Un nuevo modelo matemático para mejorar la estimación de la glucemia promedio a partir de la HbA1c | Por: @linternista

Comité editorial medicinapreventiva.info 12 octubre, 201612 octubre, 2016 0 comentarios Control diabético, Diabetes, HbA1c, Hemoglobina glicosilada

Un nuevo método para estimar los niveles promedio de azúcar en la sangre puede reducir los errores de diagnóstico en más del 50 por ciento en comparación con la prueba actual de sangre ampliamente utilizada, según un estudio de más de 200 pacientes diabéticos, cuyos resultados se publican en ‘Science Traslational Medicine’.

Este hallazgo abre la puerta al control personalizado de la diabetes para los más de 400 millones de diabéticos en todo el mundo que dependen de los análisis de sangre para gestionar su riesgo de complicaciones relacionadas con la diabetes.

La glicación de la hemoglobina se produce en un proceso de dos pasos que incluye la condensación de la glucosa con el grupo amino N-terminal de la cadena β de la hemoglobina. Se cree que la cinética de esta modificación lenta no enzimática depende en gran medida de la concentración de glucosa en la sangre, con estudios previos que establecieron la cinética de primer orden y la irreversibilidad de la formación de la HbA1c. También se generan otras formas glicosiladas, pero HbA1c es el producto de glicación clínicamente relevante y, por tanto, es el foco de este análisis.

Linear relationship between AG and HbA1c in diabetic and nondiabetic subjects. Data from the ADAG study (8) are as follows: 507 subjects with type 1 (blue dots, n = 268) and type 2 (green dots, n = 159) diabetes, as well as nondiabetic subjects (red dots, n = 80). The lower dashed line is the 6.5% threshold for initial diagnosis of diabetes, and the upper dashed line is the 7% treatment target. — Linear relationship between AG and HbA1c in diabetic and nondiabetic subjects.
Data from the ADAG study (8) are as follows: 507 subjects with type 1 (blue dots, n = 268) and type 2 (green dots, n = 159) diabetes, as well as nondiabetic subjects (red dots, n = 80). The lower dashed line is the 6.5% threshold for initial diagnosis of diabetes, and the upper dashed line is the 7% treatment target.

La hemoglobina en los glóbulos rojos (GR) más viejos tiene más tiempo para ser glicosilada, y por lo tanto los glóbulos rojos de más edad tienen mayores fracciones glucosiladas. La HbA1c se mide como un promedio en los glóbulos rojos de todas las edades en la circulación y por lo tanto depende tanto de la AG y de otros factores incluyendo los gradientes de glucosa a través de la membrana del glóbulo rojo, el pH intracelular, y las constantes de velocidad de glicación.

En el presente trabajo se estudiaron los determinantes glucémicos y no glucémicos de la HbA1c. En primer lugar, se analizan las contribuciones de los factores glucémicos y no glucémicos derivando un modelo matemático mecanicista que cuantifica la dependencia de la HbA1c en la cinética química de la glicación de la hemoglobina en una población de glóbulos rojos en equilibrio dinámico. En segundo lugar, se personalizaron los parámetros del modelo para los pacientes individuales a partir de datos existentes de CGM. En tercer lugar, se validó la utilidad del modelo personalizado para estimar con precisión la AG futura a partir de la HbA1c futura para cada paciente, y se comparó la precisión de la estimación del modelo específicos para cada paciente de AG con la exactitud de los preparados usando el método de regresión estándar actual.

Fig. 4. Modeling MRBC reduces errors in estimated AG. (Top) One patient’s modeled MRBC was 45 days in the fall of 2014. The blue line (#1) shows the MRBC-adjusted AG-HbA1c relationship personalized for this patient, in contrast to the red line showing the current standard AG-HbA1c formula. One year after the MRBC estimation, the patient visited the clinic and had an HbA1c of 8.1% (gray horizontal line, #2). The current standard method predicted an AG of 186 mg/dl (red X). The model predicted 209 mg/dl (blue X). This patient had CGM data available, providing a direct and independent measurement of AG equal to 210 mg/dl (green checkmark). This patient’s personalized AG-HbA1c model reduced the error in AG estimation from 24 to 1 mg/dl. (Bottom) A second patient had a model-estimated MRBC of 60 days in the spring of 2015, yielding a personalized AG-HbA1c relationship corresponding to the blue line (#1, bottom), in contrast to the red line showing the current standard formula. About 6 months later in the fall of 2015, the patient returned to the clinic and had an HbA1c of 10.5% (gray horizontal line, #2). The current standard method predicted an AG of 255 mg/dl (red X). The model predicted 205 mg/dl (blue X). This patient had CGM data available, providing a direct and independent measurement of AG equal to 207 mg/dl (green checkmark). This patient’s personalized AG-HbA1c model reduced the error in AG estimation from 48 to 2 mg/dl. These two examples highlight the fact that, with current methods, a patient with lower AG (bottom) may actually have a significantly higher HbA1c than a patient with a higher AG (top), potentially compromising disease diagnosis and management. — Fig. 4. Modeling MRBC reduces errors in estimated AG.
(Top) One patient’s modeled MRBC was 45 days in the fall of 2014. The blue line (#1) shows the MRBC-adjusted AG-HbA1c relationship personalized for this patient, in contrast to the red line showing the current standard AG-HbA1c formula. One year after the MRBC estimation, the patient visited the clinic and had an HbA1c of 8.1% (gray horizontal line, #2). The current standard method predicted an AG of 186 mg/dl (red X). The model predicted 209 mg/dl (blue X). This patient had CGM data available, providing a direct and independent measurement of AG equal to 210 mg/dl (green checkmark). This patient’s personalized AG-HbA1c model reduced the error in AG estimation from 24 to 1 mg/dl. (Bottom) A second patient had a model-estimated MRBC of 60 days in the spring of 2015, yielding a personalized AG-HbA1c relationship corresponding to the blue line (#1, bottom), in contrast to the red line showing the current standard formula. About 6 months later in the fall of 2015, the patient returned to the clinic and had an HbA1c of 10.5% (gray horizontal line, #2). The current standard method predicted an AG of 255 mg/dl (red X). The model predicted 205 mg/dl (blue X). This patient had CGM data available, providing a direct and independent measurement of AG equal to 207 mg/dl (green checkmark). This patient’s personalized AG-HbA1c model reduced the error in AG estimation from 48 to 2 mg/dl. These two examples highlight the fact that, with current methods, a patient with lower AG (bottom) may actually have a significantly higher HbA1c than a patient with a higher AG (top), potentially compromising disease diagnosis and management.

El estándar de oro para la medición del promedio de la glucosa en sangre de una persona se basa en la cantidad de hemoglobina glucosilada (HbA1c), la glucosa que se adhiere a la hemoglobina, o portador de oxígeno, dentro de las células rojas de la sangre. Sin embargo, debido a que pueden influir muchos factores en este proceso, la relación entre la HbA1c y la glucosa promedio en sangre puede variar sustancialmente, con pacientes con lecturas de prueba de HbA1c idénticas que se traducen en niveles de azúcar verdaderos muy diferentes.

En busca de un análisis de sangre más preciso, Roy Malka, David Nathan, y John Higgins, del Hospital General de Massachusetts, en Boston, Estados Unidos, combinaron un modelo matemático de la hemoglobina glucosilada en una población de células rojas de la sangre con grandes conjuntos de datos de mediciones de la glucosa del paciente.

Su análisis identificó la edad de las células rojas de la sangre como una fuente importante de variación de la HbA1c, ya que la hemoglobina en las células rojas de la sangre acumula más azúcar con el tiempo. Mediante el control de este factor, su técnica específica del paciente, cuando se probó en cuatro grupos separados de más de 200 diabéticos, redujo la tasa de error desde uno de cada tres pacientes con la prueba de sangre habitual a una tasa de un error de cada diez.

Con un mayor desarrollo, el nuevo enfoque podría ayudar a guiar la atención médica para que sea más precisa para los pacientes diabéticos, como subraya los autores en su artículo ‘La modelación mecanicista de la hemoglobina glucosilada y la cinética de glóbulos rojos permite el control personalizado de la diabetes’.

La diabetes mellitus es una creciente carga para la salud mundial que afecta a unos 400 millones de personas en todo el mundo. La hemoglobina glucosilada de una persona (HbA1c) refleja la concentración promedio de glucosa en la sangre (AG) durante los últimos 2 a 3 meses y es la medida estándar de oro para estimar el riesgo de complicaciones relacionadas con la diabetes en pacientes con diabetes tipo 1 o tipo 2. Una HbA1c mayor que o igual a 6,5% es diagnóstica para la diabetes, y el objetivo del tratamiento para la mayoría de las personas con diabetes es una HbA1c inferior a 7%. La HbA1c se usa para inferir la AG porque las mediciones de glucosa continua (MCG) generalmente no están disponibles, aunque SI se disponen de métodos para ello, incluso en Venezuela.