Índice

  1. Introducción y planteamiento del problema
  2. Justificación y antecedentes teóricos
  3. Preguntas de investigación, objetivos e hipótesis
  4. Método
    4.1. Diseño
    4.2. Participantes (criterios de inclusión/exclusión)
    4.3. Variables y operacionalización
    4.4. Instrumentos y registro de datos
    4.5. Procedimiento
  5. Resultados esperados y plan de presentación
  6. Consideraciones éticas
  7. Bibliografía
  8. Anexos

Introducción y planteamiento del problema

La diabetes mellitus es una enfermedad crónica que representa una carga creciente para los sistemas de salud en México y en el mundo (World Health Organization, 2021). Usualmente asociada con adultos, la diabetes tipo 2 ha aumentado en la población pediátrica y adolescente, vinculada al estilo de vida y la formación social. En México, los indicadores de sobrepeso y obesidad entre jóvenes y adolescentes han mostrado tendencias preocupantes en las últimas décadas, aumentando el riesgo de aparición de diabetes a edades tempranas (INSP, 2021). La NOM-015-SSA2-2010 establece la obligación de realizar detección temprana y educación para la salud desde el primer nivel de atención (Secretaría de Salud, 2010). Sin embargo, esto no ocurre en la práctica, ya que dentro de los sistemas de salud no hay cobertura de detección de diabetes en este rango de edad adolescente (10 a 19 años).

Planteamiento del problema:

¿Cómo mejorar la detección oportuna de diabetes en adolescentes en México a través de un programa de pruebas médicas aplicadas en unidades médicas familiares, que sea sostenible, replicable y culturalmente apropiado?

Justificación y antecedentes teóricos

La diabetes tipo 2 se observa más comúnmente en adultos mayores, pero se ve cada vez más en niños, adolescentes y adultos jóvenes debido a los niveles de obesidad, estilos de vida sedentarios y dietas inadecuadas (IDF Diabetes Atlas 8th Edition 2017). En tanto en la Diabetes tipo 1 como en la tipo 2, diversos factores ambientales y genéticos pueden resultar en la pérdida progresiva de la función y/o la masa de células beta que se manifiesta clínicamente como hiperglucemia. Una vez que aparece la hiperglucemia, los pacientes con cualquier forma de diabetes están en riesgo de desarrollar las mismas complicaciones crónicas, aunque las tasas de progresión pueden diferir (Standards of Medical Care in Diabetes 2018).

Para 2014, la Federación Mexicana de Diabetes determinó que existen 4 millones de personas con esta condición en nuestro país. Los estados de mayor prevalencia son: Ciudad de México, Nuevo León, Veracruz, Tamaulipas, Durango y San Luis Potosí. Esto representó un gasto significativo de 3,430 millones de dólares (68,600 millones de pesos) anualmente en atención y manejo de las complicaciones (7).

Se estima que en nuestro país, 1 de cada 11 adultos vive con diabetes, de este número, las personas con Diabetes Mellitus tipo 2 tienen entre 40 y 59 años. De éstos, 5% no están diagnosticados y el 77% vive en países con ingresos medios y bajos, generando, a su vez, 548 millones de dólares en gastos de atención médica en 2012 (Federación Mexicana de Diabetes, 2014).

A mediados de la década de 1990, estudios realizados en varias clínicas de Estados Unidos reportaron casos de Diabetes Tipo 2 en niños de diversas etnias, principalmente afroamericanos no hispanos e hispanos (3). Aunque estos informes inicialmente fueron recibidos con escepticismo, pronto se hizo evidente que había surgido una nueva enfermedad infantil. Posteriormente, surgieron informes similares en varias partes del mundo.

En el año 2000 se lanzó el estudio SEARCH for Diabetes en los Estados Unidos, un estudio prospectivo, nacional y multicéntrico que tenía como objetivo comprender la epidemiología tanto de la Diabetes Tipo 1 (DM1) como de la Tipo 2 en niños. En 2004 inició el estudio TODAY (Opciones de Tratamiento para la Diabetes Tipo 2 en Adolescentes y Jóvenes), diseñado para explorar regímenes de tratamiento y la evolución clínica de la diabetes tipo 2 en jóvenes. Aunque Estados Unidos lidera la epidemia, se han observado tendencias similares en todo el mundo (3).

La detección temprana de alteraciones en glucosa y factores de riesgo asociados a la diabetes permite intervenir con medidas preventivas (Shah et al., 2022). La NOM-015-SSA2-2010 recomienda evaluar la glucosa capilar en adolescentes con sobrepeso u obesidad, antecedentes familiares o factores de riesgo metabólico. Las guías ISPAD 2022 establecen criterios diagnósticos y recomiendan programas educativos integrales.

La identificación y manejo de la diabetes tipo 2 (DT2) en una etapa temprana previene o retrasa las complicaciones microvasculares y se asocia con mejores resultados en adultos. La detección de DT2 requiere un proceso de dos partes: confirmación de la presencia de diabetes seguida de la determinación del tipo de diabetes (Shah et al., 2022).

La obesidad y el sobrepeso son los principales factores de riesgo de diabetes mellitus en adolescentes; sin embargo, no hay datos específicos sobre el tema en la Ciudad de México.

Han aparecido estudios sobre prevalencia del síndrome metabólico en este grupo; en poblaciones de adolescentes en Querétaro y Estado de México la prevalencia fue de 21% (4). En población infantil europea se reporta 9%, en otro estudio 14% en niños de 6 a 18 años, con asociación entre actividad física y síndrome metabólico. En Turquía la incidencia es baja, 2%. Esto indica que se requieren campañas intensivas de prevención y detección oportuna en niños y adolescentes con sobrepeso u obesidad (Mendoza-López et al., 2016).

Preguntas de investigación, objetivos e hipótesis

Pregunta principal:
¿Un programa de detección oportuna basado en pruebas de laboratorio en unidades médicas familiares mejorará la identificación de adolescentes con prediabetes o diabetes?

Objetivo general

Evaluar la efectividad de un protocolo cribado combinado (encuestas de factores de riesgo + medición de glucosa y/o HbA1c) en pacientes adolescentes con sobrepeso u obesidad.

Objetivos específicos

  • Determinar la prevalencia de prediabetes y diabetes en la población estudiada.
  • Determinar los factores sociodemográficos y de estilo de vida que contribuyen a lecturas anormales de glucosa.

Hipótesis

  • H1: El protocolo incrementará la detección temprana en comparación con la práctica actual.
  • H2: Los niveles anormales de glucosa están asociados con un IMC ≥85, antecedentes familiares de diabetes y estilo de vida sedentario.

Método

Diseño

Estudio estadístico comparando resultados detectados con el protocolo y cifras previas de detección en registros de la UMF.

Participantes (criterios de inclusión/exclusión)

  • Población: Adscrita a Médico Familiar (UMF/UMAA 42, Cuajimalpa, CDMX, agosto 2025).
  • Total asignados: 13,370 adolescentes por grupos de edad y sexo.

Inclusión

  • Edad 10 a 19 años.
  • IMC ≥ 85 percentil.
  • Consentimiento informado del tutor y asentimiento del adolescente.

Exclusión

  • Diagnóstico previo de diabetes tipo 1 o 2 documentado.

Variables y operacionalización

Variable Descripción
Resultado de laboratorio Glucosa capilar en ayunas; Clasificación OMS: normal, prediabetes, diabetes; Alternativa: HbA1c (%)
IMC por edad y sexo Categoría: normal, sobrepeso, obesidad
Antecedente familiar de diabetes Sí / No
Actividad física Cuestionario breve: minutos por semana
Consumo regular bebidas azucaradas Frecuencia semanal

Instrumentos y registro de datos

Encuestas, mediciones antropométricas y pruebas de laboratorio validadas.

Procedimiento

  1. Reclutamiento y consentimiento/asentimiento.
  2. Aplicación de encuesta.
  3. Medición capilar de glucosa en ayunas (programar horario y confirmar ayuno mínimo 8 horas).
  4. Derivación a consulta de medicina familiar o endocrinología pediátrica si resultado alterado.
  5. Seguimiento a 3 y 6 meses con intervención educativa y monitoreo para casos de prediabetes.

Resultados esperados y plan de presentación

Los resultados se documentarán en informe técnico, artículo científico y diapositivas, incluyendo tablas y gráficos de barras o líneas.

Consideraciones éticas

Bibliografía

  1. Secretaría de Salud. (2010). Norma Oficial Mexicana NOM-015-SSA2-2010, para la prevención, tratamiento y control de la diabetes mellitus. Diario Oficial de la Federación.
  2. Shah, A. S., Zeitler, P. S., Arslanian, S., & ISPAD Clinical Practice Consensus Guidelines Committee. (2022). ISPAD Clinical Practice Consensus Guidelines 2022: Diabetes tipo 2 en niños y adolescentes. ISPAD.
  3. Pinhas-Hamiel O, Dolan LM, Daniels SR, Standiford D, Khoury PR, Zeitler P. Increased incidence of non-insulin-dependent diabetes mellitus among adolescents. J Pediatr 1996; 128:608-615.
  4. Pinhas-Hamiel O, Zeitler P. Type 2 Diabetes in Children and Adolescents- A Focus on Diagnosis and Treatment. World Health Organization. (2021). Diabetes Fact Sheet.
  5. Instituto Nacional de Salud Pública (INSP). (2021). ENSANUT 2020: Resultados sobre nutrición y salud.
  6. American Diabetes Association. Classification and diagnosis of diabetes: Standards of Medical Care in Diabetes-2018. Diabetes Care 2018;41(Suppl. 1):S13–S27.
  7. Diagnóstico y Tratamiento Farmacológico de la Diabetes Mellitus Tipo 2 en el Primer Nivel de Atención guía practica, Actualización 2018 (IMSS)
  8. https://idf.org/es/our-network/regions-and-members/south-and-central-america/members/mexico/federacion-mexicana-de-diabetes/
  9. Instituto Mexicano del Seguro Social http://intranet/datos/Paginas/infosalud.aspx
  10. Instituto Mexicano del Seguro Social ::: Red Local de Consulta ::: S I A I S :::

Anexos

Análisis de datos y gráficos

conteo_rangos <- datos %>%
  group_by(rango_edad) %>%
  summarise(
    total = n(),
    glucosa_cero = sum(glucosa == 0, na.rm = TRUE),
    glucosa_valida = sum(glucosa > 0, na.rm = TRUE)
  )

conteo_rangos
## # A tibble: 5 × 4
##   rango_edad   total glucosa_cero glucosa_valida
##   <chr>        <int>        <int>          <int>
## 1 Adolescentes   269          238             31
## 2 Adultos       6061         4794           1267
## 3 Mayores       9144         5706           3438
## 4 Niños           89           83              6
## 5 <NA>           452          335            117
# Gráfico Regresión lineal Edad vs Glucosa por rango de edad
ggplot(datos) +
  aes(x = edad, y = glucosa, color = rango_edad) +
  geom_point(size = 2) +
  geom_smooth(method = "lm") +
  scale_x_continuous(breaks = seq(0, max(datos$edad, na.rm = TRUE), by = 20)) +
  scale_y_continuous(breaks = seq(0, max(datos$glucosa, na.rm = TRUE), by = 20)) +
  labs(title = "Regresión lineal: Edad vs Glucosa por categoría de edad")
## `geom_smooth()` using formula = 'y ~ x'

Suavizado LOESS Edad vs Glucosa

ggplot(datos) +
  aes(x = edad, y = glucosa, color = rango_edad) +
  geom_point(size = 2) +
  geom_smooth(method = "loess") +
  scale_x_continuous(breaks = seq(0, max(datos$edad, na.rm = TRUE), by = 20)) +
  scale_y_continuous(breaks = seq(0, max(datos$glucosa, na.rm = TRUE), by = 20)) +
  labs(title = "Suavizado LOESS: Edad vs Glucosa por categoría de edad")
## `geom_smooth()` using formula = 'y ~ x'

Edad vs Glucosa por turno y rango de edad

ggplot(datos) +
  aes(x = edad, y = glucosa, color = rango_edad) +
  geom_point(size = 2) +
  geom_smooth(method = "lm") +
  facet_grid(. ~ turno) +
  labs(title = "Edad vs Glucosa por turno y categoría de edad")
## `geom_smooth()` using formula = 'y ~ x'
## Warning in qt((1 - level)/2, df): Se han producido NaNs
## Warning in qt((1 - level)/2, df): Se han producido NaNs
## Warning in qt((1 - level)/2, df): Se han producido NaNs
## Warning in qt((1 - level)/2, df): Se han producido NaNs
## Warning in max(ids, na.rm = TRUE): ningun argumento finito para max; retornando
## -Inf
## Warning in max(ids, na.rm = TRUE): ningun argumento finito para max; retornando
## -Inf
## Warning in max(ids, na.rm = TRUE): ningun argumento finito para max; retornando
## -Inf
## Warning in max(ids, na.rm = TRUE): ningun argumento finito para max; retornando
## -Inf

Edad vs Glucosa por sexo y rango de edad

ggplot(datos) +
  aes(x = edad, y = glucosa, color = rango_edad) +
  geom_point(size = 2) +
  geom_smooth(method = "lm") +
  facet_grid(sexo ~ .) +
  labs(title = "Edad vs Glucosa por sexo y categoría de edad")
## `geom_smooth()` using formula = 'y ~ x'

Filtrar adolescentes

adolescentes <- datos %>% filter(rango_edad == "Adolescentes")
ggplot(adolescentes) +
  aes(x = edad, y = glucosa, color = sexo) +
  geom_point(size = 2) +
  geom_smooth(method = "lm") +
  labs(title = "Adolescentes: Edad vs Glucosa")
## `geom_smooth()` using formula = 'y ~ x'

Boxplot glucosa por sexo con fill por rango de edad

ggplot(datos %>% filter(!is.na(glucosa))) +
  aes(x = sexo, y = glucosa, fill = rango_edad) +
  geom_boxplot() +
  labs(title = "Distribución de glucosa por sexo y categoría de edad",
       y = "Glucosa")

Histograma de glucosa por categoría de edad

ggplot(datos %>% filter(!is.na(glucosa))) +
  aes(x = glucosa, fill = rango_edad) +
  geom_histogram(binwidth = 20, color = "black") +
  labs(title = "Histograma de glucosa por categoría de edad",
       x = "Glucosa",
       y = "Frecuencia")

Boxplot y histograma combinados con patchwork

boxplot_glucosa <- ggplot(datos %>% filter(!is.na(glucosa))) +
  aes(x = rango_edad, y = glucosa, fill = rango_edad) +
  geom_boxplot() +
  scale_y_continuous(breaks = seq(0, max(datos$glucosa, na.rm = TRUE), by = 20)) +
  labs(title = "Distribución de glucosa por rango de edad",
       x = "Rango de edad",
       y = "Glucosa") +
  theme_economist() + 
  scale_fill_economist()

# Mostrar la gráfica
boxplot_glucosa

# Crear histograma
histograma_glucosa <- ggplot(datos %>% filter(!is.na(glucosa))) +
  aes(x = glucosa, fill = rango_edad) +
  geom_histogram(binwidth = 20, color = "black") +
  facet_wrap(~ rango_edad) +
  scale_x_continuous(breaks = seq(0, max(datos$glucosa, na.rm = TRUE), by = 20)) +
  scale_y_continuous(breaks = seq(0, max(datos$glucosa, na.rm = TRUE), by = 20)) +
  labs(title = "Histogramas de glucosa por categoría de edad",
       x = "Glucosa",
       y = "Frecuencia") +
  theme_economist() + 
  scale_fill_economist()

# Mostrar boxplot y histograma combinados
boxplot_glucosa / histograma_glucosa