INTRODUCCIÓN

La diabetes tipo 2 es un problema de salud pública, con una prevalencia mundial de 10.5 %, en América del Norte de 14 %,^[1] en México de 10.3 %,^[2] en el Estado de Guerrero de 11.1 % ^[3] y en el Instituto Mexicano del Seguro Social de 11.4 %.^[4] Se asocia a complicaciones como enfermedad renal crónica, retinopatía, enfermedad cerebrovascular, infarto agudo al miocardio, enfermedad vascular periférica y es la principal causa de invalidez por amputación de extremidad inferior. ^[4]

Una de cada dos personas desconoce padecer la enfermedad, en México hay 6.7 millones de personas con la enfermedad sin diagnóstico; de ahí la necesidad de buscar métodos para la detección temprana de diabetes. ^[1,5-6]

Los cuestionarios resultan útiles para identificar a las personas con alto a muy alto riesgo, para de forma posterior realizar pruebas de laboratorio como glucosa plasmática en ayuno, prueba de tolerancia oral a la glucosa y hemoglobina glucosilada. Estos cuestionarios identifican factores como son el sexo, edad, sobrepeso y obesidad, antecedente familiar de diabetes, pertenecer a grupos étnicos como latinoamericanos o asiáticos del sur, tener diagnóstico de hipertensión arterial, sedentarismo, dieta poco saludable, nivel educativo y socioeconómico, en mujeres el antecedente de diabetes gestacional y producto macrosómico. ^[7-10]

La Guía de Práctica Clínica de diabetes del Instituto Mexicano del Seguro Social recomienda utilizar el puntaje de riesgo finlandés para diabetes (FINDRISC Finnish Diabetes Risk Score) para predecir la probabilidad de diabetes en los próximos 10 años.^[11-12] El FINDRISC ha sido validado en diferentes países en poblaciones urbanas manteniendo un área bajo la curva (AUC) de 0.65.^[13] En América Latina la validación del FINDRISC se realizó en Perú,^[14] Venezuela,^[15] Colombia,^[16-17] y México con una variación en el valor del AUC, esta variación es originada por la prueba de referencia y las características de la población donde se realiza la investigación.^[18-20]

Sin embargo, no se conoce cuál es su capacidad discriminativa para disglucemia en poblaciones conurbanas con bajo nivel socioeconómico, por lo que debe ser validada en este tipo de contexto y con una prueba de referencia que es accesible en la gran mayoría de las unidades médicas de primer nivel de atención, como lo es la glucosa plasmática en ayuno. Esto con la finalidad de identificar adecuadamente a las personas en riesgo e implementar estrategias de diagnóstico. ^[21-24]

El objetivo de esta investigación fue establecer la capacidad discriminativa del puntaje de riesgo finlandés para disglucemia en usuarios de una unidad de medicina familiar localizada en zona conurbana del Estado de Guerrero, México.

MATERIAL Y MÉTODOS

Realizamos un estudio transversal de marzo a diciembre del 2021 en una Unidad de Medicina Familiar del Instituto Mexicano del Seguro Social, ubicada en zona urbana del municipio de Acapulco de Juárez, Guerrero. El muestreo utilizado fue no probabilístico, la muestra se calculó con una población de 48 521, nivel de confianza del 95 %, un margen de error de 7 %, estuvo conformada por 200 personas de 20 a 60 años, sin diagnóstico previo de prediabetes o diabetes, con ayuno de ocho horas y que aceptaron participar en la investigación; excluimos personas con antecedente de enfermedad que no permitía autonomía en la toma de decisión para otorgar el consentimiento, aquellos con antecedente de hospitalización en los 7 días previos y gestantes. Eliminamos encuestas incompletas que no permitían realizar la estimación del riesgo o donde no se contó con el reporte de laboratorio de la cifra de glucosa plasmática en ayuno.^[12] Figura 1.

Recolección de datos

Previo a la recolección de datos realizamos una prueba piloto en la misma unidad de medicina familiar, con el propósito de valorar la claridad y pertinencia de las preguntas; además, estimamos el tiempo para aplicar la encuesta, logística de trabajo de campo y análisis de datos, para conocer si la información recabada cumplía con los objetivos del estudio.

Aplicamos en módulos de medicina preventiva el FINDRISC el cual incluye edad, sexo, índice de masa corporal (IMC), perímetro abdominal (PA), actividad física diaria, consumo de frutas y verduras, antecedente personal de padecer hipertensión arterial, detección de niveles altos de glucosa en sangre y antecedente heredofamiliar de diabetes mellitus. Realizamos la medición de peso y talla para calcular el IMC, y medimos el perímetro abdominal. Con base a los puntos obtenidos clasificamos el riesgo en bajo <7 puntos, ligeramente elevado de 7 a 11 puntos, moderado de 12 a 14 puntos, alto de 15 a 20 puntos y muy alto >20 puntos.^[12]

Obtuvimos la muestra de sangre venosa para medir la glucosa plasmática en ayuno el mismo día que realizamos el FINDRISC y las medidas somato métricas. Se seleccionó como prueba de referencia la glucosa plasmática en ayuno, porque es accesible en el primer nivel de atención y es uno de los criterios establecidos por la Asociación Americana de Diabetes para diagnóstico de prediabetes y diabetes. No realizamos curva de tolerancia oral a la glucosa o hemoglobina glicada, por no contar con este recurso durante el desarrollo de la investigación. La muestra sanguínea fue recolectada en un tubo de suero con gel separador (tapa amarilla), este tubo contiene un recubrimiento de silicio para acelerar el proceso de coagulación y un gel de polímero separador del suero, se procesaron por personal de laboratorio a los 30 a 60 minutos posterior a su recolección, el reporte de cifra de glucosa plasmática en ayuno se obtuvo del sistema de información de laboratorio y se colocó en la base de datos de la investigación. Consideramos disglucemia cuando la persona presentó cifras de glucosa plasmática en ayuno ≥100 mg/dL y sano <100mg/dL. ^[8]

El personal de enfermería que aplicó el FINDRISC en ningún momento conoció la cifra de glucosa plasmática en ayuno; así mismo, el personal de laboratorio que proceso las muestras sanguíneas para obtener la cifra de glucosa plasmática en ayuno desconoció en todo momento la puntuación obtenida en el FINDRISC. La captura de datos de las variables del FINDRISC y la glucosa plasmática en ayuno fue realizado por personal diferente al de enfermería y laboratorio.

Procedimientos estadísticos

La captura de datos, el análisis estadístico descriptivo e inferencial lo hicimos en programa SPSS. En las variables cualitativas calculamos frecuencias simples, en las cuantitativas medidas de tendencia central y de dispersión. Estimamos sensibilidad (S), especificidad (E), valor predictivo positivo (VPP) y negativo (VPN), la razón de verosimilitud positiva (RV+) y negativa (RV-) para los puntos de corte presentes en el cuestionario FINDRISC <7 puntos riesgo bajo, de 7 a 11 puntos riesgo ligeramente elevado, de 12 a 14 puntos riesgo moderado, de 15 a 20 puntos riesgo alto y > 20 puntos riesgo muy alto. La capacidad discriminativa de FINDRISC para disglucemia y sano, la estimamos con la curva característica operativa del receptor (ROC), donde el puntaje de FINDRISC fue la variable continua y la glucemia plasmática en ayuno la prueba de referencia. Consideramos una prueba diagnóstica perfecta un AUC de 1, excelente entre 0.9-1.0, muy buena 0.8-0.9, buena 0.7-0.8, adecuada 0.6-0.7, mala 0.5-0.6 y no útil ≤0.5. ^[25]

Para estimar la asociación de las variables con disglucemia calculamos el Odds Ratio (OR) y calculamos confianza estadística del 95 % (IC 95%) con método de Cornfield. Realizamos regresión logística binaria paso a paso donde incluimos los factores que tuvieron significancia estadística en análisis bivariado.

Esta investigación no tuvo financiamiento u otro tipo de apoyo para su realización. El estudio fue aprobado por un Comité Local de Investigación y Ética en Investigación con número de registro R-2021-1101-004. Solicitamos consentimiento informado, explicando el procedimiento para obtener los datos, que su participación era voluntaria y confidencial.

RESULTADOS

Participaron 200 personas, con edad promedio de 38 (n 200, DE 11, rango 20-60), donde el 70 % (140/200) fueron mujeres y el resto hombres.

El IMC tuvo una media de 28.7 Kg/m2 (n 200, DE 5.4 Kg/m2, rango 17.4-46.5 Kg/m2); presentó sobrepeso-obesidad el 74.5 % (149/200) de los participantes. En cuanto al perímetro abdominal la media fue 93.2 cm (n 200, DE 11.5 cm, rango 67-134 cm). La glucosa plasmática tuvo una media de 97.2 mg/dL (n 200, DE 24 mg/dL, rango 61-274 mg/dL), tuvieron estado disglucémico 26.5% (53/200). Según el FINDRISC encontramos riesgo bajo en 13.5 % (27/200), ligeramente elevado 40.5 % (81/200), moderado 18 % (36/200), alto 27 % (54/200) y muy alto 1 % (2/200). En la tabla 1 están contenidas las variables del FINDRISC estratificadas con base a la presencia o ausencia de disglucemia.

Los parámetros de sensibilidad, especificidad, VPP y VPN no obtuvieron un valor mayor a 90 % de forma global, ni estratificada por sexo en los puntos de corte establecidos en FINDRISC. En tanto, la RV + en ninguno de los puntos de corte alcanzo un valor mayor a 10 y la RV – no alcanzo un valor menor a 0.1. Ante esto, se realizó un nuevo punto de corte ≥6 puntos, este y el resto de los puntos de corte se muestran en la tabla 2.

El punto de corte del FINDRISC para disglucemia con mejor sensibilidad fue el de ≥6 puntos, con una sensibilidad de 98 % y especificidad de 1 %. En tanto en el AUC de la curva ROC del FINDRISC para disglucemia fue de 0.65 (IC95% 0.57-0.74), el valor óptimo fue de 13.5, con sensibilidad de 43 % y especificidad de 70 %. Figura 2.

En análisis bivariado, encontramos como factores asociados a disglucemia la edad ≥ 40 años, IMC ≥ 25 Kg/m2 y tener antecedente personal de padecer hipertensión arterial sistémica. Tabla 3

En la regresión logística binaria se ingresaron las variables que en el análisis bivariado mostraron asociación con suficiente confianza estadística, el riesgo obtenido en el FINDRISC se mantuvo con un OR 2.5, IC 95% 1.3-4.7, valor p 0.006) para disglucemia, los factores que salieron del modelo fueron la edad, IMC y padecer hipertensión arterial. Tabla 4.

DISCUSIÓN

En la presente investigación la ocurrencia de disglucemia fue de 26.5 % (53/200). El FINDRISC con el punto de corte ≥6 tuvo una sensibilidad 98 (IC 95% 89-99), especificidad de 11 (IC95% 7-17), VPP de 28 (IC95% 22-36), VPN de 94 (IC95% 69-99), RV+ de 1.1 (IC95% 1.03 -1.18) y RV- de 0.17 (IC95% 0.02-1.28).

Mientras que el desempeño del FINDRISC fue adecuado para discriminar en personas con disglucemia y sanas, esto por el AUC de 0.65; sin embargo, si se toma el límite inferior del intervalo de confianza del 95 % se considera una prueba estadística mala al tener un valor de 0.57. El único factor que se mantuvo con asociación y suficiente confianza estadística para disglucemia en la regresión logística binaria, fue el tener un índice de masa corporal clasificado como sobrepeso y obesidad.

En la ocurrencia de disglucemia, Nieto-Martínez R. et al., reportaron un 41.8 % en una investigación realizada en Venezuela;^[15] Barengo NC. Et al., en Colombia encontraron 32.5 %;^[17] González-Pedraza AA., describieron una disglucemia de 48.8 % en una investigación realizada en México. Esto difiere de nuestra investigación donde la ocurrencia fue menor, lo que puede ser resultado de la prueba de referencia utilizada, estos estudios realizaron curva de tolerancia oral a la glucosa o hemoglobina glucosilada, la cual tiene un mejor desempeño para detectar personas con resistencia a la insulina y no solo aquellos con disfunción de la secreción de la insulina.^[26-27]

Con relación a los parámetros de sensibilidad, especificidad, VPP, VPN, RV+ y RV- nuestra investigación encontró valores similares a los reportados por Mendiola-Pastrana IR et al.,18 donde la sensibilidad reportada para disglucemia fue de 73 % (IC95% 64-81%). Nieto-Martínez R et al., reportó una sensibilidad en rango de 26-42 %, especificidad de 82-85 % y RV+ de 1.79-2.58 con base al sexo.15 Barengo NC, et al; reportaron una sensibilidad de 43 %, especificidad de 82 %, VPP 44 % y VPN 87 %.17 La discordancia en sensibilidad, especificidad, RV+ y RV- pudo ser ocasionada por la prueba de referencia utilizada en cada una de las investigaciones; en el caso del VPP y VPN fueron afectados por la ocurrencia de disglucemia en cada una de las investigaciones.

En nuestra investigación el AUC de la curva ROC del FINDRISC para disglucemia en forma global fue de 0.65 (IC95% 0.57-0.74), esto difiere con las siguientes investigaciones. Bernabe-Ortiz, et al; describen un AUC de la curva ROC de 0.69 (IC 95%: 0.64-0.74). [14] Nieto-Martínez R, et al; encontraron en mujeres y hombres un AUC de 0.72 con IC95% de 0.67-0.78 en hombres e IC95% 0.64-0.81 en mujeres.^[15] Barengo NC, et al; el AUC fue 0.73 (IC95% 0.69–0.78).^[17] Estos valores se encuentran en el rango de 0.7 a 0.8, lo que define al FINDRISC como una buena herramienta en la detección de disglucemia y el límite inferior del IC95 % está en el rango de 0.6 a 0.7 lo que la clasifica como adecuada para discriminar a las personas que padecen disglucemia de las sanas.

En el análisis bivariado encontramos como variables asociadas a disglucemia la edad, el antecedente de padecer hipertensión arterial, un IMC que clasifica a la persona con sobrepeso u obesidad y el riesgo moderado a muy alto obtenido en el FINDRISC; sin embargo, al realizar la regresión logística binaria, el único factor asociado fue el riesgo con base en el FINDRISC. Esto difiere de otras investigaciones donde la edad, la obesidad y estar en tratamiento de hipertensión arterial permanecieron en el modelo de regresión logística y fueron factores asociados de forma directa a disglucemia. En la investigación realizada por Lindstrom J. et al., la edad de 45 a 54 años tuvo un OR 1.87, IC95 % 1.12–3.13; la edad de 55 a 64 años un OR 2.44, IC95 % 1.48-4.01; la obesidad presentó un OR 2.99; IC95% 1.31-6.81; padecer hipertensión arterial con un OR 2.04, IC95% 1.46-2.83.^[12] Rojas-Martínez R. et al., encontraron para obesidad OR de 1.8, IC95 % 1.4-2.3; para padecer hipertensión un OR 3.6, IC95% 2.7-4.8.^[5] Esta asociación entre la obesidad y disglucemia, se explica porque el tejido adiposo secreta adipocitoquinas involucradas en la regulación del metabolismo de lípidos y carbohidratos; la obesidad se acompaña de una alteración de los niveles séricos de adiponectina, leptina y resistina, estos niveles disminuidos de adiponectina están asociados a resistencia a la insulina.^[28] En tanto la asociación de disglucemia e hipertensión arterial, puede explicarse por el hiperinsulinismo y resistencia a la insulina involucrados en la patogénesis de la hipertensión arterial; lo que explicaría por que una gran parte de los pacientes con diabetes desarrollarán hipertensión arterial, y a su vez, que pacientes con hipertensión arterial tendrán un mayor riesgo de padecer disglucemia.^[29]

El estilo de vida como realizar ejercicio y consumo de frutas o verduras no mostró en esta investigación asociación con diabetes, aunque es notorio que el 74 % de los participantes refirió no ingerir frutas y verduras. La no asociación del consumo de frutas y actividad física para padecer diabetes mellitus tipo 2 es similar a lo reportado por otros autores en Latinoamérica; ^{[14-15, 17]} sin embargo, el consumo de frutas y verduras fue menor en esta investigación en comparación con dichas investigaciones, esto puede deberse al bajo nivel socioeconómico para adquirir dichos alimentos en la población donde está ubicada la unidad médica donde se realizó la investigación. ^[15-17]

La presente investigación tuvo como limitantes el ocupar como prueba de referencia la glucosa plasmática en ayuno, en lugar de la curva de tolerancia oral a la glucosa o hemoglobina glucosilada, debido a esto nuestra ocurrencia de disglucemia pudo ser menor a la reportada por otras investigaciones. El tamaño de la muestra fue otra limitante, la cual debió ser mayor si se hubiera calculado con un margen de error del 3 o 5 %. ^[15-20]

La aportación de esta investigación fue identificar la capacidad discriminativa del FINDRISC en población usuaria de una Unidad de Medicina Familiar situada en zona conurbana de la Región sur de México. El FINDRISC demostró por AUC ser una mala herramienta para detectar personas en riesgo de padecer disglucemia en población adscrita a unidad médica conurbana, teniendo como prueba de referencia la glucosa plasmática en ayuno, que es la más utilizada y accesible en las unidades de atención primaria para realizar detección de diabetes tipo 2.

REFERENCIAS BIBLIOGRÁFICAS

1. Federación Internacional de Diabetes. Atlas de la Diabetes de la FID, 10ª ed. Bruselas, Bélgica: Federación Internacional de Diabetes, 2021. [citado el 20 de junio de 2022]. Disponible en: https:// diabetesatlas.org/idfawp/resource-files/2021/07/IDF_Atlas_10th_ Edition_2021.pdf

2. Shamah LT, Cuevas NL, Romero MM, Gaona PEB, Gómez ALM, Mendoza AL, et al. Encuesta Nacional de Salud y Nutrición 2018-19. Resultados Nacionales [Internet]. Instituto Nacional de Salud Pública. 2020. 268 p. [citado el 16 de julio de 2022]. Disponible en: https://ensanut.insp.mx/encuestas/ensanut2018/informes.php

3. Instituto Nacional de Salud Pública. Encuesta Nacional de Salud y Nutrición 2018. Resultados de Guerrero. Cuernavaca, México: Instituto Nacional de Salud Pública, 2020. [citado el 08 de abril de 2022]. Disponible en: https://www.insp.mx/resources/ images/stories/ENSANUT/Docs/2020/20201108_ensanut_2018_ Interactivo-Guerrero.pdf

4. Zurita-Cruz JN, Manuel-Apolinar L, Arellano-Flores ML, Gutierrez- Gonzalez A, Rivera-Hernández AJ, Carranza-Muleiro RA, et al. Type 2 diabetes: epidemiological changes at Instituto Mexicano del Seguro Social associated with complications in Mexico. Int J Diabetes Dev Ctries. 2020;40:178-184. doi.org/10.1007/s13410-019-00767-6

5. Rojas-Martínez R, Basto-Abreu A, Aguilar-Salinas CA, Zárate-Rojas E, Villalpando S, Barrientos-Gutiérrez T. Prevalencia de diabetes por diagnóstico médico previo en México. Salud Publica Mex. 2018; 60(3):224-232. doi.org/10.21149/8566

6. Shamah-Levy T, Vielma-Orozco E, Heredia-Hernández O, Romero- Martínez M, Mojica-Cuevas J, Cuevas-Nasu L, et al. Encuesta Nacional de Salud y Nutrición 2018-19: Resultados Nacionales. Cuernavaca, México: Instituto Nacional de Salud Pública, 2020; 61(6): 917-923. doi.org/10.21149/11095

7. Bajaj S. RSSDI clinical practice recommendations for the management of type 2 diabetes mellitus 2017. Int J Diabetes Dev Ctries. 2018; 38 (Suppl 1):S1–S115. doi.org/10.1007/s13410-018- 0604-7

8. American Diabetes Association. 2. Classification and Diagnosis of Diabetes: Standards of Medical Care in Diabetes-2023. Diabetes Care. 2023; 46(Suppl 1):S19-40. doi.org/10.2337/dc23-S002

9. Bowen ME, Schmittdiel JA, Kullgren JT, Ackermann RT, O'Brien MJ. Building Toward a Population-Based Approach to Diabetes Screening and Prevention for US Adults. Current Diabetes Reports. 2018;18(11):104. doi 10.1007/s11892-018-1090-5.

10. Bowen ME, Xuan L, Lingvay I, Halm EA. Performance of a random glucose case-finding strategy to detect undiagnosed diabetes. Am J Prev Med. 2017;52(6):710–6. doi.org/10.1016/j. amepre.2017.01.023.

11. Diagnóstico y Tratamiento Farmacológico de la Diabetes Mellitus Tipo 2 en el Primer Nivel de Atención. Guía de Evidencias y Recomendaciones: Guía de Práctica Clínica. México, Instituto Mexicano del Seguro Social; 2018. [citado el 08 de febrero de 2023]. Disponible en: https://www.imss.gob.mx/sites/all/statics/ guiasclinicas/718GER.pdf

12. Lindström J, Tuomilehto J. The diabetes risk score. A practical tool to predict type 2 diabetes risk. Diabetes Care. 2003; 26(3): 725-731. doi.org/10.2337/diacare.26.3.725

13. Carrillo-Larco RM, Aparcana-Granda DJ, Mejia JR, Bernabé- Ortiz A. FINDRISC in Latin America: a systematic review of diagnosis and prognosis models. BMJ Open Diabetes Res Care. 2020;8(1):e001169. doi.org/10.1136/bmjdrc-2019-001169

14. Bernabe-Ortiz A, Perel P, Miranda JJ, Smeeth L. Diagnostic accuracy of the Finnish Diabetes Risk Score (FINDRISC) for undiagnosed T2DM in Peruvian population. Prim Care Diabetes.2018;12(6):517–25. doi. org/10.1016/j.pcd.2018.07.015

15. Nieto-Martínez R, González-Rivas JP, Ugel E, Marulanda MI, Durán M, Mechanick JI, et al. External validation of the Finnish diabetes risk score in Venezuela using a national sample: The EVESCAM. Prim Care Diabetes.2019;13(6):574–82. doi.org/10.1016/j. pcd.2019.04.006

16. Gomez-Arbelaez D, Alvarado-Jurado L, Ayala-Castillo M, Forero- Naranjo L, Camacho PA, Lopez-Jaramillo P. Evaluation of the Finnish Diabetes Risk Score to predict type 2 diabetes mellitus in a Colombian population: A longitudinal observational study. World J Diabetes. 2015;6(17):1337-44. doi.org/10.4239/wjd.v6.i17.1337

17. Barengo NC, Tamayo DC, Tono T, Tuomilehto J. A Colombian diabetes risk score for detecting undiagnosed diabetes and impaired glucose regulation. Prim Care Diabetes. 2017;11(1):86–93. doi. org/10.1016/j.pcd.2016.09.004

18. Mendiola-Pastrana IR, Urbina-Aranda II, Muñoz-Simón AE, Juanico- Morales G, López-Ortiz G. Evaluación del desempeño del Finnish Diabetes Risk Score findrisc como prueba de tamizaje para diabetes mellitus tipo 2. Aten Fam. 2018;25(1):22-26. doi.org/10.22201/ facmed.14058871p.2018.1.62925

19. González-Pedraza AA, Ponce-Rosas ER, Toro-Bellot F, Acevedo-Giles O, Dávila-Mendoza R. Cuestionario FINDRISC finnish risk score para la detección de diabetes no diagnosticada y prediabetes. Arch Med Fam. 2018; 20:5-13. [citado el 08 de febrero de 2023]. Disponible en: https://www.medigraphic.com/cgi-bin/new/ resumen.cgi?IDARTICULO=76223

20. Arellano-Campos O, Gómez-Velasco DV, Bello-Chavolla OY, Cruz- Bautista I, Melgarejo-Hernandez MA, Muñoz-Hernandez L, et al. Development and validation of a predictive model for incident type 2 diabetes in middle-aged Mexican adults: the metabolic syndrome cohort. BMC Endocr Disord. 2019;19(1):41. doi.org/10.1186/ s12902-019-0361-8

21. Schwarz PEH, Li J, Lindström J, Tuomilehto J. Tools for predicting the risk of type 2 diabetes in daily practice. Hormone and Metabolic Research. 2009; 41(2):86-97. doi.org/10.1055/s-0028-1087203

22. Ekoe JM, Goldenberg R, Katz P. Screening for Diabetes in Adults Diabetes Canada Clinical Practice Guidelines Expert Committee. Can J Diabetes. 2018;42:S109–14. https://doi.org/10.1016/j. jcjd.2017.10.004

23. Glümer C, Vistisen D, Borch-Johnsen K, Colagiuri S; DETECT-2 Collaboration. Risk Scores for Type 2 Diabetes Can Be Applied in Some Populations but Not All. Diabetes Care. 2006; 29 (2): 410–414. doi.org/10.2337/diacare.29.02.06.dc05-0945

24. Schmid R, Vollenweider P, Waeber G, Marques-Vidal P. Estimating the risk of developing type 2 diabetes: a comparison of several risk scores: the Cohorte Lausannoise study. Diabetes Care. 2011; 34(8):1863-1868. doi:10.2337/dc11-0206

25. Šimundić AM. Measures of Diagnostic Accuracy: Basic Definitions. EJIFCC. 2009;19(4):203-211. [citado el 07 de julio de 2022] Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/ PMC4975285/pdf/ejifcc-19-203.pdf

26. Jagannathan R, Neves JS, Dorcely B, Chung ST, Tamura K, Rhee M, et al. The Oral Glucose Tolerance Test: 100 Years Later. Diabetes Metab Syndr Obes. 2020;13:3787-3805. doi: 10.2147/DMSO.S246062

27. .Meijnikman AS, De Block CEM, Dirinck E, Verrijken A, Mertens I, Corthouts B et al. Not performing an OGTT results in significant underdiagnosis of (pre)diabetes in a high risk adult Caucasian population. Int J Obes (Lond). 2017;41(11):1615-1620. doi: 10.1038/ijo.2017.165.

28. Sitar-Taut AV, Coste SC, Tarmure S, Orasan OH, Fodor A, Negrean V, et al. Diabetes and obesity-cumulative or complementary effects on adipokines, inflammation, and insulin resistance. J Clin Med. 2020;9(9):2767. doi.org/10.3390/jcm9092767

29. da Silva AA, do Carmo JM, Li X, Wang Z, Mouton AJ, Hall JE. Role of Hyperinsulinemia and Insulin Resistance in Hypertension: Metabolic Syndrome Revisited. Can J Cardiol. 2020 May;36(5):671-682. doi: 10.1016/j.cjca.2020.02.066.