2. KH Ha et al.
2
Investigación y práctica clínica de la diabetes 203 (2023) 110820
incluida la salud del sueño, con el riesgo de diabetes y eventos cardiovasculares adversos
importantes (MACE) en adultos mayores con prediabetes utilizando la base de datos del
Servicio Nacional de Seguro Médico de Corea (NHIS).
La prediabetes de nueva aparición se definió como un nivel de glucosa plasmática en
ayunas de 100 a 125 mg/dl sin antecedentes de diabetes. La diabetes se definió como un
nivel de glucosa en plasma en ayunas ≥ 126 mg/dl y/o la presencia de códigos ICD 10
E10E14 y una prescripción de medicamentos para reducir la glucosa (código ATC A10)
desde el 1 de enero de 2002 hasta la fecha del examen. El diseño del estudio se muestra
en la Figura S1.
Este estudio de cohorte retrospectivo basado en la población utilizó la cohorte de
muestra nacional NHIS de Corea (NHISNSC), proporcionada por la NHIS en la República
de Corea. El NHIS es un plan de seguro médico obligatorio que cubre aproximadamente
el 97% de la población de Corea. El NHIS NSC, que comprende el 2,2% de la población
coreana total elegible, contiene datos longitudinales sobre el estatus socioeconómico;
demografía; reclamaciones de reembolso, como el código de diagnóstico (código de
Clasificación Internacional de Enfermedades, décima revisión [CIE10]), prescripciones de
medicamentos (código Anatómico Terapéutico Químico [ATC]) y procedimientos médicos;
exámenes de salud generales; y la muerte [16,17]. Este estudio fue aprobado por la Junta
de Revisión Institucional del Hospital Universitario de Ajou (AJIRBMED EXP21440), que
renunció al requisito de consentimiento informado debido al uso de datos no identificados
de todos los participantes.
La población del estudio incluyó a 7.948 adultos mayores con prediabetes de ≥ 65
años que se sometieron a exámenes nacionales de salud entre 2006 y 2008. Los
exámenes nacionales de salud se han descrito previamente en detalle [16]. El NHIS de
Corea ofrece exámenes nacionales de salud general a todos los adultos coreanos cada 1
o 2 años. El examen incluye mediciones antropométricas (altura, peso, IMC, presión
arterial y otros), análisis de sangre (glucemia en ayunas, niveles de lípidos en sangre,
hemoglobina y otros) y autocuestionarios sobre tabaquismo, actividad física, consumo de
alcohol, nutrición y antecedentes médicos.
2.1. Fuente de datos y población de estudio.
2.2. Métricas CVH
Las métricas CVH incluyeron seis de los siete componentes de las recomendaciones
de la AHA de 2010 (IMC, presión arterial, nivel de colesterol total, tabaquismo, actividad
física y dieta, excepto glucosa plasmática en ayunas) y componentes de salud del sueño
que se agregaron recientemente en las recomendaciones de la AHA de 2022.
recomendaciones, con algunas modificaciones para adaptarse a la base de datos [13,14]
(Tabla S1). El IMC se calculó como el peso (kg) dividido por la altura al cuadrado (m2 ). El
estado de obesidad se definió según la Sociedad Coreana para el Estudio de la Obesidad,
con un IMC de 23,0 a 24,9 kg/m2 para sobrepeso y ≥ 25,0 kg/m2 para obesidad [18]. La
presión arterial se midió mediante métodos auscultatorios u oscilométricos por personal
médico capacitado. Se midieron los niveles de colesterol total en muestras de sangre en
ayunas. El tabaquismo (actual, anterior o nunca), la actividad física (número de ejercicios
de sudoración por semana) y la dieta se evaluaron mediante cuestionarios autoinformados.
La salud del sueño se definió como la presencia de prescripciones para el insomnio
(códigos ATC: N05CD05, N05CF02, N05CF04 y N05CH02).
3. Resultados
2. Material y métodos
Se utilizaron curvas de KaplanMeier y pruebas de rangos logarítmicos para analizar la
incidencia acumulada de diabetes y MACE según la categoría métrica CVH. Se utilizaron
modelos de riesgos proporcionales de Cox para estimar los índices de riesgo (HR) y los
intervalos de confianza (IC) del 95% para la asociación de las métricas de CVH con
diabetes y MACE después de ajustar por sexo, edad, año índice, ingresos del hogar, nivel
de glucosa en ayunas, uso de antiagregantes plaquetarios y antecedentes de
comorbilidades (cáncer, infarto de miocardio, accidente cerebrovascular o enfermedad
renal crónica). Realizamos un análisis adicional utilizando la edad como escala de tiempo
en el modelo de regresión de Cox para tener en cuenta la edad diferencial al inicio de la
cohorte. Se realizaron análisis de subgrupos según edad (< 75 y ≥ 75 años) y sexo. Todos
los resultados estadísticos se analizaron utilizando el software SAS Enterprise Guide 7.1
(SAS Institute, Cary, NC, EE. UU.) y el software R (versión 3.5.3; R Foundation for
Statistical Computing, Viena, Austria).
I22), accidente cerebrovascular (códigos I60 I64 de la CIE10) y muerte cardiovascular
(códigos I00I99 de la CIE10), utilizando códigos CIE10. El período de seguimiento se
definió como el período desde la fecha del examen de salud hasta la fecha de la primera
aparición del resultado, la fecha de muerte por cualquier causa o el final del período de
estudio (31 de diciembre de 2019).
Las características iniciales se analizaron mediante estadísticas descriptivas en la
categoría de métricas CVH. Los datos distribuidos normalmente se presentaron como
media ± desviación estándar, los datos no paramétricos como mediana y rango intercuartil,
y los datos categóricos como números y frecuencias (%). Las características iniciales se
compararon mediante un análisis de varianza unidireccional para variables continuas y
pruebas de chicuadrado para variables categóricas. Calculamos la incidencia de diabetes
y MACE por 100 personasaño de seguimiento según la categoría métrica CVH.
La diabetes incidente se definió como diabetes recién diagnosticada según los códigos
E10E14 de la CIE10 y una prescripción simultánea de medicamentos para reducir la
glucosa (código ATC A10). MACE se definió como una combinación de hospitalización
por infarto de miocardio (códigos ICD10 I21 −
2.5. análisis estadístico
Los ingresos de los hogares se clasificaron en tres grupos según las primas de
seguro: 30% más bajo, 40% medio y 30% más alto. Los medicamentos prescritos se
clasificaron utilizando los códigos ATC para antihipertensivos (C02C03 o C07C09),
estatinas (C10AA) y antiagregantes plaquetarios (B01) dentro del año posterior al examen
médico. El historial de comorbilidades, incluido el cáncer (códigos C00C99 de la CIE10),
infarto de miocardio (códigos I21 I22 de la CIE10), accidente cerebrovascular (códigos
I60 I64 de la CIE10) y enfermedad renal crónica (código N18 de la CIE10). ), se examinó
utilizando los códigos ICD10.
Los resultados primarios fueron el desarrollo de diabetes y MACE.
En este estudio se incluyeron un total de 7.948 adultos mayores con prediabetes
(mujeres, 55,2%), con una edad media de 72,1 ± 1,3 años y una mediana (percentil 2575)
de glucosa plasmática en ayunas de 106,0 (103,0112,0) mg. /dL. Las características
iniciales de la población del estudio según las métricas compuestas de CVH y el sexo se
resumen en las Tablas 1 y S2, respectivamente. Los participantes con métricas compuestas
ideales de CVH tendían a ser mayores, hombres y nunca fumadores y tenían un IMC,
presión arterial sistólica, presión arterial diastólica, niveles de glucosa en ayunas y niveles
de colesterol total más bajos que aquellos con métricas de CVH deficientes.
2.3. Resultados
2.4. Covariables
Para cada métrica, los individuos recibieron 0, 1 o 2 puntos, lo que representa las
categorías pobre, intermedia o ideal, respectivamente. La salud del sueño se clasificó
según la presencia o ausencia de medicación para el insomnio (0 o 1 punto,
respectivamente; Tabla S1). La puntuación compuesta de CVH fue la suma de las métricas
de CVH individuales (rango, 0 a 13 puntos) y se clasificó como pobre (puntuaciones ≤ 6),
intermedia (puntuaciones = 7) e ideal (puntuaciones ≥ 8) según el patrón de distribución
de la puntuación de las métricas CVH (Figura S2).
3.1. Características iniciales de los participantes estratificadas por métricas compuestas
de CVH
Machine Translated by Google
3. Tabla 1
Características iniciales de los participantes estratificadas por métricas de CVH.
Los valores se presentan como mediana (percentil 2575), n (%) o media ± desviación estándar. CVH: salud cardiovascular.
Figura 1. Incidencia acumulada de diabetes (A) y MACE (B) según métricas compuestas de CVH. CVH, salud cardiovascular; MACE, evento cardiovascular adverso mayor.
3.2. Métricas CVH y diabetes número de métricas CVH ideales que en el grupo con un número bajo de métricas CVH
ideales (prueba de rango logarítmico, P < 0,001). Después de ajustar por posibles
factores de confusión, los individuos con métricas compuestas de CVH intermedias e
ideales tenían, respectivamente, un 13 % y un 28 % menos de riesgo de sufrir eventos
de diabetes que aquellos con métricas compuestas de CVH deficientes (intermedia: HR
= 0,87, IC 95 % = 0,78–0,96 ; ideal: HR = 0,72, IC 95 % = 0,65–0,79; Tabla 2). Cuando
se utilizó la edad como escala de tiempo, el patrón general de
Durante la mediana de seguimiento (percentil 2575) de 11,9 (9,912,9) años, se
produjeron 2.405 casos incidentes de diabetes, con una tasa de incidencia de 3,4 por
100 personasaño. El análisis de la curva de KaplanMeier estratificado por métricas
compuestas de CVH (Fig. 1A) reveló que el riesgo de desarrollar diabetes era menor en
el grupo con un riesgo relativamente alto.
Investigación y práctica clínica de la diabetes 203 (2023) 110820
3
583
918
812
1.622
894
1.074
1.098
1.116
77,6 ± 9,8
Intermedio
974
138,7 ± 18,3
18 (1,0) 459
(24,7) 1.384 (74,4)
676
2.612
Años de edad
Historia de enfermedad renal crónica.
0,997
Características
Glucosa en ayunas, mg/dL
721
216
2.943
544
(32,7)
(33,4)
(33,9)
128,9 ± 17,0
<0,001
989
<0,001
227 (12,2) 1.634
(87,8)
valor p
1.279 (68,7) 420
(22,6) 162 (8,7)
Historia del accidente cerebrovascular
0.319
Intermedio (N = 1.861)
Colesterol total, mg/dL
Pobre
453
6
387 (20,8) 553
(29,7) (49,5) 24,0
± 3,1
202,4 ± 36,1
129
<0,001
<0,001
<0,001
(7,7)
(92,3)
Ideales (N = 3.288)
232 (12,5) 163
(8,8) (78,8) 1.466
Historia de infarto de miocardio.
<0,001
Métricas CVH compuestas
972
Presión arterial diastólica, mmHg
776
772
Bajo
79,8 ± 10,1
617
72,7 ± 5,3
1.719 (52,3)
921
(4,4)
(34,7)
(60,8)
215
2.584
(56,9)
Historia del cáncer
<0,001
124
Presión arterial sistólica, mmHg
414
Ingresos del hogar
91
106,0 (102,0–111,0)
1.985 (60,4) (12,6)
(23,6)
(13,8)
(1,3)
(3,6)
(0,9)
2.294
414
71,8 ± 5,0
1.072 (57,6)
1298
Ideal
(82,0)
(14,8)
(3,3)
2,738
1.594
Uso de medicamentos antiplaquetarios.
<0,001
Pobre
Índice de masa corporal, kg/m2
25
2008
263
1.919
106,0 (102,0–112,0)
1.257 (67,5) 373
(20,0) 509 (27,4)
225 (12,1) 34
(1,8) 68 (3,7) 26
(1,4)
Dieta
610 (32,8) 689
(37,0) 562 (30,2)
1.703
(22,0)
(9,4)
(68,6)
71,7 ± 4,8
Uso de estatinas
28
Salud del sueño
KH Ha et al.
Alto
101
Ideal
2007
107,0 (103,0–113,0)
2.050 (73,2) (25,8)
(29,0)
(9,6)
(1,4)
(3,6)
(0,9)
Pobre
(20,8)
(32,8)
(46,4)
25,6 ± 2,9
132,9 ± 16,8
(0,2)
(16,5)
(83,3)
Pobre (N = 2.799)
Uso de medicamentos antihipertensivos.
119
Ideal
Medio
38
Intermedio
0.001
<0,001
<0,001
0,003
<0,001
Actividad física
(35,3)
(34,8)
(29,9)
217,9 ± 41,7
(49,3)
(27,2)
(23,5)
Año índice
2006
Pobre
<0,001
44
Intermedio
0,042
269
<0,001
651 (19,8) 996
(30,3) (49,9) 1.641
22,2 ±
2,7
188,6 ± 32,2
836
(3,9)
(6,6)
(89,5)
83,2 ± 11,3
Ideal
Femenino
(20,6)
(79,4)
Estado de fumar
<0,001
0.133
Machine Translated by Google
4. Tabla 3
Asociación de métricas individuales de CVH con el riesgo de incidencia de diabetes y MACE en adultos mayores con prediabetes.
Las tasas de incidencia se estimaron por 100 personasaño. Los análisis se ajustaron por sexo, edad, año índice, ingresos del hogar, nivel de glucosa en ayunas, uso de fármacos antiplaquetarios y
antecedentes de enfermedades (cáncer, infarto de miocardio, accidente cerebrovascular o enfermedad renal crónica).
Las tasas de incidencia se estimaron por 100 personasaño. Los análisis se ajustaron por sexo, edad, año índice, ingresos del hogar, nivel de glucosa en ayunas, uso de fármacos antiplaquetarios y
antecedentes de enfermedades (cáncer, infarto de miocardio, accidente cerebrovascular o enfermedad renal crónica).
Tabla 2
Asociación de métricas compuestas de CVH con el riesgo de incidencia de diabetes y MACE en adultos mayores con prediabetes.
CVH, salud cardiovascular; MACE: evento cardiovascular adverso mayor; HR: índice de riesgo; IC: intervalo de confianza.
CVH, salud cardiovascular; MACE: evento cardiovascular adverso mayor; HR: índice de riesgo; IC: intervalo de confianza.
Investigación y práctica clínica de la diabetes 203 (2023) 110820
4
3.4. Análisis de subgrupos según edad y sexo
0,73; IC del 95 % = 0,67–0,80; Tabla S4).
Además, realizamos análisis de sensibilidad excluyendo a los individuos con bajo peso (n
= 338, IMC < 18,5 kg/m2 ) y encontramos que los individuos con métricas compuestas de CVH
intermedias e ideales todavía tenían un riesgo menor de diabetes incidente que aquellos con
métricas compuestas de CVH deficientes (intermedias). : HR = 0,88, IC 95 % = 0,79–0,98;
ideal: HR =
0,90; IC del 95 % = 0,80–1,02; Tabla 3). Cuando se excluyeron del análisis de sensibilidad las
personas con bajo peso, hubo ligeras diferencias en la magnitud y la importancia de la
asociación entre las métricas individuales de CVH, incluido el IMC (Tabla S4).
De los siete componentes métricos individuales de CVH, el IMC intermedio e ideal, la
presión arterial intermedia e ideal o los niveles ideales de colesterol total se asociaron
significativamente con un riesgo reducido de diabetes en comparación con las respectivas
métricas compuestas pobres de CVH. La salud ideal del sueño también tenía un menor riesgo
de diabetes en comparación con la mala salud del sueño; sin embargo, la diferencia no fue
estadísticamente significativa (HR = 0,94, IC del 95 % = 0,83–1,05; Tabla 3).
Durante el período de seguimiento, se registraron 2.039 MACE (2,6 por 100 personas
año). No hubo diferencias significativas en la incidencia acumulada de MACE entre los tres
grupos de métricas compuestas de CVH (prueba de rango logarítmico, P = 0,260; Fig. 1B). Sin
embargo, después de ajustar por factores de confusión, los individuos con métricas compuestas
ideales de CVH tuvieron un riesgo significativamente menor de incidentes de MACE que
aquellos con indicadores CVH compuestos deficientes.
métricas (HR = 0,88, IC del 95% = 0,79–0,97; Tabla 2). Con respecto a las métricas individuales
de CVH, la presión arterial intermedia e ideal, el tabaquismo y la actividad física se asociaron
con un menor riesgo de MACE, mientras que el IMC ideal se asoció con un mayor riesgo de
MACE. La salud ideal del sueño también tenía un menor riesgo de MACE en comparación con
la mala salud del sueño; sin embargo, la diferencia no fue estadísticamente significativa (HR =
0,77–0,97; ideal: HR = 0,68, IC 95% = 0,61–0,76) y aquellos de ≥ 75 años (intermedio: HR =
0,88, IC 95% = 0,69–1,11; ideal: HR = 0,84, IC 95% = 0,69–1,02; p para interacción = 0,254).
Sin embargo, observamos una modificación del efecto por sexo en la asociación entre métricas
compuestas de CVH y eventos de diabetes (p para interacción = 0,021). En los hombres, se
observó una reducción estadísticamente significativa en los eventos de diabetes sólo en
La asociación fue similar a los resultados principales que se muestran en la Tabla 2 (Tabla S3).
3.3. Métricas CVH y MACE
La figura 2 muestra la asociación entre las métricas compuestas de CVH y el riesgo de
incidencia de diabetes o MACE según edad y sexo. La reducción de los eventos de diabetes
no fue estadísticamente diferente entre individuos de < 75 años (intermedio: HR = 0,87, IC del
95 % =
KH Ha et al.
Salud del sueño
Diabetes
3.40
Pobre
2.16
2.56
Tasa de incidencia
(referencia)
(0,78–0,96)
(0,46–0,73)
Pobre
2.15
3.55
0,79
Pobre
3.36
0,94
4,08
3,43
1.00
Intermedio
5.195
1.728
1.025
Ideal
norte (%)
(referencia)
(0,95–1,20)
(1,01–1,24)
Ideal
0,90
(referencia)
(0,65–1,19)
(0,73–1,32)
0,99
0,88
2.43
Actividad física
Pobre
(referencia)
(0,80–1,02)
978 (12,3) 642
(8,1) 6.328 (79,6)
1.00
Pobre
2.35
FC (IC del 95 %)
Presión arterial, mmHg
3.41
1,60
3.45
1.00 3.08
1.00
1,00 (referencia)
0,87 (0,78–0,96)
0,72 (0,65–0,79)
2.83
148 (1,9) 1.975
(24,8) 5.825 (73,3)
0,58
Métricas CVH
1.118
6.830
Índice de masa corporal, kg/m2
(35,3)
(24,5)
(40,1)
2.54
0,90
2.62
1,14
1,03
3.11
Diabetes
2.67
0,88
2.35
(referencia)
(0,72–0,88)
(0,60–0,72)
2.809
1.951
3.188
1.00
(referencia)
(0,83–1,05)
3.23
2,73
2,70
3.84
(referencia)
(1,00–1,30)
(0,90–1,18)
0,87
Pobre
MAZO
Tasa de incidencia
2.58
0,66
2.40
2,82
2,55
3.52
Ideal
(65,4)
(21,7)
(12,9)
1.00
1.00
Intermedio
Intermedio
(referencia)
(0,89–1,11)
(0,78–1,00)
1.00
1.256
3.460
3.232
0,90
3.31
Ideal
(referencia)
(0,79–0,98)
(0,67–0,89)
3.33
Tasa de incidencia
(14,1)
(85,9)
Pobre
1.00
Pobre
MAZO
1.00
Intermedio
4.25
1.09
0,77
2.52
(23,3)
1.850
5.552 (69,9) 546
(6,9)
1.00
0,61
1.00
2.57
1,00 (referencia)
0,99 (0,88–1,11)
0,88 (0,79–0,97)
0,98
FC 95% IC)
2,88
1.00
(referencia)
(0,57–0,84)
(0,61–0,80)
3.51
(referencia)
(0,82–0,98)
(0,50–0,75)
3.50
De fumar
0,98
Ideal
Métricas CVH
1.12
Dieta
3,62
3,11
(referencia)
(0,86–1,08)
(0,80–1,02)
2.64
0,70
0,90
(15,8)
(43,5)
(40,7)
2.84
Intermedio
0,93
Tasa de incidencia
Ideal
3.81
Ideal
(referencia)
(0,78–1,12)
(0,78–1,02)
3.38
0,88
Intermedio
2.71
Colesterol total, mg/dL
Ideal
FC (IC del 95 %)
Intermedio
3.58
0,70
3.11
FC (IC del 95 %)
1.07
(referencia)
(0,77–1,53)
(0,78–1,52)
1.00
1.09
Machine Translated by Google
5. KH Ha et al.
Figura 2. Análisis de subgrupos del riesgo de diabetes (A) y MACE (B) según métricas compuestas de CVH. Las tasas de incidencia se estimaron por 100 personasaño. CVH,
salud cardiovascular; MACE: evento cardiovascular adverso mayor; PY, añospersona; HR: índice de riesgo; IC: intervalo de confianza.
el grupo de métricas CVH ideal (HR = 0,71, IC 95 % = 0,62–0,82), mientras que no
se encontró una reducción significativa en el grupo de métricas CVH intermedias
(HR = 0,88, IC 95 % = 0,75–1,02). Sin embargo, en las mujeres, se observó una
reducción estadísticamente significativa en los eventos de diabetes tanto en el grupo
de métricas CVH intermedia como ideal (intermedia: HR =
0,782).
Un número limitado de estudios ha investigado el curso natural de la prediabetes
en adultos mayores, con una amplia gama de tasas de progresión [4,5,19,20]. Según
estudios comunitarios recientes realizados en Estados Unidos e Inglaterra, los
adultos mayores con prediabetes tienen un riesgo relativamente menor de progresión
a diabetes que a normoglucemia o muerte [4,5] , lo que sugiere la necesidad de un
enfoque de tratamiento cauteloso para la prediabetes en personas mayores. adultos.
Sin embargo, los adultos coreanos mayores con prediabetes tienen una
0,86–1,20; p para interacción < 0,001). Sin embargo, no se observó interacción
estadísticamente significativa entre los sexos (p para interacción =
Hasta donde sabemos, este estudio es el primero en evaluar de manera integral la
asociación de métricas compuestas de CVH con la incidencia de diabetes y MACE
en adultos mayores con prediabetes.
Este estudio de cohorte poblacional a nivel nacional encontró que los adultos
mayores con prediabetes con métricas compuestas de CVH ideales tenían un menor
riesgo de diabetes y MACE que aquellos con métricas compuestas de CVH deficientes.
En cuanto a la asociación entre MACE y las métricas CVH ideales, este efecto
se limitó por completo a una reducción del 19 % en personas < 75 años (HR = 0,81,
IC 95 % = 0,71–0,92), mientras que no se encontró ningún efecto preventivo en
personas de ≥ 75 años (HR = 1,02, IC 95% =
0,86; IC del 95 % = 0,75–0,99; ideal: HR = 0,72, IC 95 % = 0,63–0,81).
4. Discusión
Investigación y práctica clínica de la diabetes 203 (2023) 110820
5
Machine Translated by Google
6. KH Ha et al. Investigación y práctica clínica de la diabetes 203 (2023) 110820
6
mayor riesgo de retinopatía y nefropatía diabéticas, lo que respalda la detección activa
de prediabetes en adultos mayores para prevenir el desarrollo de estas complicaciones
[21]. En el Programa de Prevención de la Diabetes (DPP), en el que el 20 % de los
participantes tenían ≥ 60 años al inicio del estudio, se demostró que la intervención en
el estilo de vida era más eficaz para prevenir la diabetes en los participantes de mayor
edad que en los más jóvenes, con una tendencia persistente a mejorar las enfermedades
cardiovasculares. factores de riesgo durante un máximo de 10 años [2224]. Sin
embargo, el estudio del DPP tiene limitaciones. En primer lugar, incluía principalmente
a adultos mayores que estaban relativamente sanos y motivados. En segundo lugar,
el DPP no inscribió a muchas personas mayores de 70 años o con discapacidades
funcionales o cognitivas. Por lo tanto, para abordar eficazmente las necesidades de
salud de los adultos mayores con diversas afecciones médicas, es esencial identificar
estrategias preventivas que puedan aplicarse eficazmente tanto en entornos
comunitarios como clínicos. En consecuencia, el presente estudio incluyó a adultos
mayores con diversas afecciones médicas. Descubrimos que en adultos mayores con
prediabetes, las métricas CVH ideales se asociaron significativamente con una
incidencia reducida de diabetes y MACE. Estos hallazgos sugieren que las métricas
CVH ideales pueden aplicarse potencialmente para prevenir y tratar la diabetes y MACE
en la práctica clínica real.
En conclusión, este estudio a nivel nacional mostró que los adultos mayores con
prediabetes que alcanzaron métricas compuestas ideales de CVH exhibieron un riesgo
reducido de desarrollar diabetes y MACE. Nuestros hallazgos destacan
Además, para incluir a personas con diabetes no diagnosticada o no tratada, ampliamos
la definición de diabetes incidente para incluir a personas que cumplieron cualquiera de
los siguientes criterios: haber sido diagnosticado con diabetes (códigos ICD10 E10
E14) en dos o más ocasiones, recibir prescripción de medicamentos hipoglucemiantes
o tener una glucemia en ayunas ≥ 126 mg/dL. Los resultados de la asociación se
mantuvieron consistentes con los principales resultados mostrados en la Tabla 2 (datos
no mostrados). En tercer lugar, definimos a los individuos con una salud del sueño ideal
como aquellos que no recibieron tratamiento farmacológico para el insomnio porque no
teníamos datos sobre la duración del sueño. Es posible que esta definición no refleje
completamente medidas precisas de la salud del sueño porque es posible que algunas
personas con insomnio no reciban medicamentos. Además, los medicamentos
recetados para el insomnio se pueden utilizar en personas con trastornos mentales. De
acuerdo con la regulación del NHIS sobre disponibilidad de datos para fines de
investigación, no se proporcionan códigos de diagnóstico relacionados con trastornos
mentales para proteger la información personal sobre condiciones de salud sensibles.
Por lo tanto, no pudimos identificar personas con depresión u otros trastornos mentales.
Sin embargo, existe una fuerte correlación entre el insomnio y los trastornos mentales,
en particular la depresión [43]. El insomnio es ampliamente reconocido como un
síntoma clínicamente significativo observado en muchos trastornos mentales, y
aproximadamente entre el 70% y el 80% de las personas con trastornos mentales
experimentan insomnio [44]. Finalmente, debido a la ausencia de información dietética
detallada, definimos una dieta ideal como una dieta equilibrada de carne y plantas.
Este estudio tiene algunas limitaciones. En primer lugar, la falta de datos sobre la
hemoglobina A1C y los niveles de glucosa plasmática a las 2 h podría haber introducido
errores de diagnóstico en la identificación de la prediabetes y la diabetes. En segundo
lugar, no incluimos la diabetes no diagnosticada ni tratada porque la definimos según
los códigos ICD10 y la presencia de prescripción médica para reducir la glucosa. Sin
embargo, los adultos mayores ≥ 65 años tienen una proporción relativamente mayor
de concienciación y tratamiento de la diabetes en comparación con otros grupos de
edad, con 76,4% y 73,3%, respectivamente [2].
el riesgo de diabetes y aumentó el riesgo de MACE. Estudios previos
encontró que tener bajo peso (IMC < 18,5 kg/m2 ) era un factor de riesgo independiente
de ECV en la población general [3032], y los adultos mayores con sobrepeso tenían
un mejor pronóstico de mortalidad por todas las causas que los adultos mayores con
peso normal o bajo peso [ 33]. Consistentemente, en el caso de la diabetes, los adultos
mayores con sobrepeso también tienen un riesgo menor de MACE y de mortalidad por
todas las causas que los adultos mayores con peso normal [34]. Esta paradoja de la
obesidad en los adultos mayores puede deberse a la incapacidad de distinguir entre
grasa corporal y masa corporal magra mediante el IMC. Por lo tanto, una masa corporal
magra elevada, fuerza muscular y grasa corporal adecuada pueden prevenir MACE en
adultos mayores [35].
Además, en Corea del Sur, el gobierno ofrece periódicamente un examen de salud
nacional, lo que facilita la evaluación del riesgo de diabetes y MACE según los
componentes de las métricas CVH. Por lo tanto, las métricas CVH de la AHA pueden
motivar la modificación del estilo de vida a nivel individual.
Con respecto a los componentes individuales de las métricas CVH, la presión
arterial ideal se asoció más fuertemente con riesgos bajos de diabetes y MACE en
adultos mayores con prediabetes. El segundo componente más importante para reducir
el riesgo de diabetes fue el IMC ideal, mientras que el tabaquismo ideal fue el segundo
componente más importante para reducir el riesgo de MACE. En particular, aunque un
IMC ideal reducía el riesgo de desarrollar diabetes, aumentaba el riesgo de MACE.
Después de excluir a los individuos con un IMC < 18,5 kg/m2 , el IMC ideal sigue siendo
reducido
Sin embargo, estas puntuaciones de riesgo no tuvieron en cuenta a los adultos mayores
de ≥ 75 años y fueron difíciles de usar en la práctica clínica debido a su dependencia
de fórmulas complejas que incluyen variables continuas o múltiples factores de riesgo
para mejorar el rendimiento de la predicción del riesgo. Por lo tanto, la AHA introdujo
las puntuaciones CVH como una herramienta de evaluación integral y fácilmente
aplicable en entornos clínicos. El objetivo de implementar métricas CVH era cambiar el
enfoque de la prevención y el tratamiento de enfermedades a la promoción y mejora de
la salud [13]. Los hallazgos del presente estudio confirman la importancia del
cumplimiento de las métricas CVH ideales en adultos mayores con prediabetes, lo que
aumenta el riesgo de diabetes y MACE.
riesgo reducido de ECV en adultos mayores con prediabetes [29]. Estos hallazgos
sugieren que los beneficios de las métricas CVH ideales pueden atenuarse en adultos
mayores con prediabetes ≥ 75 años, potencialmente debido a la presencia de múltiples
comorbilidades y tratamientos correspondientes.
En muchos países, incluida Corea del Sur, se han desarrollado puntuaciones de
riesgo convencionales para diabetes y enfermedades cardiovasculares [3942].
Anteriormente desarrollamos la puntuación de riesgo de diabetes coreana para adultos
de 40 a 79 años [41]. Además, Jee et al. desarrolló el modelo de riesgo de enfermedad
coronaria para la población del Estudio Coreano del Corazón de entre 30 y 74 años [42].
75 años. Este hallazgo es consistente con el de un estudio previo que demostró una
asociación más débil entre las métricas CVH ideales y un
El insomnio es un trastorno del sueño caracterizado por la experiencia subjetiva de
dificultad para iniciar o mantener el sueño o despertarse antes de lo deseado a pesar
de tener oportunidades adecuadas para dormir. Hay pruebas suficientes de que el
insomnio se asocia con altos riesgos de ECV y diabetes [37,38]. En el presente estudio,
la salud ideal del sueño redujo la incidencia de diabetes y MACE; sin embargo, el efecto
no fue estadísticamente significativo.
dencia de ECV o diversos resultados no relacionados con ECV [14,26]. De acuerdo con
nuestros hallazgos, estudios recientes con adultos ≥ 18 años revelaron que el grupo
con la métrica CVH ideal tenía un riesgo menor de diabetes incidente que el grupo con
la métrica CVH deficiente [27,28] . Sin embargo, los estudios sobre el impacto de las
métricas CVH en la incidencia de diabetes y MACE en adultos mayores con prediabetes
son limitados. El presente estudio encontró una interacción relacionada con la edad
entre las métricas compuestas de CVH y MACE. Específicamente, observamos que el
efecto protector de las métricas CVH ideales contra MACE no estaba presente en
individuos con prediabetes de edad ≥
componente novedoso de las métricas CVH de la AHA en términos de duración
promedio del sueño autoinformada entre las dimensiones del sueño. Sin embargo,
debido a la falta de datos sobre la duración del sueño en el presente estudio, evaluamos
la salud del sueño en función del estado del tratamiento farmacológico para el insomnio.
En general, la incidencia de CVH disminuye con la edad. Un estudio demostró que
la prevalencia de tener ≥ 5 métricas en niveles ideales (definidos en las recomendaciones
de la AHA de 2010) era solo del 4% entre los adultos de ≥ 60 años en los Estados
Unidos [25] . Por lo tanto, es necesario que la mayoría de las personas hagan un
esfuerzo para alcanzarlo y mantenerlo en el resto de su vida. Además, muchos estudios
han demostrado una sólida correlación negativa entre el número total de métricas CVH
ideales o puntuaciones generales de CVH y el inci.
La salud del sueño se define utilizando varias dimensiones, incluida la satisfacción
subjetiva, el momento adecuado, la duración adecuada, la alta eficiencia y el estado de
alerta sostenido durante las horas de vigilia [36]. La evidencia epidemiológica acumulada
indica que cada dimensión del sueño está asociada con enfermedades coronarias,
diabetes, hipertensión, síndrome metabólico y mortalidad [36]. La salud del sueño se
ha agregado recientemente como un
Machine Translated by Google
7. [15] Patel D, Steinberg J, Patel P. Insomnio en las personas mayores: una revisión. J Clin Sleep Med
Enfermedad cardiovascular y mortalidad en personas con bajo peso. J Caquexia Sarcopenia
Músculo 2021;12:331–8. https://doi.org/10.1002/jcsm.12682.
´
[23] Grupo de investigación del programa de prevención de la diabetes, Knowler WC, Fowler SE,
Sharrett AR, et al. Riesgo de progresión a diabetes entre adultos mayores con prediabetes. JAMA
Intern Med 2021;181:511–9. https://doi.org/10.1001/jamainternmed.2020.8774 .
[32] Suastika K, Dwipayana P, Saraswati MR, Gotera W, Budhiarta AA, Sutanegara ND, et al. El peso insuficiente
es un factor de riesgo importante de enfermedad coronaria en la población de la isla Ceningan. Bali
Diab Vasc Dis Res 2012;9:75–7. https://doi. org/10.1177/1479164111422828.
[10] Cai X, Zhang Y, Li M, Wu JH, Mai L, Li J, et al. Asociación entre prediabetes y riesgo de mortalidad por
todas las causas y enfermedad cardiovascular: metanálisis actualizado.
2018;14:1017–24. https://doi.org/10.5664/jcsm.7172.
[20] Bardenheier BH, Wu WC, Zullo AR, Gravenstein S, Gregg EW. Progresión a
Los datos complementarios de este artículo se pueden encontrar en línea en https://doi. org/10.1016/
j.diabres.2023.110820.
[2] Bae JH, Han KD, Ko SH, Yang YS, Choi JH, Choi KM, et al. Hoja informativa sobre la diabetes en Corea
2021. Diabetes Metab J 2022;46:417–26. https://doi.org/10.4093/dmj.2022.0106 .
[6] Halter JB, Musi N, McFarland Horne F, Crandall JP, Goldberg A, Harkless L, et al.
[7] Gillies CL, Abrams KR, Lambert PC, Cooper NJ, Sutton AJ, Hsu RT, et al.
Definir y establecer objetivos nacionales para la promoción de la salud cardiovascular y la reducción
de enfermedades: el objetivo de impacto estratégico de la American Heart Association hasta 2020 y más
allá. Circulación 2010;121:586–613. https://doi.org/10.1161/
Lanceta 2009;374:1677–86. https://doi.org/10.1016/S01406736(09)614574.
[21] Choi G, Yoon H, Choi HH, Ha KH, Kim DJ. Asociación de prediabetes con muerte y complicaciones diabéticas
en adultos mayores: los pros y los contras del cribado activo de prediabetes. Envejecimiento
2022;51:afac116. https://doi.org/10.1093/ageing/afac116 .
[17] Kim HK, Song SO, Noh J, Jeong IK, Lee BW. Configuración de datos y tendencias de publicación para el
seguro nacional de salud de Corea y la base de datos de revisión y evaluación de seguros de salud.
Diabetes Metab J 2020;44:671–8. https://doi.org/10.4093/dmj.2020.0207 .
J Intern Med 2019;286:326–40. https://doi.org/10.1111/joim.12920.
[28] Okada A, Kaneko H, Matsuoka S, Itoh H, Suzuki Y, Fujiu K, et al. Asociación de métricas de salud
cardiovascular con incidencia anual de prediabetes o diabetes: análisis de una base de datos nacional
del mundo real. J Diabetes Investig 2023;14:452–62. https://doi.org/10.1111/jdi.13958.
[8] Glechner A, Keuchel L, Affengruber L, Titscher V, Sommer I, Matyas N, et al. Efectos de los cambios en el
estilo de vida en adultos con prediabetes: una revisión sistemática y un metanálisis. Prim Care
Diabetes 2018;12:393–408. https://doi.org/10.1016/j. pcd.2018.07.003.
[14] LloydJones DM, Allen NB, Anderson CAM, Black T, Brewer LC, Foraker RE, et al.
[11] Hu FB, Stampfer MJ, Haffner SM, Solomon CG, Willett WC, Manson JE. Riesgo elevado de enfermedad
cardiovascular antes del diagnóstico clínico de diabetes tipo 2. Cuidado de la diabetes 2002;25:1129–34.
https://doi.org/10.2337/diacare.25.7.1129.
[19] DeJesus RS, Breitkopf CR, Rutten LJ, Jacobson DJ, Wilson PM, Sauver JS.
[26] Fang N, Jiang M, Fan Y. Métricas ideales de salud cardiovascular y riesgo de
[30] Kwon H, Yun JM, Park JH, Cho BL, Han K, Joh HK, et al. Incidencia de
Fisiopatología e Intervenciones para la Prevención y Reducción de Riesgos. Endocrinol Metab Clin North
Am 2018;47:33–50. https://doi.org/10.1016/j.ecl.2017.10.001.
Circulación 2017;135:e146–603. https://doi.org/10.1161/
CIR.0000000000000485 .
Fujimoto WY, BarrettConnor E, et al. La influencia de la edad sobre los efectos de la modificación del
estilo de vida y la metformina en la prevención de la diabetes. J Gerontol A Biol Sci Med Sci 2006;61:1075–
81. https://doi.org/10.1093/gerona/61.10.1075.
CIR.0000000000001078.
Actualización de estadísticas de enfermedades cardíacas y accidentes cerebrovasculares2020:
informe de la Asociación Estadounidense del Corazón. Circulación 2020;141:e139–596. https://
doi.org/10.1161/CIR.0000000000000757 .
[27] Qin P, Liu D, Feng Y, Yang X, Li Y, Wu Y, et al. Asociación entre las métricas de salud cardiovascular y el
riesgo de sufrir diabetes mellitus tipo 2: el estudio de cohorte rural chino. Acta Diabetol 2022;59:1063–
71. https://doi.org/10.1007/s0059202201896x .
[31] Park D, Lee JH, Han S. Bajo peso: ¿otro factor de riesgo para la enfermedad cardiovascular?: Un
estudio transversal del Sistema de Vigilancia de Factores de Riesgo del Comportamiento (BRFSS)
de 2013 de 491,773 personas en los EE. UU. Medicina (Baltimore) 2017;96: e8769. https://doi.org/
10.1097/MD.0000000000008769.
BMJ 2020;370:m2297. https://doi.org/10.1136/bmj.m2297.
Tasa de incidencia de la progresión de la prediabetes a la diabetes: modelado de un grupo objetivo
óptimo para la intervención. Popul Health Manag 2017;20:216–23. https://doi. org/10.1089/pop.2016.0067.
[5] Veronese N, Noale M, Sinclair A, Barbagallo M, Domínguez LJ, Smith L, et al. Riesgo de progresión a
diabetes y mortalidad en personas mayores con prediabetes: el estudio longitudinal inglés sobre el
envejecimiento. Envejecimiento 2022;51:afab222. https://doi. org/10.1093/ageing/afab222.
[1] Tabak AG, Herder C, Rathmann W, Brunner EJ, Kivim¨ aki M. Prediabetes: un estado de alto riesgo para
el desarrollo de diabetes. Lanceta 2012;379:2279–90. https://doi.org/10.1016/S01406736(12)602839 .
[33] Yamazaki K, Suzuki E, Yorifuji T, Tsuda T, Ohta T, IshikawaTakata K, et al. ¿Existe una paradoja de la
obesidad en la población japonesa de edad avanzada? Un estudio de cohorte comunitario de 13.280
hombres y mujeres. Geriatr Gerontol Int 2017;17:1257–64. https://doi.org/10.1111/ggi.12851 .
KH Ha et al.
Diabetes según el estado glucémico inicial entre adultos de mediana edad y mayores en los Estados
Unidos, 20062014. Diabetes Res Clin Pract 2021;174:108726. https://doi. org/10.1016/
j.diabres.2021.108726.
[13] LloydJones DM, Hong Y, Labarthe D, Mozaffarian D, Appel LJ, Van Horn L, et al.
[16] Lee J, Lee JS, Park SH, Shin SA, Kim K. Perfil de cohorte: Servicio Nacional de Seguro Médico
Cohorte de muestra nacional (NHISNSC), Corea del Sur. Int J Epidemiol 2017;46:e15. https://
doi.org/10.1093/ije/dyv319.
Hamman RF, Christophi CA, Hoffman HJ, et al. Seguimiento de 10 años de la incidencia de diabetes
y la pérdida de peso en el Estudio de resultados del programa de prevención de la diabetes.
[3] Shang Y, Marseglia A, Fratiglioni L, Welmer AK, Wang R, Wang HX, et al. Historia natural de la prediabetes
en adultos mayores a partir de un estudio longitudinal poblacional.
Diabetes y enfermedades cardiovasculares en adultos mayores: estado actual y direcciones futuras.
Diabetes 2014;63:2578–89. https://doi.org/10.2337/db140020.
[18] Kim BY, Kang SM, Kang JH, Kang SY, Kim KK, Kim KB, et al. 2020 Sociedad Coreana para el Estudio de la
Obesidad Directrices para el tratamiento de la obesidad en Corea. J Obes Metab Syndr 2021;30:81–92.
https://doi.org/10.7570/jomes21022.
CIRCULACIÓNAHA.109.192703.
[4] Rooney MR, Rawlings AM, Pankow JS, Echouffo Tcheugui JB, Coresh J,
[24] Crandall JP, Knowler WC, Kahn SE, Marrero D, Florez JC, Bray GA, et al. La prevención de la diabetes
tipo 2. Nat Clin Pract Endocrinol Metab 2008;4:382–93. https://doi.org/10.1038/ncpendmet0843.
[29] Wang T, Lu J, Su Q, Chen Y, Bi Y, Mu Y, et al. Métricas ideales de salud cardiovascular y eventos
cardiovasculares importantes en pacientes con prediabetes y diabetes. JAMA Cardiol 2019;4:874–83.
https://doi.org/10.1001/jamacardio.2019.2499.
Intervenciones farmacológicas y de estilo de vida para prevenir o retrasar la diabetes tipo 2 en personas
con intolerancia a la glucosa: revisión sistemática y metanálisis. BMJ 2007;334:299. https://doi.org/10.1136/
bmj.39063.689375.55.
[9] Brannick B, DagogoJack S. Prediabetes y enfermedades cardiovasculares:
[25] Virani SS, Alonso A, Benjamin EJ, Bittencourt MS, Callaway CW, Carson AP, et al.
[22] Grupo de investigación del programa de prevención de la diabetes, Crandall J, Schade D, Ma Y,
[12] Benjamin EJ, Blaha MJ, Chiuve SE, Cushman M, Das SR, Deo R, et al. Actualización de estadísticas de
enfermedades cardíacas y accidentes cerebrovasculares de 2017: informe de la Asociación Estadounidense del Corazón.
Life's Essential 8: Actualización y mejora del concepto de salud cardiovascular de la Asociación
Estadounidense del Corazón: un aviso presidencial de la Asociación Estadounidense del Corazón.
Circulación 2022;146:e18–43. https://doi.org/10.1161/
Enfermedad cardiovascular o mortalidad: un metanálisis. Int J Cardiol 2016;214: 279–83. https://
doi.org/10.1016/j.ijcard.2016.03.210.
7
Investigación y práctica clínica de la diabetes 203 (2023) 110820
Este estudio utilizó los datos de la cohorte de muestra nacional del Servicio
Nacional de Seguro Médico de Corea (NHISNSC) (NHIS20222241) elaborados
por NHIS. Los autores declaran no tener ningún conflicto de intereses con NHIS.
KHH realizó el análisis estadístico. Todos los autores interpretaron los resultados.
KHH y SJH escribieron el primer borrador del manuscrito, que todos los autores
editaron y revisaron. Todos los autores aprobaron la versión final del manuscrito. SJH
es el garante de este trabajo y, como tal, tiene acceso total a todos los datos del
estudio y asume la responsabilidad de la integridad de los datos y la precisión del
análisis de los mismos.
Este trabajo fue apoyado por la subvención no. NRF2022R1F1A1064336 del
Programa de Subvenciones de la Fundación Nacional de Investigación de Corea y el
Instituto Médico de Corea (KMI, Seúl, Corea del Sur).
Apéndice A. Datos complementarios
Referencias
Declaración de intereses en competencia
5. Contribuciones de los autores
la importancia del cumplimiento de las métricas CVH ideales para prevenir la diabetes
y MACE entre adultos mayores con prediabetes.
Los autores declaran que no tienen intereses financieros en competencia ni
relaciones personales conocidas que pudieran haber influido en el trabajo presentado
en este artículo.
Todos los autores participaron en la concepción y diseño del estudio.
Fondos
Agradecimientos
Machine Translated by Google
8. [34] Lee DH, Ha KH, Kim HC, Kim DJ. Asociación del índice de masa corporal con el riesgo de
eventos cardiovasculares adversos importantes y la mortalidad en personas con diabetes.
Validación de la puntuación de riesgo de diabetes de Corea: un estudio de cohorte nacional de 10 años.
Diabetes Metab J 2018;42:402–14. https://doi.org/10.4093/dmj.2018.0014.
J Sleep Res 2022;31:e13628. https://doi.org/10.1111/jsr.13628.
[44] Palagini L, Hertenstein E, Riemann D, Nissen C. Sueño, insomnio y salud mental.
[41] Ha KH, Lee YH, Song SO, Lee JW, Kim DW, Cho KH, et al. Desarrollo y
KH Ha et al.
BMJ 2016;353:i2416. https://doi.org/10.1136/bmj.i2416.
neurobiología, investigación y tratamiento del insomnio crónico. Lancet Neurol 2015;14:547–
8. https://doi.org/10.1016/S14744422(15)000216.
[40] Damen JA, Hooft L, Schuit E, Debray TP, Collins GS, Tzoulaki I, et al. Modelos de predicción
del riesgo de enfermedad cardiovascular en la población general: revisión sistemática.
[43] Riemann D, Nissen C, Palagini L, Otte A, Perlis ML, Spiegelhalder K. El
[39] Noble D, Mathur R, Dent T, Meads C, Greenhalgh T. Modelos de riesgo y puntuaciones para
la diabetes tipo 2: revisión sistemática. BMJ 2011;343:d7163. https://doi.org/10.1136/
bmj.d7163 .
[38] He Q, Zhang P, Li G, Dai H, Shi J. La asociación entre los síntomas del insomnio y el riesgo de
eventos vasculares cardiocerebrales: un metanálisis de estudios de cohortes
prospectivos. Eur J Prev Cardiol 2017;24:1071–82. https://doi.org/10.1177/
[35] Jahangir E, De Schutter A, Lavie CJ. Bajo peso y sobrepeso en adultos mayores: riesgo y
manejo clínico. Prog Cardiovasc Dis 2014;57:127–33. https://doi.org/10.1016/
j.pcad.2014.01.001.
[37] Sofi F, Cesari F, Casini A, Macchi C, Abbate R, Gensini GF. Insomnio y riesgo de enfermedad
cardiovascular: un metanálisis. Eur J Prev Cardiol 2014;21:57–64. https://doi.org/
10.1177/2047487312460020.
[36] Buysse DJ. Salud del sueño: ¿podemos definirla? ¿Importa? Dormir 2014;37:9–17. https://
doi.org/10.5665/sleep.3298.
J Obes Metab Syndr 2018;27:61–70. https://doi.org/10.7570/jomes.2018.27.1.61.
2047487317702043.
[42] Jee SH, Jang Y, Oh DJ, Oh BH, Lee SH, Park SW, et al. Un modelo de predicción de
enfermedades coronarias: el Estudio Coreano del Corazón. Abierto BMJ 2014;4:e005025.
https://doi.org/10.1136/bmjopen2014005025 .
Investigación y práctica clínica de la diabetes 203 (2023) 110820
8
Machine Translated by Google