Resumen:

Objetivo:

Diseñar y validar un score de riesgo de fácil aplicación para detectar prediabetes y diabetes no diagnosticada en población mexicana.

Material y métodos:

Empleando la información del estudio de cohorte de 10 234 adultos del Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán (INCMNSZ), se identificaron factores de riesgo incluidos en modelos de regresión logística múltiple estratificados por sexo. Los coeficientes beta fueron multiplicados por 10 para obtener el peso de cada variable en el score. Una submuestra de la Encuesta Nacional de Salud y Nutrición (Ensanut) 2012 se usó para validar el score.

Resultados:

El score propuesto clasificó correctamente 55.4% a las mujeres con diabetes no diagnosticada y 57.2% a las mujeres con prediabetes o diabetes. Por su parte, clasificó correctamente a los hombres en 68.6 y 69.9%, respectivamente.

Conclusiones:

Presentamos el diseño y validación de un score de riesgo estratificado por sexo para determinar si un adulto podría tener prediabetes o diabetes, en cuyo caso deberán realizarse estudios de laboratorio para confirmar o descartar el diagnóstico.

Palabras clave:
diabetes tipo 2; score de riesgo; detección temprana; México

Abstract:

Objective:

To develop and validate an easy-to-use risk score to detect prediabetes and undiagnosed diabetes in Mexican population.

Materials and methods:

Using information from the Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán’s cohort study of 10 234 adults, risk factors were identified and included in multiple logistic regression models stratified by sex. The beta coefficients of the final model were multiplied by 10, thus obtaining the weights of each variable in the score.

Results:

The proposed score correctly classifies 55.4% of women with undiagnosed diabetes and 57.2% of women with prediabetes or diabetes. While for men it correctly classifies them at 68.6% and 69.9%, respectively.

Conclusions:

We present the design and validation of a risk score stratified by sex, to determine if an adult could have prediabetes or diabetes, in which case laboratory studies should be performed to confirm or not the diagnosis.

Keywords:
type 2 diabetes mellitus; risk score; early detection; Mexico

Introducción

La diabetes mellitus ha ocupado, desde el año 2000, el primer lugar como causa de muerte general en nuestro país.¹1. Secretaría de Salud. Estadísticas de Mortalidad en México: muertes registradas en el año 2000. Salud Publica Mex. 2002;44:266-82. El porcentaje de las muertes ocasionadas por esta enfermedad aumentó de 10.7% en 2000 a 14% en 2008. La prevalencia de diabetes ha incrementado en los últimos años: 7.5% en 1993,²2. Secretaría de Salud. Encuesta Nacional de Enfermedades Crónicas 1993. Ciudad de México: SSA, 1994. 8.7% en 2000³3. Olaiz-Fernández, G, Rojas R, Aguilar-Salinas C, Rauda J, Villalpando S. Diabetes mellitus in Mexican adults: results from the 2000 National Health Survey. Salud Publica Mex. 2007;49:331-7. https://doi.org/10.1590/S0036-36342007000900004
https://doi.org/10.1590/S0036-3634200700... y 14.4% en 2006;⁴4. Villalpando S, Rojas R, Shamah-Levy T, Ávila MA, Gaona B, De la Cruz V, et al. Prevalence and distribution of type 2 diabetes mellitus in Mexican adult population. A probabilistic survey. Salud Publica Mex. 2010;52(suppl 1):S19-26. https://doi.org/10.1590/S0036-36342010000700005
https://doi.org/10.1590/S0036-3634201000... además, se ha vuelto más común en edades más tempranas.⁵5. Villalpando S, Shamah-Levy T, Rojas R, Aguilar-Salinas CA. Trends for type 2 diabetes and other cardiovascular risk factors in Mexico from 1993-2006. Salud Pública Mex. 2010;52(suppl 1):S72-9. https://doi.org/10.1590/S0036-36342010000700011
https://doi.org/10.1590/S0036-3634201000...

En la estrategia nacional para la prevención y el control del sobrepeso, la obesidad y la diabetes, se menciona que mediante un esquema proactivo de prevención con impacto a nivel nacional, el personal de las unidades de salud del primer nivel de atención incrementará el número de tamices a la población para detectar a las personas con prediabetes, con el propósito de comenzar una intervención efectiva que evite o retrase la aparición de la obesidad y la diabetes tipo 2, así como las complicaciones asociadas con esta enfermedad.⁶6. Secretaría de Salud. Estrategia para la prevención y el control del sobrepeso, la obesidad y la diabetes. Ciudad de México: SSA, 2013.

De acuerdo con resultados de las encuestas nacionales de salud de 2000, 2006 y 2012, la detección de diabetes tipo 2 se incrementó en el año previo.⁷7. Gutierrez JP, Dommarco J, Shamah T, Villalpando S, Franco A, Cuevas L, et al. Encuesta Nacional de Salud y Nutrición 2012. Resultados Nacionales. Cuernavaca: Instituto Nacional de Salud Pública, 2012. Sin embargo, 17% de los entrevistados que acudieron en el año previo al levantamiento de la Encuesta Nacional de Salud y Nutrición (Ensanut) 2006, lo hicieron porque presentaban síntomas. El 70% de aquéllos sin diagnóstico médico previo de diabetes con niveles superiores a 126 mg/dl de glucemia en ayunas, en la Ensanut 2006,⁸8. Olaiz G, Rivera J, Shamah T, Rojas R, Villalpando S, Hernández-Avila M, et al. Encuesta Nacional de Salud y Nutrición 2006, Cuernavaca: Instituto Nacional de Salud Pública , 2006. y 63%, en la Ensanut 2012, no acudió a realizarse una prueba de detección de diabetes en el último año.

Los casos con diabetes no diagnosticada identificados por la Ensanut 2006 tenían diversas comorbilidades que requerían atención médica, por ejemplo: obesidad (38%), obesidad abdominal (63.5%), diagnóstico médico previo de hipertensión arterial (27%), hipercolesterolemia (30%), hipertrigliceridemia (28%) y niveles bajos de HDL (50%). Estos datos muestran que el escrutinio de la diabetes no es llevado a cabo pese a la existencia de condiciones asociadas con la enfermedad; el diagnóstico no se realiza hasta la ocurrencia de síntomas.

La aparición de la hiperglucemia es un proceso asintomático que puede durar varios años.⁹9. Hussain A, Claussen B, Ramachandran A, Williams R. Prevention of type 2 diabetes: a review. Diabetes Res Clin Pract. 2007;76:317-26. https://doi.org/10.1016/j.diabres.2006.09.020
https://doi.org/10.1016/j.diabres.2006.0... La consecuencia de no llevar a cabo el escrutinio es que la prevalencia de las complicaciones crónicas resulta mayor a la esperada para casos recién diagnosticados.¹⁰10. Koopman RJ, Mainous AG, Liszka HA, Colwell JA, Slate EH, Carnemolla MA, Everett CJ. Evidence of nephropathy and peripheral neuropathy in US Adults with undiagnosed diabetes. Ann Fam Med. 2006:4;427-32. https://doi.org/10.1370/afm.577
https://doi.org/10.1370/afm.577... ^,1111. Harris MI, Klein R, Welborn TA, Knuiman MW. Onset of NIDDM occurs at least 4-7 yr before clinical diagnosis. Diabetes Care. 1992;15(7):815-9. https://doi.org/10.2337/diacare.15.7.815
https://doi.org/10.2337/diacare.15.7.815...

Un score de riesgo adecuado es aquel que proporciona una estimación individual de riesgo con base en predicciones cercanas a lo observado, que distingue entre población de alto y bajo riesgo, y que puede ser aplicado a otra población.¹²12. Steyerberg EW, Vickers AJ, Cook NR, Gerds T, Gonen M, Obuchowski N, et al. Assessing the performance of prediction models: a framework for some traditional and novel measures. Epidemiology. 2010;21(1):128-38. https://doi.org/10.1097/EDE.0b013e3181c30fb2
https://doi.org/10.1097/EDE.0b013e3181c3... Las escalas de riesgo se basan en los principales factores de riesgo asociadas con la enfermedad en estudio. La edad, la historia familiar de diabetes, el índice de masa corporal y los niveles de glucosa, lípidos y tensión arterial son aspectos vinculados con la diabetes tipo 2.

A partir de estudios transversales y de cohorte, se han diseñado escalas de riesgo para predecir la diabetes incidente,¹³13. Lindström J, Tuomilehto J. The diabetes risk score: a practical tool to predict type 2 diabetes risk. Diabetes Care. 2003;26(3):725-31. https://doi.org/10.2337/diacare.26.3.725
https://doi.org/10.2337/diacare.26.3.725... ^,1414. Wilson PW, Meigs JB, Sullivan L, Fox CS, Nathan DM, D’Agostino RB Sr. Prediction of incident diabetes mellitus in middle-aged adults: the Framingham Offspring Study. Arch Intern Med. 2007;167(10):1068-74.^,1515. Schulze MB, Hoffmann K, Boeing H, Linseisen J, Rohrmann S, Möhlig M, et al. An accurate risk score based on anthropometric, dietary, and lifestyle factors to predict the development of type 2 diabetes. Diabetes Care. 2007;30(3):510-5. https://doi.org/10.2337/dc06-2089
https://doi.org/10.2337/dc06-2089... ^,1616. Schmidt MI, Duncan BB, Bang H, Pankow JS, Ballantyne CM, Golden SH, et al. Atherosclerosis Risk in Communities Investigators. Identifying individuals at high risk for diabetes: The Atherosclerosis Risk in Communities study. Diabetes Care. 2005;28(8):2013-8. https://doi.org/10.2337/diacare.28.8.2013
https://doi.org/10.2337/diacare.28.8.201... ^,1717. Balkau B, Lange C, Fezeu L, Tichet J, de Lauzon-Guillain B, Czernichow S, et al. Predicting diabetes: clinical, biological, and genetic approaches: data from the Epidemiological Study on the Insulin Resistance Syndrome (DESIR). Diabetes Care. 2008;31(10):2056-61. https://doi.org/10.2337/dc08-0368
https://doi.org/10.2337/dc08-0368... ^,1818. Chien K, Cai T, Hsu H, Su T, Chang W, Chen M, et al. A prediction model for type 2 diabetes risk among Chinese people. Diabetologia. 2009;52(3):443-50. https://doi.org/10.1007/s00125-008-1232-4
https://doi.org/10.1007/s00125-008-1232-... ^,1919. Aekplakorn W, Bunnag P, Woodward M, Sritara P, Cheepudomwit S, Yamwong S, et al. A risk score for predicting incident diabetes in the Thai population. Diabetes Care. 2006;29(8):1872-7. https://doi.org/10.2337/dc05-2141
https://doi.org/10.2337/dc05-2141... ^,2020. Expert panel on detection, evaluation and treatment of high blood cholesterol in adults. Executive summary of the third report of the National Cholesterol Education Program (NCEP) Expert panel on detection, evaluation and treatment of high cholesterol. JAMA. 2001;285:2486-97. https://doi.org/10.1001/jama.285.19.2486
https://doi.org/10.1001/jama.285.19.2486... ^,2121. Grundy SM, Cleeman JI, Daniels SR, Donato KA, Eckel RH, Franklin BA, et al. Diagnosis and management of the Metabolic Syndrome. An American Hearth Association/National Heart, Lung, and Blood Institute: Scientific Statement. Crit Pathw Cardiol. 2005;4(4):198-203.^,2222. Alberti KG, Zimmet P, Shaw J. The metabolic syndrome: a new worldwide definition. Lancet. 2005;366:1059-62. https://doi.org/10.1016/S0140-6736(05)67402-8
https://doi.org/10.1016/S0140-6736(05)67... principalmente en poblaciones de Estados Unidos y Europa.¹³13. Lindström J, Tuomilehto J. The diabetes risk score: a practical tool to predict type 2 diabetes risk. Diabetes Care. 2003;26(3):725-31. https://doi.org/10.2337/diacare.26.3.725
https://doi.org/10.2337/diacare.26.3.725... ^,1414. Wilson PW, Meigs JB, Sullivan L, Fox CS, Nathan DM, D’Agostino RB Sr. Prediction of incident diabetes mellitus in middle-aged adults: the Framingham Offspring Study. Arch Intern Med. 2007;167(10):1068-74.^,1515. Schulze MB, Hoffmann K, Boeing H, Linseisen J, Rohrmann S, Möhlig M, et al. An accurate risk score based on anthropometric, dietary, and lifestyle factors to predict the development of type 2 diabetes. Diabetes Care. 2007;30(3):510-5. https://doi.org/10.2337/dc06-2089
https://doi.org/10.2337/dc06-2089... ^,1616. Schmidt MI, Duncan BB, Bang H, Pankow JS, Ballantyne CM, Golden SH, et al. Atherosclerosis Risk in Communities Investigators. Identifying individuals at high risk for diabetes: The Atherosclerosis Risk in Communities study. Diabetes Care. 2005;28(8):2013-8. https://doi.org/10.2337/diacare.28.8.2013
https://doi.org/10.2337/diacare.28.8.201... ^,1717. Balkau B, Lange C, Fezeu L, Tichet J, de Lauzon-Guillain B, Czernichow S, et al. Predicting diabetes: clinical, biological, and genetic approaches: data from the Epidemiological Study on the Insulin Resistance Syndrome (DESIR). Diabetes Care. 2008;31(10):2056-61. https://doi.org/10.2337/dc08-0368
https://doi.org/10.2337/dc08-0368... Otras escalas, cuya información es obtenida sólo con cuestionarios autoaplicados, se han empleado para identificar o detectar a personas con prediabetes y diabetes no diagnosticada.²³23. Herman WH, Smith PJ, Thompson TJ, Engelgau MM, Aubert RE. A new and simple questionnaire to identify people at increased risk for undiagnosed diabetes. Diabetes Care. 1995;18:382-7. https://doi.org/10.2337/diacare.18.3.382
https://doi.org/10.2337/diacare.18.3.382... ^,2424. Glümer C, Carstensen B, Sandbaek A, Lauritzen T, Jørgensen T, Borch-Johnsen K. A Danish diabetes risk score for targeted screening: the Inter99 study. Diabetes Care. 2004;27(3):727-33. https://doi.org/10.2337/diacare.27.3.727
https://doi.org/10.2337/diacare.27.3.727... ^,2525. Heikes KE, Eddy DM, Arondekar B, Schlessinger L. Diabetes Risk Calculator. A simple tool for detecting undiagnosed diabetes and pre-diabetes. Diabetes Care. 2008;31:1040-5. https://doi.org/10.2337/dc07-1150
https://doi.org/10.2337/dc07-1150... ^,2626. Baan CA, Ruige JB, Stolk RP, Witteman JC, Dekker JM, Heine RJ, Feskens EJ. Performance of a predictive model to identify undiagnosed diabetes in a health care setting. Diabetes Care. 1999;22(2):213-9. https://doi.org/10.2337/diacare.22.2.213
https://doi.org/10.2337/diacare.22.2.213... ^,2727. Ruige JB, de Neeling JN, Kostense PJ, Bouter LM, Heine RJ. Performance of an NIDDM screening questionnaire based on symptoms and risk factors. Diabetes Care. 1997;20(4):491-6. https://doi.org/10.2337/diacare.20.4.491
https://doi.org/10.2337/diacare.20.4.491... ^,2828. Griffin SJ, Little PS, Hales CN, Kinmonth AL, Wareham NJ. Diabetes risk score: towards earlier detection of type 2 diabetes in general practice. Diabetes Metab Res Rev. 2000;16(3):164-71. https://doi.org/10.1002/1520-7560(200005/06)16:3<164::AID-DMRR103>3.0.CO;2-R
https://doi.org/10.1002/1520-7560(200005... Dado que los puntajes de riesgo han sido desarrollados en diferentes poblaciones, las diferencias observadas pueden ser atribuidas al contexto en cada una de ellas.

La escala de riesgo que se ha empleado en los servicios de salud en México durante los últimos años, denominada cuestionario de factores de riesgo,²⁹29. Secretaría de Salud. Cuestionario de factores de riesgo [internet]. Ciudad de México: Cenaprece, 2014 [citado octubre 1, 2015]. Disponible en: https://www.gob.mx/cms/uploads/attachment/file/19804/CuestionarioFactoresRiesgo_11042014.pdf
https://www.gob.mx/cms/uploads/attachmen... fue construida con base en el cuestionario de riesgo de diabetes de la Asociación Americana de Diabetes (ADA)²³23. Herman WH, Smith PJ, Thompson TJ, Engelgau MM, Aubert RE. A new and simple questionnaire to identify people at increased risk for undiagnosed diabetes. Diabetes Care. 1995;18:382-7. https://doi.org/10.2337/diacare.18.3.382
https://doi.org/10.2337/diacare.18.3.382... y no ha sido validada en población mexicana.

Presentamos la metodología y resultados del desarrollo y validación de un score de riesgo estratificado por sexo para población mexicana. Éste puede obtenerse a partir de preguntas que personal de los servicios de salud puede hacer a los adultos o que éstos mismos pueden autoaplicarse para determinar si podrían tener prediabetes o diabetes, en cuyo caso deberán realizarse estudios de laboratorio para confirmar o descartar el diagnóstico.

Material y métodos

Éste es un análisis secundario del estudio de cohorte titulado “Creación de una cohorte representativa de la población del centro de México, que permita estimar la incidencia de las comorbilidades y las complicaciones del síndrome metabólico”, realizado por personal del departamento de Endocrinología y Metabolismo del Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán (INCMNSZ). El objetivo principal de dicho estudio fue medir la incidencia de diabetes tipo 2 en un periodo de seguimiento de tres años. La población que compone esta cohorte es población abierta y está compuesta por trabajadores del gobierno federal o empleados de compañías. El reclutamiento inició en septiembre de 2006 y finalizó en julio de 2009. A todos los participantes se les aplicó un cuestionario estandarizado que incluyó variables demográficas, historia personal y familiar de enfermedades crónicas degenerativas, actividad física y alimentación. Se obtuvieron medidas antropométricas y de tensión arterial. Se les aplicó la versión corta del cuestionario International Physical Activity Questionnaire (IPAQ),³⁰30. Craig CL, Marshall AL, Sjostrom M, Bauman AE, Booth ML, Ainsworth BE, et al. International physical activity questionnaire: 12-country reliability and validity. Med Sci Sports Exerc. 2003;35(8):1381-1395. https://doi.org/10.1249/01.MSS.0000078924.61453.FB
https://doi.org/10.1249/01.MSS.000007892... el recordatorio de consumo de alimentos de las últimas 24 horas y un cuestionario de frecuencia de alimentos de siete días. Asimismo, se analizaron los resultados de muestras séricas como perfil de lípidos, glucosa, insulina, apolipoproteína B y proteína C reactiva (PCR).

El protocolo original fue aprobado por el Comité Institucional de Investigación Biomédica en Humanos del INCMNSZ y cada participante firmó una carta de consentimiento informado. El protocolo de este análisis secundario de datos fue aprobado por el Comité de Ética en Investigación del Instituto Nacional de Salud Pública. La base de datos se analizó sin identificadores personales de los participantes; únicamente se les asignó folio para conservar su anonimato.

Población de estudio

A partir de la cohorte previamente descrita, se obtuvo información basal de 10 234 hombres y mujeres residentes del centro del país (Aguascalientes, Distrito Federal, Guanajuato, Morelos, Estado de México), con una edad de 18 años o más.

La población empleada para la validación externa estuvo compuesta por 9 732 adultos participantes de la Ensanut 2012, a quienes se les realizaron estudios de laboratorio en sangre. Éstos representan a 64.3 millones de adultos al emplear los ponderadores correspondientes.

Definición de variables

Dada la importancia de la diabetes y la relación que tiene con otras enfermedades consideradas como un problema de salud (obesidad, hipertensión o síndrome metabólico), en el presente trabajo las variables de interés fueron prediabetes y diabetes no diagnosticada:

Otras variables que fueron consideradas en el análisis fueron:

Análisis estadístico

Se realizó análisis descriptivo de la población de estudio y de la proveniente de la Ensanut 2012 con el propósito de caracterizarlas. Posteriormente, se hizo análisis bivariado para identificar las variables asociadas con la variable dependiente (prediabetes o diabetes no diagnosticada; es decir, glucosa en ayuno >=110 mg/dl). Dentro de las variables independientes que se probaron se encuentran obesidad abdominal (de acuerdo con la IDF y con la ATPIII-AHA), pérdida de peso en los últimos tres meses, tabaquismo, horas frente a pantalla, dislipidemias, diabetes gestacional y kilocalorías consumidas.

Se obtuvieron diferentes modelos de regresión logística múltiple estratificadas por sexo, construidos a partir de variables previamente seleccionadas y que resultaron significativamente asociadas con la variable dependiente (p<0.05). Se probaron diferentes interacciones y no resultaron significativas (p<0.10). Los modelos finales fueron evaluados a través de sus residuos y su bondad de ajuste a través de la prueba de Hosmer-Lemeshow. A partir de los coeficientes de los modelos finales (uno para mujeres y otro para hombres) fue obtenido el score de riesgo, el peso asignado a cada variable, multiplicando el coeficiente por 10. Este procedimiento ha sido empleado en la construcción de scores semejantes.²⁴24. Glümer C, Carstensen B, Sandbaek A, Lauritzen T, Jørgensen T, Borch-Johnsen K. A Danish diabetes risk score for targeted screening: the Inter99 study. Diabetes Care. 2004;27(3):727-33. https://doi.org/10.2337/diacare.27.3.727
https://doi.org/10.2337/diacare.27.3.727... ^,3232. Zhou X, Qiao Q, Ji L, Ning F, Yang W, Weng J, et al. Nonlaboratory-based risk assessment algorithm for undiagnosed Type 2 diabetes developed on a nation-wide diabetes survey. Diabetes Care . 2013;36:3944-52. https://doi.org/10.2337/dc13-0593
https://doi.org/10.2337/dc13-0593... ^,3333. Wang H, Liu T, Qiu Q, Ding P, He YH, Chen WQ. A Simple risk score for identifying individuals with impaired fasting glucose in the Southern Chinese population. Int J Environ Res Public Health. 2015;12:1237-52. https://doi.org/10.3390/ijerph120201237
https://doi.org/10.3390/ijerph120201237... ^,3434. Salinero-Fort MA, Burgos-Lunar C, Lahoz C, Mostaza JM, Abánades-Herranz JC, Laguna-Cuesta F, et al. Performance of the Finnish Diabetes Risk Score and a simplified Finnish Diabetes Risk Score in a community-Based, cross-Sectional programme for screening of undiagnosed Type 2 Diabetes Mellitus and Dysglycaemia in Madrid, Spain: The SPREDIA-2 Study. PLoS One. 2016;11(7):e0158489. https://doi.org/10.1371/journal.pone.0158489
https://doi.org/10.1371/journal.pone.015...

Los puntos de corte se obtuvieron empleando el índice Youden (sensibilidad + especificidad -1), tanto para variables continuas como para la suma del score final. Para cada modelo de score de riesgo (para detectar diabetes y para detectar prediabetes o diabetes), se calculó sensibilidad, especificidad, valor predictivo positivo, valor predictivo negativo, razón de verosimilitud positiva LR+ y negativa LR-, así como curvas del tipo receiver operating characteristic (ROC) para comparar su habilidad para detectar prediabetes o diabetes tipo 2. Se calculó y comparó el área bajo la curva (AUC) de cada score de riesgo.

El análisis con la información de la Ensanut 2012 se realizó tomando en consideración el diseño complejo de la encuesta y usando el ponderador correspondiente. Para el análisis se utilizó el software de STATA versión 13 (StataCorp LP).

Resultados

Para el diseño del score, se consideraron 10 234 adultos de 18 años o más de edad, que participaron en el estudio “Creación de una cohorte representativa de la población del centro de México que permita estimar la incidencia de las comorbilidades y las complicaciones del síndrome metabólico”, de los cuales 33.6% son hombres; la edad promedio fue de 42.4 años. La media del índice de masa corporal y de la circunferencia de cintura fue de 27.9 kg/m² y 94 cm, respectivamente. La prevalencia de prediabetes fue de 12.3%, mientras que la de diabetes no diagnosticada, de 2.6%.

Con respecto a la submuestra de la Ensanut 2012, 46.7% son hombres y su edad promedio fue de 41.9 años. La media del índice de masa corporal y de la circunferencia de cintura fue de 28.3 kg/m² y 93.5 cm, respectivamente. La prevalencia de prediabetes y diabetes no diagnosticada en esta población fue de 7.5 y 4.5%, respectivamente (cuadro I).

En el cuadro II se presentan los resultados del modelo final de regresión logística múltiple para cada sexo, en donde se puede observar que el exceso de peso (sobrepeso [RM=2.04 (IC95% 1.18-3.54]) y obesidad (RM=3.49 [IC95% 1.94-6.27]) y la edad mayor o igual a 50 años (RM=2.80 [IC95% 2.03-3.88]) son las variables con mayor asociación y, por ende, mayor peso en el score de riesgo, en el caso de las mujeres. Mientras que, una cintura mayor o igual de 100 cm (RM=2.17 [IC95% 1.50-3.16]) y la edad mayor o igual a 50 años (RM=2.03 [IC95% 1.43-2.89]) tienen la mayor asociación con la presencia de diabetes o prediabetes no diagnosticada, y los mayores pesos en el score de riesgo, en los hombres.

En la segunda columna del cuadro III se presentan los valores del score empleado actualmente en las unidades médicas de primer nivel y, en la tercera y cuarta, el propuesto en este estudio. El rango del score actualmente usado en las unidades de primer contacto va entre 0 y 46 puntos. El rango del score propuesto va de 0 a 49 para las mujeres y de 0 a 36 para los hombres. El punto de corte para determinar si una persona tiene diabetes no diagnosticada con el score actual es de 10 o más y, con el score que aquí se propone, de 21 y más en las mujeres, y de 18 y más en los hombres. En la figura 1 pueden observarse los puntos de score que es posible obtener con los resultados de las variables que lo componen: edad, circunferencia de cintura, índice de masa corporal, actividad física y familiares con diabetes, tanto para mujeres como para hombres. Para las mujeres, se incluyen dos tablas, una para aquéllas sin hipertensión y otra para las que sí la tienen. Así, por ejemplo, una mujer no hipertensa, con familiares cercanos con diabetes, de más de 50 años, con una cintura de 90 centímetros, físicamente inactiva, tendrá 17 puntos, si tiene un peso normal y probablemente no tenga diabetes o prediabetes; mientras que, si tiene sobrepeso, tendrá 24 puntos y probablemente tenga diabetes o prediabetes. Mientras tanto, un hombre con las mismas características tendrá 16 y 17 puntos, si tiene un peso normal o sobrepeso, pero 21 puntos y probablemente diabetes o prediabetes, si tiene obesidad.

A pesar de que el score actual tiene la mayor sensibilidad, el desempeño del score propuesto es mejor, tanto para detectar diabetes no diagnosticada como para detectar prediabetes. El score actual de la Secretaría de Salud (SSa) tiene un valor C discretamente por arriba de 0.5 tanto en la cohorte del INCMNSZ como con la Ensanut 2012. El porcentaje de clasificación correcta de dicho score, es bajo (desde 10.3%, para diabetes no diagnosticada en mujeres, hasta 17.7% para prediabetes o diabetes en hombres). El score propuesto tiene un valor C igual o mayor a 0.6 para la mayoría de los desenlaces. Además, clasifica correctamente desde 55.4% a las mujeres con diabetes no diagnosticada hasta 57.2% a las mujeres con prediabetes o diabetes. Los hombres con diabetes no diagnosticada son clasificados correctamente en 68.6% y con prediabetes o diabetes no diagnosticada, 69.9% (cuadro IV).

Adicionalmente, con los datos del estudio de cohorte del INCMNSZ, se obtuvo el score Finnish Diabetes Risk Score (FINRISK),¹³13. Lindström J, Tuomilehto J. The diabetes risk score: a practical tool to predict type 2 diabetes risk. Diabetes Care. 2003;26(3):725-31. https://doi.org/10.2337/diacare.26.3.725
https://doi.org/10.2337/diacare.26.3.725... originalmente diseñado para obtener el riesgo de desarrollar diabetes y validado para detectar población con prediabetes y diabetes no diagnosticada con los puntos de corte 9 y 10.³⁵35. Zhang L, Zhang Z, Zhang Y, Hu G, Chen L. Evaluation of Finnish Diabetes Risk Score in Screening Undiagnosed Diabetes and Prediabetes among U.S. Adults by Gender and Race: NHANES 1999-2010. PLoS One. 2014;9(5):e97865. https://doi.org/10.1371/journal.pone.0097865
https://doi.org/10.1371/journal.pone.009... ^,3636. Franciosi M, De Berardis G, Rossi MC, Sacco M, Belfiglio M, Pellegrini F, et al. Use of the diabetes risk score for opportunistic screening of undiagnosed diabetes and impaired glucose tolerance: the IGLOO (Impaired Glucose Tolerance and Long-Term Outcomes Observational) study. Diabetes Care. 2005;28(5):1187-94. https://doi.org/10.2337/diacare.28.5.1187
https://doi.org/10.2337/diacare.28.5.118... ^,3737. Tankova T, Chakarova N, Atanassova I, Dakovska L. Evaluation of the Finnish Diabetes Risk Score as a screening tool for impaired fasting glucose, impaired glucose tolerance and undetected diabetes. Diabetes Res Clin Pract. 2011;92(1):46-52. https://doi.org/10.1016/j.diabres.2010.12.020
https://doi.org/10.1016/j.diabres.2010.1... Al aplicar el punto de corte a los 10 puntos, se obtuvo una sensibilidad de 85.9%, una especificidad de 37.9% y un porcentaje de correctamente clasificados de 39.4% para detectar diabetes no diagnosticada, mientras que se obtuvo 84.9, 39.2 y 43.1%, respectivamente, para detectar prediabetes o diabetes no diagnosticada. Al aplicar el corte en 9 puntos, se obtuvo 88.7, 30.3, y 32.1, respectivamente, para detectar diabetes no diagnosticada, y 90.7, 31.6, y 36.5%, respectivamente, para detectar prediabetes o diabetes no diagnosticada.

Con respecto a la validación externa, en el cuadro IV pueden observarse los resultados que el score tuvo al ser aplicado a la población participante de la Ensanut 2012. Los porcentajes de las personas clasificadas correctamente fueron superiores a los obtenidos en la población del estudio del INCMNSZ, en ambos sexos. Por su parte, el área bajo la curva fue ligeramente menor en la población de la Ensanut 2012 que en la población del INCMNSZ, excepto en el caso de los hombres en el score propuesto en este documento para diabetes no diagnosticada (cuadro IV).

Discusión

El score propuesto, estratificado por sexo, tiene mejor desempeño que el que actualmente usa la Secretaría de Salud (SSa). Presenta una mayor especificidad, valor predictivo positivo, razón de verosimilitud positiva (LR+), área bajo la curva y porcentaje de clasificados correctamente. Sin embargo, el score actual tiene una sensibilidad superior: clasifica a 80% de todos los adultos mexicanos con riesgo positivo de tener diabetes, aunque sólo 20% de ellos presenta niveles de glucosa superiores a 110 mg/dl, lo que produce 85% de falsos positivos en mujeres y 67% en hombres. Lo anterior conlleva a referir a un gran número de personas a estudios de laboratorio innecesarios, lo que ocasiona un gasto de bolsillo excesivo. El score que proponemos califica en riesgo a 36% de las mujeres y a 16% de los hombres, de los cuales, 34% de las mujeres y 38% de los hombres presentaron niveles de glucosa compatibles con prediabetes o diabetes no diagnosticada. Este score tiene una mejor especificidad, con lo que el número de falsos positivos (30% en mujeres y 12% en hombres) se reduce y, por ende, los estudios de laboratorio innecesarios para confirmación del diagnóstico son menos. Se compararon las áreas bajo la curva para prediabetes y diabetes no diagnosticada obtenidas a partir del score de la SSa (0.53, IC95% 0.52-0.54 en mujeres y 0.54, IC95% 0.53-0.56 en hombres) y a partir del score que aquí se propone (0.68, IC95% 0.66-0.71 en mujeres y 0.61, IC95% 0.60-0.65 en hombres), y se encontró que son significativamente diferentes para ambos sexos (p=0.0001).

Al comparar el desempeño del score de riesgo que proponemos con otros scores para detectar diabetes no diagnosticada, se observaron resultados semejantes a los publicados por Baan y colaboradores²⁶26. Baan CA, Ruige JB, Stolk RP, Witteman JC, Dekker JM, Heine RJ, Feskens EJ. Performance of a predictive model to identify undiagnosed diabetes in a health care setting. Diabetes Care. 1999;22(2):213-9. https://doi.org/10.2337/diacare.22.2.213
https://doi.org/10.2337/diacare.22.2.213... (Se=78%, Sp=55%, AUC=0.68), resultados ligeramente inferiores a los obtenidos por Herman y colaboradores²³23. Herman WH, Smith PJ, Thompson TJ, Engelgau MM, Aubert RE. A new and simple questionnaire to identify people at increased risk for undiagnosed diabetes. Diabetes Care. 1995;18:382-7. https://doi.org/10.2337/diacare.18.3.382
https://doi.org/10.2337/diacare.18.3.382... (Se=79%, Sp=65%, AUC=0.78), Glümer y colaboradores²⁴24. Glümer C, Carstensen B, Sandbaek A, Lauritzen T, Jørgensen T, Borch-Johnsen K. A Danish diabetes risk score for targeted screening: the Inter99 study. Diabetes Care. 2004;27(3):727-33. https://doi.org/10.2337/diacare.27.3.727
https://doi.org/10.2337/diacare.27.3.727... (Se=73%, Sp=74%, AUC=0.80), Ruige y colaboradores²⁷27. Ruige JB, de Neeling JN, Kostense PJ, Bouter LM, Heine RJ. Performance of an NIDDM screening questionnaire based on symptoms and risk factors. Diabetes Care. 1997;20(4):491-6. https://doi.org/10.2337/diacare.20.4.491
https://doi.org/10.2337/diacare.20.4.491... (Se=72%, Sp=56%, AUC=0.80) y Griffin y colaboradores²⁸28. Griffin SJ, Little PS, Hales CN, Kinmonth AL, Wareham NJ. Diabetes risk score: towards earlier detection of type 2 diabetes in general practice. Diabetes Metab Res Rev. 2000;16(3):164-71. https://doi.org/10.1002/1520-7560(200005/06)16:3<164::AID-DMRR103>3.0.CO;2-R
https://doi.org/10.1002/1520-7560(200005... (Se=77%, Sp=72%, AUC=0.80). Para detectar prediabetes y diabetes no diagnosticada se observaron resultados ligeramente inferiores a los obtenidos por Heikes y colaboradores²⁵25. Heikes KE, Eddy DM, Arondekar B, Schlessinger L. Diabetes Risk Calculator. A simple tool for detecting undiagnosed diabetes and pre-diabetes. Diabetes Care. 2008;31:1040-5. https://doi.org/10.2337/dc07-1150
https://doi.org/10.2337/dc07-1150... (Se=88%, Sp=75%, AUC=0.85). Cada uno de estos score de riesgo ha sido desarrollado en poblaciones con características específicas. Para algunos se empleó regresión logística para la asignación de los pesos del score,²⁴24. Glümer C, Carstensen B, Sandbaek A, Lauritzen T, Jørgensen T, Borch-Johnsen K. A Danish diabetes risk score for targeted screening: the Inter99 study. Diabetes Care. 2004;27(3):727-33. https://doi.org/10.2337/diacare.27.3.727
https://doi.org/10.2337/diacare.27.3.727... ^,2525. Heikes KE, Eddy DM, Arondekar B, Schlessinger L. Diabetes Risk Calculator. A simple tool for detecting undiagnosed diabetes and pre-diabetes. Diabetes Care. 2008;31:1040-5. https://doi.org/10.2337/dc07-1150
https://doi.org/10.2337/dc07-1150... ^,2626. Baan CA, Ruige JB, Stolk RP, Witteman JC, Dekker JM, Heine RJ, Feskens EJ. Performance of a predictive model to identify undiagnosed diabetes in a health care setting. Diabetes Care. 1999;22(2):213-9. https://doi.org/10.2337/diacare.22.2.213
https://doi.org/10.2337/diacare.22.2.213... ^,2727. Ruige JB, de Neeling JN, Kostense PJ, Bouter LM, Heine RJ. Performance of an NIDDM screening questionnaire based on symptoms and risk factors. Diabetes Care. 1997;20(4):491-6. https://doi.org/10.2337/diacare.20.4.491
https://doi.org/10.2337/diacare.20.4.491... ^,2828. Griffin SJ, Little PS, Hales CN, Kinmonth AL, Wareham NJ. Diabetes risk score: towards earlier detection of type 2 diabetes in general practice. Diabetes Metab Res Rev. 2000;16(3):164-71. https://doi.org/10.1002/1520-7560(200005/06)16:3<164::AID-DMRR103>3.0.CO;2-R
https://doi.org/10.1002/1520-7560(200005... mientras que otros fueron construidos como árboles de decisiones.²³23. Herman WH, Smith PJ, Thompson TJ, Engelgau MM, Aubert RE. A new and simple questionnaire to identify people at increased risk for undiagnosed diabetes. Diabetes Care. 1995;18:382-7. https://doi.org/10.2337/diacare.18.3.382
https://doi.org/10.2337/diacare.18.3.382... ^,2525. Heikes KE, Eddy DM, Arondekar B, Schlessinger L. Diabetes Risk Calculator. A simple tool for detecting undiagnosed diabetes and pre-diabetes. Diabetes Care. 2008;31:1040-5. https://doi.org/10.2337/dc07-1150
https://doi.org/10.2337/dc07-1150...

Al calcular el FINRISK, obtuvimos un menor porcentaje de los correctamente clasificados que lo que encontramos al aplicar el score propuesto en este documento. Al comparar las áreas bajo la curva para prediabetes y diabetes no diagnosticada obtenidas a partir del score que proponemos (0.68, IC95% 0.66-0.71 en mujeres y 0.61, IC95% 0.60-0.65 en hombres) y el obtenido con el FINRISK (0.62 IC95% 0.59-0.65 en mujeres y 0.62 IC95% 0.57-0.68 en hombres), encontramos que son significativamente diferentes (p=0.04) para las mujeres, pero no para los hombres.

El gasto generado por la atención a la diabetes y a sus complicaciones es considerable, tanto para los sistemas de salud como para los enfermos y sus familias.³⁸38. Arredondo A, Reyes G. Health Disparities from Economic Burden of Diabetes in Middle-income Countries: Evidence from México. PLoS One. 2013;8(7):e68443. https://doi.org/10.1371/journal.pone.0068443
https://doi.org/10.1371/journal.pone.006... ^,3939. Lugo-Palacios DG, Cairns J. The financial and health burden of diabetic ambulatory care sensitive hospitalisations in Mexico. Salud Publica Mex. 2016;58:33-40. https://doi.org/10.21149/spm.v58i1.7665
https://doi.org/10.21149/spm.v58i1.7665... ^,4040. Gutiérrez JP, García-Saisó S, Espinosa-de la Peña R, Balandrán DA. Desigualdad en indicadores de enfermedades crónicas y su atención en adultos en México: análisis de tres encuestas de salud. Salud Publica Mex . 2016;58:666-75. https://doi.org/10.21149/spm.v58i6.7923
https://doi.org/10.21149/spm.v58i6.7923... Es fundamental para la aplicación de medidas preventivas la identificación de los sujetos con prediabetes o diabetes no diagnosticada, mediante scores autoaplicados o a partir de preguntas que personal de los servicios de salud pueden hacer. Si se determina que podrían tener prediabetes o diabetes, deberán realizarse estudios de laboratorio para confirmar o descartar el diagnóstico. Las acciones en medicina preventiva deberán enfocarse en aquellos sujetos con un resultado del score positivo para, con ello, retardar o evitar el desarrollo de diabetes tipo 2 y de sus complicaciones, así como contener el crecimiento de esta enfermedad en la población mexicana.

Referencias

Fechas de Publicación

Histórico