Predicción de la pérdida y recuperación de peso mediante perfiles multiómicos y fenotípicos

Comentario del Dr. Joan Barrot de la Puente (@JoanBarrot)

El sobrepeso y la obesidad siguen en aumento y constituyen un importante problema de salud pública, con una marcada variabilidad individual en la respuesta a las intervenciones para la pérdida de peso. Los modelos actuales se centran principalmente en el peso total, sin considerar adecuadamente la composición corporal ni la recuperación ponderal, factores clave del riesgo metabólico. La evidencia emergente indica que los datos multiómicos, en particular del microbioma y el metaboloma intestinal, aportan información adicional relevante más allá de las variables fenotípicas clásicas (características demográficas, antropométricas y dietéticas). En este contexto, este estudio evalúa si la integración de características basales fenotípicas y multiómicas permite predecir la pérdida y la recuperación de peso, así como los cambios en la masa grasa corporal (MGC) y la masa magra blanda (MMB).

El ensayo LEAN-TIME fue un estudio aleatorizado, controlado y factorial 2 × 2 de 12 semanas, que evaluó el efecto de una dieta saludable baja en carbohidratos (DSBH), la alimentación con restricción de tiempo (RT de 10 h) y su combinación en adultos con sobrepeso u obesidad (IMC ≥ 24 kg/m²). Noventa y seis participantes fueron asignados a cuatro grupos (control, DSBH, RT o combinación), todos con restricción calórica isocalórica (1600 kcal/día en hombres; 1300 kcal/día en mujeres). Ochenta y ocho completaron la intervención y 79 realizaron seguimiento adicional de 28 semanas. (Sigue leyendo...)

Medicina de precisión en obesidad: ¿estamos preparados para aplicarla?

Comentario del Dr. Enrique Carretero Anibarro (@Enriq_Carretero)

La obesidad es una enfermedad crónica, compleja y heterogénea que constituye uno de los principales determinantes del desarrollo de DM2, enfermedad cardiovascular y múltiples comorbilidades metabólicas. A pesar de ello, el tratamiento farmacológico se aplica de forma uniforme, sin considerar la variabilidad entre pacientes. El artículo que comentamos propone un cambio de paradigma hacia una medicina de precisión en obesidad, basada en la identificación de fenotipos clínicos y fisiopatológicos que permitan seleccionar de manera más racional los tratamientos farmacológicos.

Los autores parten de la idea de que la obesidad no es una entidad única, sino un conjunto de síndromes con mecanismos dominantes distintos, como alteraciones en la regulación del apetito y la saciedad, hiperfagia hedónica, bajo gasto energético o alteraciones neurohormonales. (Sigue leyendo...)

Estrategias personalizadas para el manejo de la diabetes según fenotipo y estadio: grupo AGORA Diabetes

Comentario del Dr. Joan Barrot de la Puente (@JoanBarrot)

La diabetes (DM) es una enfermedad en rápida expansión, y las estrategias actuales no han logrado frenar su progresión ni prevenir complicaciones. Su diagnóstico basado en hiperglucemia no explica la heterogeneidad de la DM, ni la variabilidad en sus complicaciones.

Los avances en genética han permitido identificar subtipos de DM, lo que ha impulsado la medicina de precisión. La progresión de la prediabetes (PRED) y la diabetes tipo 2 (DM2) es lenta, pero el daño orgánico comienza desde el inicio, limitando la reversibilidad. Los criterios glucémicos actuales presentan desafíos: la “PRED de alto riesgo” conlleva un riesgo cardiovascular similar al de la DM2, y su detección abarca una población extensa y heterogénea, dificultando intervenciones efectivas. (Sigue leyendo...)

Prescripción de iSGLT2 y arGLP-1 por fenotipos

Comentario de Joan Barrot de la Puente (@JoanBarrot)

A pesar de la conocida heterogeneidad de la diabetes tipo 2 (DM2) y la respuesta variable a los medicamentos para reducir la glucosa, la evidencia actual sobre el tratamiento óptimo se basa predominantemente en los efectos promedio de los ensayos clínicos (ECA) más que en las características a nivel individual. Un enfoque de medicina de precisión tendría como objetivo identificar predictores de respuesta diferencial a los medicamentos para las personas en función de sus características y luego utilizar esta información para seleccionar el tratamiento óptimo con mayor probabilidad de beneficio. 

Las directrices actuales para el tratamiento de la DM2 favorecen la prescripción preferencial de dos clases de fármacos, los inhibidores del cotransportador de sodio-glucosa 2 (iSGLT2) y los agonistas del receptor del péptido-1 similar al glucagón (arGLP-1), a subgrupos de personas con riesgo cardiovascular aterosclerótico avanzado o enfermedad cardiovascular (ECV) establecida. (Sigue leyendo...)

¿Influye el fenotipo del paciente en los resultados del EMPA-REG OUTCOME?

¿Influye el fenotipo del paciente en los resultados del EMPA-REG OUTCOME?

Comentario de Carlos H. Teixidó @carlos_teixi

Ya hemos comentado en este blog en múltiples ocasiones que la empagliflozina (EMPA) en su estudio EMPA-REG OUTCOME (Empagliflozin Cardiovascular Outcome Event Trial in Type 2 Diabetes Mellitus Patients) logró demostrar reducciones del riesgo de mortalidad cardiovascular (MCV) del 38%, así como reducciones de la hospitalización por insuficiencia cardiaca (HIC) del 35% frente a placebo. 

Resultados muy similares han sido encontrados en los diferentes ensayos clínicos (ECA) de seguridad cardiovascular (CV) del resto de inhibidores de la bomba transportadora 2 de sodio y glucosa (iSGLT2). Para ser justos, la similitud en los resultados se centraba en la mejora del riesgo de HIC, pero el resto de las variables estudiadas sí fueron algo diferentes. Esta discrepancia entre moléculas, aparentemente iguales, puede verse justificada por las diferencias entre los individuos estudiados, la metodología, y por supuesto, el fármaco en cuestión. 

¿Será posible, por tanto, encontrar diferencias en los resultados del EMPA-REG OUTCOME a través de los diferentes fenotipos de las personas con diabetes tipo 2 (DM2) incluidas? Esta cuestión es la que han tratado de responder los autores del artículo que hoy comentamos.

Para ello, han sometido al estudio EMPA-REG OUTCOME a un análisis de clases latentes. Para quien no haya oído hablar de esta forma de estudio, se podría explicar -de una manera muy simplificada- como un reconocimiento de patrones mediante análisis de datos brutos por machine learning. De esta forma, se relaciona un conjunto de variables multivariables con diversas variables discretas. Estaríamos buscando patrones, asociaciones o pertenencias de clase.

Los autores, y sus ordenadores, encontraron una distribución entre 3 patrones agrupables a modo de fenotipos clínicos. El primero (33,1%) agrupó personas más jóvenes con filtrados glomerulares (FGe) más altos, fumadores ocasionales y con una corta evolución de su DM2. El fenotipo 2 (26,5%) estuvo formado por un mayor número de mujeres, de origen hispánico y con una mayor predisposición a sufrir un accidente cerebrovascular (ACV) y menor probabilidad de enfermedad coronaria. Por último, el fenotipo 3 (40,4%) lo conformaron en su mayoría pacientes de edad avanzada con una mayor prevalencia de enfermedad coronaria, niveles elevados de ácido úrico y menores cifras de FGe.

El grupo fenotípico que menor riesgo de eventos (MCV o HIC) presentó fue el 1. Con referencia a éste, el fenotipo 2 presentó en cuanto a la MCV un Hazard ratio (HR) de 1,83 (IC 95% 1,23-2,71) y el fenotipo 3 HR 1,86 (IC 95% 1,30 -2,67). En cuanto a la variable conjunta MCV o HIC el grupo 2 presentaba un HR 1,66 (IC 95% 1,19-2,32) y el fenotipo 3 un HR 2,25 (IC 95% 1,68-3,01).

En cuanto a las diferencias entre grupos fenotípicos del efecto de EMPA, se encontró un mejor dato en el grupo 1 en comparación con el resto. En la variable MCV el grupo 1 arrojó un HR 0,42 (IC 95% 0,48-0,89); el grupo 3 un HR 0,55 (IC 95% 0,37-0,83); y en cuanto al fenotipo 2, los resultados no fueron estadísticamente significativos [HR 0,70 (IC 95% 0,42-1,19)]. Es posible que esta “no significación” fuera debida al menor número de pacientes incluidos en este subgrupo. Los resultados fueron similares para la variable combinada MCV o HIC.

En conclusión, este análisis post-hoc del EMPA-REG OUTCOME, demostró un beneficio constante de la EMPA en la reducción del riesgo de MCV o HIC y en la reducción de MCV a través de los diferentes grupos fenotípicos aislados.

Será interesante realizar estos mismos análisis de clases latentes en los diversos estudios de seguridad CV, dado que cuanto más podamos individualizar el tratamiento de nuestros pacientes, mejores serán los resultados obtenidos.

Cuídense. 

Sharma A, Ofstad AP, Ahmad T, Zinman B, Zwiener I, Fitchett D, et al. Patient Phenotypes and SGLT-2 Inhibition in Type 2 Diabetes: Insights From the EMPA-REG OUTCOME Trial. JACC Heart Fail. 2021 Aug;9(8):568-577. DOI: 10.1016/j.jchf.2021.03.003.

Zinman B, Wanner C, Lachin JM, Fitchett D, Bluhmki E, Hantel S, et al; EMPA-REG OUTCOME Investigators. Empagliflozin, Cardiovascular Outcomes, and Mortality in Type 2 Diabetes. N Engl J Med. 2015 Nov 26;373(22):2117-28. DOI: 10.1056/NEJMoa1504720.