Ver el código de «METS-IR»

El '''Score Metabólico para la Resistencia a la Insulina''' o '''METS-IR''' por sus siglas en inglés, es una aproximación matemática desarrollada para cuantificar la sensibilidad hepática a la insulina utilizando parámetros de ayuno. Fue desarrollado por los investigadores Omar Yaxmehen Bello-Chavolla, [[Carlos Alberto Aguilar Salinas]] y colaboradores en la [[Unidad de Investigación en Enfermedades Metabólicas]]<ref>{{Cita web|url=http://www.innsz.mx/opencms/contenido/investigacion/uiem/informacion-profesionales-salud.html|fechaacceso=29 de diciembre de 2018|sitioweb=www.innsz.mx|título=Copia archivada|fechaarchivo=30 de enero de 2020|urlarchivo=https://web.archive.org/web/20200130210309/http://www.innsz.mx/opencms/contenido/investigacion/uiem/informacion-profesionales-salud.html|deadurl=yes}}</ref> del [[Instituto Nacional de Ciencias Médicas y Nutrición]] durante 2018.<ref name=":0">{{Cita publicación|url=https://eje.bioscientifica.com/view/journals/eje/178/5/EJE-17-0883.xml|título=METS-IR, a novel score to evaluate insulin sensitivity, is predictive of visceral adiposity and incident type 2 diabetes|apellidos=Bello-Chavolla|nombre=Omar Yaxmehen|apellidos2=Almeda Valdés|nombre2=Paloma|fecha=1 de mayo de 2018|publicación=European Journal of Endocrinology|volumen=178|número=5|páginas=533–544|fechaacceso=29 de diciembre de 2018|idioma=en-US|issn=1479-683X|doi=10.1530/EJE-17-0883}}</ref> METS-IR es una alternativa no basada en mediciones de [[insulina]] de ayuno al [[SPINA-GR|SPINA Carb]] u HOMA-IR ([[Homeostatic model assessment]]) para el diagnóstico clínico de [[resistencia a la insulina]] en humanos.<ref>{{Cita publicación|url=https://www.ncbi.nlm.nih.gov/pubmed/30532124|título=[Índices para la evaluación de la resistencia a la insulina en individuos mexicanos sin diabetes]|apellidos=Almeda-Valdés|nombre=Paloma|apellidos2=Bello-Chavolla|nombre2=Omar Y.|fecha=2018|publicación=Gaceta Medica De Mexico|volumen=154|número=Supp 2|páginas=S50–S55|fechaacceso=29 de diciembre de 2018|issn=0016-3813|doi=10.24875/GMM.18004578|pmid=30532124|apellidos3=Caballeros-Barragán|nombre3=César R.|apellidos4=Gómez-Velasco|nombre4=Donají V.|apellidos5=Viveros-Ruiz|nombre5=Tania|apellidos6=Vargas-Vázquez|nombre6=Arsenio|apellidos7=Aguilar-Salinas|nombre7=Carlos A.}}</ref> Hasta ahora, METS-IR ha sido validado para la estimación de riesgo cardiometabólico en [[Latino (Estados Unidos)|población latinoamericana]].<ref name=":0" /> 

== Desarrollo y validación ==
El cálculo del score se realiza mediante mediciones en ayuno de [[glucosa]], colesterol en [[Lipoproteína de alta densidad|lipoproteínas de alta densidad]], [[triglicérido]]s en ayuno y la estimación del [[índice de masa corporal]] (IMC). Fue desarrollado y validado mediante [[regresión lineal]] contra el valor M ajustado por masa libre de grasa obtenido a partir de una pinza euglucémica hiperinsulinémica, demostrando una alta correlación en sujetos de estudio en población Mexicana (r=-0.622). La fórmula para estimarlo se obtiene mediante:

<math>METS-IR= \frac{\ln[2*Glucosa (mg/dL)+ Trigliceridos (mg/dL) ]*IMC (kg/m^2)}{\ln[HDL-C (mg/dL)] } </math>

METS-IR fue validado contra la pinza euglucémica hiperinsulinémica, el estándar de oro para estimar sensibilidad a la insulina, así como contra el modelo mínimo para estimar sensibilidad a la insulina en humanos.<ref name="Sin_nombre-pFfm-1">{{Cita publicación|url=https://academic.oup.com/jcem/article/85/7/2504/2852597|título=Minimal-Model Estimates of Insulin Sensitivity Are Insensitive to Errors in Glucose Effectiveness|apellidos=Finegood|nombre=Diane T.|apellidos2=Dunaif|nombre2=Andrea|fecha=1 de julio de 2000|publicación=The Journal of Clinical Endocrinology & Metabolism|volumen=85|número=7|páginas=2504–2508|fechaacceso=3 de enero de 2019|idioma=en|issn=0021-972X|doi=10.1210/jcem.85.7.6681|apellidos3=McDonald|nombre3=Cheryl}}</ref> En un estudio de [[cohorte]] de 6,144 individuos de población abierta se demostró que un valor de METS-IR >50.0 aumenta hasta tres veces el [[riesgo]] de desarrollar [[diabetes mellitus tipo 2]] en una media de tres años y permite el diagnóstico de resistencia a la insulina.<ref name=":0" /> Además, un estudio reciente en población China demostró un adecuado desempeño y concordancia para la identificación de [[síndrome metabólico]].<ref>{{Cita publicación|url=https://onlinelibrary.wiley.com/doi/abs/10.1111/jdi.12975|título=Fasting triglycerides and glucose index is more suitable for the identification of metabolically unhealthy individuals in the Chinese adult population: A nationwide study|apellidos=Yu|nombre=Xinwen|apellidos2=Wang|nombre2=Li|publicación=Journal of Diabetes Investigation|volumen=0|número=0|fechaacceso=29 de diciembre de 2018|idioma=en|issn=2040-1124|doi=10.1111/jdi.12975|apellidos3=Zhang|nombre3=Wencheng|apellidos4=Ming|nombre4=Jie|apellidos5=Jia|nombre5=Aihua|apellidos6=Xu|nombre6=Shaoyong|apellidos7=Li|nombre7=Qiaoyue|apellidos8=Ji|nombre8=Qiuhe}}</ref> METS-IR demostró buen desempeño diagnóstico para la identificación de aumentos en el [[Tejido adiposo|tejido adiposo visceral y subcutáneo]], así como hiperinsulinemia y [[Esteatosis hepática|acumulación de grasa ectópica en hígado]] y páncreas.<ref name=":0" />

== Comparación con otros estimadores ==
METS-IR ha demostrado mejor desempeño diagnóstico y correlación con sensibilidad periférica a la insulina en población Mexicana, comparada con el índice triglicéridos-glucosa (TyG),<ref name="Sin_nombre-pFfm-1"/> la proporción triglicéridos/HDL-C (TG/HDL-C)<ref>{{Cita publicación|url=http://care.diabetesjournals.org/content/34/8/1869|título=The Triglyceride-to-HDL Cholesterol Ratio: Association with insulin resistance in obese youths of different ethnic backgrounds|apellidos=Weiss|nombre=Ram|apellidos2=Pierpont|nombre2=Bridget|fecha=1 de agosto de 2011|publicación=Diabetes Care|volumen=34|número=8|páginas=1869–1874|fechaacceso=3 de enero de 2019|idioma=en|issn=1935-5548|doi=10.2337/dc10-2234|pmc=3142016|pmid=21730284|apellidos3=Shaw|nombre3=Melissa|apellidos4=Lartaud|nombre4=Derek|apellidos5=Kim|nombre5=Grace|apellidos6=Caprio|nombre6=Sonia|apellidos7=Santoro|nombre7=Nicola|apellidos8=Giannini|nombre8=Cosimo}}</ref> y el índice TyG multiplicado por IMC.<ref>{{Cita publicación|url=https://www.ncbi.nlm.nih.gov/pubmed/26930652|título=Triglyceride Glucose-Body Mass Index Is a Simple and Clinically Useful Surrogate Marker for Insulin Resistance in Nondiabetic Individuals|apellidos=Er|nombre=Leay-Kiaw|apellidos2=Wu|nombre2=Semon|fecha=2016|publicación=PloS One|volumen=11|número=3|páginas=e0149731|fechaacceso=3 de enero de 2019|issn=1932-6203|doi=10.1371/journal.pone.0149731|pmc=4773118|pmid=26930652|apellidos3=Chou|nombre3=Hsin-Hua|apellidos4=Hsu|nombre4=Lung-An|apellidos5=Teng|nombre5=Ming-Sheng|apellidos6=Sun|nombre6=Yu-Chen|apellidos7=Ko|nombre7=Yu-Lin}}</ref> Su utilidad en población China para el diagnóstico de síndrome metabólico fue contrastada con los índices TyG y TG/HDL-C, demostrando superioridad de estos últimos.<ref name=":0" /> Los autores sugieren que las diferencias en desempeño entre poblaciones podrían atribuirse a las diferencias étnicas en composición corporal.<ref>{{Cita publicación|url=https://academic.oup.com/jcem/article/94/12/4696/2596390|título=Ethnic Variation in Fat and Lean Body Mass and the Association with Insulin Resistance|apellidos=Sniderman|nombre=Allan D.|apellidos2=Tchernof|nombre2=André|fecha=1 de diciembre de 2009|publicación=The Journal of Clinical Endocrinology & Metabolism|volumen=94|número=12|páginas=4696–4702|fechaacceso=3 de enero de 2019|idioma=en|issn=0021-972X|doi=10.1210/jc.2009-1030|apellidos3=Bondy|nombre3=Gregory P.|apellidos4=Kohli|nombre4=Simi|apellidos5=Lear|nombre5=Scott A.}}</ref> Es relevante la evaluación del desempeño de subrogados de sensibilidad a la insulina en diversas poblaciones debido al efecto que ejerce la etnicidad en su eficacia.<ref>{{Cita publicación|url=http://care.diabetesjournals.org/content/36/6/1789|título=Ethnic Differences in the Relationship Between Insulin Sensitivity and Insulin Response: A systematic review and meta-analysis|apellidos=Butte|nombre=Atul J.|apellidos2=Patel|nombre2=Chirag J.|fecha=1 de junio de 2013|publicación=Diabetes Care|volumen=36|número=6|páginas=1789–1796|fechaacceso=3 de enero de 2019|idioma=en|issn=1935-5548|doi=10.2337/dc12-1235|pmc=3661854|pmid=23704681|apellidos3=Toda|nombre3=Kyoko|apellidos4=Yamada|nombre4=Satoru|apellidos5=Tojjar|nombre5=Damon|apellidos6=Kodama|nombre6=Keiichi}}</ref>

== Enlaces externos ==

* [https://jscalc.io/calc/F54ikuywK6rcqXEy Calculadora para estimar METS-IR, TyG y TG/HDL-C basado en parámetros de ayuno.]

== Referencias ==
{{listaref}}

{{Control de autoridades}}
[[Categoría:Medicina]]
[[Categoría:Endocrinología]]
[[Categoría:Bioestadística]]
[[Categoría:Diabetes]]
[[Categoría:Metabolismo de los lípidos]]