El estudio Framingham Offspring promulga algoritmo de riesgo de DM usando medidas clínicas simples

Publicidad

Prediction of incident diabetes mellitus in middle-aged adults: the Framingham Offspring Study. Arch Intern Med 2007; 167: 1068-1074.

WILSON PWF, MEIGS JB, SULLIVAN L, FOX CS, NATHAN DM, D’AGOSTINO RB SR.

Encuesta sobre Vehículos en Colombia 🚘 🛣️

¡Bienvenido(a)!

Gracias por participar en esta encuesta. Su opinión es muy valiosa para conocer la percepción que tienen los consumidores sobre diferentes marcas de vehículos en Colombia. La encuesta es anónima y sus respuestas serán utilizadas únicamente con fines de investigación de mercado.

⏰ Duración estimada: 5 minutos.

Por favor, responda con sinceridad.

1. Ciudad de residencia*

Si no aparece su ciudad, por favor especifique cuál. 

1. Ciudad de residencia*

Si no aparece su ciudad, por favor especifique cuál. 

2. Género   *

2. Género   *

3. Edad*

3. Edad*

4. Estrato socioeconómico (NSE)*

4. Estrato socioeconómico (NSE)*

5. ¿Cuál es la primera marca que viene a su mente cuando piensa en vehículos?

5. ¿Cuál es la primera marca que viene a su mente cuando piensa en vehículos?

6. ¿Qué otras marcas de vehículos vienen a su mente?

6. ¿Qué otras marcas de vehículos vienen a su mente?

7. ¿Qué otras marcas de vehículos (Camionetas, SUV, automóviles, pickups / camionetas de platón) vienen a su mente?

7. ¿Qué otras marcas de vehículos (Camionetas, SUV, automóviles, pickups / camionetas de platón) vienen a su mente?

8. De las siguientes marcas de vehículos, ¿cuáles recuerda haber visto o escuchado?*

8. De las siguientes marcas de vehículos, ¿cuáles recuerda haber visto o escuchado?*

9. ¿Qué tanto conoce cada una de estas marcas de vehículos?*

Por favor responda sobre cada marca.

9. ¿Qué tanto conoce cada una de estas marcas de vehículos?*

Por favor responda sobre cada marca.

Nada Conocido
Algo conocido
Muy conocido
Chery
Changan
Deepal
BYD
Geely
Great Wall
Jetour
MG
Zeekr

10. ¿De qué marca de vehículos recuerda haber visto, escuchado o leído publicidad recientemente?*

10. ¿De qué marca de vehículos recuerda haber visto, escuchado o leído publicidad recientemente?*

11. ¿De qué otras marcas de vehículos ha visto publicidad?

11. ¿De qué otras marcas de vehículos ha visto publicidad?

12. ¿En qué lugar o medio recuerda haber visto, leído o escuchado sobre estas marcas?

Chery - Changan - Deepal - BYD - Geely - Great Wall - Jetour - MG - Zeekr

12. ¿En qué lugar o medio recuerda haber visto, leído o escuchado sobre estas marcas?

Chery - Changan - Deepal - BYD - Geely - Great Wall - Jetour - MG - Zeekr

13. ¿Qué tanta publicidad ha visto de cada marca?*

Por favor responda sobre cada marca.

13. ¿Qué tanta publicidad ha visto de cada marca?*

Por favor responda sobre cada marca.

Nada
Poca
Mucha
Chery
Changan
Deepal
BYD
Geely
Great Wall
Jetour
MG
Zeekr
14. ¿Qué tan familiarizado(a) está con estas marcas?

Chery*

Chery*

Changan*

Changan*

Deepal*

Deepal*

BYD*

BYD*

Geely*

Geely*

Great Wall*

Great Wall*

Jetour*

Jetour*

MG*

MG*

Zeekr*

Zeekr*

15. ¿Qué palabras o atributos asocia con estas marcas?

Chery

Chery

Changan

Changan

Deepal

Deepal

BYD

BYD

Geely

Geely

Great Wall

Great Wall

Jetour

Jetour

MG 

MG 

Zeekr

Zeekr

16. ¿Cuál es su percepción general de estas marcas?*

16. ¿Cuál es su percepción general de estas marcas?*

Negativa
Neutral
Positiva
Chery
Changan
Deepal
BYD
Geely
Great Wall
Jetour
MG
Zeekr

17. ¿Ha comprado vehículos de estas marcas anteriormente?*

17. ¿Ha comprado vehículos de estas marcas anteriormente?*

No
Chery
Changan
Deepal
BYD
Geely
Great Wall
Jetour
MG
Zeekr

18. ¿Qué tan probable es que compre un vehículo de estas marcas en el futuro?*

18. ¿Qué tan probable es que compre un vehículo de estas marcas en el futuro?*

Muy improbable
Algo probable
Muy probable
Chery
Changan
Deepal
BYD
Geely
Great Wall
Jetour
MG
Zeekr

Nivel de Evidencia: II-2

Examinando las características personales y simples medidas clínicas comúnmente obtenidas de una consulta médica, los clínicos pueden predecir efectivamente los riesgos de diabetes mellitus (DM) en adultos de edades medias en el curso de ocho años, fue lo que encontró este estudio que probó varios modelos para predecir su habilidad. Se estudiaron modelos de simples a complejos de medidas de riesgo comenzando con la inclusión de características personales, progresando a la adición de medidas clínicas simples de características de síndrome metabólico, y finalmente, medidas clínicas más complejas.

El estudio encontró que los modelos complejos no mejoraron la habilidad predictiva. Los investigadores usaron una muestra de población de 3.140 de edad mediana, principalmente blancos y no hispanos (99%), hombres y mujeres, (edad promedio 54 años, 54% mujeres) del quinto examen clínico del estudio Framingham Offspring.

El estudio investigó tres modelos básicos para su habilidad predictiva durante un seguimiento de siete años. Se consideró que los participantes habían desarrollado DM si tenían glucosa en ayunas de 126 mg/dl o más en la visita de seguimiento.

Publicidad

El “modelo personal” usó características personales para predecir el riesgo de DM- edad, historia familiar de DM e índice de masa corporal (IMC). Un “modelo clínico simple” incluyó las características anteriores como también la presión sanguínea, el colesterol HDL (HDL-C), los triglicéridos, circunferencia de cintura y la glucosa en ayunas de 100 a 126. Por último, más exámenes clínicos sofisticados se agregaron a las mediciones junto con las medidas anteriores (“modelos clínicos complejos”) que también incluyeron: a) proteína C reactiva, insulina en ayunas más test oral de tolerancia de la glucosa a la insulina 140-200 mg/dL; b) el índice de sensibilidad a la insulina de Gutt, o c) el índice de resistencia a la insulina: modelos de medida de homeostasis (HOMA)e índice de células HOMA.

Los investigadores examinaron varias premutaciones de tres modelos básicos por regresión logística, con examen de la capacidad discriminatoria de los modelos usando la estadística C (área debajo del receptor operativo de la curva característica AROC).

En análisis del modelo personal, más altas categorías de edad e IMC (>30 kg/m2) y una historia familiar de DM fueron relacionadas significativamente con el desarrollo de DM durante el seguimiento. El AROC para el modelo personal, el cual indica la capacidad predictiva de discriminar aquellos que podrían desarrollar DM de aquellos que no, fue de 0.72. Medidas de los modelos clínicos simples encontraron que una historia familiar de DM, presión sanguínea mayor de 130/85 mm Hg, bajo HDL-C, triglicéridos por encima de 150 mg/ dl, glucosa en ayunas alterada, mayor IMC y circunferencia de cintura (>102 en el hombre y >88 en la mujer) se asociaron significativamente con el desarrollo de DM (la edad no fue significante en el modelo clínico simple). Al incluir el IMC y la circunferencia de la cintura no mejoró la capacidad predictiva sobre la inclusión individual de cada uno. El estudio estableció que los AROC para los modelos clínicos simples fue aproximadamente fue de 0.85, lo cual indica una capacidad discriminatoria excelente. Varios resultados del modelo clínico complejo no dan mejores habilidades predicativas que los modelos clínicos simples (AROC entre 0.850 y 0.854).

El estudio promulga un algoritmo basado en el modelo clínico simple, calculando el riesgo de desarrollar DM al seguimiento por ocho años que puede ser usado en una oficina. Este asigna 10 puntos a la glucosa alterada, 5 puntos al IMC mayor de 30 kg/ m2, 5 puntos a HDL-C bajo, 3 puntos a la historia familiar de DM, 3 puntos a los niveles de triglicéridos mayores de 150 mg/dl, 2 puntos a la presión arterial elevada, 2 puntos al IMC de 25 a 29.9 kg/m2. La edad y el sexo se encontraron relativamente no relacionados al desarrollo de la DM, usando el modelo clínico simple. El AROC para el resultado final de predicción fue de 0.85.

Comentario. Este estudio crea otra regla de predicción para el desarrollo de DM. Los autores encontraron que mientras las variables conocidas del paciente pueden dar un riesgo estimado razonable, la adición de unos pocos y fáciles parámetros clínicos de rutina (presión sanguínea, HDL-C, triglicéridos, glucosa en ayunas) resultan en una regla de predicción con alta habilidad discriminatoria.

Así, esto puede ser usado como un instrumento en pacientes en el consultorio. Es de anotar que se usó el IMC y la circunferencia de la cintura, que son muy fáciles de medir en la clínica. Mientras la habilidad predictiva parece similar a otros modelos, este tiene el beneficio de una fácil ejecución (sumando puntos), mientras algunos otros modelos incluyen una ecuación compleja.

Como esta escala fue desarrollada solo en caucásicas, necesita validación en otras cohortes para determinar su generalización. Una importante desventaja de este algoritmo es la inhabilidad para discriminar entre individuos de alto riesgo para desarrollar DM y aquellos en muy alto riesgo.

Aquellos con un puntaje total mayor o igual a 25 tienen un 35% más alto riesgo de desarrollar DM a ocho años.

Publicidad

La regla de predicción de San Antonio1 es capaz de dar una figura de predicción más útil. Por ejemplo, considera una mujer de 45 años blanca con glicemia en ayunas de 112 mg/dL, IMC 35 mg/m2, presión sanguínea de 142/81, HDL-C 39 mg/dL, triglicéridos 159 mg/dL y un padre con DM. Por esta escala su riesgo de DM a ocho años es >35%, mientras en la escala de San Antonio su riesgo a 7.5 años de desarrollar DM es de 79%.

Lo último es mucho mejor para motivar al paciente a cambiar de estilo de vida y tomar medidas para prevenir la DM.
Mark O. Goodarzi, MD, PhD
Glenn D. Braunstein, MD
Division of Endocrinology, Diabetes and
Metabolism
Department of Medicine
Cedars-Sinai Medical Center
Los Angeles, CA

Referencias

1. Stern MP, Williams K, Haffner SM. Identification of person at high risk for type 2 diabetes mellitus: do we need the oral glucose tolerance test? Ann Intern Med 2002; 136: 575-581.

¿QUIERES DEJAR UN COMENTARIO?

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Estudio Framingham Offspring promulga algoritmo de riesgo de DM