Durante d\u00e9cadas, el control metab\u00f3lico de la diabetes ha descansado en mediciones necesariamente parciales. La glucemia capilar ofrece una fotograf\u00eda del momento en que se realiza. La hemoglobina glucosilada, HbA1c, resume aproximadamente varios meses de exposici\u00f3n a la glucosa en un \u00fanico valor. Ambas medidas han sido fundamentales para diagnosticar, controlar y tratar la enfermedad, pero comparten una limitaci\u00f3n: comprimen una trayectoria din\u00e1mica en observaciones puntuales o promedios.<\/p>\n\n\n\n
Dos personas pueden presentar una HbA1c semejante y haber llegado a ella mediante perfiles muy diferentes. Una puede mantener concentraciones relativamente estables durante gran parte del d\u00eda. Otra puede alternar episodios de hiperglucemia y descensos frecuentes. El promedio puede ser similar, pero la exposici\u00f3n fisiol\u00f3gica no necesariamente lo es.<\/p>\n\n\n\n
La monitorizaci\u00f3n continua de glucosa ha cambiado esta situaci\u00f3n. Los sensores actuales miden glucosa en el l\u00edquido intersticial de forma repetida durante todo el d\u00eda. Algunos sistemas generan una lectura cada cinco minutos; otros, cada minuto. El resultado es una serie temporal formada por cientos o miles de observaciones diarias que permite conocer no solo cu\u00e1nto es el valor serol\u00f3gico de la glucosa, sino c\u00f3mo cambia.<\/p>\n\n\n\n
La pr\u00e1ctica cl\u00ednica ya ha incorporado parte de este conocimiento. Adem\u00e1s de HbA1c y glucemia media, se utilizan m\u00e9tricas como tiempo en rango, tiempo por encima o por debajo del rango objetivo y coeficiente de variaci\u00f3n. Para muchos adultos con diabetes, las recomendaciones actuales consideran como objetivo general mantener m\u00e1s del 70 % del tiempo entre 70 y 180 mg\/dL, junto con l\u00edmites espec\u00edficos para hipoglucemia y variabilidad.<\/p>\n\n\n\n
Pero esa utilizaci\u00f3n sigue resumiendo un conjunto muy amplio de datos en unos pocos indicadores. La cuesti\u00f3n que empieza a plantearse es si las series completas contienen informaci\u00f3n adicional con significado cl\u00ednico.<\/p>\n\n\n\n
Un trabajo publicado recientemente en npj Digital Medicine<\/em> aborda precisamente esa pregunta. Los investigadores analizaron datos de monitorizaci\u00f3n continua de glucosa de 90.757 participantes de la cohorte iCanNet y derivaron 48 m\u00e9tricas diferentes para caracterizar perfiles de normoglucemia, prediabetes, diabetes tipo 2 y diabetes tipo 1. Despu\u00e9s, utilizaron esos datos para identificar patrones metab\u00f3licos y construir un sistema de estratificaci\u00f3n de riesgo de complicaciones en personas con diabetes tipo 2.<\/p>\n\n\n\n El estudio representa un ejemplo de un cambio m\u00e1s amplio en salud digital: cuando una variable se mide de forma suficientemente frecuente, deja de ser \u00fanicamente un n\u00famero y se convierte en una trayectoria susceptible de caracterizaci\u00f3n. Incluso, una nueva categor\u00eda de signo cl\u00ednico <\/p>\n\n\n\n Del valor de glucosa al patr\u00f3n gluc\u00e9mico<\/strong><\/p>\n\n\n\n La monitorizaci\u00f3n continua genera informaci\u00f3n que una determinaci\u00f3n aislada no puede ofrecer. Permite observar duraci\u00f3n de las excursiones, velocidad de ascenso y descenso, variabilidad, distribuci\u00f3n de valores a lo largo del d\u00eda, diferencias entre periodos diurnos y nocturnos y persistencia de determinados patrones.<\/p>\n\n\n\n Este cambio ha dado lugar a un n\u00famero creciente de m\u00e9tricas derivadas. Una revisi\u00f3n publicada este mismo a\u00f1o identific\u00f3 36 medidas diferentes utilizadas en cl\u00ednica o investigaci\u00f3n a partir de datos de monitorizaci\u00f3n continua de glucosa. Las m\u00e1s consolidadas (tiempo en rango, glucosa media o coeficiente de variaci\u00f3n) tienen la ventaja de ser sencillas e interpretables. Las m\u00e9tricas m\u00e1s complejas intentan capturar aspectos que esos res\u00famenes pueden perder, aunque muchas todav\u00eda carecen de umbrales estandarizados o de una relaci\u00f3n bien establecida con resultados cl\u00ednicos.<\/p>\n\n\n\n El estudio de iCanNet lleva esta aproximaci\u00f3n a gran escala. Los autores examinaron 48 caracter\u00edsticas derivadas de los registros continuos y comprobaron que los distintos estados metab\u00f3licos presentaban firmas gluc\u00e9micas diferentes. Las personas con prediabetes, diabetes tipo 2 y diabetes tipo 1 no se distingu\u00edan \u00fanicamente por una glucosa media mayor o menor; aparec\u00edan combinaciones espec\u00edficas de variabilidad, distribuci\u00f3n temporal y exposici\u00f3n a determinadas concentraciones.<\/p>\n\n\n\n Los investigadores utilizaron despu\u00e9s t\u00e9cnicas estad\u00edsticas para seleccionar las m\u00e9tricas con mayor capacidad discriminativa. La combinaci\u00f3n de las cinco m\u00e1s informativas mejor\u00f3 la clasificaci\u00f3n de los diferentes estados gluc\u00e9micos respecto al uso de variables m\u00e1s simples.<\/p>\n\n\n\n Es aqu\u00ed donde resulta \u00fatil hablar de fenotipo digital. El t\u00e9rmino no significa que exista una nueva enfermedad ni un nuevo biomarcador f\u00edsico. Describe un conjunto de caracter\u00edsticas observables derivadas de datos digitales longitudinales que permiten caracterizar de forma m\u00e1s precisa c\u00f3mo se comporta un proceso biol\u00f3gico en una persona.<\/p>\n\n\n\n En el caso de la glucosa, el fenotipo deja de ser \u00fanicamente \u201cHbA1c de 7%\u201d o \u201ctiempo en rango del 72%\u201d. Puede incorporar cu\u00e1nto fluct\u00faa la glucosa, cu\u00e1ndo se producen esas fluctuaciones, cu\u00e1nto duran, qu\u00e9 amplitud alcanzan y c\u00f3mo se distribuyen a lo largo del d\u00eda.<\/p>\n\n\n\n Esta idea tiene una consecuencia metodol\u00f3gica relevante. Una medici\u00f3n ocasional responde principalmente a la pregunta \u201c\u00bfcu\u00e1l es el valor?\u201d. Una serie temporal permite a\u00f1adir otras: \u201c\u00bfc\u00f3mo var\u00eda?\u201d, \u201c\u00bfcu\u00e1ndo cambia?\u201d, \u201c\u00bfcon qu\u00e9 frecuencia?\u201d y \u201c\u00bfqu\u00e9 estructura tiene esa variaci\u00f3n?\u201d.<\/p>\n\n\n\n Cuatro perfiles y riesgo residual<\/strong><\/p>\n\n\n\n El trabajo resulta especialmente interesante en diabetes tipo 2. Mediante un modelo estad\u00edstico de agrupaci\u00f3n, los investigadores identificaron cuatro fenotipos gluc\u00e9micos diferentes dentro de esta poblaci\u00f3n.<\/p>\n\n\n\n Dos de ellos mostraron asociaciones relevantes con complicaciones. El perfil caracterizado por hiperglucemia mantenida se asoci\u00f3 con un incremento del 59 % en el riesgo de complicaciones agudas. El patr\u00f3n de elevada variabilidad gluc\u00e9mica se relacion\u00f3 con un riesgo un 75 % superior de complicaciones agudas y un 41 % mayor de complicaciones cr\u00f3nicas.<\/p>\n\n\n\n Estos resultados no implican que el patr\u00f3n gluc\u00e9mico sea necesariamente la causa de esas complicaciones. El dise\u00f1o es observacional y las asociaciones pueden reflejar tambi\u00e9n gravedad de enfermedad, tratamiento, comorbilidades u otros factores. Pero muestran que las caracter\u00edsticas temporales del registro contienen informaci\u00f3n relacionada con riesgo que no queda necesariamente recogida por un \u00fanico promedio.<\/p>\n\n\n\n Los autores dieron un paso adicional y desarrollaron un Digital Glycemic Risk Score<\/em> (DGRS), una puntuaci\u00f3n que integra varias dimensiones de la se\u00f1al continua para estimar riesgo de complicaciones en diabetes tipo 2.<\/p>\n\n\n\n El resultado m\u00e1s llamativo apareci\u00f3 entre pacientes que cumpl\u00edan uno de los objetivos actualmente m\u00e1s utilizados en monitorizaci\u00f3n continua de glucosa: un tiempo en rango igual o superior al 70 %. Seg\u00fan ese criterio, su control gluc\u00e9mico podr\u00eda considerarse inicialmente adecuado. Sin embargo, la nueva puntuaci\u00f3n reclasific\u00f3 al 25 % de estas personas dentro de un grupo de riesgo elevado de complicaciones agudas y al 22,3 % dentro de un grupo de alto riesgo de complicaciones cr\u00f3nicas.<\/p>\n\n\n\n Cuando disponer de datos crea nuevas preguntas<\/strong><\/p>\n\n\n\n Este trabajo forma parte de una transformaci\u00f3n que excede a la diabetes. Durante buena parte de la medicina, el conocimiento cl\u00ednico ha estado condicionado por la frecuencia con que era posible medir una variable. La presi\u00f3n arterial se obten\u00eda durante una consulta; el ritmo cardiaco, mediante un electrocardiograma breve; la glucosa, mediante una extracci\u00f3n o una punci\u00f3n digital.<\/p>\n\n\n\n Los sensores modifican esa restricci\u00f3n. Cuando la medici\u00f3n pasa de ocasional a continua aparecen fen\u00f3menos que antes eran dif\u00edciles de observar: variabilidad intrad\u00eda, ritmos circadianos, episodios transitorios, respuesta a comidas, ejercicio o sue\u00f1o y diferencias entre individuos que presentan promedios similares.<\/p>\n\n\n\n La cuesti\u00f3n posterior es convertir esa abundancia en conocimiento cl\u00ednicamente \u00fatil. Los sistemas de monitorizaci\u00f3n continua de glucosa ya ilustran una primera fase de esa transici\u00f3n. El sensor genera una se\u00f1al continua; el software<\/em> la transforma en gr\u00e1ficos y m\u00e9tricas; las m\u00e9tricas se relacionan con objetivos terap\u00e9uticos; y ahora grandes cohortes permiten investigar qu\u00e9 combinaciones de esas m\u00e9tricas se asocian con fenotipos y resultados.<\/p>\n\n\n\n Para la salud digital, es una evoluci\u00f3n relevante. Los sensores no solo permiten medir con mayor frecuencia lo que ya conoc\u00edamos. A partir de determinado volumen y continuidad, pueden hacerse visibles caracter\u00edsticas que antes no formaban parte habitual de la descripci\u00f3n cl\u00ednica.<\/p>\n\n\n\n En diabetes, esa nueva informaci\u00f3n empieza a concretarse en patrones de variabilidad, perfiles diarios y estratificaci\u00f3n de riesgo. Falta demostrar cu\u00e1nto de ese conocimiento puede transformarse en decisiones terap\u00e9uticas mejores. Pero el cambio conceptual ya est\u00e1 producido: la glucosa ha dejado de ser \u00fanicamente una sucesi\u00f3n de valores para convertirse en una se\u00f1al longitudinal de la que puede extraerse un fenotipo.<\/p>\n\n\n\n Imagen principal: E+\/Getty Images<\/p>\n\n\n\n APPDEMECUM \u00a9 2026 APPDEMECUM SL<\/p>\n","protected":false},"excerpt":{"rendered":" Durante d\u00e9cadas, el control metab\u00f3lico de la diabetes ha descansado en mediciones necesariamente parciales. La glucemia capilar ofrece una fotograf\u00eda del momento en que se realiza. La hemoglobina glucosilada, HbA1c, resume aproximadamente varios meses de exposici\u00f3n a la glucosa en un \u00fanico valor. Ambas medidas han sido fundamentales para diagnosticar, controlar y tratar la enfermedad, pero comparten una limitaci\u00f3n: comprimen una trayectoria din\u00e1mica en observaciones puntuales o promedios.<\/p>\n","protected":false},"author":2,"featured_media":13182,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","footnotes":""},"categories":[7],"tags":[],"class_list":["post-13181","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-turismo-salud"],"yoast_head":"\n