Control glucémico de pacientes con Diabetes Mellitus tipo 1 mediante el uso de glucometrías y parámetros de red
DOI:
https://doi.org/10.24197/cl.30.2025.4-15Palabras clave:
Control glucémico, Péptido C, Redes de asociación, Variabilidad glucémicaResumen
La diabetes mellitus tipo 1 (DM1) es una enfermedad crónica en la que hay una destrucción autoinmune de las células b del páncreas. Para evitar la aparición de complicaciones, es necesario que los pacientes diabéticos presenten un buen control glucémico. En este contexto, son esenciales los conceptos de variabilidad glucémica (VG) y reserva pancreática. La primera se puede describir por medio de numerosos parámetros, pero ninguno se ha establecido como gold standard, de tal forma que en la clínica se sigue empleando el coeficiente de variación (CV). La segunda viene caracterizada por el nivel de péptido C, que se emplea como biomarcador. Para poder correlacionar ambos conceptos y dar una visión global del control del paciente diabético, se ha realizado un análisis de correlaciones por medio de redes de asociación. Mediante este estudio, se establecen los principales clústeres de parámetros de VG, así como las correlaciones más fuertes con variables relacionadas con el péptido C. Aunque se aprecia la presencia de diversos grupos de variables referidos a los diferentes aspectos de la VG, todas ellas comparten una gran cantidad de información. En cuanto a las correlaciones con el nivel de péptido C, se observan niveles de asociación significativos con diversas variables, pero ninguno con demasiada fuerza. En cualquier caso, las redes de asociación se presentan como una herramienta imprescindible para determinar el control glucémico del paciente.
Descargas
Referencias
Katsarou A, Gudbjörnsdottir S, Rawshani A, Dabelea D, Bonifacio E, Anderson BJ, et al. Type 1 diabetes mellitus. Nature Reviews Disease Primers. 2017 Mar 30;3(1):17016.
Paschou SA, Papadopoulou-Marketou N, Chrousos GP, Kanaka-Gantenbein C. On type 1 diabetes mellitus pathogenesis. Endocrine Connections. 2018 Jan;7(1):R38–46.
Roche EF, Menon A, Gill D, Hoey H. Clinical presentation of type 1 diabetes. Pediatric Diabetes. 2005 Jun;6(2):75–8.
Gregory JM, Moore DJ, Simmons JH. Type 1 Diabetes Mellitus. Pediatrics in Review. 2013 May 1;34(5):203–15.
Rahman MS, Hossain KS, Das S, Kundu S, Adegoke EO, Rahman MdA, Hannan MdA, Uddin, MdJ, Pang M-G. Role of Insulin in Health and Disease: An Update. International Journal of Molecular Sciences. 2021 Jun 15;22(12):6403.
Marks BE, Williams KM, Sherwood JS, Putman MS. Practical aspects of diabetes technology use: Continuous glucose monitors, insulin pumps, and automated insulin delivery systems. Journal of Clinical and Translational Endocrinology. 2022 Mar;27:100282.
Blum A. Freestyle Libre Glucose Monitoring System. Clinical Diabetes. 2018 Apr 1;36(2):203–4.
Breyton AE, Lambert-Porcheron S, Laville M, Vinoy S, Nazare JA. CGMS and Glycemic Variability, Relevance in Clinical Research to Evaluate Interventions in T2D, a Literature Review. Frontiers in Endocrinology (Lausanne). 2021 Sep 9;12.
Flatt AJS, Greenbaum CJ, Shaw JAM, Rickels MR. Pancreatic islet reserve in type 1 diabetes. Annals of the New York Academy of Sciences. 2021 Jul 6;1495(1):40–54.
Leighton E, Sainsbury CA, Jones GC. A Practical Review of C-Peptide Testing in Diabetes. Diabetes Therapy. 2017 Jun 8;8(3):475–87.
Rickels MR, Evans-Molina C, Bahnson HT, Ylescupidez A, Nadeau KJ, Hao W, Clements MA, Sherr JL, Pratley RE, Hannon TS, Shah VN, Miller KM, Greenbaum CJ, T1D Exchange -Cell Function Study Group. High residual C-peptide likely contributes to glycemic control in type 1 diabetes. Journal of Clinical Investigation. 2020 Mar 3;130(4):1850–62.
Xing D, Kollman C, Beck RW, Tamborlane WV, Laffel L, Buckingham BA, Wilson DM, Weinzimer S, Fiallo-Scharer R, Ruedy KJ, Juvenile Diabetes Research Foundation Continuous Glucose Monitoring Study Group. Optimal Sampling Intervals to Assess Long-Term Glycemic Control Using Continuous Glucose Monitoring. Diabetes Technology & Therapeutics. 2011 Mar;13(3):351–8.
Battelino T, Danne T, Bergenstal RM, Amiel SA, Beck R, Biester T, Bosi E, Buckingham BA, Cefalu WT, Close KL, Cobelli C, Dassau E, DeVries JH, Donaghue KC, Dovc K, Doyle 3rd FJ, Garg S, Grunberger G, Heller S, Heinemann L, Hirsch IB, Hovorka R, Jia W, Kordonouri O, Kovatchev B, Kowalski A, Laffel L, Levine B, Mayorov A, Mathieu C, Murphy HR, Nimri R, Nørgaard K, Parkin CG, Renard E, Rodbard D, Saboo B, Schatz D, Stoner K, Urakami T, Weinzimer SA, Phillip M. Clinical Targets for Continuous Glucose Monitoring Data Interpretation: Recommendations from the International Consensus on Time in Range. Diabetes Care. 2019 Aug 1;42(8):1593–603.
Bahillo-Curieses P, Fernández Velasco P, Pérez-López P, Vidueira Martínez AM, Nieto de la Marca M de la O, Díaz-Soto G. Utility of time in tight range (TITR) in evaluating metabolic control in pediatric and adult patients with type 1 diabetes in treatment with advanced hybrid closed-loop systems. Endocrine. 2024 May 30;86(2):539–545.
Díaz-Soto G, Pérez-López P, Férnandez-Velasco P, Nieto de la Marca M de la O, Delgado E, del Amo S, de Luis D, Bahillo-Curieses P. Glycemia Risk Index Assessment in a Pediatric and Adult Patient Cohort with Type 1 Diabetes Mellitus. Journal of Diabetes Science and Technology. 2024 Sep 16;18(5):1063–9.
Lazar S, Ionita I, Reurean-Pintilei D, Timar B. How to Measure Glycemic Variability? A Literature Review. Medicina (Buenos Aires). 2023 Dec 28;60(1):61.
Rodbard D. Glucose Variability: A Review of Clinical Applications and Research Developments. Diabetes Technology & Therapeutics. 2018 Jun;20(S2):S25–S215.
Armonaite K, Conti L, Olejarczyk E, Tecchio F. Insights on neural signal analysis with Higuchi fractal dimension. Communications in Applied and Industrial Mathematics. 2024 Oct 1;15(2):17–27.
Salankar N, Qaisar SM, Pławiak P, Tadeusiewicz R, Hammad M. EEG based alcoholism detection by oscillatory modes decomposition second order difference plots and machine learning. Biocybernetics and Biomedical Engineering. 2022 Jan;42(1):173–86.
Borowska M. Multiscale Permutation Lempel–Ziv Complexity Measure for Biomedical Signal Analysis: Interpretation and Application to Focal EEG Signals. Entropy. 2021 Jun 29;23(7):832.
Ramos-Fernández G, Boyer D, Aureli F, Vick LG. Association networks in spider monkeys (Ateles geoffroyi). Behavioral Ecology and Sociobiology. 2009 May 2;63(7):999–1013.
Borsboom D. A network theory of mental disorders. World Psychiatry. 2017 Feb 26;16(1):5–13.
Gutiérrez-Tobal GC, Gomez-Pilar J, Kheirandish-Gozal L, Martín-Montero A, Poza J, Álvarez D, del Campo F, Gozal D, Hornero R. Pediatric Sleep Apnea: The Overnight Electroencephalogram as a Phenotypic Biomarker. Frontiers in Neuroscience. 2021 Nov 3;15:644697.
Jimeno N, Gomez-Pilar J, Poza J, Hornero R, Vogeley K, Meisenzahl E, Haidl T, Rosen M, Klosterkötter J, Schultze-Lutter F. Main Symptomatic Treatment Targets in Suspected and Early Psychosis: New Insights from Network Analysis. Schizophrenia Bulletin. 2020 Jul 8;46(4):884–95.
Epskamp S, Cramer AOJ, Waldorp LJ, Schmittmann VD, Borsboom D. qgraph: Network Visualizations of Relationships in Psychometric Data. Journal of Statistical Software. 2012;48(4).
Rejas Llamera A. Desarrollo de una herramienta basada en redes de asociación para caracterizar la actividad neuronal en la migraña. 2023 [cited 2025 Jul 7]; Available from: https://uvadoc.uva.es/handle/10324/61349
Tokutsu A, Okada Y, Mita T, Torimoto K, Wakasugi S, Katakami N, Yoshii H, Uryu K, Nishida K, Arao T, Tanaka Y, Gosho M, Schimomura I, Watada H. Relationship between blood glucose variability in ambulatory glucose profile and standardized continuous glucose monitoring metrics: Subanalysis of a prospective cohort study. Diabetes, Obesity & Metabolism. 2022 Jan 28;24(1):82–93.
El-Laboudi AH, Godsland IF, Johnston DG, Oliver NS. Measures of Glycemic Variability in Type 1 Diabetes and the Effect of Real-Time Continuous Glucose Monitoring. Diabetes Technology & Therapeutics. 2016 Dec;18(12):806–12.
Pérez-López P, Férnandez-Velasco P, Bahillo-Curieses P, de Luis D, Díaz-Soto G. Impact of glucose variability on the assessment of the glycemia risk index (GRI) and classic glycemic metrics. Endocrine. 2023 Sep 11;82(3):560–8.
Rubinov M, Sporns O. Complex network measures of brain connectivity: Uses and interpretations. Neuroimage. 2010 Sep;52(3):1059–69.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Juan Encinas Muñoz, Jesús Poza Crespo, Carlos Gómez Peña, Gonzalo Díaz Soto
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Todos los trabajos publicados en la revista Clínica se distribuyen bajo una Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0).
Los autores continúan como propietarios de sus trabajos, y pueden volver a publicar sus artículos en otro medio sin tener que solicitar autorización, siempre y cuando indiquen que el trabajo fue publicado originariamente en la revista Clínica.