Determinación del estado metabólico de pacientes con diabetes gestacional mediante autómatas finitos

Los nuevos criterios de diagnóstico de la diabetes gestacional recomendados por la IADPSGC disminuyen los efectos adversos de la hiperglucemia tanto en la madre como en el recién nacido, pero su aplicación supondría un aumento de la prevalencia llegando a triplicar el número de casos actual. Para que los Servicios de Endocrinología y Nutrición puedan hacer frente a la carga que supondría este aumento de prevalencia es necesario emplear nuevos procesos asistenciales que incluyan el uso de las TICs. Este trabajo presenta una herramienta de análisis automático de datos de monitorización que determina el estado metabólico de las pacientes con diabetes gestacional a partir de sus datos de glucemia, dieta y cetonuria. Su diseño se basa en dos autómatas finitos, uno para el análisis de la glucemia y de la dieta y el otro para el análisis de la cetonuria. La salida de ambos autómatas se combina para determinar el estado metabólico de la paciente a lo largo del tiempo. La herramienta se ha evaluado con datos retrospectivos de 25 pacientes pertenecientes al Hospital Parc Taulí de Sabadell comparando los 1288 estados metabólicos resultantes con los 47 ajustes de terapia realizados por el equipo médico. Se observó que el 91,49% de los cambios de tratamiento coincidieron con estados metabólicos deficientes determinados por la herramienta de análisis. La herramienta ayuda a diferenciar pacientes complejas que requieren una evaluación exhaustiva y un ajuste de terapia de las que tienen buen control metabólico y no necesitan ser evaluadas por el personal médico.

Extracción de conocimientos de la diabetes tipo 1 utilizando la metodología de "Data Mining"

La diabetes mellitus es un trastorno en la metabolización de los carbohidratos, caracterizado por la nula o insuficiente segregación de insulina (hormona producida por el páncreas), como resultado del mal funcionamiento de la parte endocrina del páncreas, o de una creciente resistencia del organismo a esta hormona. Esto implica, que tras el proceso digestivo, los alimentos que ingerimos se transforman en otros compuestos químicos más pequeños mediante los tejidos exocrinos. La ausencia o poca efectividad de esta hormona polipéptida, no permite metabolizar los carbohidratos ingeridos provocando dos consecuencias: Aumento de la concentración de glucosa en sangre, ya que las células no pueden metabolizarla; consumo de ácidos grasos mediante el hígado, liberando cuerpos cetónicos para aportar la energía a las células. Esta situación expone al enfermo crónico, a una concentración de glucosa en sangre muy elevada, denominado hiperglucemia, la cual puede producir a medio o largo múltiples problemas médicos: oftalmológicos, renales, cardiovasculares, cerebrovasculares, neurológicos… La diabetes representa un gran problema de salud pública y es la enfermedad más común en los países desarrollados por varios factores como la obesidad, la vida sedentaria, que facilitan la aparición de esta enfermedad. Mediante el presente proyecto trabajaremos con los datos de experimentación clínica de pacientes con diabetes de tipo 1, enfermedad autoinmune en la que son destruidas las células beta del páncreas (productoras de insulina) resultando necesaria la administración de insulina exógena. Dicho esto, el paciente con diabetes tipo 1 deberá seguir un tratamiento con insulina administrada por la vía subcutánea, adaptado a sus necesidades metabólicas y a sus hábitos de vida. Para abordar esta situación de regulación del control metabólico del enfermo, mediante una terapia de insulina, no serviremos del proyecto “Páncreas Endocrino Artificial” (PEA), el cual consta de una bomba de infusión de insulina, un sensor continuo de glucosa, y un algoritmo de control en lazo cerrado. El objetivo principal del PEA es aportar al paciente precisión, eficacia y seguridad en cuanto a la normalización del control glucémico y reducción del riesgo de hipoglucemias. El PEA se instala mediante vía subcutánea, por lo que, el retardo introducido por la acción de la insulina, el retardo de la medida de glucosa, así como los errores introducidos por los sensores continuos de glucosa cuando, se descalibran dificultando el empleo de un algoritmo de control. Llegados a este punto debemos modelar la glucosa del paciente mediante sistemas predictivos. Un modelo, es todo aquel elemento que nos permita predecir el comportamiento de un sistema mediante la introducción de variables de entrada. De este modo lo que conseguimos, es una predicción de los estados futuros en los que se puede encontrar la glucosa del paciente, sirviéndonos de variables de entrada de insulina, ingesta y glucosa ya conocidas, por ser las sucedidas con anterioridad en el tiempo. Cuando empleamos el predictor de glucosa, utilizando parámetros obtenidos en tiempo real, el controlador es capaz de indicar el nivel futuro de la glucosa para la toma de decisones del controlador CL. Los predictores que se están empleando actualmente en el PEA no están funcionando correctamente por la cantidad de información y variables que debe de manejar. Data Mining, también referenciado como Descubrimiento del Conocimiento en Bases de Datos (Knowledge Discovery in Databases o KDD), ha sido definida como el proceso de extracción no trivial de información implícita, previamente desconocida y potencialmente útil. Todo ello, sirviéndonos las siguientes fases del proceso de extracción del conocimiento: selección de datos, pre-procesado, transformación, minería de datos, interpretación de los resultados, evaluación y obtención del conocimiento. Con todo este proceso buscamos generar un único modelo insulina glucosa que se ajuste de forma individual a cada paciente y sea capaz, al mismo tiempo, de predecir los estados futuros glucosa con cálculos en tiempo real, a través de unos parámetros introducidos. Este trabajo busca extraer la información contenida en una base de datos de pacientes diabéticos tipo 1 obtenidos a partir de la experimentación clínica. Para ello emplearemos técnicas de Data Mining. Para la consecución del objetivo implícito a este proyecto hemos procedido a implementar una interfaz gráfica que nos guía a través del proceso del KDD (con información gráfica y estadística) de cada punto del proceso. En lo que respecta a la parte de la minería de datos, nos hemos servido de la denominada herramienta de WEKA, en la que a través de Java controlamos todas sus funciones, para implementarlas por medio del programa creado. Otorgando finalmente, una mayor potencialidad al proyecto con la posibilidad de implementar el servicio de los dispositivos Android por la potencial capacidad de portar el código. Mediante estos dispositivos y lo expuesto en el proyecto se podrían implementar o incluso crear nuevas aplicaciones novedosas y muy útiles para este campo. Como conclusión del proyecto, y tras un exhaustivo análisis de los resultados obtenidos, podemos apreciar como logramos obtener el modelo insulina-glucosa de cada paciente. ABSTRACT. The diabetes mellitus is a metabolic disorder, characterized by the low or none insulin production (a hormone produced by the pancreas), as a result of the malfunctioning of the endocrine pancreas part or by an increasing resistance of the organism to this hormone. This implies that, after the digestive process, the food we consume is transformed into smaller chemical compounds, through the exocrine tissues. The absence or limited effectiveness of this polypeptide hormone, does not allow to metabolize the ingested carbohydrates provoking two consequences: Increase of the glucose concentration in blood, as the cells are unable to metabolize it; fatty acid intake through the liver, releasing ketone bodies to provide energy to the cells. This situation exposes the chronic patient to high blood glucose levels, named hyperglycemia, which may cause in the medium or long term multiple medical problems: ophthalmological, renal, cardiovascular, cerebrum-vascular, neurological … The diabetes represents a great public health problem and is the most common disease in the developed countries, by several factors such as the obesity or sedentary life, which facilitate the appearance of this disease. Through this project we will work with clinical experimentation data of patients with diabetes of type 1, autoimmune disease in which beta cells of the pancreas (producers of insulin) are destroyed resulting necessary the exogenous insulin administration. That said, the patient with diabetes type 1 will have to follow a treatment with insulin, administered by the subcutaneous route, adapted to his metabolic needs and to his life habits. To deal with this situation of metabolic control regulation of the patient, through an insulin therapy, we shall be using the “Endocrine Artificial Pancreas " (PEA), which consists of a bomb of insulin infusion, a constant glucose sensor, and a control algorithm in closed bow. The principal aim of the PEA is providing the patient precision, efficiency and safety regarding the normalization of the glycemic control and hypoglycemia risk reduction". The PEA establishes through subcutaneous route, consequently, the delay introduced by the insulin action, the delay of the glucose measure, as well as the mistakes introduced by the constant glucose sensors when, decalibrate, impede the employment of an algorithm of control. At this stage we must shape the patient glucose levels through predictive systems. A model is all that element or set of elements which will allow us to predict the behavior of a system by introducing input variables. Thus what we obtain, is a prediction of the future stages in which it is possible to find the patient glucose level, being served of input insulin, ingestion and glucose variables already known, for being the ones happened previously in the time. When we use the glucose predictor, using obtained real time parameters, the controller is capable of indicating the future level of the glucose for the decision capture CL controller. The predictors that are being used nowadays in the PEA are not working correctly for the amount of information and variables that it need to handle. Data Mining, also indexed as Knowledge Discovery in Databases or KDD, has been defined as the not trivial extraction process of implicit information, previously unknown and potentially useful. All this, using the following phases of the knowledge extraction process: selection of information, pre- processing, transformation, data mining, results interpretation, evaluation and knowledge acquisition. With all this process we seek to generate the unique insulin glucose model that adjusts individually and in a personalized way for each patient form and being capable, at the same time, of predicting the future conditions with real time calculations, across few input parameters. This project of end of grade seeks to extract the information contained in a database of type 1 diabetics patients, obtained from clinical experimentation. For it, we will use technologies of Data Mining. For the attainment of the aim implicit to this project we have proceeded to implement a graphical interface that will guide us across the process of the KDD (with graphical and statistical information) of every point of the process. Regarding the data mining part, we have been served by a tool called WEKA's tool called, in which across Java, we control all of its functions to implement them by means of the created program. Finally granting a higher potential to the project with the possibility of implementing the service for Android devices, porting the code. Through these devices and what has been exposed in the project they might help or even create new and very useful applications for this field. As a conclusion of the project, and after an exhaustive analysis of the obtained results, we can show how we achieve to obtain the insulin–glucose model for each patient.

Arteriosclerosis carotídea subclínica en pacientes con infección por VIH: relación con el tratamiento antirretroviral

La infección por VIH asocia un riesgo cardiovascular elevado por elevada prevalencia de factores de riesgo cardiovascular en esta población, por la propia infección por VIH y por las alteraciones metabólicas asociadas a la propia infección por VIH y al tratamiento antirretroviral (TAR). La arteriosclerosis carotídea subclínica es un reconocido marcador de riesgo cardiovascular. Material y métodos: Se realizó un estudio transversal incluyendo varones no diabéticos con infección por VIH a partir de 18 años, clasificados de acuerdo al grupo de tratamiento: grupo Naïve y grupo en TAR. Los pacientes del grupo TAR se dividían en grupo IP, tratado con inhibidores de la proteasa (IP) y grupo NN, grupo tratado con inhibidores de la transcriptasa inversa no análogos de nucleósidos que nunca estuvo expuesto a IP. Los dos grupos en TAR estaban en tratamiento con inhibidores de la transcriptasa inversa análogos de nucleósidos. Se evaluó por ecografía la presencia de arteriosclerosis carotídea subclínica, como aumento del grosor de íntima media (GIM) y presencia de placa carotídea, y se observó la relación con los factores de riesgo cardiovascular y metabólicos y su relación con el TAR. Resultados: Se incluyeron 93 varones con edad media 42,2 ± 8,2 años, mediana de tiempo de infección por VIH 6,6[2,9-12,4] años, mediana del tiempo total de exposición a TAR 59 [33-104,5] meses. El grupo naïve lo constituían 16 pacientes y el grupo en TAR 77 pacientes: 37 en el grupo NN y 40 en el grupo IP. Las variables asociadas de forma significativa a GIM máximo y medio en ACC fueron la edad, los años/paquete, la obesidad, la hiperglucemia basal en ayunas, HbA1c, los índices de insulinresistencia, la escala de Framingham, los años de evolución de la infección por VIH. El GIM medio se asoció de forma proporcional a presencia de síndrome metabólico, niveles de proteína C reactiva ultrasensible e insuficiencia de vitamina D e inversamente proporcional a la carga viral...

Condicionantes nutricionales que influyen sobre los factores de riesgo de síndrome metabólico en niños de la Comunidad de Madrid

El Síndrome Metabólico (SM) es un conjunto de factores de riesgo asociados con el incremento del riesgo de enfermedad cardiovascular y diabetes mellitus de tipo 2 (DM2). Dichos factores son obesidad (OB), resistencia a la Insulina (RI), hiperglucemia, dislipidemia e hipertensión (HTA) e interactúan entre sí sobre las anomalías vasculares, el estrés oxidativo, la grasa visceral, la inflamación y el cortisol en un entorno de OB y RI y bajo la influencia de las predisposiciones genéticas y condiciones ambientales, tales como hábitos de alimentación y actividad física. Según una hipótesis, la RI y la OB son los factores que más contribuyen en la manifestación de anormalidades metabólicas y las manifestaciones más tempranas del desarrollo de SM en niños. Mientras el páncreas compensa adecuadamente la RI mediante una mayor secreción de insulina, las concentraciones de glucosa en sangre se mantienen normales. Sin embargo, en algunos pacientes la capacidad de las células β del páncreas disminuye con el tiempo, lo que conduce al desarrollo de DM2. Otro factor a tener en cuenta en el diagnóstico del SM es la dislipidemia, caracterizada por el aumento de los triglicéridos (TG) y del VLDL‐colesterol, bajas cifras de HDL‐colesterol, así como por la presencia de partículas de LDL‐colesterol más pequeñas y densas de lo normal. Otro factor de riesgo de padecimiento de SM es la presión arterial elevada, que suele aparecer ligada a la presencia de OB, ya que el aumento de algunas adipoquinas que en esta se produce, entre las que se encuentran el AGE, PAI‐1, IL‐6, TNF‐α y leptina, pueden llevar a disfunción endotelial a través de la ruta del óxido nítrico. Debido a que el sobrepeso y el incremento de los valores de insulina plasmática son componentes clave del SM, es importante tener en cuenta los hábitos alimentarios y otros estilos de vida que influyen en los mismos...

Soporte nutricional perioperatorio en los pacientes programados para cirugía digestiva en el Hospital Mateu Orfila (Maó-Menorca)

La desnutrición se asocia con elevadas tasas de morbimortalidad postoperatoria. En este estudio piloto se ha evaluado la efectividad de un programa de apoyo nutricional perioperatorio a pacientes que iban a someterse a cirugía programada de cirugía mayor digestiva. Se administró de forma perioperatoria la formula enteral hipercalorica/hiperproteica (Fresubin® protein energy drink) al grupo de pacientes con riesgo nutricional/desnutrición (RN/DN). Con el objeto de valorar la efectividad de la intervención nutricional preoperatoria, se ha comparado los resultados respecto a un grupo control retrospectivo. Entre los dos grupos con RN/DN se encontraron diferencias estadísticamente significativas en incidencia de vómitos, infección herida, hiperglucemia, exitus hospitalario, estancia hospitalaria, estancia en UCI y administración de NPT. Se ha demostrado una mejor evolución tras la cirugía en el grupo de pacientes con RN/DS que han sido suplementados de forma preoperatoria con una fórmula de nutrición enteral.

Correlación entre glucosa basal y hemoglobina glucosilada en el adulto mayor en el cantón Cuenca, 2015

INTRODUCCIÓN: Alteraciones en el metabolismo de la glucosa son causantes de Síndrome Metabólico y diabetes en adultos mayores; la determinación de hemoglobina glucosilada es un indicador exacto de la glucemia de los individuos en los últimos tres meses permitiendo comprobar el estado de salud. OBJETIVO: Establecer la correlación entre glucosa basal y hemoglobina glucosilada y su asociación con Síndrome Metabólico en adultos mayores del cantón Cuenca. METODOLOGÍA: Estudio descriptivo en 126 adultos mayores. Para la obtención de la muestra se utilizó el calculador automático EPI INFO. De los participantes un grupo con Síndrome Metabólico cumplió el criterio de la Adult Treatment Panel (APT-III). Se aplicó una encuesta para recolección de información y se tomó muestras de sangre para determinar glucosa basal y hemoglobina glucosilada. La información obtenida se procesó en el programa SPSS versión 20.0, Excel y MedLab. Se clasificaron los valores de acuerdo a frecuencia por edad, sexo y su relación con Síndrome Metabólico. RESULTADOS: Se analizaron 126 pacientes entre 65 y 96 años, siendo más frecuentes adultos mayores de sexo femenino con 65,1%. La población con Síndrome Metabólico fue 50.8%. La media de glucosa fue 87,16 y de hemoglobina glucosilada 5,65%. Luego del análisis 92% se encontraron en el rango normal de glucemia y 92,8% de HbA1; se ubicó en el rango de prediabetes 4,8% y dentro del rango de diabetes el 2,4%. Mediante coeficiente de correlación de Pearson se determinó una correlación moderada de 0.418 entre glucemia basal y hemoglobina glucosilada. Se observó una ligera relación entre alteración del metabolismo de glucosa y Síndrome Metabólico pues 12,5% de pacientes con esta enfermedad presentaron hiperglucemia y 11% HbA1 alterada

Análisis de los cambios epigenéticos en la metilación del DNA inducidos por la diabetes y sus posibles mecanismos

Los cambios epigenéticos son responsables de la aparición de muchas patologías humanas y sus causas son debido a factores ambientales como genéticos. Se ha descrito en enfermedades crónicas como la Diabetes Mellitus tipo 2 (T2DM) que se caracteriza por los estados de hiperglucemia y el incremento en el estrés oxidativo que conlleva a complicaciones micro y macro vasculares, asociado a una desmetilación global del genoma. Nuestra hipótesis corresponde a que los órganos diana son afectados por las alteraciones como la metilación e hidroximetilación como consecuencia del estrés oxidativo que luego repercuten en la persistencia de la enfermedad. Métodos: A partir de sangre periférica se analizaron los cambios globales en la metilación del DNA que son afectados por el estado metabólico de 60 individuos (40 pacientes, 20 controles sanos). Por técnicas de cuantificación se compararon los resultados obtenidos con los de la expresión de las enzimas involucradas. Por último, se realizó un estudio de microarreglos de metilación del DNA y de expresión obtenidos de la base de datos GEO para así comparar los resultados con nuestros datos experimentales. Resultados: Los pacientes diabéticos con pobre control metabólico presentaron mayores niveles de metilación que el grupo control y no se encontró alteración en las enzimas involucradas en este proceso. Los resultados fueron concordantes con el estudio de microarreglos. Conclusión: Los estudios experimentales y de microarreglos demostraron que la metilación es tejido específico y que existe una mayor oxidación en pacientes. Por ello proponemos una vía alterna de desmetilación no enzimática, basada en la oxidación directa de los grupos metilos generados por los estados oxidativos característicos de esta enfermedad.