Rendimiento diagnóstico y puntos de corte para la predicción de la resistencia a la insulina utilizando el índice de matsuda como referencia para índices subrogados de los niveles séricos de glucosa e insulina en hombres adultos jóvenes no diabéticos - un enfoque computacional
| dc.contributor.advisor | Franco Vega, Roberto | spa |
| dc.contributor.advisor | Caminos, Jorge Eduardo | spa |
| dc.contributor.advisor | Darghan Contreras, Aquiles Enrique | spa |
| dc.contributor.author | Ortega Ramírez, Gustavo Eduardo | spa |
| dc.contributor.orcid | Ortega Ramírez, Gustavo Eduardo [0000000276734188] | spa |
| dc.coverage.country | Colombia | spa |
| dc.date.accessioned | 2024-11-21T12:39:14Z | |
| dc.date.available | 2024-11-21T12:39:14Z | |
| dc.date.issued | 2024 | |
| dc.description | ilustraciones, diagramas | spa |
| dc.description.abstract | La resistencia a la insulina (RI) está fuertemente asociada con las enfermedades crónicas no transmisibles (ENT), incluidas la diabetes tipo 2, las enfermedades cardiovasculares y el cáncer. Utilizando un enfoque computacional para predecir la RI con el índice de Matsuda como referencia, este estudio tuvo como objetivo determinar el valor de corte óptimo y la precisión del diagnóstico para índices sustitutos en hombres adultos jóvenes no diabéticos. Se realizó un estudio descriptivo transversal con noventa y tres hombres jóvenes (de 18 a 31 años). Se tuvieron encuenta características clínicas, bioquímicas, hormonales, antropométricas y composición corporal (DEXA). Se examinó el enfoque computacional para evaluar la precisión del diagnóstico de RI y el valor de corte utilizando parámetros de diferencia y otras herramientas estadísticas para hacer que el resultado sea sólido. Se establecieron con la mayor sensibilidad y especificidad en el valor de corte óptimo, respectivamente, para HOMA-IR (0,91; 0,98; 3,40), QUICKI (0,98; 0,96; 0,33), TyG-WC (1,00; 1,00; 427,77), TyG-BMI. (1,00; 1,00; 132,44), TyG-WHtR (0,98; 1,00; 2,48), WHtR (1,00; 1,00; 0,53), WC (1,00; 1,00; 92,63), IMC (1,00; 1,00; 28,69), TFM (%) (1,00; 1,00; 31,07), FA (%) (1,00; 0,98; 40,33), LAP (0,84; 1,00; 45,49), leptina (0,91; 1,00; 16,08), LAR (0,84; 1,00; 1,17) e insulina en ayunas ( 0,91; 0,98; 16,01). Conclusiones, se utilizó el enfoque computacional para determinar la precisión del diagnóstico y el valor de corte óptimo para determinar la RI, a utilizar en la atención de salud preventiva (Texto tomado de la fuente). | spa |
| dc.description.abstract | Insulin resistance (IR) are strongly associated with chronic non-communicable diseases (NCDs), including type 2 diabetes, cardiovascular disease and cancer. Using a computational approach to predict IR with Matsuda index as reference, this study aimed to determine the optimal cut-off value and diagnosis accuracy for surrogate indices in non-diabetic young adult men. Methods, A cross-sectional descriptive study was carried out with ninety three young men (ages 18–31). Clinical, biochemical, hormonal, anthropometric characteristics and body composition (DEXA) were determined. The computational approach to evaluate the IR diagnostic accuracy and cut-off value using difference parameters was examined and other statistical tools to make the output robust. Results, Highest sensitivity, specificity at the optimal cutoff value respectively, were established for HOMA-IR (0.91; 0.98; 3.40), QUICKI (0.98; 0.96; 0.33), TyG-WC (1.00; 1.00; 427.77), TyG-BMI (1.00; 1.00; 132.44), TyG-WHtR (0.98; 1.00; 2.48), WHtR (1.00; 1.00; 0.53), WC (1.00; 1.00; 92.63), BMI (1.00; 1.00; 28.69), TFM (%)(1.00; 1.00; 31.07), AF (%)(1.00; 0.98; 40.33), LAP (0.84; 1.00; 45.49), Leptin (0.91; 1.00; 16.08), LAR (0.84; 1.00; 1.17) and fasting insulin (0.91; 0.98; 16.01). Conclusions, The computational approach was used to determine the diagnosis accuracy and the optimal cut-off value to determine IR to use in preventive health care. | eng |
| dc.description.degreelevel | Especialidades Médicas | spa |
| dc.description.degreename | Especialista en Endocrinología | spa |
| dc.description.methods | Metodología El presente es un estudio piloto descriptivo y transversal, desarrollado en un grupo de personas hombres adultos jóvenes. Se incluyeron individuos hombres adultos jóvenes no diabéticos (≥18-31 años de edad) (identificados con códigos) no diabéticos. Se estimó el error de muestreo asociado a la estimación del promedio en la ventana de separación para el tamaño de muestra que se seleccionó anticipadamente en 93 sujetos por circunstancias económicas y de infraestructura. El valor cayó en el rango usualmente aceptado, por lo que se justificó el uso de estos sujetos hasta entonces fijado en la cantidad antes descrita. Los participantes del estudio se les desarrollo una prueba de tolerancia oral a la glucosa (PTOG) (75 gramos de glucosa/300 ml solución) luego de un ayuno de 8 a 10 horas. Se tomaron muestras de sangre en ayuno (basal) (7:00-9:00 am) en tubo seco y después de la toma de la carga oral de glucosa a los 30, 60 y 120 minutos. Los sueros fueron centrifugados a 4000Xg y el suero se transfirió a tubos de plástico y se almacenó a -80 °C hasta el análisis. Se determinó en los respectivos sueros la glucosa e insulina basal y a los 30, 60 y 120 minutos. Además, se determinó el colesterol total, colesterol HDL, colesterol LDL y los triglicéridos, se calculó el colesterol VLDL. Se determinaron parámetros hormonales como leptina, insulina, adiponectina mediante técnica de ELISA. En los individuos participantes, por personal capacitado, se determinaron medidas antropométricas como la altura (en metros) y el peso (en kilogramos) y se calculó el índice de masa corporal (IMC - kg/m2). Se determinó circunferencia de la cintura (WC) con una cinta no elástica en el punto medio entre la parte inferior de la cavidad torácica y la parte superior de la cresta ilíaca. La obesidad central se definió como una circunferencia de cintura ≥94 cm para hombres y una circunferencia de cintura ≥88 cm para mujeres. La composición corporal se determinó mediante absorciometría dual de rayos X (DEXA). Se determinó la presión arterial diastólica (PAD), sistólica (PAS) y se calculó la presión arterial media (PAM). En el estudio tambien se evaluaron los siguientes índices: HOMA-IR = [insulina en ayunas (μU/mL) × glucosa en ayunas (mmol/L) / 22,5], índice de Matsuda , TyG = In [Triglicéridos en ayunas (mg/dL) x glucosa en ayunas (mg/dL) / 2], TyG -IMC = índice TyG × IMC, TyG x WC = índice TyG × Circunferencia de cintura, Índice de verificación cuantitativa de la sensibilidad a la insulina (QUICKI) 1/(log glucosa en ayunas + log insulina en ayunas) , relación triglicéridos-HDL c(TG mg/dL /HDL-c mg/dL), índice de adiposidad visceral (VAI), relación cintura altura (WHtR), TyG-relación cintura-talla (TyG-WHtR), Producto de acumulación de lípidos (LAP) [cintura (cm)-65)xtrigliceridos(mmol/L) para hombres, Índice de masa corporal (IMC kg/m2), Relación leptina/adiponectina ( LAR) (cintura (cm)/ (39.68+ (1.88×IMC))) × (trigliceridos (mmol/L)/1.03) × (1.31/HDL-C(mmol/L)). Los criterios de exclusión fueron: Diagnóstico de diabetes auto informado o uso de medicamentos para la diabetes, pacientes con antecedentes de bypass gástrico y otras cirugías bariátricas, enfermedad renal crónica, enfermedad mental, insuficiencia cardiaca, insuficiencia hepática, enfermedad de la tiroides, enfermedades infecciosas, hipertrigliceridemia e hipercolesterolemia familiar y enfermedades metabólicas. Además, se excluyeron los sujetos que habían tomado medicamentos que afectan el metabolismo energético, como metformina, levotiroxina o esteroides, en los últimos 12 meses. Rendimiento diagnostico El índice de Matsuda (en el punto medio de la ventana de separación) fué empleado en el estudio para la clasificación de la resistencia a la insulina, de acuerdo al estudio desarrollado por Malagón y colaboradores. Análisis estadístico Se realizó un análisis descriptivo y transversal de las características basales sociodemográficas, clínicas y bioquímicas de los individuos del estudio, utilizando medias y desviaciones estándar para las variables continuas. El test de Matsuda, fué empleado para la clasificación de los individuos en resistentes y no resistentes a la insulina. Se utilizó la prueba t de Student para comparar la media entre los grupos del índice Matsuda para clasificar inicialmente a los sujetos con presencia o ausencia de insulinorresistencia. La resistencia a la insulina se definió según el valor de corte del índice de Matsuda de acuerdo al estudio desarrollado por Malagón y colaboradores. Para el análisis estadístico descriptivo, los datos se expresarón como media ± desviación estándar (DE). El promedio ± desviación estándar (DE) para cada variable se presentó en una matriz tabular. Inicialmente se realizó un análisis descriptivo separando por grupos en niveles IR y no IR, tomando como referencia el índice de Matsuda. El valor de corte inicial óptimo para Matsuda se generó a partir del promedio aritmético del máximo del nivel IR con el mínimo del nivel no IR (en este caso el valor inicial óptimo fue 4,03). Se construyerón diagramas de dispersión bivariados para estudiar la relación entre cada variable subrogada con el índice de Matsuda y según la monotonía o linealidad se utilizó el coeficiente de correlación de Spearman o Pearson para usarlo como ponderador en la construcción del algoritmo. También se realizaron análisis bivariados de índice de Matsuda y glucosa, niveles de insulina, niveles hormonales, medidas antropométricas y diferentes índices sustitutos. Además, se obtuvieron gráficos de violín que describen los grupos de distribución de individuos con y sin RI según el valor de corte óptimo y el rendimiento del diagnóstico (sensibilidad y especificidad) utilizando el proceso de enfoque computacional iterativo para las diferentes variables. Se calcularon las varianzas de cada variable para demostrar la necesidad de alguna estandarización de los datos. Además, se realizó una estandarización minimax [0,1] para generar una matriz de pesos espaciales que se usaron para rezagar las coordenadas de los puntos del diagrama bivariado. La matriz de pesos construida se repitió con exponentes cambiantes para estudiar el efecto de su elección y pudiéndose fijar aquella que garantizó la máxima sensibilidad y especificad desde el índice de Youden. Para generar robustez en el algoritmo, se eliminó cada fila de la matriz de datos una a una para que con todas estas variaciones fuera elejida la mejor condición para el punto de corte óptimo. Se registraron los valores de sensibilidad, especificidad y punto de corte óptimo y se graficaron de modo univariados los índices subrogados así como los diagramas de dispersión bivariados con los puntos de corte en cada variable. El algoritmo se probó con datos simulados para asegurar que patrones no necesariamente dados en los datos no desestabilizan el algoritmo. Este estará disponible a diferentes usuarios y está desarrollado todo en lenguaje R. | spa |
| dc.description.sponsorship | Se recibió apoyo financiero para la investigación, autoría y/o publicación. Este estudio fue financiado mediante subvenciones gubernamentales a la Universidad Nacional de Colombia (DIEB). | spa |
| dc.format.extent | xii, 64 páginas | spa |
| dc.format.mimetype | application/pdf | spa |
| dc.identifier.instname | Universidad Nacional de Colombia | spa |
| dc.identifier.reponame | Repositorio Institucional Universidad Nacional de Colombia | spa |
| dc.identifier.repourl | https://repositorio.unal.edu.co/ | spa |
| dc.identifier.uri | https://repositorio.unal.edu.co/handle/unal/87194 | |
| dc.language.iso | spa | spa |
| dc.publisher | Universidad Nacional de Colombia | spa |
| dc.publisher.branch | Universidad Nacional de Colombia - Sede Bogotá | spa |
| dc.publisher.faculty | Facultad de Medicina | spa |
| dc.publisher.place | Bogotá, Colombia | spa |
| dc.publisher.program | Bogotá - Medicina - Especialidad en Endocrinología | spa |
| dc.relation.references | World Health Organization. Enfermedades no transmisibles [Internet]. 2023. Disponible en: https://www.who.int/es/news-room/fact-sheets/detail/noncommunicable-diseases. | spa |
| dc.relation.references | Bessesen DH. Update on Obesity. J Clin Endocrinol Metab. 2008 Jun 1;93(6):2027–34. | spa |
| dc.relation.references | Kain J, Vio F, Albala C. Obesity trends and determinant factors in Latin America. Cad Saude Publica. 2003;19(suppl 1):S77–86. | spa |
| dc.relation.references | World Obesity Federation. World Obesity Atlas 2023 [Internet]. 2023. Disponible en: https://data.worldobesity.org/publications/?cat=19. | spa |
| dc.relation.references | Gómez Cuevas R, Valenzuela Montero A. Federación Latinoamericana de Sociedades de Obesidad [Internet]: Disponible en: http://www.administracion.usmp.edu.pe/institutoconsumo/wp-content/uploads/LIBRO-II-CONSENSO-LATINOAMERICANO-DE-OBESIDAD-2017.pdf | spa |
| dc.relation.references | Cappelletti Ana, Katz M. Obesidad: encrucijadas y abordajes. 1 Edición. AKADIA; 2018. | spa |
| dc.relation.references | World Health Organization. Obesity and overweight [Internet]. 2021. Available from: https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight. | spa |
| dc.relation.references | Rendell MS. Obesity and diabetes: the final frontier. Expert Rev Endocrinol Metab. 2023 Jan 2;18(1):81–94. | spa |
| dc.relation.references | Bray GA, Heisel WE, Afshin A, Jensen MD, Dietz WH, Long M, et al. The Science of Obesity Management: An Endocrine Society Scientific Statement. Endocr Rev. 2018 Apr 1;39(2):79–132. | spa |
| dc.relation.references | World Heatlh Organization. Reducing risks, promoting healthy life. [Internet]. World Health Organization; 2002. 248 p. Disponible en: https://iris.who.int/bitstream/handle/10665/42510/WHR_2002.pdf?sequence=1. | spa |
| dc.relation.references | Diagnosis and Classification of Diabetes Mellitus. Diabetes Care [Internet]. 2004 Jan 1;27(suppl_1):s5–10. Available from: https://diabetesjournals.org/care/article/27/suppl_1/s5/24652/Diagnosis-and-Classification-of-Diabetes-Mellitus. | spa |
| dc.relation.references | Mathers CD, Loncar D. Projections of Global Mortality and Burden of Disease from 2002 to 2030. PLoS Med. 2006 Nov 28;3(11):e442. | spa |
| dc.relation.references | Ong KL, Stafford LK, McLaughlin SA, Boyko EJ, Vollset SE, Smith AE, et al. Global, regional, and national burden of diabetes from 1990 to 2021, with projections of prevalence to 2050: a systematic analysis for the Global Burden of Disease Study 2021. The Lancet. 2023 Jul;402(10397):203–34. | spa |
| dc.relation.references | International Diabetes Federation. IDF Diabetes Atlas, 10th edn [Internet]. 2021. Available from: https://diabetesatlas.org/atlas/tenth-edition. | spa |
| dc.relation.references | ElSayed NA, Aleppo G, Aroda VR, Bannuru RR, Brown FM, Bruemmer D, et al. Summary of Revisions: Standards of Care in Diabetes—2023. Diabetes Care. 2023 Jan 1;46(Supplement_1):S5–9. | spa |
| dc.relation.references | Lee J, Kim B, Kim W, Ahn C, Choi HY, Kim JG, et al. Lipid indices as simple and clinically useful surrogate markers for insulin resistance in the U.S. population. Sci Rep. 2021 Jan 27;11(1):2366. | spa |
| dc.relation.references | Gastaldelli A. Measuring and estimating insulin resistance in clinical and research settings. Obesity. 2022 Aug 27;30(8):1549–63. | spa |
| dc.relation.references | Sacks DB, Arnold M, Bakris GL, Bruns DE, Horvath AR, Lernmark Å, et al. Guidelines and Recommendations for Laboratory Analysis in the Diagnosis and Management of Diabetes Mellitus. Clin Chem. 2023 Aug 2;69(8):808–68. | spa |
| dc.relation.references | Mendoza F, Gomez E, Jaramillo C, Saldarriaga C, Florez N, Buitrago R, et al.. Consenso Colombiano para el diagnóstico y el tratamiento de la insuficiencia cardiaca crónica, primera edición, Sociedad Colombiana de Cardiología y Cirugía Cardiovascular. Bogotá, Noviembre de 2014. | spa |
| dc.relation.references | Veelen A, Erazo-Tapia E, Oscarsson J, Schrauwen P. Type 2 diabetes subgroups and potential medication strategies in relation to effects on insulin resistance and beta-cell function: A step toward personalised diabetes treatment? Mol Metab. 2021 Apr;46:101158. | spa |
| dc.relation.references | Saad MF, Knowler WC, Pettitt DJ, Nelson RG, Charles MA, Bennett PH. A two-step model for development of non-insulin-dependent diabetes. Am J Med. 1991 Feb;90(2):229–35. | spa |
| dc.relation.references | Organización Panamericana de la Salud. Enfermedades no transmisibles [Internet]. 2023. Available from: https://www.paho.org/es/temas/enfermedades-no-transmisibles. | spa |
| dc.relation.references | ElSayed NA, Aleppo G, Aroda VR, Bannuru RR, Brown FM, Bruemmer D, et al. 2. Classification and Diagnosis of Diabetes: Standards of Care in Diabetes—2023. Diabetes Care. 2023 Jan 1;46(Supplement_1):S19–40. | spa |
| dc.relation.references | Lorenzo C, Haffner SM, Stančáková A, Kuusisto J, Laakso M. Fasting and OGTT-derived Measures of Insulin Resistance as Compared With the Euglycemic-Hyperinsulinemic Clamp in Nondiabetic Finnish Offspring of Type 2 Diabetic Individuals. J Clin Endocrinol Metab. 2015 Feb;100(2):544–50. | spa |
| dc.relation.references | Xiang AH, Watanabe RM, Buchanan TA. HOMA and Matsuda indices of insulin sensitivity: poor correlation with minimal model-based estimates of insulin sensitivity in longitudinal settings. Diabetologia. 2014 Feb 5;57(2):334–8. | spa |
| dc.relation.references | Pan Y, Jing J, Chen W, Zheng H, Jia Q, Mi D, et al. Post–Glucose Load Measures of Insulin Resistance and Prognosis of Nondiabetic Patients With Ischemic Stroke. J Am Heart Assoc. 2017 Jan 11;6(1). | spa |
| dc.relation.references | World Health Organization. Comparative quantification of health risks: global and regional burden of disease attributable to selected major risk factors [Internet]. 2004. Available from: https://www.who.int/publications/i/item/9241580313. | spa |
| dc.relation.references | Simental-Mendía LE, Rodríguez-Morán M, Guerrero-Romero F. The Product of Fasting Glucose and Triglycerides As Surrogate for Identifying Insulin Resistance in Apparently Healthy Subjects. Metab Syndr Relat Disord. 2008 Dec;6(4):299–304. | spa |
| dc.relation.references | Primo D, Izaola O, de Luis DA. Triglyceride-Glucose Index Cutoff Point Is an Accurate Marker for Predicting the Prevalence of Metabolic Syndrome in Obese Caucasian Subjects. Ann Nutr Metab. 2023;79(2):238–45. | spa |
| dc.relation.references | Kim B, Choi HY, Kim W, Ahn C, Lee J, Kim JG, et al. The cut-off values of surrogate measures for insulin resistance in the Korean population according to the Korean Genome and Epidemiology Study (KOGES). PLoS One. 2018 Nov 12;13(11):e0206994. | spa |
| dc.relation.references | Ma YL, Jin CH, Zhao CC, Ke JF, Wang JW, Wang YJ, et al. Waist-to-height ratio is a simple and practical alternative to waist circumference to diagnose metabolic syndrome in type 2 diabetes. Front Nutr. 2022 Nov 7;9. | spa |
| dc.relation.references | Lee S, Choi S, Kim HJ, Chung YS, Lee KW, Lee HC, et al. Cutoff Values of Surrogate Measures of Insulin Resistance for Metabolic Syndrome in Korean Non-diabetic Adults. J Korean Med Sci. 2006;21(4):695. | spa |
| dc.relation.references | Ferrannini G, De Bacquer D, Erlund I, Gyberg V, Kotseva K, Mellbin L, et al. Measures of Insulin Resistance as a Screening Tool for Dysglycemia in Patients With Coronary Artery Disease: A Report From the EUROASPIRE V Population. Diabetes Care. 2022 Sep 1;45(9):2111–7. | spa |
| dc.relation.references | Askari H, Tykodi G, Liu J, Dagogo-Jack S. Fasting Plasma Leptin Level Is a Surrogate Measure of Insulin Sensitivity. J Clin Endocrinol Metab. 2010 Aug 1;95(8):3836–43. | spa |
| dc.relation.references | Oda N, Imamura S, Fujita T, Uchida Y, Inagaki K, Kakizawa H, et al. The ratio of leptin to adiponectin can be used as an index of insulin resistance. Metabolism. 2008 Feb;57(2):268–73. | spa |
| dc.relation.references | Aisike G, Kuerbanjiang M, Muheyati D, Zaibibuli K, Lv MX, Han J. Correlation analysis of obesity phenotypes with leptin and adiponectin. Sci Rep. 2023 Oct 18;13(1):17718. | spa |
| dc.relation.references | Chauhan A, Singhal A, Goyal P. TG/HDL Ratio: A marker for insulin resistance and atherosclerosis in prediabetics or not? J Family Med Prim Care. 2021;10(10):3700. | spa |
| dc.relation.references | Endukuru CK, Gaur GS, Yerrabelli D, Sahoo J, Vairappan B. Cut-off Values and Clinical Utility of Surrogate Markers for Insulin Resistance and Beta-Cell Function to Identify Metabolic Syndrome and Its Components among Southern Indian Adults. J Obes Metab Syndr. 2020 Dec 30;29(4):281–91. | spa |
| dc.relation.references | Guerrero-Romero F, Simental-Mendía LE, González-Ortiz M, Martínez-Abundis E, Ramos-Zavala MG, Hernández-González SO, et al. The Product of Triglycerides and Glucose, a Simple Measure of Insulin Sensitivity. Comparison with the Euglycemic-Hyperinsulinemic Clamp. J Clin Endocrinol Metab. 2010 Jul 1;95(7):3347–51. | spa |
| dc.relation.references | Wakabayashi I, Daimon T. Comparison of discrimination for cardio-metabolic risk by different cut-off values of the ratio of triglycerides to HDL cholesterol. Lipids Health Dis. 2019 Dec 27;18(1):156. | spa |
| dc.relation.references | Kahn SE, Prigeon RL, Schwartz RS, Fujimoto WY, Knopp RH, Brunzell JD, et al. Obesity, Body Fat Distribution, Insulin Sensitivity and Islet β-Cell Function as Explanations for Metabolic Diversity. J Nutr. 2001 Feb;131(2):354S-360S. | spa |
| dc.relation.references | Hulman A, Vistisen D, Glümer C, Bergman M, Witte DR, Færch K. Glucose patterns during an oral glucose tolerance test and associations with future diabetes, cardiovascular disease and all-cause mortality rate. Diabetologia. 2018 Jan 6;61(1):101–7. | spa |
| dc.relation.references | Lopez-Jaramillo P, Gomez-Arbelaez D, Martinez-Bello D, Abat MEM, Alhabib KF, Avezum Á, et al. Association of the triglyceride glucose index as a measure of insulin resistance with mortality and cardiovascular disease in populations from five continents (PURE study): a prospective cohort study. Lancet Healthy Longev. 2023 Jan;4(1):e23–33. | spa |
| dc.relation.references | Gonzáles‐Rubianes DZ, Figueroa‐Osorio LK, Benites‐Zapata VA, Pacheco‐Mendoza J, Herrera‐Añazco P. Utility of <scp>TG</scp> / <scp>HDL</scp> ‐c ratio as a predictor of mortality and cardiovascular disease in patients with chronic kidney disease undergoing hemodialysis: A systematic review. Hemodialysis International. 2022 Apr 14;26(2):137–46. | spa |
| dc.relation.references | Stenkula KG, Erlanson-Albertsson C. Adipose cell size: importance in health and disease. American Journal of Physiology-Regulatory, Integrative and Comparative Physiology. 2018 Aug 1;315(2):R284–95. | spa |
| dc.relation.references | Kolb H. Obese visceral fat tissue inflammation: from protective to detrimental? BMC Med. 2022 Dec 27;20(1):494. | spa |
| dc.relation.references | Ross R, Neeland IJ, Yamashita S, Shai I, Seidell J, Magni P, et al. Waist circumference as a vital sign in clinical practice: a Consensus Statement from the IAS and ICCR Working Group on Visceral Obesity. Nat Rev Endocrinol. 2020 Mar 4;16(3):177–89. | spa |
| dc.relation.references | Raygor V, Abbasi F, Lazzeroni LC, Kim S, Ingelsson E, Reaven GM, et al. Impact of race/ethnicity on insulin resistance and hypertriglyceridaemia. Diab Vasc Dis Res. 2019 Mar 23;16(2):153–9. | spa |
| dc.relation.references | Li M, Chi X, Wang Y, Setrerrahmane S, Xie W, Xu H. Trends in insulin resistance: insights into mechanisms and therapeutic strategy. Signal Transduct Target Ther. 2022 Jul 6;7(1):216. | spa |
| dc.relation.references | Zhang R, Sun J, Wang C, Wang X, Zhao P, Yuan Y, et al. The Racial Disparities in the Epidemic of Metabolic Syndrome With Increased Age: A Study From 28,049 Chinese and American Adults. Front Public Health. 2022 Feb 1;9. | spa |
| dc.relation.references | Lee JH, Heo S, Kwon Y. Sex‐Specific Comparison Between Triglyceride Glucose Index and Modified Triglyceride Glucose Indices to Predict New‐Onset Hypertension in Middle‐Aged and Older Adults. J Am Heart Assoc. 2023 Sep 19;12(18). | spa |
| dc.relation.references | Ramírez-Manent JI, Jover AM, Martinez CS, Tomás-Gil P, Martí-Lliteras P, López-González ÁA. Waist Circumference Is an Essential Factor in Predicting Insulin Resistance and Early Detection of Metabolic Syndrome in Adults. Nutrients. 2023 Jan 4;15(2):257. | spa |
| dc.relation.references | Caleyachetty R, Barber TM, Mohammed NI, Cappuccio FP, Hardy R, Mathur R, et al. Ethnicity-specific BMI cutoffs for obesity based on type 2 diabetes risk in England: a population-based cohort study. Lancet Diabetes Endocrinol. 2021 Jul;9(7):419–26. | spa |
| dc.relation.references | Shai I, Jiang R, Manson JE, Stampfer MJ, Willett WC, Colditz GA, et al. Ethnicity, Obesity, and Risk of Type 2 Diabetes in Women. Diabetes Care. 2006 Jul 1;29(7):1585–90. | spa |
| dc.relation.references | Bennet L, Stenkula K, Cushman SW, Brismar K. BMI and waist circumference cut-offs for corresponding levels of insulin sensitivity in a Middle Eastern immigrant versus a native Swedish population – the MEDIM population based study. BMC Public Health. 2016 Dec 9;16(1):1242. | spa |
| dc.relation.references | Fiorentino TV, Marini MA, Succurro E, Andreozzi F, Sesti G. Relationships of surrogate indexes of insulin resistance with insulin sensitivity assessed by euglycemic hyperinsulinemic clamp and subclinical vascular damage. BMJ Open Diabetes Res Care. 2019 Nov 13;7(1):e000911. | spa |
| dc.relation.references | Ahn N, Baumeister SE, Amann U, Rathmann W, Peters A, Huth C, et al. Visceral adiposity index (VAI), lipid accumulation product (LAP), and product of triglycerides and glucose (TyG) to discriminate prediabetes and diabetes. Sci Rep. 2019 Jul 4;9(1):9693. | spa |
| dc.relation.references | Dong J, Wang S si, Chu X, Zhao J, Liang Y zhi, Yang Y bo, et al. Optimal Cut-off Point of Waist to Height Ratio in Beijing and Its Association with Clusters of Metabolic Risk Factors. Curr Med Sci. 2019 Apr 5;39(2):330–6. | spa |
| dc.relation.references | Shao J, Yu L, Shen X, Li D, Wang K. Waist-to-height ratio, an optimal predictor for obesity and metabolic syndrome in Chinese adults. J Nutr Health Aging. 2010 Nov 29;14(9):782–5. | spa |
| dc.relation.references | Kawamoto R, Kikuchi A, Akase T, Ninomiya D, Kumagi T. Usefulness of waist-to-height ratio in screening incident metabolic syndrome among Japanese community-dwelling elderly individuals. PLoS One. 2019 Apr 29;14(4):e0216069. | spa |
| dc.relation.references | Suliga E, Ciesla E, Głuszek-Osuch M, Rogula T, Głuszek S, Kozieł D. The Usefulness of Anthropometric Indices to Identify the Risk of Metabolic Syndrome. Nutrients. 2019 Oct 29;11(11):2598. | spa |
| dc.relation.references | Peng Y, Li W, Wang Y, Bo J, Chen H. Correction: The Cut-Off Point and Boundary Values of Waist-to-Height Ratio as an Indicator for Cardiovascular Risk Factors in Chinese Adults from the PURE Study. PLoS One. 2016 Aug 16;11(8):e0161551. | spa |
| dc.relation.references | Kazlauskaite R, Avery‐Mamer EF, Li H, Chataut CP, Janssen I, Powell LH, et al. Race/ethnic comparisons of waist‐to‐height ratio for cardiometabolic screening: The study of women’s health across the nation. American Journal of Human Biology. 2017 Jan;29(1). | spa |
| dc.relation.references | Malek M, Khamseh ME, Chehrehgosha H, Nobarani S, Alaei-Shahmiri F. Triglyceride glucose-waist to height ratio: a novel and effective marker for identifying hepatic steatosis in individuals with type 2 diabetes mellitus. Endocrine. 2021 Dec 5;74(3):538–45. | spa |
| dc.relation.references | Patel P, Abate N. Body Fat Distribution and Insulin Resistance. Nutrients. 2013 Jun 5;5(6):2019–27. | spa |
| dc.relation.references | Lear SA, Kohli S, Bondy GP, Tchernof A, Sniderman AD. Ethnic Variation in Fat and Lean Body Mass and the Association with Insulin Resistance. J Clin Endocrinol Metab. 2009 Dec 1;94(12):4696–702. | spa |
| dc.relation.references | Stults‐Kolehmainen MA, Stanforth PR, Bartholomew JB. Fat in Android, Trunk, and Peripheral Regions Varies by Ethnicity and Race in College Aged Women. Obesity. 2012 Mar 10;20(3):660–5. | spa |
| dc.relation.references | Chen Q, Zhang Z, Luo N, Qi Y. Elevated visceral adiposity index is associated with increased stroke prevalence and earlier age at first stroke onset: Based on a national cross-sectional study. Front Endocrinol (Lausanne). 2023 Jan 16;13. | spa |
| dc.relation.references | Norata GD, Raselli S, Grigore L, Garlaschelli K, Dozio E, Magni P, et al. Leptin:Adiponectin Ratio Is an Independent Predictor of Intima Media Thickness of the Common Carotid Artery. Stroke. 2007 Oct;38(10):2844–6. | spa |
| dc.relation.references | Gayoso-Diz P, Otero-González A, Rodriguez-Alvarez MX, Gude F, García F, De Francisco A, et al. Insulin resistance (HOMA-IR) cut-off values and the metabolic syndrome in a general adult population: effect of gender and age: EPIRCE cross-sectional study. BMC Endocr Disord. 2013 Dec 16;13(1):47. | spa |
| dc.relation.references | Horáková D, Štěpánek L, Janout V, Janoutová J, Pastucha D, Kollárová H, et al. Optimal Homeostasis Model Assessment of Insulin Resistance (HOMA-IR) Cut-Offs: A Cross-Sectional Study in the Czech Population. Medicina (B Aires). 2019 May 17;55(5):158. | spa |
| dc.relation.references | Endukuru CK, Gaur GS, Yerrabelli D, Sahoo J, Vairappan B. Response: Cut-off Values and Clinical Utility of Surrogate Markers for Insulin Resistance and Beta-Cell Function to Identify Metabolic Syndrome and Its Components among Southern Indian Adults (J Obes Metab Syndr 2020;29:281-91). J Obes Metab Syndr. 2021 Dec 30;30(4):405–7. | spa |
| dc.relation.references | Farkas GJ, Gordon PS, Trewick N, Gorgey AS, Dolbow DR, Tiozzo E, et al. Comparison of Various Indices in Identifying Insulin Resistance and Diabetes in Chronic Spinal Cord Injury. J Clin Med. 2021 Nov 28;10(23):5591. | spa |
| dc.relation.references | Hanley AJG, Williams K, Gonzalez C, D’Agostino RB, Wagenknecht LE, Stern MP, et al. Prediction of Type 2 Diabetes Using Simple Measures of Insulin Resistance. Diabetes. 2003 Feb 1;52(2):463–9. | spa |
| dc.relation.references | Muniyappa R, Lee S, Chen H, Quon MJ. Current approaches for assessing insulin sensitivity and resistance in vivo: advantages, limitations, and appropriate usage. American Journal of Physiology-Endocrinology and Metabolism. 2008 Jan;294(1):E15–26. | spa |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
| dc.rights.license | Reconocimiento 4.0 Internacional | spa |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | spa |
| dc.subject.ddc | 610 - Medicina y salud::616 - Enfermedades | spa |
| dc.subject.ddc | 610 - Medicina y salud::615 - Farmacología y terapéutica | spa |
| dc.subject.decs | Resistencia a la Insulina | spa |
| dc.subject.decs | Insulin Resistance | eng |
| dc.subject.decs | Enfermedad Crónica | spa |
| dc.subject.decs | Chronic Disease | eng |
| dc.subject.decs | Enfermedades no Transmisibles | spa |
| dc.subject.decs | Noncommunicable Diseases | eng |
| dc.subject.decs | Diabetes Mellitus Tipo 2 | spa |
| dc.subject.decs | Diabetes Mellitus, Type 2 | eng |
| dc.subject.proposal | Índices sustitutos | spa |
| dc.subject.proposal | Surrogate indices | eng |
| dc.subject.proposal | Insulin resistance | eng |
| dc.subject.proposal | Resistencia a la insulina | spa |
| dc.subject.proposal | Adulto joven | spa |
| dc.subject.proposal | Young adult men | eng |
| dc.subject.proposal | Enfoque computacional | spa |
| dc.subject.proposal | Computational approach | eng |
| dc.subject.proposal | Índice de Matsuda | spa |
| dc.subject.proposal | Matsuda Index | eng |
| dc.subject.proposal | Colombia | spa |
| dc.subject.proposal | Colombia | eng |
| dc.title | Rendimiento diagnóstico y puntos de corte para la predicción de la resistencia a la insulina utilizando el índice de matsuda como referencia para índices subrogados de los niveles séricos de glucosa e insulina en hombres adultos jóvenes no diabéticos - un enfoque computacional | spa |
| dc.title.translated | Diagnostic performance and cut-off points for predicting insulin resistance using the Matsuda index as a reference for surrogate indices of serum glucose and insulin levels in young adult non-diabetic men – a computational approach | eng |
| dc.type | Trabajo de grado - Especialidad Médica | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | spa |
| dc.type.coarversion | http://purl.org/coar/version/c_ab4af688f83e57aa | spa |
| dc.type.content | Text | spa |
| dc.type.driver | info:eu-repo/semantics/masterThesis | spa |
| dc.type.redcol | http://purl.org/redcol/resource_type/TM | spa |
| dc.type.version | info:eu-repo/semantics/acceptedVersion | spa |
| dcterms.audience.professionaldevelopment | Público general | spa |
| oaire.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
| oaire.awardtitle | Rendimiento diagnóstico y puntos de corte para la predicción de la resistencia a la insulina utilizando el índice de matsuda como referencia para índices subrogados de los niveles séricos de glucosa e insulina en hombres adultos jóvenes no diabéticos - un enfoque computacional | spa |
| oaire.fundername | Apoyo financiero mediante Subvenciones gubernamentales a la Universidad Nacional de Colombia (DIEB) | spa |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- 1098717461.2024.pdf
- Tamaño:
- 2.19 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Tesis de Especialidad en Endocrinología
Bloque de licencias
1 - 2 de 2
Cargando...
- Nombre:
- license.txt
- Tamaño:
- 5.74 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción:
Cargando...
- Nombre:
- licencia para publicación de obras en el Repositorio Institucional UNAL..pdf
- Tamaño:
- 239.63 KB
- Formato:
- Adobe Portable Document Format
- Descripción: