Distribution of TyG index and homeostasis model assessment insulin resistance for the evaluation of insulin sensitivity on late adolescence in Mexicans
Search citation statements
Paper Sections
Citation Types
Year Published
Publication Types
Relationship
Authors
Journals
Cited by 3 publications
References 18 publications
Diagnóstico de laboratorio para la resistencia a la insulina: revisión bibliográfica
Introducción. A medida que se avanza en la comprensión de la fisiopatología de la resistencia a la insulina, también se ha presenciado el desarrollo y la aplicación de diversas técnicas de diagnóstico de laboratorio. Objetivo. Analizar las principales pruebas de análisis utilizadas en laboratorios clínicos en cuánto al diagnóstico de laboratorio para la RI con el propósito de proporcionar una visión exhaustiva del estado actual sobre este tema. Metodología. La investigación se caracterizó por ser una revisión bibliográfica de enfoque descriptivo, diseño documental y no experimental, cohorte transversal con un enfoque retrospectivo. Para llevar a cabo esta revisión, se accedió a artículos digitales a través de diversas bases de datos, como Pub-Med, Medline, Scopus, ISI Web of Knowledge y Ciencia Digital, entre otras. Se revisaron 58 artículos científicos y quedaron seleccionados 17 artículos por medio de los criterios de inclusión y exclusión. Resultados. Varios métodos de diagnóstico están disponibles, incluyendo la medición de la glucosa en ayunas y la prueba de tolerancia a la glucosa. Además, la evaluación de biomarcadores, como la hemoglobina A1c (HbA1c) y la insulina sérica, puede proporcionar información valiosa. Sin embargo, es importante tener en cuenta que la precisión de estos métodos puede verse afectada por varios factores, incluyendo la variabilidad biológica y las condiciones médicas concurrentes. Conclusiones. Los resultados individuales de las pruebas de laboratorio son de difícil interpretación, por lo que es necesario el conocimiento y registro de las características clínicas básicas, calculadas a partir del peso, talla e índice de circunferencia abdominal de los sujetos evaluados para relacionarlas con las variables bioquímicas como glucosa e insulina basal y triglicéridos, que posibilitan el cálculo de índices matemáticos como HOMA-IR e índice triglicéridos/glucosa, los mismos que aseguran una detección temprana de trastornos metabólicos y la introducción de acciones preventivas oportunas.
Diagnóstico de laboratorio para la resistencia a la insulina: revisión bibliográfica
Introducción. A medida que se avanza en la comprensión de la fisiopatología de la resistencia a la insulina, también se ha presenciado el desarrollo y la aplicación de diversas técnicas de diagnóstico de laboratorio. Objetivo. Analizar las principales pruebas de análisis utilizadas en laboratorios clínicos en cuánto al diagnóstico de laboratorio para la RI con el propósito de proporcionar una visión exhaustiva del estado actual sobre este tema. Metodología. La investigación se caracterizó por ser una revisión bibliográfica de enfoque descriptivo, diseño documental y no experimental, cohorte transversal con un enfoque retrospectivo. Para llevar a cabo esta revisión, se accedió a artículos digitales a través de diversas bases de datos, como Pub-Med, Medline, Scopus, ISI Web of Knowledge y Ciencia Digital, entre otras. Se revisaron 58 artículos científicos y quedaron seleccionados 17 artículos por medio de los criterios de inclusión y exclusión. Resultados. Varios métodos de diagnóstico están disponibles, incluyendo la medición de la glucosa en ayunas y la prueba de tolerancia a la glucosa. Además, la evaluación de biomarcadores, como la hemoglobina A1c (HbA1c) y la insulina sérica, puede proporcionar información valiosa. Sin embargo, es importante tener en cuenta que la precisión de estos métodos puede verse afectada por varios factores, incluyendo la variabilidad biológica y las condiciones médicas concurrentes. Conclusiones. Los resultados individuales de las pruebas de laboratorio son de difícil interpretación, por lo que es necesario el conocimiento y registro de las características clínicas básicas, calculadas a partir del peso, talla e índice de circunferencia abdominal de los sujetos evaluados para relacionarlas con las variables bioquímicas como glucosa e insulina basal y triglicéridos, que posibilitan el cálculo de índices matemáticos como HOMA-IR e índice triglicéridos/glucosa, los mismos que aseguran una detección temprana de trastornos metabólicos y la introducción de acciones preventivas oportunas.
Impact of the baseline insulin resistance surrogates and their longitudinal trajectories on cardiovascular disease (coronary heart disease and stroke): a prospective cohort study in rural China
BackgroundThis study aimed to assess the association of baseline insulin resistance (IR) surrogates and their longitudinal trajectories with cardiovascular diseases (CVD) to provide a useful reference for preventing CVD.MethodsThis study was a prospective cohort study conducted in the 51st Regiment of the Third Division of Xinjiang Corps. A total of 6362 participants were recruited in 2016 to conduct the baseline survey, and the follow-up surveys in 2019, 2020, 2021, and 2022. The Kaplan–Meier method was used to estimate the cumulative incidence of CVD according to the baseline IR surrogates of metabolic insulin resistance score (METS-IR) and triglyceride-glucose (TyG) index. Cox regression models were used to assess the association between the baseline IR surrogates and CVD. The impact of the longitudinal trajectories of the IR surrogates on CVD was analyzed after excluding those with IR surrogate data measured ≤2 times. Based on the group-based trajectory model (GBTM), the trajectory patterns of IR surrogates were determined. The Kaplan-Meier method was used to estimate the cumulative incidence of CVD in each trajectory group of METS-IR and TyG index. Cox regression models were used to analyze the association between different trajectory groups of each index and CVD. In addition, the Framingham model was utilized to evaluate whether the addition of the baseline IR surrogates increased the predictive potential of the model.ResultsBaseline data analysis included 4712 participants. During a median follow-up of 5.66 years, 572 CVD events were recorded (mean age, 39.42 ± 13.67 years; males, 42.9%). The cumulative CVD incidence increased with the ascending baseline METS-IR and TyG index quartiles (Q1–Q4). The hazard ratio and 95% confidence interval for CVD risk in Q4 of the METS-IR and TyG index were 1.79 (1.25, 2.58) and 1.66 (1.28, 2.17), respectively, when compared with Q1. 4343 participants were included in the trajectory analysis, based on the longitudinal change patterns of the METS-IR and TyG index, the following three trajectory groups were identified: low-increasing, moderate-stable, and elevated-increasing groups. Multivariate Cox regression revealed that the hazard ratio (95% confidence interval) for CVD risk in the elevated-increasing trajectory group of the METS-IR and TyG index was 2.13 (1.48, 3.06) and 2.63 (1.68, 4.13), respectively, when compared with the low-rising group. The C-index, integrated discrimination improvement value, and net reclassification improvement value were enhanced after adding the baseline METS-IR and TyG index values to the Framingham model (P<0.05).ConclusionsElevated baseline IR surrogates and their higher long-term trajectories were strongly associated with a high risk of CVD incidence in Xinjiang’s rural areas. Regular METS-IR and TyG index monitoring can aid in the early detection of CVD-risk groups.
Triglyceride glucose index as a predictor for non-alcoholic fatty liver disease: insights from a longitudinal analysis in non-obese individuals
BackgroundA substantial portion of non-obese population is afflicted with Non-alcoholic Fatty Liver Disease (NAFLD). The Triglyceride Glucose (TyG) index, a quantifier of insulin resistance magnitude, is determined by the product of fasting plasma glucose and triglyceride concentrations. The relationship between the TyG index and NAFLD within this cohort remains ambiguous.MethodsWe conducted a retrospective analysis utilizing datasets acquired from the Dryad digital repository. Non-obese participants (BMI < 25 kg/m2) were enrolled at the Wenzhou Medical Center of Wenzhou People’s Hospital between January 2010 and December 2014. Demographic information and biochemical parameters were systematically compiled, and the diagnosis of NAFLD was established through ultrasonographic evidence.ResultsThis study cohort included 16,172 non-obese participants with a 5-year follow-up, among whom 2,322 (14.36%) developed NAFLD. The disparity between TyG index quartiles in the accumulative incidence of new-onset NAFLD was distinct, with an increasing risk of new-onset NAFLD as the TyG index increased. Participants in highest quartile exhibited the maximum risk of NAFLD. In the fully adjusted model 3, the hazard ratios for NAFLD in Q2, Q3, and Q4 were 2.15 (1.62, 2.87), 2.89 (2.20, 3.80) and 4.58 (3.48, 6.02), respectively. Meanwhile, the TyG index and NAFLD risk showed a highly significant overall correlation (p < 0.0001) and nonlinearity (p < 0.0001) according to the limited cubic splines. In subgroup analysis, a significant interaction was noted between new-onset NAFLD and SBP (<140 mmHg vs. ≥140 mmHg; P for interaction = 0.0114). The SBP < 140 mmHg subgroup demonstrated an enhanced TyG index influence on NAFLD risk (HR = 2.83, 95% CI: 2.48–3.23, p < 0.0001).ConclusionThe TyG index serves as a straightforward instrument for assessing NAFLD risk in non-obese individuals, enabling prompt identification and management in this population segment.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
Contact Info
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Product
Resources
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.
