Investigadores del grupo de investigación de Salud Global del IdISBa, de la Universidad de las Illes Balears y del CIBER de Epidemiología y Salud Pública; y del Servicio de Riesgos Laborales del IB-Salut han publicado un estudio sobre la identificación de los factores de riesgo para desarrollar diabetes tipo 2 en una población adulta con prediabetes utilizando una metodología de redes Bayesianas.
Pilar Fuster-Parra
, Aina M Yáñez, Antoni Aguilo y Miquel Bennasar-Veny, investigadoras e investigadores del grupo de investigación de Salud Global del IdISBa; Arturo López-González, médico de Prevención de Riesgos Laborales del IB-Salut; han publicado el artículo con el título "Identifying risk factors of developing type 2 diabetes from an adult population with initial prediabetes using a Bayesian network" en la revista Frontiers in Public Health.
Las personas con prediabetes (niveles de glucosa en sangre más altos de lo normal) tienen un mayor riesgo de desarrollar diabetes tipo 2 (DMT2). Hay pocos estudios que hayan evaluado la influencia de los factores relacionados con el estilo de vida y el riesgo de progresión a diabetes.
Este estudio longitudinal de seguimiento de 5 años evalúa los factores de riesgo para la progresión a DMT2 en población laboral con prediabetes utilizando un modelo de redes Bayesianas y de la manta de Markov.
Los resultados del estudio mostraron que la obesidad y los altos niveles de hemoglobina glicada (HbA1c) son determinantes para la progresión a DMT2 en personas con prediabetes. Y, que la actividad física es un importante factor protector incluso en presencia de otros factores de riesgo. El riesgo de progresión a DMT2 es muy elevado (más del 50% de riesgo) en pacientes obesos con prediabetes, independientemente de los valores de HbA1c. No obstante esto, los niveles elevados de HbA1c pueden ayudar a distinguir los pacientes con sobrepeso que se convertirán de los que no.
La modelización Bayesiana es un enfoque práctico para fines clínicos, ya que proporciona estimaciones de probabilidad para diferentes escenarios que tanto los clínicos como los pacientes podrían interpretar fácilmente. Y, por tanto, podrían servir para ayudar a los clínicos en la gestión de la evaluación de los factores de riesgo y toma de decisiones (si intervenir o pedir pruebas complementarias) y para motivar a los pacientes a adoptar un estilo de vida más saludable que reduzca su riesgo de DMT2.
La intervención precoz es esencial para la prevención de la DMT2, y las redes Bayesianas pueden permitir a los clínicos identificar a los pacientes con alto riesgo de desarrollar DMT2.
Referencia del artículo
Fuster-Parra P, Yañez AM, López-González A, Aguiló A, Bennasar-Veny M. Identifying risk factors of developing type 2 diabetes from an adult population with initial prediabetes using a Bayesian network. Front Public Heal. 2023 Jan 12;10:5263. doi: 10.3389/fpubh.2022.103502. PubMed PMID: 36711374.Enlaces Bibliosalut |
Texto completoMétricas
 Altmetric |
[Fuente: Bibliosalut]
[Foto: Conselleria d'Afers Socials i Esports]
