049

Palabras clave:

diabetes mellitus, estado prediabético, hiperglucemia, resistencia a la insulina, salud pública

Resumen

Introducción: Se ha sugerido que el modelo de evaluación homeostática para la resistencia a la insulina (HOMA-IR) puede servir como prueba adicional, que apoye y complemente a las ya existentes, de los estados de hiperglicemia.

Objetivo: Determinar la capacidad diagnóstica del HOMA-IR para diabetes mellitus tipo 2 (DM2) y prediabetes.

Métodos: Estudio observacional transversal de pruebas diagnósticas. La prediabetes y la diabetes se midieron según los niveles elevados de glucosa en ayunas, glucosa posprandial y hemoglobina glicosilada. Para evaluar la eficacia diagnóstica, se empleó la curva de características operativas del receptor (ROC) junto con su correspondiente área bajo la curva (AUC). Se calcularon la sensibilidad y especificidad.

Resultados: La prevalencia de prediabetes y DM2 fueron 18,82 % y 10,52 %, respectivamente. La mediana del HOMA-IR de 1,33. Para la prediabetes en la población total, el HOMA-IR tuvo un AUC de 0,843, con un punto de corte de 1,51, una sensibilidad del 88,37 % y una especificidad del 73,05 %. En el caso de la DM2, el AUC fue de 0,907, con un punto de corte de 2,02, una sensibilidad del 90,91 % y una especificidad del 77,99 %.

Conclusiones: El HOMA-IR demuestra una buena capacidad diagnóstica para detectar prediabetes y DM2. Los resultados sugieren que este puede ser un marcador adicional en la identificación temprana de alteraciones en el metabolismo de la glucosa.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Fiorella Elvira Zuzunaga Montoya, Instituto de Investigación de Enfermedades Tropicales, Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú. Facultad de Medicina (FAMED), Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú

Médica Investigadora en el área de enfermedades metabólicas y salud pública

Luisa Erika Milagros Vásquez Romero, Instituto de Investigación de Enfermedades Tropicales, Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú. Facultad de Medicina (FAMED), Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú

Médica investigadora en enfermedades metabólicas

Joan Loayza Castro, Instituto de Investigación de Enfermedades Tropicales, Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú. Facultad de Medicina (FAMED), Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú

Investigador médico en el área de enfermedades metabólicas

Carmen Inés Gutierrez De Carrillo, Instituto de Investigación de Enfermedades Tropicales, Universidad Nacional Toribio Rodríguez deMendoza de Amazonas (UNTRM), Amazonas, Perú. Facultad de Medicina (FAMED), Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM), Amazonas, Perú

Médico Investigador en áreas de salud publica y enfermedades metabólicas

Enrique Vigil Ventura, Instituto de Investigación de Enfermedades Tropicales, Universidad Nacional Toribio Rodríguez deMendoza de Amazonas (UNTRM), Amazonas, Perú. Facultad de Medicina (FAMED), Universidad Nacional Toribio Rodríguez de Mendoza deAmazonas (UNTRM), Amazonas, Perú

Médico especialista; investiga temas relacionados con enfermedades metabólicas

Victor Juan Vera Ponce, Universidad Tecnológica del Perú, Lima, Perú.

Médico Investigador en el área de enfermedades metabólicas

Citas

1. Diabetes Canada Clinical Practice Guidelines Expert Committee; Punthakee Z, Goldenberg R, Katz P. Definition, Classification and Diagnosis of Diabetes, Prediabetes and Metabolic Syndrome [Internet]. Can J Diabetes. 2018;42 (Suppl):10-15. DOI: 10.1016/j.jcjd.2017.10.003

2. Saeedi P, Petersohn I, Salpea P, Malanda B, Karuranga S, Unwin N, et al. Global and regional diabetes prevalence estimates for 2019 and projections for 2030 and 2045: Results from the International Diabetes Federation Diabetes Atlas, 9th edition [Internet]. Diabetes Res Clin Pract. 2019;157:107843. DOI: 10.1016/j.diabres.2019.107843

3. Carrillo-Larco R, Bernabé-Ortiz A. Diabetes mellitus tipo 2 en Perú: una revisión sistemática sobre la prevalencia e incidencia en población general. [Internet]. Rev Perú Med Exp Salud Publica. 2019;36(1):26-36. DOI:10.17843/rpmesp.2019.361.4027

4. Seclen SN, Rosas ME, Arias AJ, Huayta E, Medina CA. Prevalence of diabetes and impaired fasting glucose in Peru: report from PERUDIAB, a national urban population-based longitudinal study [Internet]. BMJ Open Diabetes Research and Care. 2015;3(1):e000110. DOI: 10.1136/bmjdrc-2015-000110

5. Sitasuwan T, Lertwattanarak R. Prediction of type 2 diabetes mellitus using fasting plasma glucose and HbA1c levels among individuals with impaired fasting plasma glucose: a cross-sectional study in Thailand. [Internet]. BMJ Open. 2020; 10(11):e041269. DOI: 10.1136/bmjopen-2020-041269

6. Joung KH, Ju SH, Kim JM, Choung S, Lee JM, Park KS, et al. Clinical Implications of Using Post-Challenge Plasma Glucose Levels for Early Diagnosis of Type 2 Diabetes Mellitus in Older Individuals [Internet]. Diabetes Metab J. 2018;42(2):147-54. DOI: 10.4093/dmj.2018.42.2.147

7. Aggarwal M, Verma G, Wahid A, Mathew S, Roat A. Visceral Fat Volume is a Better Predictor of Insulin Resistance than Abdominal Wall Fat Index in Patients with Prediabetes and Type 2 Diabetes Mellitus [Internet]. J Assoc Physicians India. 2022 [acceso: 12/08/2024];70(4):11-2. Disponible en: https://pubmed.ncbi.nlm.nih.gov/35443353/

8. Biernacka-Bartnik A, Kocelak P, Owczarek AJ. The cut-off value for HOMA-IR discriminating the insulin resistance based on the SHBG level in women with polycystic ovary syndrome [Internet]. Front Med. 2023; 10:1100547. DOI: 10.3389/fmed.2023.1100547

9. Cohen JF, Korevaar DA, Altman DG, Bruns DE, Gatsonis CA, Hooft L, et al. STARD 2015 guidelines for reporting diagnostic accuracy studies: explanation and elaboration [Internet]. BMJ Open. 2016; 6(11):e012799. DOI: 10.1136/bmjopen-2016-012799

10. Carrillo-Larco RM, Miranda JJ, Gilman RH, Checkley W, Smeeth L, Bernabe-Ortiz A, et al. The HOMA-IR Performance to Identify New Diabetes Cases by Degree of Urbanization and Altitude in Peru: The CRONICAS Cohort Study [Internet]. Journal of Diabetes Research. 2018; 2018:e7434918. DOI: 10.1155/2018/7434918

11. American Diabetes Association. American Diabetes Association Releases 2023 Standards of Care in Diabetes to Guide Prevention, Diagnosis, and Treatment for People Living with Diabetes [Internet]. Arlington: ADA; 2022. [acceso: 05/08/2023]. Disponible en: https://diabetes.org/newsroom/press-releases/2022/american-diabetes-association-2023-standards-care-diabetes-guide-for-prevention-diagnosis-treatment-people-living-with-diabetes

12. Wallace TM, Levy JC, Matthews DR. Use and abuse of HOMA modeling [Internet]. Diabetes Care. 2004;27(6):1487-95. DOI: 10.2337/diacare.27.6.1487

13. Mantilla Toloza, S. C., & Gómez-Conesa, A. (2007). El Cuestionario Internacional de Actividad Física. Un instrumento adecuado en el seguimiento de la actividad física poblacional. Revista Iberoamericana de Fisioterapia y Kinesiología, 10(1), 48-52. DOI: 10.1016/S1138-6045(07)73665-1

14. Aggarwal M, Verma G, Wahid A, Mathew S, Roat A. Visceral Fat Volume is a Better Predictor of Insulin Resistance than Abdominal Wall Fat Index in Patients with Prediabetes and Type 2 Diabetes Mellitus [Internet]. J Assoc Physicians India. 2022 [acceso: 31/07/2024];70(4):11-12. Disponible en: https://pubmed.ncbi.nlm.nih.gov/35443353

15. Paracha AI, Haroon ZH, Aamir M, Bibi A. Diagnostic Accuracy of Markers of Insulin Resistance (HOMA-IR) and Insulin Sensitivity (QUICKI) in Gestational Diabetes [Internet]. J Coll Physicians Surg Pak. 2021;31(9):1015-9. DOI: 10.29271/jcpsp.2021.09.1015

16. González-González JG, Violante-Cumpa JR, Zambrano-Lucio M, Burciaga-Jimenez E, Castillo-Morales PL, Garcia-Campa M, et al. HOMA-IR as a predictor of Health Outcomes in Patients with Metabolic Risk Factors: A Systematic Review and Meta-analysis [Internet]. High Blood Press Cardiovasc Prev. 2022;29(6):547-64. DOI:10.1007/s40292-022-00542-5

17. Sajiir H, Wong KY, Müller A, Keshvari S, Burr L, Aiello E, et al. Pancreatic beta-cell IL-22 receptor deficiency induces age-dependent dysregulation of insulin biosynthesis and systemic glucose homeostasis [Internet]. Nat Commun. 2024;15(1):4527. DOI: 10.1038/s41467-024-48320-2

18. Jamjl J. Overnutrition, Hyperinsulinemia and Ectopic Fat: It Is Time for A Paradigm Shift in the Management of Type 2 Diabetes [Internet]. International Journal of Molecular Sciences. 2024;25(10):5488. DOI: 10.3390/ijms25105488

19. Vera-Ponce VJ, Rodas-Alvarado L, Talavera JE, Cruz-Ausejo L, Torres-Malca JR, Vera-Ponce VJ, et al. Asociación entre resistencia a la insulina y proteína C reactiva en una muestra de peruanos no obesos [Internet]. Revista del Cuerpo Médico Hospital Nacional Almanzor Aguinaga Asenjo. 2021;14(2):124-7. DOI: 10.35434/rcmhnaaa.2021.142.1021

20. Vera-Ponce VJ, Guerra-Valencia J, Poma MÁ, Loayza-Castro JA, Zeñas-Trujillo GZ, Zuzunaga-Montoya FE, et al. Rendimiento diagnóstico de once indicadores para resistencia a la insulina en una muestra de pobladores peruanos [Internet]. Medicina Clínica y Social. 2023;7(3):168-76. DOI: 10.52379/mcs.v7i3.292

21. Bonora E, Targher G, Alberiche M, Bonadonna RC, Saggiani F, Zenere MB, et al. Homeostasis model assessment closely mirrors the glucose clamp technique in the assessment of insulin sensitivity: studies in subjects with various degrees of glucose tolerance and insulin sensitivity [Internet]. Diabetes Care. 2000;23(1):57-63. DOI: 10.2337/diacare.23.1.57

Descargas

Publicado

23.04.2025

Cómo citar

1.
Zuzunaga Montoya FE, Vásquez Romero LEM, Loayza Castro J, Gutierrez De Carrillo CI, Vigil Ventura E, Vera Ponce VJ. Precisión diagnóstica de la resistencia a la insulina en diabetes y prediabetes. Rev Cubana Med Milit [Internet]. 23 de abril de 2025 [citado 7 de mayo de 2025];54(2):e025059955. Disponible en: https://revmedmilitar.sld.cu/index.php/mil/article/view/59955

Número

Sección

Artículo de Investigación