Introducción

Las tasas de incidencia de la diabetes tipo 2 (DT2) han ido en aumento en todo el mundo en los últimos 30 años y la misma parece afectar de manera desproporcionada a algunos grupos raciales y culturales. En particular, en los pueblos indígenas ha alcanzado proporciones epidémicas (1)(2). Dentro de las causas del incremento de la DT2 en grupos indígenas está la susceptibilidad genética (3) y los cambios producidos a lo largo de las últimas dos o tres generaciones en el estilo de vida tradicional hacia prácticas más sedentarias, combinadas con dietas occidentalizadas (4). Al igual que con la DT2, las tasas de prevalencia de complicaciones relacionadas con la misma son elevadas en las comunidades indígenas (5-8).

En México, la DT2 es la primera causa de muerte en la población indígena (9) y, en particular, en la población indígena maya existe evidencia de un aumento en la susceptibilidad al desarrollo y frecuencia de DT2, obesidad, resistencia a la insulina (RI) y alteración en el metabolismo de lípidos (10)(11). La hiperglucemia en presencia de hiperinsulinemia se atribuye a la RI por lo que, la combinación de RI y la hiperinsulinemia compensatoria aumenta la probabilidad de presentar hipertensión, y dislipidemia aterogénica caracterizada por concentraciones altas de triglicéridos y bajas concentraciones de colesterol unido a lipoproteínas de alta densidad (HDL-C). Estos cambios aumentan el riesgo de enfermedad cardiovascular en pacientes con DT2 (12). El estándar de oro para medir la RI es el clamp; sin embargo, éste es poco práctico para su aplicación clínica de rutina debido a su complejidad, al tiempo en la realización, y a lo invasivo que resulta (13). No obstante, existen varios indicadores más simples y prácticos que han sido evaluados para medir la RI, como el HOMA-IR (14), la relación TG/HDL-C (15) y recientemente el índice metabólico (IM) propuesto por Roitberg et al. (16) el cual demostró un buen valor pronóstico de RI, ya que incorpora la fortaleza de la detección de dislipidemia aterogénica por la relación TG/HDL-C y mejora el valor pronóstico del HOMA-IR al aumento de la glucosa en ayuno, ya que incorpora esta medida en el cálculo (16).

El objetivo del presente estudio fue evaluar la asociación entre el IM, una medida indirecta de RI, y la hipeolesterolemia en población indígena maya con DT2.

Materiales y Métodos

POBLACIÓN DE ESTUDIO

Se seleccionaron 77 pacientes con diagnóstico previo de DT2, habitantes de las comunidades de Yaxcabá y Sotuta en el estado de Yucatán, México, quienes se autorreconocieron como mayas y descendientes de dos generaciones viviendo en la misma comunidad.

DESCRIPCIÓN SOCIO-ECONÓMICA

Los pacientes declararon dedicarse a actividades del hogar (83%), agricultura (13%), algún tipo de oficio (3%) y desempleados (1%); respecto al estado civil, el 81% declaró estar casado, 12% viudos, 4% en unión libre y 4% solteros. Predominó como nivel de escolaridad la primaria con un 65%, seguido por secundaria 16%, y el 19% indicó no tener ningún grado de estudio.

USO DE MEDICAMENTOS

Los pacientes declararon estar usando entre uno y cuatro medicamentos, con un promedio de 2 medicamentos, de los cuales 81% correspondía a antidiabéticos orales (glibenclamida 44% y metformina 37%), 7% antihipertensivos (metroprolol 3%, captopril 3% y enalapril 1%), 3% estatinas (pravastatina), 1% fibratos (benzafibrato), 1% insulina y el 7% restante correspondió a medicamentos no relacionados con la DT2 (AINES 2%, clorfenamina 2%, levotiroxina 1%). Las combinaciones de medicamentos con mayor frecuencia fueron entre los antidiabéticos orales, metformina-glibenclamida (31%) y con esta misma combinación solo el 4% de los pacientes tenía como medicamento adicional un antihipertensivo.

VARIABLES ANTROPOMÉTRICAS

Las medidas antropométricas fueron realizadas por personal capacitado, el peso se midió con una báscula Omron® BF511 y la talla con un estadímetro Seca® 213. Estos valores se emplearon para determinar el índice cintura-cadera y el índice de masa corporal (IMC) mediante la fórmula de Quetelet (peso en kg/talla en m2), para su posterior clasificación en grado de obesidad de acuerdo con los criterios marcados por la OMS (17)(18).

VARIABLES CLÍNICAS

La tensión arterial fue medida con tensiómetro de muñeca (Beurer, BC 16) en el brazo izquierdo, posterior a un reposo de cinco minutos, y en posición sentada. Se consideró hipertensión a valores mayores o iguales a 130/85 mmHg.

VARIABLES BIOQUÍMICAS

La toma de muestras sanguíneas se realizó con ayuno previo de 10 a 12 horas y mediante punción venosa con un sistema de vacío (BD Vacutainer). Las muestras se procesaron el mismo día en el Laboratorio de Análisis Clínicos del Servicio a la Comunidad de la Facultad de Química de la Universidad Autónoma de Yucatán. Las determinaciones bioquímicas: A1c (hemoglobina glicada), glucosa basal (GB), colesterol total (CT), colesterol unido a lipoproteínas de alta densidad (HDL- C), colesterol unido a lipoproteínas de baja densidad (LDL-C) y triglicéridos (TG), se realizaron de acuerdo con las instrucciones del fabricante (Roche) con métodos estandarizados en un equipo Cobas Integra® 400 Plus (Roche). La calidad analítica del proceso fue monitoreada por un sistema de control de calidad interno y la participación en un programa externo de aseguramiento de la calidad. El cálculo del IM (GB x TG/HDL-C2) se realizó por la fórmula propuesta por Roitberg et al. (16).

Aspectos éticos: Todos los procedimientos realizados en este estudio estuvieron de acuerdo con los estándares del comité de ética institucional y con la declaración de Helsinki para investigaciones clínicas.

Consentimiento informado: Todos los participantes firmaron cartas de consentimiento informado para la realización del estudio.

ANÁLISIS ESTADÍSTICO

La distribución de las variables se analizó mediante el test de Kolmogorov-Smirnov. Las variables cuan- titativas continuas con normalidad se expresaron en términos de media y desviación estándar, las variables que no presentaron normalidad fueron transformadas a logaritmos y presentadas en términos de mediana y percentiles; por otro lado, las variables discretas fueron presentadas en términos de frecuencias. Las relaciones de las variables bioquímicas se realizaron con el coeficiente de correlación de Pearson. Además, se realizó un análisis de regresión logística multinomial, usando una regresión paso a paso hacia atrás para evaluar la asociación entre los niveles elevados de colesterol e IM. Se dicotomizaron las variables, para hipercolesterolemia (CT>5,17 mmol/L) y el IM (>P75), y se consideraron como covariables la edad, género, IMC, tiempo de evolución de la DT2 y los niveles de A1c. Se empleó el programa estadístico SPSS versión 20.0. Los resultados fueron considerados significativos con un valor de .<0,05.

Resultados

El promedio de edad de la población de estudio fue de 56,3±13,7 años, predominando los pacientes del sexo femenino (84%). Las características antropométricas, clínicas y bioquímicas en valores de la media, mediana y sus respectivas desviación estándar y percentiles se observan en la Tabla I.

Se observó un alto porcentaje de descontrol glucémico medido tanto con A1c como con niveles de glucosa en ayuno (87% y 70%, respectivamente).

Respecto al tiempo de evolución de la DT2, de los 77 pacientes participantes en el estudio, el 40% declaró tener menos de 5 años, el 36% entre 5-10 años, el 19% más de diez años y el 5% restante desconocía este dato.

De acuerdo con el patrón de referencia de la OMS respecto al IMC, se observó una frecuencia de: 22% de normopeso, 25% de sobrepeso, 53% de obesidad; también se obtuvo una frecuencia de un 78% de exceso de peso (sobrepeso + obesidad).

Por otra parte, en cuanto a las frecuencias de los componentes asociados a riesgo aterogénico tomando en cuenta el tiempo de evolución de DT2 (Tabla II), se encontró una diferencia significativa en la frecuencia de los niveles elevados de CT (54,8% vs 20,6%, p=0,003) en los pacientes con <5 años de evolución respecto a los que tenían <5 años; sin embargo, es importante mencionar que solo se observaron 7 individuos en el grupo <5 años de evolución. Del mismo modo, aunque no existió una diferencia significativa, se observó una tendencia de hiperbetalipoproteinemia en los pacientes con <5 años de evolución al ser comparados con los de <5 años (76,2% vs 55,9%, respectivamente).

Para evaluar la relación del IM con el valor glucémico y los factores de riesgo aterogénico, se llevó a cabo un análisis de correlación tomando en cuenta el tiempo de evolución de DT2 (Tabla III). Se observó en la muestra total de estudio (N=77), una correlación entre el IM y los niveles de: GB (r=0,333, p=0,001), A1c (r=0,331, p=0,003), CT (r=0,255, p=0,026), TG (r=0,762, p=1,29x10-15), HDL-C (r= -0,735, p=4,2x10-14); mientras que no existió correlación con las concentraciones de LDL-C (r=0,120, p=0,300). Además, se evaluó la relación de IM en los pacientes con <5 años de evolución (N=34) y se observó una correlación con: GB (r=0,625, p=1,0x10-4), A1c (r=0,606, p=1,8x10-4), TG (r=0,675, p=1,6 x10-5), HDL-C (r= -0,722, p=2,0x10-6); mientras que no existió correlación con las concentraciones de CT (r=0,114, p=0,528), y LDL-C (r=0,133, p=0,461).

Del mismo modo, se evaluó la relación de IM en los pacientes con <5 de evolución (N=43) y se observó una correlación con: CT (r=0,418, p=0,005), TG (r=0,835, p=3,2 x10-12), HDL-C (r= -0,752, p=6,0x10-9); mientras que no existió correlación con las concentraciones de: GB (r=0,023, p=0,885), A1c (r=0,066, p=0,660), y LDL-C (r=0,138, p=0,379).

Debido a las diferencias observadas en la correlación entre la A1c, GB y CT con el IM tomando en cuenta el tiempo de evolución (<5 y <5 años) de DT2, se llevó a cabo un análisis de regresión logística multinomial en el total de la población, para evaluar la asociación de las concentraciones elevadas de CT e IM observándose: B=1,590, .=0,041, Exp (B)=4,901 e I.C=1,066–22,544 (Tabla IV) y de manera independiente de la edad, género, IMC, tiempo de evolución de DT2 y de los niveles de A1c.

Debido a las diferencias observadas en la correlación entre la A1c, GB y CT con el IM tomando en cuenta el tiempo de evolución (<5 y <5 años) de DT2, se llevó a cabo un análisis de regresión logística multinomial en el total de la población, para evaluar la asociación de las concentraciones elevadas de CT e IM observándose: B=1,590, p=0,041, Exp (B)=4,901 e I.C=1,066–22,544 (Tabla IV) y de manera independiente de la edad, género, IMC, tiempo de evolución de DT2 y de los niveles de A1c.

Discusión y Conclusiones

En el presente trabajo se destaca el alto porcentaje de descontrol glucémico en los individuos con DT2 (87%), cifra superior a la informada en México por Hernández-Romieu et al. (19), donde el porcentaje fue del 70%, y en el oeste de África fue 34% en población indígena (20). Respecto a los niveles de A1c en el presente estudio se observó un promedio de 9,8% (Tabla I) que contrasta con el 7,4% obtenido en población rural de los Estados Unidos de América (21), 8,1% en una población árabe (22), y 8,3% en población de la India (23). Se sabe que los niveles de A1c varían entre poblaciones y son mayores para los grupos indígenas al ser comparados con grupos no indígenas, debido principalmente a factores sociales, bajo control glucémico y a condiciones de vida asociadas con la occidentalización generando un ambiente estresante a nivel biológico en las poblaciones indígenas de los países occidentales (24). Además, los niveles altos de A1c se han asociado de manera positiva en poblaciones de bajo nivel socioeconómico con el riesgo de cardiopatía coronaria (25) así como un buen predictor de alteraciones lipídicas en pacientes con DT2 (22). A pesar que se han hecho esfuerzos para mejorar el acceso a la atención médica en poblaciones rurales en México, existe evidencia de un inadecuado control glucémico y un alto riesgo de aparición de complicaciones microvasculares en la población rural maya. No obstante, la complicaciones y el aumento de riesgo cardiovascular en personas con diabetes no están dados solamente por la hiperglucemia per se, (26) sino que son propiciados en gran medida por la coexistencia de múltiples trastornos metabólicos, lo que hace necesario la identificación de anomalías asociadas a la DT2 (27).

Por otra parte, aunque se observó una diferencia en las frecuencia de hipercolesterolemia y una tendencia a la hiperbetalipoproteinemia en el estudio (Tabla II), esta diferencia debe tomarse con reserva, y debería ser objeto de análisis posterior debido al bajo número de sujetos con hipercolesterolemia con menos de 5 años de evolución en la muestra estudiada. Sin embargo, es ampliamente aceptado que la diabetes incrementa de dos a tres veces el riesgo de enfermedad cardiovascular (ECV) (28); no obstante, la asociación entre el tiempo de evolución de la diabetes y la enfermedad cardiovascular es controversial. En un estudio publicado por Gimeno-Orda et al. (29) se demostró que un incremento progresivo en las tasas de ECV se daba en grupos de 5 años de evolución de diabetes. Por lo que la frecuencia mayor de hipercolesterolemia en los pacientes con 5 años o más de DT2, abre la oportunidad de estratificar el riesgo de ECV basado en el tiempo de evolución en población maya.

Otro resultado a destacar fue la correlación entre la RI medida por el IM y los niveles glucémicos y lipídicos. La correlación fue importante en los 77 pacientes, a excepción del LDL-C, y esta correlación se duplicó en los valores de GB y A1c en aquellos pacientes con menos de 5 años de evolución de DT2 y se perdió en aquellos con 5 años o más de evolución (Tabla III). Al respecto, se sugiere que antes de los 5 años aún existe una secreción de insulina compensatoria a la RI observada, un dato no mostrado revela que en este periodo de evolución de DT2 el 71% de los individuos fueron obesos. Estos resultados concuerdan con la vasta in- formación existente respecto a la relación importante entre valores altos de IMC y RI en pacientes con diag- nóstico reciente de DT2 (30)(31). Por otra parte, el IM propuesto por Roitberg et al. (16) ha demostrado tener un buen valor pronóstico de RI, ya que toma en consideración los niveles de TG, HDL-C y GB, lo que concuerda con lo reportado en la literatura en donde, los niveles elevados de TG y bajos de HDL-C se encuentran relacionados con RI y DT2 (32) y que el producto de TG y glucosa (TGyG) en plasma podría ser una estimación útil de RI (33). Sin embargo, a pesar de que hay poca evidencia del empleo del IM como marcador de RI, el empleo en el cálculo de la medición de glucosa y TG en el numerador y HDL- C en el denominador (16), da pie a poder comparar los resultados obtenidos en población indígena maya y coincidir con estudios en donde la asociación con RI es más fuerte cuando se usa la relación TG/HDL-C que de manera independiente (34), y de RI en pacien- tes con DT2 utilizando TGyG (33). Además, en la DT2 la continua síntesis de TG y la falla de la supresión de la gluconeogénesis hepática plantea la paradoja de la existencia de una RI selectiva en el hígado; sin embargo, la existencia de lipogénesis hepática inde- pendiente de insulina (esterificación de ácidos grasos en hígado provenientes del plasma en casi un 60% vs 20% de la lipogénesis de nueva síntesis) en individuos con DT2 parece clarificar la paradoja (35). Esto realiza la importancia de utilizar las mediciones del IM en ayuno como buen estimador de RI. De manera interesante, recientemente un estudio realizado por Ren et al. (36) en población china observó una correlación entre la relación TG/HDL-C y RI en pacientes con diagnóstico reciente de DT2. Esto es importante ya que se puede utilizar como marcador de riesgo aterogénico, puesto que existe una alta frecuencia de dislipidemia y factores de riesgo asociados a enfermedad cardiovascular en China sobre todo en población rural (37). Del mismo modo, Maple-Brown et al. (38) propusieron la medición de los niveles de TG y HDL-C como una herramienta clínica más útil para evaluar riesgo cardiovascular en jóvenes indígenas australianos. Por otro lado, la estimación de la relación TG y HDL-C es un buen marcador de RI en varios grupos indígenas como lo demostró también Hirschler et al.(39) en una población infantil de indígenas argentinos. En general, se ha documentado que la correlación inicial entre el descontrol glucémico y la RI puede llevar a una pérdida rápida de la secreción de insulina (40) más que a una reducción en la masa de las células beta pancreáticas (41). Esto podría explicar lo observado en este grupo de estudio; sin embargo, esta inferencia hay que tomarla con cautela ya que en el presente estudio no se midió de manera directa la concentración de insulina.

El resultado destacado del presente estudio correspondió a la asociación de los índices elevados (>P75) del IM, como medida indirecta de RI, con la hipercolesterolemia observada en el total de la población de estudio (Tabla IV). Se sabe que la DT2 se asocia con una dislipidemia no LDL específica, conocida como la dislipidemia aterogénica, representada por una disminución del HDL-C, aumentos de TG, y presencia de pequeñas y densas partículas de colesterol asociada al LDL (sdLDL-C) todas estas relacionadas con RI que confiere un marcado aumento en el riesgo vascular residual, incluso cuando LDL-C es baja (42)(43). Al respecto, en el presente estudio la asociación entre el IM y la RI podría explicar el efecto que ejerce la insulina en el metabolismo del colesterol. Sin embargo, las alteraciones en el metabolismo del colesterol en personas con DT 2 ha sido menos documentadas y los resultados son controvertidos (44). En un estudio realizado por Simonen et al. (45) se observó una síntesis aumentada de colesterol y una deficiente absorción del mismo en sujetos obesos con diabetes con respecto a individuos obesos sin diabetes, lo que sugirió que la diabetes puede modular el metabolismo del colesterol de manera independiente de la obesidad. Por otra parte, Johnson-Down et al. (46) documentó que un patrón de consumo de comida con un alto contenido en grasa y azúcar, estaba relacionado a altos valores de RI, obesidad y diabetes en una comunidad indígena Cree. De manera general, en las comunidades indígenas en México, y la población maya no es la excepción, se ha dado un cambio en el estilo de vida, en particular relacionado a un alto consumo de hidratos de carbono y grasas en la alimentación, lo que estaría contribuyendo a la alta prevalencia de obesidad, RI, DT2 y alteraciones del metabolismo de lípidos lo que confiere un alto riesgo de ECV en estas poblaciones (47)(48).

Es necesario reconocer que existieron algunas limitaciones en el presente estudio como: un bajo número de individuos de estudio, una mayor participación del género femenino, una falta de medición directa de insulina y la administración de medicamentos. Respecto a este último punto, es importante mencionar que a pesar que los pacientes contaban con medicación para el tratamiento de la DT2 (por lo menos con un medicamento), presentaron un alto descontrol glucémico, lo cual pudiese ser indicativo que existen otros factores que pueden estar influyendo en el logro del control glucémico, como los son la falta de adherencia al tratamiento, como se ha documentado en otros estudios en población indígena (49)(50).

En conclusión, el presente trabajo presenta evidencia objetiva de una asociación del IM, como medición indirecta de RI, con las concentraciones elevadas de colesterol; y propone este índice como método indirecto económico y eficaz para evaluar el riesgo aterogénico en poblaciones carentes de infraestructura médica especializada. Sin embargo, se necesitan más estudios para poder consolidar su aplicación como un marcador de riesgo cardiovascular en población indígena maya.

Referencias bibliográficas

1. Naqshbandi, M, Harris, SB, Esler, JG, Antwi-Nsiah, F. Global complication rates of type 2 diabetes in Indigenous peoples: A comprehensive review. Diabetes Res Clin Pract 2008; 82 (1): 1-17.

2. Jarrett, RJ. Epidemiology and public health aspects of non-insulin-dependent diabetes mellitus. Epidemiol Rev 1989; 11: 151-71.

3. Neel, JV. Diabetes mellitus: a “thrifty” genotype ren- dered detrimental by “progress”? Bull World Health Organ 1999; 77 (8): 694-703.

4. Gracey, MS. Nutrition-related disorders in Indigenous Australians: how things have changed. Med J Aust 2007; 186 (1): 15-7.

5. Bramley, D, Hebert, P, Jackson, R, Chassin, M. Indigenous disparities in disease-specific mortality, a cross-country comparison: New Zealand, Australia, Canada, and the United States. N Z Med J 2004; 117 (1207): U1215.

6. Simmons, D, Clover, G, Hope, C. Ethnic differences in diabetic retinopathy. Diabet Med 2007; 24 (10): 1093-8.

7. Lopes, AA. Relationships of race and ethnicity to progression of kidney dysfunction and clinical outcomes in patients with chronic kidney failure. Adv Ren Replace Ther 2004; 11(1): 14-23.

8. Davis, TM, McAullay, D, Davis, WA, Bruce, DG. Characteristics and outcome of type 2 diabetes in urban aborig nal people: the Fremantle Diabetes Study. Intern Med J 2007; 37 (1): 59-63.

9. Secretaria de Salud (Mx). Programa Nacional de Salud 2007-2012. Por un México sano: construyendo alianzas para una mejor salud. México: La secretaria; 2007.

10. Lara-Riegos, JC, Ortiz-Lopez, MG, Pena-Espinoza, BI, Montufar-Robles, I, Pena-Rico, MA, Sanchez-Pozos, K, et al. Diabetes susceptibility in Mayas: Evidence for the involvement of polymorphisms in HHEX, HNF4alpha, KCNJ11, PPARgamma, CDKN2A/2B, SLC30A8, CDC123/CAMK1D, TCF7L2, ABCA1 and SLC16A11 genes. Gene 2015; 565 (1): 68-75.

11. Rosado-Guillermo, CA, Álvarez-Nemegyei, J, González- Rojas, A. Influencia de la herencia maya sobre el riesgo de diabetes mellitus tipo 2. Endocrinol Nutr 2001; 9(3): 122-5.

12. Brown, MS, Goldstein, JL. Selective versus total insulin resistance: a pathogenic paradox. Cell Metab 2008; 7 (2): 95-6.

13. DeFronzo, RA, Tobin, JD, Andres, R. Glucose clamp technique: a method for quantifying insulin secretion and resistance. Am J Physiol 1979; 237 (3): E214-23.

14. Matthews, DR, Hosker, JP, Rudenski, AS, Naylor, BA, Treacher, DF, Turner, RC. Homeostasis model assessment: insulin resistance and beta-cell function from fasting plasma glucose and insulin concentrations in man. Diabetologia 1985; 28(7): 412-9.

15. McLaughlin, T, Abbasi, F, Cheal, K, Chu, J, Lamendola, C, Reaven, G. Use of metabolic markers to identify overweight individuals who are insulin resistant. Ann Intern Med 2003; 139 (10): 802-9.

16. Roitberg, GE, Dorosh Zh, V, Sharkhun, OO. A new method for screening diagnosis of insulin resistance. Bull Exp Biol Med 2015; 158 (3): 397-400.

17. World Healt Organization. Obesity: preventing and managing the global epidemic. Report of a WHO consultation. World Health Organ Tech Rep Ser 2000; 894: i-xii, 1-253.

18. WHO Expert Committee of Physical Status. Physical status: the use and interpretation of anthropometry. Switzerland: The organization; 1995.

19. Hernández-Romieu, AC, Elnecavé-Olaiz, A, Huerta-Uribe, N, Reynoso-Noverón, N. Análisis de una encuesta poblacional para determinar los factores asociados al control de la diabetes mellitus en México. Salud Pública Mex. 2011; 53 (1): 34-9.

20. Funmilayo, EO, Grace, TF. Association Between Glycae mic control and serum lipid profile of type 2 diabetic patients in University College Hospital Ibadan, Oyo State, Nigeria. JFNS 2016; 4 (4): 98-102.

21. Coon, P, Zulkowski, K. Adherence to American Diabetes Association standards of care by rural health care providers. Diabetes Care 2002; 25 (12): 2224-9.

22. Khan, HA, Sobki, SH, Khan, SA. Association between gly caemic control and serum lipids profile in type 2 diabetic patients: HbA1c predicts dyslipidaemia. Clin Exp Med 2007; 7 (1): 24-9.

23. Sreenivas, RA, Meera, S, Ebenezer, W, Kumar, JS. Correla- tion between glycemic control and lipid profile in type 2 diabetic patients: Hba1c as an indirect indicator of dys- lipidemia. Asian J Pharm Clin Res 2014; 7 (2): 153-5.

24. Daniel, M, O’Dea, K, Rowley, KG, McDermott, R, Kelly, S. Glycated hemoglobin as an indicator of social environmental stress among indigenous versus westernized populations. Prev Med 1999; 29 (5): 405-13.

25. Zhao, W, Katzmarzyk, PT, Horswell, R, Wang, Y, Johnson, J, Hu, G. HbA1c and coronary heart disease risk among diabetic patients. Diabetes Care 2014; 37 (2): 428-35.

26. Cavero-Redondo I, Peleteiro, B, Alvarez-Bueno, C, Rodri guez-Artalejo, F, Martinez-Vizcaino, V. Glycosylated haemoglobin as a predictor of cardiovascular events and mortality: a protocol for a systematic review and meta-analysis. BMJ Open 2016; 6 (7): e012229.

27. Liu, J, Grundy, SM, Wang, W, Smith, SC, Jr., Vega, GL, Wu, Z, et al. Ten-year risk of cardiovascular incidence related to diabetes, prediabetes, and the metabolic syndrome. Am Heart J 2007; 153 (4): 552-8.

28. Kannel, WB, McGee, DL. Diabetes and cardiovascular disease. The Framingham study. JAMA 1979; 241 (19): 2035-8.

29. Orna, JG, Lamarca, YB, Gutierrez, BC, Herguedas, EM, Arnal, LML. Riesgo de morbimortalidad cardiovascular según el tiempo de evolución de la diabetes tipo 2. Clin Investig Arteroscler 2014; 26 (3): 122-30.

30. Chung, JO, Cho, DH, Chung, DJ, Chung, MY. Associations among body mass index, insulin resistance, and pancreatic beta-cell function in Korean patients with new-on- set type 2 diabetes. Korean J Intern Med 2012; 27 (1): 66-71.

31. Jallut, D, Golay, A, Munger, R, Frascarolo, P, Schutz, Y, Je quier, E, et al. Impaired glucose tolerance and diabetes in obesity: a 6-year follow-up study of glucose metabo lism. Metabolism 1990; 39 (10): 1068-75.

32. Bonora, E, Kiechl, S, Willeit, J, Oberhollenzer, F, Egger, G, Targher, G, et al. Prevalence of insulin resistance in met- abolic disorders: the Bruneck Study. Diabetes 1998; 47 (10): 1643-9.

33. Guerrero-Romero, F, Simental-Mendia, LE, Gonzalez-Ortiz, M, Martinez-Abundis, E, Ramos-Zavala, MG, Hernandez-Gonzalez, SO, et al. The product of triglycerides and glucose, a simple measure of insulin sensitivity. Comparison with the euglycemic-hyperinsulinemic clamp. J Clin Endocrinol Metab 2010; 95 (7): 3347-51.

34. He, S, Wang, S, Chen, X, Jiang, L, Peng, Y, Li, L, et al. Hig er ratio of triglyceride to high-density lipoprotein cholesterol may predispose to diabetes mellitus: 15-year prospective study in a general population. Metabolism 2012; 61 (1): 30-6.

35. Vatner, DF, Majumdar, SK, Kumashiro, N, Petersen, MC, Rahimi, Y, Gattu, AK, et al. Insulin-independent regula tion of hepatic triglyceride synthesis by fatty acids. Proc Natl Acad Sci USA 2015; 112 (4): 1143-8.

36. Ren, X, Chen, ZA, Zheng, S, Han, T, Li, Y, Liu, W, et al. Association between triglyceride to hdl-c ratio (tg/hdl-c) and insulin resistance in chinese patients with newly diagnosed type 2 diabetes mellitus. PLoS One 2016; 11 (4): e0154345.

37. Sun, GZ, Li, Z, Guo, L, Zhou, Y, Yang, HM, Sun, YX. High prevalence of dyslipidemia and associated risk factors among rural Chinese adults. Lipids Health Dis 2014; 13: 189.

38. Maple-Brown, LJ, Cunningham, J, Barry, RE, Leylsey, L, O’Rourke, MF, Celermajer, DS, et al. Impact of dyslipidaemia on arterial structure and function in urban indigenous Australians. Atherosclerosis 2009; 202 (1): 248-54.

39. Hirschler, V, Maccallini, G, Sanchez, M, Gonzalez, C, Molinari, C. Association between triglyceride to HDL-C ratio and insulin resistance in indigenous Argentinean children. Pediatr Diabetes 2015; 16 (8): 606-12.

40. Festa, A, Williams, K, D’Agostino, R, Jr., Wagenknecht, LE, Haffner, SM. The natural course of beta-cell function in nondiabetic and diabetic individuals: the Insulin Resistance Atherosclerosis Study. Diabetes 2006; 55 (4): 1114-20.

41. Hermans, MP, Ahn, SA, Rousseau, MF. log(TG)/HDL-C is related to both residual cardiometabolic risk and beta-cell function loss in type 2 diabetes males. Cardiovasc Diabetol 2010; 9:88.

42. da Luz, PL, Favarato, D, Faria-Neto, JR, Jr., Lemos, P, Chagas, AC. High ratio of triglycerides to HDL-cholesterol predicts extensive coronary disease. Clinics (Sao Paulo) 2008; 63 (4): 427-32.

43. Falko, JM, Schonfeld, G, Witztum, JL, Kolar, JB, Salmon, P. Effects of short-term high carbohydrate, fat-free diet on plasma levels of Apo C-II and Apo C-III and on the Apo C subspecies in human plasma lipoproteins. Metabolism 1980; 29 (7): 654-61.

44. Simonen, PP, Gylling, H, Miettinen, TA. Body weight modulates cholesterol metabolism in non-insulin dependent type 2 diabetics. Obes Res 2002; 10 (5): 328-35.

45. Simonen, PP, Gylling, HK, Miettinen, TA. Diabetes contributes to cholesterol metabolism regardless of obesity. Diabetes Care 2002; 25 (9): 1511-5.

46. Johnson-Down, L, Labonte, ME, Martin, ID, Tsuji, LJ, Nie- boer, E, Dewailly, E, et al. Quality of diet is associated with insulin resistance in the Cree (Eeyouch) indigenous population of northern Quebec. Nutr Metab Cardiovasc Dis 2015; 25 (1): 85-92.

47. Page-Pliego, JT. Refresco y diabetes entre los mayas de Tenejapa, San Cristóbal de Las Casas y Chamula, Chia pas. Liminar. Estudios Sociales y Humanísticos 2013; XI (1): 118-33.

48. Bertram-Vilá, M. Cambio alimentario e identidad de los indígenas mexicanos. 1a. ed. México: UNAM; 2005.

49. Gigoux López, José Felipe, Moya Rivera, Patricia y Silva Rojas, J. Adherencia al tratamiento farmacológico y relación con el control metabólico en pacientes con DM2. Rev Chil Salud Pública 2010; 14 (2-3): 238-70.

50. Sosa-Herrera, KG, Torres-Romero, JC, Guerrero-Escobedo, H, Ramírez-Camacho, MA. Impacto de un programa de atención farmacéutica en el control metabólico de pacientes con diabetes tipo 2 en población rural del esta do de Yucatán, México. Rev Mex Cienc Farm 2014; 45 (3): 74-80.