La HbA 1c se ha correlacionado con complicaciones crónicas [ 2 , 3 ], pero otros aspectos del control glucémico también se han asociado con estas complicaciones, como la variabilidad de la glucosa y la hipoglucemia [ 4 ]. Actualmente, en las personas tratadas con insulina, el control glucémico se estima principalmente a partir de datos de MCG que evalúan estos diferentes componentes del control glucémico [ 5 , 6 ]. Entre muchos parámetros de MCG, el tiempo en rango (TIR) (3,9 a 10,0 mmol/l) se considera el más importante y se ha asociado con diversas complicaciones relacionadas con la diabetes [ 7 , 8 , 9 ]. Sin embargo, la información de los dispositivos CGM se puede analizar con un enfoque global de una manera mucho más integral en lugar de analizar las métricas derivadas de CGM de forma aislada. Más parámetros, como los que evalúan la variabilidad de la glucosa [ 10 ], pueden aportar información complementaria y capturar mejor la complejidad de los fenotipos glucémicos. Además, el índice de riesgo de glucemia (GRI) [ 11 , 12 ], un indicador basado en MCG, puede informar sobre la calidad del control de la glucemia, integrando un componente de hipo e hiperglucemia. Más allá de los parámetros biológicos, también debemos considerar las fluctuaciones glucémicas de los individuos, como las debidas al desconocimiento de la hipoglucemia, asociadas con eventos de hipoglucemia graves [ 13 ].
Podemos beneficiarnos de los desarrollos recientes en técnicas de aprendizaje automático no supervisado para capturar la multidimensionalidad de un tema tan complejo. La investigación que utiliza técnicas de agrupamiento ha identificado patrones de glucosa en MCG clínicamente relevantes, principalmente en personas con diabetes tipo 2 y solo en un pequeño grupo de personas que viven con diabetes tipo 1 [ 14 ]. Un estudio reciente identificó 32 grupos clínicamente similares, donde los perfiles de MCG son homogéneos, en una gran muestra de diabetes tipo 1 y diabetes tipo 2 [ 15 ]. Sin embargo, la agrupación permite una agrupación discreta y mutuamente excluyente de individuos. Una caracterización continua describiría el control glucémico real de la población con más detalle en lugar de utilizar un sistema categorizado como el agrupamiento. Un estudio reciente sobre diabetes tipo 2 utilizó un enfoque basado en árboles para mapear los fenotipos de diabetes asociados con complicaciones diabéticas y respuesta a los medicamentos [ 16 ]. Este enfoque se basó en la reducción de la dimensionalidad de los datos mediante el aprendizaje automático no supervisado [ 17 ], cuyas principales ventajas fueron la definición de los fenotipos de diabetes como una construcción continua y una representación visual 2D clínicamente relevante.
Montaser et al propusieron considerar el equilibrio glucémico en sólo dos dimensiones: exposición a la hiperglucemia y la hipoglucemia [ 18 ]. Sin embargo, este enfoque 2D podría integrar más parámetros glucémicos para comprender y tratar mejor a las personas con diabetes tipo 1. Una evaluación más completa podría agregar información adicional desde la perspectiva de la atención o la investigación clínica, ya que un enfoque limitado a la hiperglucemia y la hipoglucemia no ofrece ninguna ventaja. Reducir una descripción tan simplista limitada a dos dimensiones no puede describir todos los fenotipos en la vida real.
Por lo tanto, planteamos la hipótesis de que, si bien se mantiene un enfoque 2D, la integración de múltiples parámetros glucémicos en una representación visual de los fenotipos glucémicos produciría conocimientos más informativos y podría aprovecharse más fácilmente para permitir avances en la comprensión de los perfiles de los pacientes de la vida real y diseñar tratamientos y tratamientos personalizados. estrategias de prevención.
Nuestro objetivo principal fue determinar los fenotipos glucémicos en personas con diabetes tipo 1 a partir del Estudio de la Sociedad Francófona de Diabetes Tipo 1 (SFDT1) y comparar un enfoque basado en árboles con un método de agrupación más tradicional. Al hacerlo, también intentamos identificar los principales determinantes que impulsan la heterogeneidad de los fenotipos glucémicos.»
Autores
