Salud Metabólica Óptima Mediante Monitoreo Continuo de Glucosa (CGM)

Lograr una salud metabólica y un control glucémico óptimos es un objetivo común no solo entre los diabéticos, sino también entre las personas saludables, los atletas, los operadores militares de élite y para la prevención y resiliencia de enfermedades infecciosas. Actualmente, ningún biomarcador aislado se acepta de manera ubicua como marcador de la salud metabólica general y la mayoría se basa en análisis instantáneos aislados (punto de tiempo único) y no en una evaluación continua de datos de biomarcadores de ciclo cerrado. La hemoglobina glicosilada (A1c) proporciona una caracterización limitada de la variabilidad glucémica, lo que contribuye a la progresión de la desregulación glucémica. Por ejemplo, la evidencia emergente vincula la amplitud y la duración de la variabilidad glucémica como un factor de riesgo independiente relacionado con la enfermedad cardiovascular (ECV) (Di Flaviani 2011, Monnier 2006). La disfunción endotelial inducida por hiperglucemia y el estrés oxidativo son mayores con una mayor variabilidad glucémica (Monnier 2006, Buscemi 2010). La variabilidad glucémica es más perjudicial para el sistema cardiovascular que la hiperglucemia sostenida (Nalysnyk 2010). Pocas tecnologías permiten el monitoreo continuo de biomarcadores a lo largo del tiempo y bajo una variedad de condiciones como actividades diarias, natación, ejercicio, sueño, etc. Múltiples líneas de evidencia sugieren fuertemente el impacto predictivo y el valor de monitorear la variabilidad glucémica en la salud aguda y crónica de las poblaciones con diabetes y las poblaciones sin diabetes (Rodriguez-Segade 2018, Zeevi 2015). Por lo tanto, ha surgido un interés emergente en enfoques terapéuticos que buscan reducir la variabilidad glucémica. Es probable que este potencial para la detección temprana de la desregulación glucémica sea el efecto más beneficioso del uso de CGM como un dispositivo de información, especialmente en el contexto de otras medidas periódicas de biomarcadores. Es probable que las personas realicen modificaciones en el estilo de vida si son conscientes de un problema de salud inminente, detectado a través de la variabilidad glucémica rastreada por GCM en tiempo real. Se ha demostrado que las modificaciones en el estilo de vida son la intervención más eficaz para restaurar los niveles normales de glucosa en ayunas y prevenir la diabetes entre los sujetos con disglucemia, reduciendo la conversión a diabetes en un 58 % en comparación con el placebo y en un 39 % en comparación con la metformina en un gran estudio de EE. UU. (Diabetes Prevention Program Research Grupo 2002). Los seguimientos a largo plazo de otros estudios internacionales han mostrado resultados igualmente significativos a los cuatro años (Tuomilehto 2001) y 14 años (Li 2008) después de que terminaron las intervenciones de estilo de vida controlado, incluidas reducciones en la incidencia de diabetes del 58% y 43% respectivamente.

Se sabe que la salud metabólica está en un espectro y los estudios a largo plazo en poblaciones diabéticas han demostrado que reducir la variabilidad glucémica es más importante que reducir la hiperglucemia inicial en términos de reducción de las complicaciones cardiovasculares (Hall 2018). Por lo tanto, existe una justificación científica para estudiar intervenciones que puedan optimizar la salud metabólica en personas no diabéticas, ya que los beneficios potenciales de la conciencia metabólica se extienden más allá de la población diabética. La tecnología emergente que puede proporcionar una retroalimentación precisa sobre los efectos del estilo de vida podría ser un mecanismo valioso para los no diabéticos que buscan mejorar la educación y reducir el riesgo de enfermedad a lo largo de su vida. Aunque tales resultados aún no se han demostrado en estudios a largo plazo, la investigación existente revela resultados prometedores, incluida una mejor detección del riesgo metabólico (Rodriguez-Segade 2018), una clara observabilidad de los efectos de la intervención en el estilo de vida (Hall 2018, Brynes 2005, Freckmann 2007) y aceptación de una estrategia de riesgo mínimo para su uso como herramienta preventiva en una población no diabética (Liao 2018). El Grupo de Investigación del Programa de Prevención de la Diabetes pidió un cambio en la respuesta para revertir estas tendencias, afirmando que: "los métodos para tratar la diabetes siguen siendo inadecuados y la prevención es preferible (Grupo de Investigación del Programa de Prevención de la Diabetes 2002)". Aunque no se ha probado como medida preventiva, es poco probable que el control de la variabilidad glucémica, en el peor de los casos, exacerbe el problema. Sin embargo, en el mejor de los casos, si se convierte en una herramienta de estilo de vida generalizada, los beneficios de una mejor conciencia metabólica individual y una acción educada podrían tener efectos combinados a una escala social más grande.

Por lo tanto, existe una justificación científica para estudiar intervenciones que puedan optimizar la salud metabólica con tecnologías mejoradas de monitoreo de la glucemia (Danne 2017). Cada vez es más claro que, además de las poblaciones diabéticas, las poblaciones normales y saludables pueden beneficiarse de niveles estables y controlados de azúcar en la sangre, y que se pueden emplear mecanismos de retroalimentación, incluidas las tecnologías portátiles. Por lo tanto, CGM podría ser un método prometedor para mejorar los biomarcadores de salud metabólica para prácticamente cualquier persona. Además, la salud metabólica óptima generalmente se asocia con una mejor salud conductual y resiliencia cognitiva y toma de decisiones (Hadj-Abo 2020). Por lo tanto, optimizar y monitorear el control glucémico puede ser útil para la salud mental y puede ser una herramienta valiosa para el personal militar y los socorristas bajo estrés metabólico. Los avances en las tecnologías de software y hardware se han desarrollado para medir, analizar y predecir la variabilidad glucémica y brindan información sobre cómo este biomarcador dinámico se correlaciona con la aptitud metabólica. Específicamente, los nuevos avances en las tecnologías CGM ofrecen el potencial para monitorear, predecir y cambiar el comportamiento a través de un sistema de retroalimentación de circuito cerrado. Al comparar los datos de MCG con marcadores sanguíneos de salud metabólica (p. ej., HbA1c, insulina, etc.) e inflamación (p. ej., hsCRP, citocinas) y, junto con las evaluaciones de la emoción, la cognición y el comportamiento, puede ser posible una interpretación más sólida y una desconvolución de los datos de la MCG con intervenciones experimentales.