Codificación geométrica y análisis de conglomerados para evaluar el control metabólico de pacientes con diabetes mellitus tipo 2 / Geometric coding and cluster analysis to assess metabolic control of patients with type 2 diabetes mellitus

RESUMEN

Objetivo: Determinar la frecuencia de las combinaciones de los parámetros de control metabólico por arriba de lo normal, usando la codificación geométrica y el análisis jerárquico de conglomerados, en pacientes con diabetes mellitus tipo 2 (DM2). Métodos: Se desarrolló en México un estudio transversal descriptivo para evaluar a un grupo de 1 051 pacientes con DM2, cuyos criterios de inclusión eran tener uno o más de los siguientes valores glucosa en ayunas > 130 mg/dL, colesterol total > 240 mg/dL, triglicéridos totales > 200 mg/dL, índice de masa corporal > 27 kg/m², y presión arterial sistólica mayor de 130 mmHg o presión arterial diastólica mayor de 85 mmHg. Por medio de codificaciones geométricas se obtuvieron las frecuencias de todas las combinaciones. Para definir similitudes entre las combinaciones se utilizó el método de análisis de conglomerados. Resultados: Utilizando el instrumento propuesto, se observó que la combinación en pares con mayor número de sujetos estuvo representada por hiperglucemia-hipertrigliceridemia (7,3 por ciento) e hiperglucemia-hipercolesterolemia (3,6 por ciento). Las policombinaciones de mayor frecuencia fueron hiperglucemia-hipercolesterolemia-hipertrigliceridemia (13,2 por ciento) e hiperglucemia- hipertrigliceridemia-hipercolesterolemia-hipertensión (10,5 por ciento). Conclusiones: La codificación geométrica y el análisis por conglomerados podrían llegar a ser un instrumento idóneo para evaluar el control metabólico de los pacientes con DM2, así como para identificar parámetros que contribuyan a mejorar su monitoreo y su tratamiento.

ABSTRACT

Objective: Determine the frequency of combinations of higher-than-normal metabolic control parameters, using geometric coding and hierarchical cluster analysis, in patients with type 2 diabetes (DM2) Methodology: A descriptive cross-sectional study was conducted in Mexico to assess a group of 1 051 patients with DM2. The inclusion criteria were to have one or more of the following values fasting glucose of 130 mg/dL, total cholesterol of 240 mg/dL, total triglycerides of 200 mg/dL, Body Mass Index of 27 kg/m², and systolic blood pressure higher than 130 mmHg or diastolic blood pressure higher than 85 mmHg. Through geometric coding, the frequencies of all combinations were obtained. Cluster analysis was used to determine similarities among the combinations. Results: Using the proposed instrument, it was observed that the paired combinations with the highest number of subjects were hyperglycemia-hypertriglyceridemia (7.3 percent) and hyperglycemia-hypercholesterolemia (3.6 percent). The most frequent polycombinations were hyperglycemia-hypercholesterolemia-hypertriglyceridemia (13.2 percent) and hyperglycemia-hypertriglyceridemia-hypercholesterolemia-hypertension (10.5 percent). Conclusiones: Geometric coding and cluster analysis could become a suitable instrument for assessing the metabolic control of patients with DM2, as well as for identifying parameters that will help improve their monitoring and treatment.