Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Supervivencia 98,9%
Correspondencia
hxd19681031@whu.edu.cn (XH),
COVID-19
guoj@gdpu.edu.cn (JG),
rm001985@whu.edu.cn (B.-HZ),
lihl@whu.edu.cn (HL)
Bien controlado
Glucosa en sangre
Muerte En breve
(límite superior ÿ 10 mM)
11,0% La diabetes tipo 2 (T2D) se correlaciona con un
peor resultado para COVID-19. Aquí, Zhu et al.
Aspectos
destacados d Se estudió retrospectivamente una cohorte de 7337
pacientes con COVID-19 con o sin diabetes
doi.org/10.1016/j.cmet.2020.04.021
Machine Translated by Google
todos
Contexto y significado
Aunque la diabetes tipo 2 (T2D) es una comorbilidad importante de la nueva enfermedad por coronavirus 2019 (COVID-19), el impacto del control
de la glucosa en sangre en el grado de intervenciones médicas requeridas y en la mortalidad por todas las causas de pacientes con COVID-19 y
pre- DT2 existente sigue sin estar claro. Aquí, Zhu et al. informan que entre 7300 personas con COVID-19 (entre las cuales casi 1000 tenían DT2)
en la provincia de Hubei, China, las personas con DT2 habían aumentado significativamente las intervenciones médicas y el riesgo de mortalidad.
Pero entre los pacientes con T2D, aquellos con una regulación de la glucosa en sangre bien controlada (límite superior % 10 mmol/L) obtuvieron
mejores resultados que aquellos con glucosa en sangre mal controlada (límite superior > 10 mmol/L). Estos hallazgos proporcionan evidencia
clínica que correlaciona un control más adecuado de la glucosa en sangre con mejores resultados en pacientes con COVID-19.
1068 Cell Metabolism 31, 1068–1077, 2 de junio de 2020 ª 2020 Elsevier Inc.
Machine Translated by Google
todos
RESUMEN
La diabetes tipo 2 (T2D) es una comorbilidad importante de COVID-19. Sin embargo, el impacto del control de la glucosa
en sangre (GS) sobre el grado de intervenciones médicas requeridas y sobre la mortalidad en pacientes con COVID-19 y
DT2 sigue siendo incierto. Por lo tanto, realizamos un estudio retrospectivo multicéntrico de 7337 casos de COVID-19 en
la provincia de Hubei, China, de los cuales 952 tenían DT2 preexistente. Descubrimos que los sujetos con DT2 requerían
más intervenciones médicas y tenían una mortalidad significativamente mayor (7,8 % frente a 2,7 %; cociente de riesgos
instantáneos [HR] ajustado, 1,49) y lesión multiorgánica que los individuos no diabéticos. Además, encontramos que la GS
bien controlada (variabilidad glucémica dentro de 3,9 a 10,0 mmol/L) se asoció con una mortalidad notablemente más baja
en comparación con las personas con GS mal controlada (límite superior de la variabilidad glucémica superior a 10,0 mmol/
L) (HR ajustado, 0,14 ) durante la hospitalización. Estos hallazgos brindan evidencia clínica que correlaciona un control
glucémico mejorado con mejores resultados en pacientes con COVID-19 y DT2 preexistente.
INTRODUCCIÓN una mayor proporción de pacientes con casos graves y admitidos en la UCI de
COVID-19 que pacientes con síntomas leves (Deng y Peng, 2020; Wang et al.,
La nueva enfermedad por coronavirus 2019 (COVID-19) es causada por la 2020; Zhang et al., 2020a; Zhou et al., 2020). Estas asociaciones entre la
infección del nuevo coronavirus altamente contagioso SARS-CoV-2 (Wu y diabetes y un peor resultado en las infecciones virales no son inesperadas, ya
McGoogan, 2020). El SARS-CoV-2 invade principalmente las vías respiratorias y que la hiperglucemia es perjudicial para el control de la viremia y la inflamación,
los pulmones, lo que da lugar a un nuevo tipo de neumonía por coronavirus (Zhu lo que agrava la morbilidad y la mortalidad en una variedad de pacientes (Forbes
et al., 2020). Los casos graves de COVID-19 pueden progresar rápidamente a et al., 2018). Sin embargo, un control de la glucosa demasiado rígido puede
síndrome de dificultad respiratoria aguda (SDRA), shock séptico y síndrome de aumentar el riesgo de hipoglucemia grave, lo que también puede conducir a un
disfunción orgánica múltiple (MODS) (Guan et al., 2020). Los adultos mayores, aumento de la mortalidad (Rodriguez-Gutierrez et al., 2019). En consecuencia,
junto con aquellos con condiciones preexistentes, como hipertensión, cáncer, los ensayos clínicos previos que examinaron los efectos del control de la glucosa
enfermedades cardiovasculares, diabetes mellitus y daño renal agudo, tienen un en la mortalidad arrojaron resultados contradictorios (Forbes et al., 2018; Van
mayor riesgo demostrado de desarrollar casos más graves de COVID-19, así den Berghe et al., 2006). Para las personas con COVID-19 y DT2 preexistente,
como de sufrir una mayor riesgo de mortalidad (Wang et al., 2020; Zhang et al., un desafío clave para los médicos es mejorar los resultados frente a la
2020b; Zhou et al., 2020). La colisión entre las dos pandemias mundiales de incertidumbre con respecto al grado de control glucémico que se debe mantener
COVID-19 y la diabetes tipo 2 (T2D) ha llevado a la sombría realidad de que la y cualquier efecto que esto pueda tener sobre los beneficios y riesgos de sobre
T2D ya es la segunda comorbilidad más común de COVID-19 (Zhou et al., 2020). todo. tratamiento. Por lo tanto, se necesitan análisis detallados de los datos de
Sin embargo, la evidencia actual que implica a la DT2 en un peor pronóstico de tales pacientes que vinculen los niveles de glucosa en plasma con los resultados
COVID-19 proviene principalmente de cohortes de tamaño relativamente limitado clínicos, incluida la mortalidad.
(Deng y Peng, 2020; Zhang et al., 2020a; Zhou et al., 2020). Por lo tanto, las
características clínicas de los pacientes con DT2 infectados por SARS-CoV-2
aún deben aclararse de manera integral en un análisis a gran escala, que es En este informe, realizamos un estudio multicéntrico longitudinal retrospectivo
necesario para administrar de manera más eficiente y precisa el tratamiento de de una cohorte de 7337 casos confirmados de COVID-19 inscritos en 19
dichos pacientes. hospitales de la provincia de Hubei, China, centrándonos en la asociación entre
los niveles de glucosa en plasma y los resultados clínicos en pacientes con
COVID-19 con DT2. Además de una asociación significativa entre el estado
diabético y una mayor tasa de mortalidad en pacientes con COVID-19 y DT2
Está bien establecido que los pacientes con diabetes son más susceptibles a preexistente en comparación con sujetos no diabéticos con COVID-19, nuestro
las infecciones en general y tienen un peor pronóstico una vez infectados en estudio indicó que la glucemia bien controlada se asoció con una marcada
comparación con la población no diabética (Kumar Nathella y Babu, 2017; Xu et mejoría resultado de pacientes con COVID-19 y T2D preexistente.
al., 2019). Esta mayor susceptibilidad también se ha observado previamente para
otras epidemias coronanavirales. Por ejemplo, en pacientes con síndrome
respiratorio agudo severo (SRAS), la diabetes tipo 2 preexistente se asoció de
forma independiente con malos resultados. El porcentaje de antecedentes RESULTADOS Y DISCUSIÓN
conocidos de T2D fue significativamente mayor entre los pacientes que
sucumbieron al SARS que entre los que sobrevivieron (Booth et al., 2003; Yang Características clínicas de los pacientes con COVID-19 y
et al., 2006). Además, los estudios epidemiológicos también indican que la DT2 DT2 preexistente al momento del ingreso Las
fue la comorbilidad primaria asociada con infecciones graves o letales por MERS- características clínicas se recopilaron de un total de 7337 participantes de 9663
CoV (Alqahtani et al., 2018). casos confirmados de COVID-19, incluidos 952 sujetos con DT2 preexistente (n
= 510 hombres, 53,6 %) y 6385 casos no diabéticos (n = 2.967 hombres, 46,5%)
Y con respecto a la actual pandemia de COVID-19, varios estudios recientes, (Figura 1).
aunque con participantes limitados, ya han sugerido que la DT2 es una De los 9663 casos iniciales inscritos, 2326 pacientes con COVID-19 fueron
comorbilidad común y constituye excluidos del estudio, incluidos 1013
todos
todos
[57,0 % frente a 42,4 %] y procalcitonina [33,3 % frente a 20,3 %]), coagulación (DIC) (0,5% frente a 0,2%) que los no diabéticos
disminución de la función renal (creatinina [12,0 % frente a 5,0 %]), y grupo (Tabla S3). El análisis de Cox de efectos mixtos indicó que la DT2 era
aumento del estado de coagulación (dímero D [50,5 % frente a 33,3 %]), se correlacionó significativamente con la aparición de ARDS, lesión renal aguda
se encontraron con más frecuencia en el grupo de DT2 que en el grupo de no y shock séptico con los respectivos HR ajustados de 1,44
diabéticos. Además, SpO2 inferior al 95% ocurrió más (IC 95 %, 1,20–1,73), 3,01 (IC 95 %, 1,94–4,68) y 1,95 (IC 95 %,
frecuentemente en el grupo diabético versus el grupo no diabético 1.18–3.20), después de ajustar por edad, sexo y gravedad de
(18,8% frente a 13,2%) al ingreso. COVID-19 entre los pacientes (Tabla S4). Nuestro estudio actual
se basó en la cohorte de diabéticos COVID-19 más grande hasta ahora
Los pacientes con COVID-19 y DT2 preexistente requieren analizados, y los resultados fueron inequívocos para implicar a la diabetes
Tratamiento más intensivo en el hospital mellitus en un mayor riesgo de muerte y otros resultados perjudiciales de
Los pacientes con T2D preexistente recibieron significativamente más COVID-19. En particular, se debe tener cuidado al interpretar la diferencia
tratamientos integrados intensivos para manejar sus síntomas de significativa en los resultados entre diabéticos y no diabéticos.
COVID-19 que los sujetos no diabéticos. El grupo anterior pacientes con COVID-19, ya que hubo diferencias notables en
registró una mayor necesidad de antibióticos (61,3% frente a 56,9%), las distribuciones de covariables entre los dos grupos.
fármacos antimicóticos (2,5% frente a 1,2%), corticosteroides sistémicos Los mecanismos fisiopatológicos subyacentes al impacto de
(29,4 % frente a 22,8 %), inmunoglobina (23,0 % frente a 17,7 %), DT2 en la progresión de COVID-19 aún no se ha investigado completamente. En
fármaco antihipertensivo (45,1% frente a 21,1%) e incluso fármacos vasoactivos pacientes con diabetes, disfunción pulmonar que involucra el volumen pulmonar,
(7,7% frente a 2,2%). Inhalación de oxígeno (76,9% versus la capacidad de difusión pulmonar, el control de la ventilación, el tono
61,2 %), la ventilación no invasiva (10,2 % frente al 3,9 %) y la ventilación broncomotor y la inervación bronquial neuroadrenérgica
invasiva (3,6 % frente al 0,7 %) también se aplicaron significativamente con más ( Fuso et al., 2019), lo que puede explicar
frecuencia a las personas con DT2 en comparación con la propensión a malos resultados en pacientes con COVID-19
los pacientes sin DT2 (Tabla S2). y DT2. Al mismo tiempo, una respuesta inmunitaria desregulada
causada por T2D probablemente también sea responsable de la mayor gravedad
T2D se correlaciona con un mayor riesgo de todas las causas de la enfermedad de COVID-19 en pacientes con T2D como una proporción más alta
Mortalidad y comorbilidades perjudiciales en pacientes con de linfopenia y aumento de los niveles de neutrófilos, PCR sérica,
COVID-19 e IL-6 se observaron en los pacientes con COVID-19 y T2D preexistente en
Durante el período de seguimiento de 28 días, realizamos un análisis longitudinal nuestro estudio. Estos hallazgos encajan con el sistema inmunológico
retrospectivo de varios parámetros a partir de desregulación observada en otras infecciones provocadas por coronavirus
el tiempo de ingreso al hospital para cada paciente en el estudio. neumonía (Kulcsar et al., 2019). En un modelo experimental de
Notamos que, a pesar de haber recibido un tratamiento más agresivo contra el MERS, los ratones diabéticos tenían un número más bajo de monocitos y
COVID-19 y las comorbilidades, el diabético macrófagos inflamatorios y células T CD4+, lo que se acompañó de niveles más
grupo tuvo una mayor incidencia de recuentos de linfocitos disminuidos bajos de expresión de Ccl2 y Cxcl10 (Kulcsar
y aumento de los recuentos de neutrófilos, así como niveles más altos de et al., 2019). Además, la T2D está asociada con la activación de
interleucina-6 sérica (IL-6), PCR y deshidrogenasa láctica el sistema renina-angiotensina en diferentes tejidos (Candido
(LDH), acompañado de niveles más altos de GS, en comparación con el et al., 2002). Teniendo en cuenta que el SARS-CoV-2 utiliza la enzima
grupo de no diabéticos. El nivel de GS también se asoció significativamente con convertidora de angiotensina 2 (ACE2) para unirse y acceder a las células infectadas
hipertensión comórbida, CHD, las incidencias de (Hoffmann et al., 2020; Lu et al., 2020) y reduce la expresión de ACE2 (Kuba et
disminución del recuento de linfocitos y aumento del recuento de neutrófilos al., 2005), la sobreactivación del sistema renina angiotensina también puede
y los niveles de PCR sérica y creatinina en toda la cohorte contribuir al aumento
(Figura S1). riesgo adverso en pacientes con COVID-19 y diabetes. En esto
Durante el período de seguimiento de 28 días a partir de la admisión, respeto, la aplicación de inhibidores del sistema renina-angiotensina puede
la tasa de mortalidad hospitalaria fue significativamente mayor en los pacientes tener efecto terapéutico en pacientes con COVID-19 y DT2 preexistente.
con DT2 preexistente en relación con las personas no diabéticas
(7,8 % frente a 2,7 %, p < 0,001) (Tabla S3). El crudo HR de la
La mortalidad por todas las causas a los 28 días en el grupo de diabéticos en El control diferencial de glucosa está asociado con diferentes
Resultados en pacientes con COVID-19 y DT2 preexistente
comparación con los individuos no diabéticos fue de 2,90 (IC 95 %, 2,21–3,81; p < 0,001) (Tabla
S4). Después de ajustar por edad, género y sitio hospitalario al ingreso, el HR
de la mortalidad por todas las causas entre estos dos grupos Entre la cohorte con COVID-19 y DT2, había 282 individuos con GS bien
fue 1,70 (IC 95 %, 1,29–2,24; p < 0,001) (Tabla S4). Nosotros más controlada (136 hombres, 48,2 %) y 528 individuos con GS mal controlada (298
ajustado por la severidad de COVID-19 y encontró que el HR de hombres, 56,4 %). El nivel medio de GS fue mucho más bajo en el grupo de GS
la mortalidad por todas las causas entre estos dos grupos fue de 1,49 bien controlado
(IC del 95 %, 1,13–1,96; p = 0,005) (Figura S2; Tabla S4). nosotros aquí que el grupo de GS mal controlado (6,4 mmol/L [5,2–7,5] versus
no se ajustó por comorbilidades estrechamente relacionadas con T2D, incluyendo 10,9 mmol/L [7,6–14,3]) (Figura S3), y los niveles de HbA1C en
hipertensión, cardiopatía coronaria, enfermedad cerebrovascular y enfermedad renal estos dos grupos fueron 7,3% (6,6%–8,2%) y 8,1% (7,2%–
crónica, ya que estas enfermedades a menudo coexisten con la diabetes tipo 2. 10,1%), respectivamente. Los pacientes de la BG bien controlada
Además, los individuos con DM2 tuvieron mayor ocurrencia de SDRA (16,9% el grupo también tuvo incidencias significativamente más bajas de linfopenia
versus 7,2%), lesión cardíaca aguda (7,3% (30,5 % frente a 49,6 %), tasas más bajas de recuentos elevados de leucocitos
frente al 3,0 %), lesión renal aguda (3,9 % frente al 0,8 %), séptico (6,3 % frente a 12,2 %) y neutrófilos (10,7 % frente a 19,4 %),
choque (3,8 % frente a 1,0 %) y diseminación intravascular y PCR sérica elevada (47,5 % frente a 59,5 %) y
Tabla 1. Características de los pacientes en los grupos de glucosa en sangre bien controlados y mal controlados antes y después del emparejamiento por puntaje de propensión
Sin par Emparejado (1:1)
Parámetros Bien controlado (n = 282) Mal controlado (n = 528) DE Bien controlado (n = 250) Mal controlado (n = 250) Dakota del Sur
Sexo masculino, n (%) 136 (48,2%) 298 (56,4%) 0.165 126 (50,4%) 126 (50,4%) 0.000
Género femenino, n (%) 146 (51,8%) 230 (43,6%) 0.165 124 (49,6%) 124 (49,6%) 0.000
Frecuencia cardíaca, mediana (IQR), lpm 84,0 (77,0–95,0) 85,0 (76,3–97,0) 0.103 84,0 (76,5–93,5) 83,0 (76,0–96,0) 0.048
Frecuencia respiratoria, mediana (IQR), lpm 20,0 (18,0–20,0) 20,0 (19,0–21,0) 0.180 20,0 (18,0–20,0) 20,0 (19,0–21,0) 0.008
PAS, mediana (RIC), mmHg 130,0 (120,0–142,0) 130,0 (120,0–142,0) 0.073 130,0 (120,0–142,0) 130,0 (120,0–142,0) 0.085
PAD, mediana (RIC), mmHg 80,0 (73,0–89,0) 80,0 (72,0–86,0) 0.074 80,0 (73,0–86,5) 80,0 (72,0–86,0) 0.025
Inicio de los síntomas a 13,0 (7,0–23,0) 10,0 (6,0–17,0) 0.261 12,0 (7,0–20,0) 10,0 (6,0–18,8) 0.177
ingreso, mediana (RIC), día
Fiebre, n (%) 182 (64,5%) 381 (72,2%) 0.164 166 (66,4%) 171 (68,4%) 0.043
Tos, n (%) 169 (59,9%) 350 (66,3%) 0.132 155 (62,0%) 153 (61,2%) 0.016
Comorbilidades al ingreso
Hipertensión, n (%) 156 (55,3%) 282 (53,4%) 0.038 136 (54,4%) 135 (54,0%) 0.008
Enfermedad hepática crónica, n (%) (1,8%) 18 10 (1,9%) 0.009 (1,6%) 18 (1,6%) 15 0.000
Enfermedades renales crónicas, n (%) 17 (6,0%) 17 (3,2%) 0.134 13 (5,2%) 9 (3,6%) 0.078
Lesión unilateral, n/N (%) 25/266 (9,4%) 22/468 (4,7%) 0.184 19/239 (8,0%) 18/212 (8,5%) 0.020
Lesiones bilaterales, n/N (%) 230/266 (86,5%) 425/468 (90,8%) 0.137 210/239 (87,9%) 184/212 (86,8%) 0.032
Recuento de leucocitos > 17/272 (6,3%) 61/500 (12,2%) 0.207 15/242 (6,2%) 18/231 (7,8%) 0.063
9.5, 10^9/L, n/N (%)
Recuento de neutrófilos > 29/272 (10,7%) 97/500 (19,4%) 0.246 28/242 (11,6%) 24/231 (10,4%) 0.038
6.3, 10^9/L, n/N (%)
Recuento de linfocitos < 83/272 (30,5%) 248/500 (49,6%) 0.397 81/242 (33,5%) 85/231 (36,8%) 0.070
1.1, 10^9/L, n/N (%)
Proteína C-reactiva 103/217 (47,5%) 209/351 (59,5%) 0.244 97/195 (49,7%) 78/166 (47,0%) 0.055
aumento > LSN, n/N (%)
Nivel de procalcitonina 51/211 (24,2%) 143/409 (35,0%) 0.238 48/188 (25,5%) 40/180 (22,2%) 0.078
aumento > LSN, n/N (%)
Aumento de ALT > 31/266 (11,7%) 80/476 (16,8%) 0.148 27/235 (11,5%) 22/219 (10,1%) 0.047
40 U/L, n/N (%)
todos
[21.0–24.9], respectivamente).
Otras manifestaciones clínicas, incluida la tomografía computarizada de tórax
y las incidencias de comorbilidades mayores, fueron similares entre los dos
grupos al ingreso. Aun así, los pacientes
con COVID-19 y T2D con BG bien controlada adquirida
tratamientos significativamente menos integrados que aquellos con pobre
glucemia controlada. Hubo una frecuencia significativamente menor de
tratamiento farmacológico en el grupo de BG bien controlado
versus el grupo mal controlado, incluido el uso de antivirales (62,8% versus
71,2%), antibióticos (53,2% versus
Emparejado
(1:1) (12,8%)
30/235 20/237
(8,4%) (39,9%)
83/208 (15,3%)
36/235 26/182
(14,3
(1,9–
3,0)
%)
2,4 (5.2–
7.4)
6.4
controlado
250)
Bien
(n
=
66,5 %), antifúngicos (0,4 % frente a 2,8 %), corticoides sistémicos (20,2 %
frente a 34,9 %), inmunoglobina (15,3 %
0.251 0.201 0.362 0.012 0.267 1.312
frente al 26,5 %) y fármacos vasoactivos (2,5 % frente al 8,9 %).
Las incidencias de inhalación de oxígeno (70,2% frente a 83,5%),
0.043
En correlación con niveles persistentemente más bajos de glucosa en sangre, el control bien controlado
todos
Tabla 2. Manejo hospitalario de pacientes con COVID-19 en el grupo de BG bien controlado o mal controlado
Gestión Total (N = 810) Bien controlado (n = 282) Mal controlado (n = 528) Valor pb
Medicina tradicional china (%) 650 (80,3%) 235 (83,3%) 415 (78,6%) 0.129
Medicamento antiviral, n (%) 553 (68,3%) 177 (62,8%) 376 (71,2%) 0.017
Fármaco antibiótico, n (%) 501 (61,9%) 150 (53,2%) 351 (66,5%) <0.001
Fármaco antihipertensivo, n (%) 380 (46,9%) 128 (45,4%) 252 (47,7%) 0.575
Inhalación de oxígeno, n (%) 639 (78,9%) 198 (70,2%) 441 (83,5%) <0.001
p = 0,003) entre el grupo de BG bien controlado y mal con la asociación entre los niveles de GS y la mortalidad por todas las causas.
grupo BG controlado (Tabla S6). Debido a la falta de indicadores fiables de la gravedad de la DT2,
Se realizó además un análisis de puntaje de propensión (PSM) para evitar incluyeron específicamente comorbilidades relacionadas con la diabetes tipo 2 para emparejar
variables de confusión que podrían haber interferido ya que las comorbilidades están estrechamente relacionadas con la gravedad de la DT2.
mi F
6 1.2
1.0
Grupos
4
0.8 mal controlado
2 0.6 Bien controlado
15 10 15 20 25 28 1 5 10 15 20 25 28
Días después del ingreso Días después del ingreso
todos
100 encontramos que, en comparación con las personas con glucosa en sangre bien
Bien controlado controlada, el control glucémico deficiente en pacientes con COVID-19 y DT2
preexistente se asoció con un peor resultado, lo que implica una mayor
95
necesidad de intervenciones médicas, lesiones multiorgánicas y mortalidades
mal controlado
más altas. En contraste con tales pacientes, en aquellos con una variabilidad
90 glucémica entre 3,9 y 10,0 mmol/L hubo una asociación significativa con
intervenciones médicas reducidas, lesiones de órganos importantes y mortalidad
por todas las causas. Los hallazgos aquí brindan evidencia directa que respalda
85
HR ajustado, 0,14 (IC del 95 %, 0,03 - 0,60) las sugerencias recientes para el manejo clínico de T2D durante COVID-19
P = 0,008 (Bornstein et al., 2020).
80
0 4 8 12 16 20 24 28 Conclusiones
Tiempo (días)
nº en riesgo En conclusión, la diabetes tipo 2 es un factor de riesgo importante para la
Bien controlado 250 249 242 241 232 228 223 222 progresión de la COVID-19 y los criterios de valoración adversos, y la glucosa
Mal controlado 250 248 240 239 223 217 214 211 en sangre bien controlada, que mantiene la variabilidad glucémica entre 3,9 y
10,0 mmol/L, se asocia con una reducción significativa de los resultados
Figura 3. Curvas de supervivencia de pacientes con GS bien controlada o GS mal adversos compuestos y muerte. Estos hallazgos brindan información crítica
controlada en el modelo PSM Curvas de Kaplan-Meier para la probabilidad sobre las características clínicas de los pacientes con COVID-19 y DT2
acumulada de mortalidad por COVID-19 durante los 28 días de seguimiento en la preexistente y las posibles vías para mejorar los resultados de su enfermedad.
GS bien controlada (azul) o cohorte de BG (naranja) mal controlada entre 500
pacientes con DT2 en el modelo PSM.
Los puntos en la curva indican la censura de casos durante 28 días de seguimiento.
Limitaciones del estudio
Debido a la naturaleza retrospectiva del estudio y la escala sin precedentes de
Estas comorbilidades incluían hipertensión, enfermedad cardiovascular, la pandemia de COVID-19, este estudio tiene varias limitaciones. En primer
enfermedad cerebrovascular, enfermedad hepática crónica y lesión renal lugar, todos los datos se obtuvieron de cohortes de pacientes ingresados en los
crónica. Pudimos emparejar 250 pacientes del grupo de BG bien controlada con 19 hospitales de la provincia de Hubei, China. Por lo tanto, el efecto del control
250 pacientes del grupo de BG mal controlada en una proporción de 1:1, y estas de la GS puede ser diferente entre pacientes con COVID-19 y DT2 preexistente
500 personas se incluyeron en el análisis de PSM (Figura 1). Al aplicar el modelo en el ámbito ambulatorio o en poblaciones étnica o geográficamente diversas.
de Cox de efectos mixtos utilizando el sitio del hospital como un efecto aleatorio En segundo lugar, no pudimos recuperar el estado prehospitalario de DT2 de la
y ajustando las duraciones desequilibradas desde el inicio de los síntomas hasta cohorte actual debido a la circunstancia urgente de la pandemia de COVID-19.
la admisión, los resultados demostraron de manera consistente y significativa un El estado de la DT2 prehospitalaria podría estar significativamente asociado con
menor riesgo de mortalidad por todas las causas en los pacientes con BG bien numerosos parámetros clínicos, que son factores de riesgo independientes
controlada. (HR ajustado, 0,14; IC 95 %, 0,03–0,60; p = 0,008) en comparación conocidos para los malos resultados de COVID-19, incluidas las anomalías
con los del grupo de BG mal controlada (Figura 3; Tablas 3 y S7), aunque se cardiovasculares y la disfunción inmunológica. Si bien realizamos un análisis de
aplicó un tratamiento integrado más fuerte a la BG mal controlada grupo (Tabla PSM para respaldar la asociación independiente de DT2 con la patología de
S8). La solidez de la asociación entre la variabilidad glucémica y la mortalidad COVID-19, la influencia de estos cofundadores no se puede excluir por completo.
se evaluó aún más con análisis de sensibilidad adicionales mediante el uso de Además, dada esta falta de datos prehospitalarios, no nos fue posible acceder
diferentes variables coincidentes. si los niveles de glucosa en sangre cambiaron como resultado de la progresión
y/o la gravedad de la COVID-19. En tercer lugar, el número de pacientes con
diabetes tipo 2 y glucosa en sangre bien controlada en este estudio fue modesto
Los resultados en estos análisis de sensibilidad fueron similares al análisis y es posible que no tenga el poder estadístico suficiente para reflejar la
anterior con HR de 0,17 (IC 95 %, 0,05–0,61; p = 0,006) en el primer análisis de complejidad general de la población general. Por lo tanto, se requerirán estudios
sensibilidad y de 0,16 (IC 95 %, 0,05–0,58; p = 0,005) en el segundo análisis de cohortes prospectivos a gran escala en cohortes étnica y geográficamente
(Tabla S9). En el análisis de PSM, los respectivos CRI ajustados de ARDS, diversas para comprender mejor la asociación y la importancia del control de BG
lesión cardíaca aguda y lesión renal aguda fueron 0,47 (IC 95 %, 0,27–0,83, p = en la progresión de la enfermedad de COVID-19. En cuarto lugar, dada la
0,009), 0,24 (IC 95 %, 0,08–0,71, p = 0,010) , y 0,12 (IC del 95 %, 0,01– 0,96, p naturaleza retrospectiva del estudio, no nos fue posible determinar si el control
= 0,046) entre el grupo de BG bien controlado y el grupo de BG mal controlado activo de los niveles de glucosa en sangre a un rango más normal podría mejorar
(Tabla 3). la gravedad de la COVID-19 o los resultados adversos. Finalmente, las personas
con diabetes tipo 1 se excluyeron de nuestro análisis porque había muy pocas
Se ha demostrado que la variabilidad glucémica es un indicador importante y en la cohorte inicial, pero es posible que el control de la glucosa en sangre
un posible predictor de riesgo de muerte y otras complicaciones en personas también pueda afectar sus resultados durante la COVID-19.
con DT2 (Forbes et al., 2018). El impacto de la hiperglucemia en la patogenia
de las enfermedades respiratorias inducidas por virus sigue sin estar claro. Se
ha informado que un nivel elevado de glucosa en sangre aumenta la
concentración de glucosa en la secreción epitelial de las vías respiratorias
(Philips et al., 2003), lo que puede alterar la capacidad defensiva de los epitelios ESTRELLA+MÉTODOS
de las vías respiratorias. Por otro lado, un control demasiado rígido de la glucosa
aumenta el riesgo de hipoglucemia grave, lo que también puede resultar en un Los métodos detallados se proporcionan en la versión en línea de este
aumento de la mortalidad (Rodriguez-Gutierrez et al., 2019). En este estudio, documento e incluyen lo siguiente:
todos
Tabla 3. Razones de riesgo para los resultados en cohortes de BG bien controladas y mal controladas según el modelo ajustado de Cox y la propensión
Modelo de coincidencia de puntuación
mal controlado HR (95% IC) p valorado HR (95% IC) p valorado HR (95% IC) p valorado
Mortalidad por cualquier causa 0.09 (0.03,0.30) <0.001 0,13 (0,04,0,44) <0.001 0,14 (0,03, 0,60) 0.008
– – – – – –
Shock séptico
SDRA 0,31 (0,19,0,50) <0.001 0,41 (0,25,0,66) <0.001 0,47 (0,27,0,83) 0.009
DIC – – – – – –
Lesión renal aguda 0,19 (0,04,0,80) 0.024 0,22 (0,05,1,03) 0.055 0,12 (0,01,0,96) 0.046
Lesión cardíaca aguda 0,14 (0,05,0,39) <0.001 0,21 (0,07,0,59) 0.003 0,24 (0,08,0,71) 0.010
d DISPONIBILIDAD DE RECURSOS
Los autores declaran no tener conflictos de intereses.
Contacto principal B
B Disponibilidad de materiales Recibido: 20 de abril de 2020
B Disponibilidad de datos y códigos Revisado: 26 de abril de 2020
d DETALLES DEL MÉTODO Aceptado: 28 de abril de 2020
B Recopilación de datos
B Definición REFERENCIAS
B Análisis emparejado por puntaje de propensión
B Análisis de sensibilidad Alqahtani, FY, Aleanizy, FS, Ali El Hadi Mohamed, R., Alanazi, MS,
d CUANTIFICACIÓN Y ANÁLISIS ESTADÍSTICO Mohamed, N., Alrasheed, MM, Abanmy, N. y Alhawassi, T. (2018).
Prevalencia de comorbilidades en casos de coronavirus del síndrome respiratorio de Oriente
Medio: un estudio retrospectivo. Epidemiol. Infectar. 147, e35.
INFORMACIÓN SUPLEMENTARIA
Stand, CM, Matukas, LM, Tomlinson, GA, Rachlis, AR, Rose, DB,
Puede encontrar información complementaria en línea en https://doi.org/10.1016/j. Dwosh, HA, Walmsley, SL, Mazzulli, T., Avendano, M., Derkach, P., et al.
cmet.2020.04.021. (2003). Características clínicas y resultados a corto plazo de 144 pacientes con SARS
en el área metropolitana de Toronto. JAMA 289, 2801–2809.
EXPRESIONES DE GRATITUD Bornstein, SR, Rubino, F., Khunti, K., Mingrone, G., Hopkins, D., Birkenfeld,
AL, Boehm, B., Amiel, S., Holt, RI, Skyler, JS, et al. (2020). Recomendaciones prácticas para el
Este trabajo fue apoyado por subvenciones del Programa Nacional de I + D clave de manejo de la diabetes en pacientes con COVID-19.
China (2016YFF0101504 a Z.-GS), la Fundación Nacional de Ciencias Naturales Lancet Diabetes Endocrinol. Publicado en línea el 23 de abril de 2020. https://doi.org/
de China (81630011 a Haomiao Li, 81970364 a Z.-GS, 81970070 a X.-JZ, 10.1016/S2213-8587(20)30152-2.
81970011 a PZ y 81870171 a JC), el Plan Principal de Investigación de la Fundación Nacional
Candido, R., Jandeleit-Dahm, KA, Cao, Z., Nesteroff, SP, Burns, WC,
de Ciencias Naturales de China (91639304 a Haomiao Li), el Proyecto de Apoyo a la Ciencia y
Twigg, SM, Dilley, RJ, Cooper, ME y Allen, TJ (2002). Prevención de
la Tecnología de Hubei (2019BFC582, 2018BEC473,
aterosclerosis acelerada por la inhibición de la enzima convertidora de angiotensina en
y 2017BEC001 a Haomiao Li) y Plan de vuelo médico de la Universidad de Wuhan.
ratones diabéticos deficientes en apolipoproteína E. Circulación 106, 246–253.
CONTRIBUCIONES DE AUTOR Chen, N., Zhou, M., Dong, X., Qu, J., Gong, F., Han, Y., Qiu, Y., Wang, J., Liu,
Y., Wei, Y., et al. (2020). Características epidemiológicas y clínicas de 99
LZ, Z.-GS, X. Cheng y J.-JQ diseñaron un estudio, recopilaron y analizaron casos de neumonía por el nuevo coronavirus de 2019 en Wuhan, China: una descripción
datos y escribió el manuscrito. HW, WW, PZ, XS, Chaozheng Zhang, LB, estudiar. Lanceta 395, 507–513.
DX, M.-MC, YL, Y. Yan, ML, WM, JZ, LL, GC, PL, BX, ZZ, ZL,
Sociedad China de Diabetes (2018). Directrices para la prevención y el control de
JW, Haomiao Li, XX, DW, XL, GP, PY, JY e Y. Yuan recopilaron
diabetes tipo 2 en China (Edición 2017). Zhongguo Shiyong Neike Zazhi 38, 53.
y datos clínicos, de laboratorio y radiológicos revisados. FL y Haomiao Li realizaron un análisis
Deng, SQ y Peng, HJ (2020). Características y respuestas de salud pública al brote de
estadístico. JX, X. Cheng y MX revisaron, interpretaron y
enfermedad por coronavirus 2019 en China. J. Clin. Medicina.
datos clínicos comprobados. X.-JZ y JC escribieron el manuscrito y proporcionaron
9, E575.
valiosas sugerencias para el diseño del estudio y el análisis de datos. XH, JG, B-HZ,
y Hongliang Li contribuyeron igualmente, diseñaron el proyecto, editaron el manuscrito, Forbes, A., Murrells, T., Mulnier, H. y Sinclair, AJ (2018). HbA1c media ,
y supervisó el estudio. Todos los autores han aprobado la versión final de Variabilidad de HbA1c y mortalidad en personas con diabetes de 70 años y
este papel. mayor: un estudio de cohorte retrospectivo. Lancet Diabetes Endocrinol. 6, 476–486.
todos
Fuso, L., Pitocco, D. y Antonelli-Incalzi, R. (2019). Pulmón diabético, una complicación infravalorada Rodriguez-Gutierrez, R., Gonzalez-Gonzalez, JG, Zun˜ iga-Hernandez, JA, and McCoy, RG (2019).
desde patrón funcional restrictivo hasta hipertensión pulmonar. Diabetes Metab. Res. Rev. 35, Beneficios y daños del control glucémico intensivo en pacientes con diabetes tipo 2. BMJ 367, 15887.
e3159.
Gando, S., Wada, H. y Thachil, J.; Comité Científico y de Normalización sobre CID de la Sociedad Sekhon, JS (2011). Software de coincidencia de puntuación de propensión y multivariante con
Internacional de Trombosis y Hemostasia (ISTH) (2013). Diferenciar la coagulación intravascular optimización de saldo automatizada: el paquete de coincidencia para RJ Stat. suave 42, https://
diseminada (CID) con el fenotipo fibrinolítico de la coagulopatía del trauma y la coagulopatía aguda doi.org/10.18637/jss.v042.i07.
del trauma-shock (COT/ACOTS). J. Trombo. Hemost. 11, 826–835.
Therneau, TM y Pankratz, PMGS (2003). Modelos de supervivencia penalizados y fragilidad. J.
Cómputo. Grafico. Estadística 12, 156–175.
Van den Berghe, G., Wilmer, A., Hermans, G., Meersseman, W., Wouters, PJ, Milants, I., Van
Guan, WJ, Ni, ZY, Hu, Y., Liang, WH, Ou, CQ, He, JX, Liu, L., Shan, H., Lei, CL, Hui, DSC, et al.;
Wijngaerden, E., Bobbaers, H. y Bouillon, R. (2006) .
Grupo de expertos en tratamiento médico de China para Covid 19 (2020). Características clínicas
Terapia intensiva de insulina en la UCI médica. N. ingl. J.Med. 354, 449–461.
de la enfermedad por coronavirus 2019 en China.
N. ingl. J.Med. Publicado en línea el 28 de febrero de 2020. https://doi.org/10. VanderWeele, TJ y Ding, P. (2017). Análisis de sensibilidad en la investigación observacional:
1056/NEJMoa2002032. introducción del valor E. Ana. Interno. Medicina. 167, 268–274.
Haneuse, S., VanderWeele, TJ y Arterburn, D. (2019). Uso del valor E para evaluar el efecto potencial Waljee, AK, Mukherjee, A., Singal, AG, Zhang, Y., Warren, J., Balis, U., Marrero, J., Zhu, J. y Higgins,
de la confusión no medida en estudios observacionales. JAMA 321, 602–603. PD (2013). Comparación de métodos de imputación de datos de laboratorio faltantes en medicina.
BMJ Abierto 3, e002847.
Ho, DE, Imai, K., King, G. y Stuart, EA (2007). Emparejamiento como preprocesamiento no Wang, L., Gao, P., Zhang, M., Huang, Z., Zhang, D., Deng, Q., Li, Y., Zhao, Z., Qin, X., Jin, D., et al.
paramétrico para reducir la dependencia del modelo en la inferencia causal paramétrica. (2017). Prevalencia y patrón étnico de diabetes y prediabetes en China en 2013. JAMA 317, 2515–
Polit. Anal. 15, 199–236. 2523.
€
Hoffmann, M., Kleine-Weber, H., Schroeder, S., Kruger, N., Herrler, T., Erichsen, S., Schiergens, TS,
Wang, D., Hu, B., Hu, C., Zhu, F., Liu, X., Zhang, J., Wang, B., Xiang, H., Cheng, Z., Xiong, Y., et al.
Herrler, G., Wu, NH, Nitsche, A., et al.
(2020). Características clínicas de 138 pacientes hospitalizados con neumonía infectada por el nuevo
(2020). La entrada de células SARS-CoV-2 depende de ACE2 y TMPRSS2 y está bloqueada por un
coronavirus de 2019 en Wuhan, China. JAMA.
inhibidor de proteasa clínicamente probado. Celda 181, 271–280.e8.
Publicado en línea el 7 de febrero de 2020. https://doi.org/10.1001/jama.2020.1585.
Huang, C., Wang, Y., Li, X., Ren, L., Zhao, J., Hu, Y., Zhang, L., Fan, G., Xu, J., Gu, X., et al. (2020).
Organización Mundial de la Salud (2020). Pruebas de laboratorio para el nuevo coronavirus de
Características clínicas de pacientes infectados con el nuevo coronavirus 2019 en Wuhan, China.
2019 (2019-nCoV) en casos humanos sospechosos: orientación provisional (Organización Mundial
Lanceta 395, 497–506.
de la Salud).
Kellum, JA, Lameire, N., Aspelin, P., Barsoum, RS, Burdmann, EA, Goldstein, SL, Herzog, CA,
Wu, Z. y McGoogan, JM (2020). Características y lecciones importantes del brote de la enfermedad
Joannidis, M., Kribben, A., Levey, AS, et al.
por coronavirus 2019 (COVID-19) en China: resumen de un informe de 72 314 casos del Centro
(2012). Enfermedad renal: mejora de los resultados globales (KDIGO) grupo de trabajo de lesión
Chino para el Control y la Prevención de Enfermedades. JAMA. Publicado en línea el 24 de febrero
renal aguda. Guía de práctica clínica KDIGO para la lesión renal aguda.
de 2020. https://doi.org/10. 1001/jama.2020.2648.
Riñón Int. Suplemento 2, 1–138.
Kuba, K., Imai, Y., Rao, S., Gao, H., Guo, F., Guan, B., Huan, Y., Yang, P., Zhang, Y., Deng, W., et
al. (2005). Un papel crucial de la enzima convertidora de angiotensina 2 (ACE2) en la lesión pulmonar Xu, M., Liu, PP y Li, H. (2019). Señalización inmune innata y su papel en enfermedades metabólicas
inducida por el coronavirus del SARS. Nat. Medicina. 11, 875–879. y cardiovasculares. Fisiol. Rev. 99, 893–948.
Yang, JK, Feng, Y., Yuan, MY, Yuan, SY, Fu, HJ, Wu, BY, Sun, GZ, Yang, GR, Zhang, XL, Wang,
Kulcsar, KA, Coleman, CM, Beck, SE y Frieman, MB (2019). La diabetes comórbida da como L., et al. (2006). Los niveles de glucosa en plasma y la diabetes son predictores independientes de
resultado una desregulación inmunitaria y una mayor gravedad de la enfermedad después de la mortalidad y morbilidad en pacientes con SARS. diabetes. Medicina. 23, 623–628.
infección por MERS-CoV. JCI Insight 4, 131774.
Kumar Nathella, P. y Babu, S. (2017). Influencia de la diabetes mellitus en la inmunidad a la Zhang, JJ, Dong, X., Cao, YY, Yuan, YD, Yang, YB, Yan, YQ, Akdis, CA y Gao, YD (2020a).
tuberculosis humana. Inmunología 152, 13–24. Características clínicas de 140 pacientes infectados con SARS-CoV-2 en Wuhan, China. Alergia.
Lu, R., Zhao, X., Li, J., Niu, P., Yang, B., Wu, H., Wang, W., Song, H., Huang, B., Zhu, N., et al. Publicado en línea el 19 de febrero de 2020. https://doi.org/10.1111/all.14238.
Mathur, MB, Ding, P., Riddell, CA y VanderWeele, TJ (2018). Sitio web y paquete R para calcular Zhou, F., Yu, T., Du, R., Fan, G., Liu, Y., Liu, Z., Xiang, J., Wang, Y., Song, B., Gu, X., et al. (2020).
valores E. Epidemiología 29, e45–e47. Curso clínico y factores de riesgo de mortalidad de pacientes adultos hospitalizados con COVID-19
Comisión Nacional de Salud de China (2020). Nuevo Programa de Prevención y Control de la en Wuhan, China: un estudio de cohorte retrospectivo. Lanceta 395, 1054–1062.
Zhu, N., Zhang, D., Wang, W., Li, X., Yang, B., Song, J., Zhao, X., Huang, B., Shi, W., Lu, R., et al.;
Philips, BJ, Meguer, JX, Redman, J. y Baker, EH (2003). Factores que determinan la aparición de Equipo de investigación e investigación del nuevo coronavirus de China (2020). Un nuevo coronavirus
glucosa en las secreciones del tracto respiratorio superior e inferior. Medicina de Cuidados de pacientes con neumonía en China, 2019. N. Engl. J.Med. 382, 727–733.
Intensivos 29, 2204–2210.
todos
ESTRELLA+MÉTODOS
Software y Algoritmos
R-3.6.3 Fundación R para la Computación Estadística https://www.r-project.org/
DISPONIBILIDAD DE RECURSOS
Contacto principal
La información adicional y las solicitudes de recursos y reactivos deben dirigirse al contacto principal, Hongliang Li (lihl@whu.edu.cn).
Disponibilidad de materiales
El estudio no generó nuevos reactivos o materiales.
todos
Recopilación de datos
Los registros médicos de los pacientes fueron analizados por un equipo de investigación integrado, incluidos médicos, científicos de datos y estadísticos. Después del
proceso de desidentificación mediante la eliminación de la información personal (por ejemplo, nombre y DNI) de los participantes y la designación mediante un sistema
de codificación, se registraron la información básica, los registros epidemiológicos, las manifestaciones clínicas, los hallazgos de laboratorio, las características
radiográficas de la TC, los tratamientos y los resultados durante la hospitalización. . Se recogieron los principales síntomas clínicos (es decir, fiebre, tos, fatiga, disnea
y comorbilidades). Los hallazgos de laboratorio incluyeron análisis de sangre de rutina, glucosa en sangre (GS) en ayunas y GS posprandial de 2 h (2 hPG), proteína
C reactiva (PCR), procalcitonina, dímero D e indicadores séricos de lesión hepática, lesión renal y disfunción cardíaca. . Un equipo médico experimentado revisó,
interpretó y verificó dos veces todos los datos para garantizar la precisión.
Definición
La fecha de inicio de la enfermedad se definió como el día en que se notó el primer síntoma de COVID-19. Los casos graves se definieron según si los pacientes
tenían indicación de frecuencia respiratoria > 30 respiraciones/min, o SpO2 % 93 % en aire ambiente, o PaO2/FiO2 % 300 mmHg. El estado de DT2 se designó en
función del historial médico del paciente y las pautas para la prevención y el control de DT2 en China (2017) (Sociedad China de Diabetes, 2018). El momento y la
frecuencia de obtención de la glucemia en ayunas y posprandial de 2 h (2 hPG) variaron entre los individuos, dependiendo de la necesidad relacionada con la gravedad
de la DT2 comórbida. En consecuencia, el estado de DM2 grave obtuvo controles de glucosa en sangre más frecuentes. La variabilidad glucémica se definió como el
rango entre el nivel más bajo de GS en ayunas (FBG) y 2 hPG durante el período de observación. La GS bien controlada se definió cuando la variabilidad glucémica
varió de 3,9 a 10,0 mmol/L, ya que el rango normal de GS en ayunas es de 3,9 a 6,1 mmol/L y el nivel objetivo de 2 hPG en el manejo de la DM es inferior a 10 mmol/
L de acuerdo con la guía para la prevención y el control de la DT2 en China (2017) (Sociedad China de Diabetes, 2018). La GS mal controlada se definió cuando la GS
en ayunas más baja fue superior o igual a 3,9 mmol/L y el nivel más alto de 2 hPG superó los 10,0 mmol/L durante la ventana de observación.
Se diagnosticó hipertensión cuando la presión arterial sistólica es igual o superior a 140 mm Hg y/o la presión arterial diastólica es igual o superior a 90 mm Hg. El
ARDS y el shock séptico se definieron siguiendo la guía provisional de la OMS para el "manejo clínico de la infección respiratoria aguda grave cuando se sospecha
una infección por el nuevo coronavirus (2019-nCoV)". La lesión cardíaca se definió cuando el nivel sérico de biomarcadores de lesión cardíaca (troponina cardíaca I
[cTNI], troponina T cardíaca [cTNT] o troponina cardíaca de alta sensibilidad I [hs-cTNI]] fueron más altos que el límite superior de la normalidad (ULN). La lesión
hepática aguda se definió cuando un nivel agudamente elevado de alanina aminotransferasa sérica (ALT) y fosfatasa alcalina sérica (ALP) del límite superior de la
normalidad (LSN) (Marrone et al., 2017) .La lesión renal aguda se indicó por el valor del nivel de creatinina sérica cuando alcanzó o superó los 26,5 mmmol/L dentro
de las 48 h (Kellum et al., 2012) .La coagulación intravascular diseminada (CID) se diagnosticó de acuerdo con los criterios publicados por la International Society on
Thrombosis and Hemostasis (ISTH) (Gando et al ., 2013). el estudio w como muerte por todas las causas a los 28 días en pacientes con COVID-19. Los criterios de
valoración secundarios fueron la aparición de ARDS, shock séptico, lesión cardíaca aguda, lesión renal aguda o CID.
Logística(P) = Ln[P/(1-P)] = b0 + b1X1 + b2X2 + .+ bkXk p = e(b0 + b1X1 + b2X2 + .+ bkXk)/1+e(b0 + b1X1 + b2X2 + .+ bkXk). La P en esta fórmula es la probabilidad
predicha del procedimiento de control de glucosa, y el valor beta antes de cada variable es el coeficiente de regresión de esa variable.
Las variables que potencialmente confunden la asociación entre BG y los resultados de COVID-19 se abordaron utilizando el método PSM. Al evaluar la asociación
del nivel de control de glucosa y los resultados, las cohortes de PSM se identificaron equilibrando edad, género, fiebre, tos, disnea, lesiones pulmonares diagnosticadas
por TC, SpO2, frecuencia respiratoria, incidencia de aumento del recuento de leucocitos, ALT, AST, D -dímero, creatinina, PCR, procalcitonina y disminución del
recuento de linfocitos, así como comorbilidades (hipertensión arterial, enfermedad arterial coronaria, enfermedad cerebrovascular, enfermedades hepáticas crónicas y
enfermedad renal crónica). La puntuación de propensión, una probabilidad predicha de cambio de glucosa aportada por las variables anteriores, se estimó en base a
un modelo de regresión logística multivariable. La relación de coincidencia fue de 1:1 para la GS bien controlada frente a la GS mal controlada durante toda la
hospitalización. Se aplicó el pareamiento exacto con un calibre de 0,05 para todos los pares de pareamiento según las puntuaciones de propensión. La evaluación del
equilibrio entre las covariables se realizó estimando las diferencias estandarizadas antes y después del emparejamiento. Solo aquellos con un valor absoluto pequeño
inferior a 0,1 se consideraron equilibrados calificados.
Análisis de sensibilidad
La solidez de la asociación entre el nivel de GS y la mortalidad por todas las causas se evaluó analizando el valor E en el efecto mixto.
Modelo de riesgos proporcionales de Cox para abordar factores de confusión no medidos utilizando la metodología de VanderWeele y Ding
todos
(Haneuse et al., 2019; Mathur et al., 2018; VanderWeele y Ding, 2017). Se realizaron dos análisis de sensibilidad para evaluar la solidez de los análisis de
cohortes emparejados por puntaje de propensión, entre todos los pares.
Todos los análisis estadísticos se realizaron con R-3.6.3 (R Foundation for Statistical Computing, Viena, Austria) y SPSS Statistics (versión 23.0, IBM, Armonk,
NY, EE. UU.). Los datos con variables continuas se presentaron como mediana y rango intercuartílico (RIC), y los datos con variables categóricas se
presentaron como tasas de frecuencia y porcentaje (%). La comparación entre 2 grupos se analizó mediante la prueba t de Student (normalmente distribuida)
o la prueba U de Mann-Whitney (no normalmente distribuida) para variables continuas.
La comparación de variables categóricas se analizó mediante la prueba exacta de Fisher o la prueba c2. Se realizó un modelo lineal generalizado (GLM) para
evaluar la correlación entre la mediana de glucosa en sangre y los factores relacionados con la infección viral o el control glucémico en pacientes con diabetes.
El riesgo de los criterios de valoración compuestos y el cociente de riesgos instantáneos (HR) correspondiente se analizaron mediante el modelo de riesgos
proporcionales de Cox y el modelo de Cox de efectos mixtos. Las tasas acumulativas de muerte se trazaron aplicando el método de Kaplan-Meier. Una
diferencia con un lado a inferior a 0,05 se consideró estadísticamente significativa.
Información suplementaria
Lihua Zhu, Zhi-Gang She, Xu Cheng, Juan-Juan Qin, Xiao-Jing Zhang, Jingjing Cai, Fang
Lei, Haitao Wang, Jing Xie, Wenxin Wang, Haomiao Li, Peng Zhang, Xiaohui Song, Xi
Chen, Mei Xiang, Chaozheng Zhang, Liangjie Bai, Da Xiang, Ming-Ming Chen, Yanqiong
Liu, Youqin Yan, Mingyu Liu, Weiming Mao, Jinjing Zou, Liming Liu, Guohua
Chen, Pengcheng Luo, Bing Xiao, Changjiang Zhang, Zixiong Zhang, Zhigang
Lu, Junhai Wang, Haofeng Lu, Xigang Xia, Daihong Wang, Xiaofeng Liao, pandilla
Peng, Ping Ye, Jun Yang, Yufeng Yuan, Xiaodong Huang, Jiao Guo, Bing-Hong
Zhang y Hongliang Li
Machine Translated by Google
Información suplementaria
Lihua Zhu, Zhi-Gang She, Xu Cheng, Juan-Juan Qin, Xiao-Jing Zhang, Jingjing Cai, Fang Lei,
Haitao Wang, Jing Xie, Wenxin Wang, Haomiao Li, Peng Zhang, Xiaohui Song, Xi Chen, Mei
Xiang, Chaozheng Zhang, Liangjie Bai, Da Xiang, Ming-Ming Chen, Yanqiong Liu, Youqin
Yan, Mingyu Liu, Weiming Mao, Jinjing Zou, Liming Liu, Guohua Chen, Pengcheng Luo, Bing
Xiao, Changjiang Zhang, Zixiong Zhang, Zhigang Lu, Junhai Wang, Haofeng Lu, Xigang Xia,
Daihong Wang, Xiaofeng Liao, Gang Peng, Ping Ye, Jun Yang, Yufeng Yuan, Xiaodong Huang,
Jiao Guo, Bing-Hong Zhang y Hongliang Li
1
Machine Translated by Google
Cifras suplementarias:
Figura S1. Dinámica de BG, recuento de linfocitos, recuento de neutrófilos, IL-6, CRP y LDH en T2D
(A)–(F) Trayectorias dinámicas de glucosa en sangre, linfocitos, neutrófilos y nivel relativo de IL-6,
PCR, LDH durante el seguimiento de 28 días con un intervalo de confianza del 95 % representado por sombreado
regiones. Comparación entre pacientes con DT2 (azul) versus pacientes sin DT2 (naranja).
(G) Coeficientes de factores relacionados con la infección viral o el control de la glucosa que afectan la mediana de la sangre
glucosa basada en un modelo lineal generalizado. Edad, frecuencia respiratoria, hipertensión, CC, linfocitos
aumento de la proteína CRP, hs-cTnI y SpO2 <90% se asociaron positivamente con la mediana de sangre
glucosa.
2
Machine Translated by Google
Figura S2. Curvas de Kaplan-Meier para la probabilidad acumulada de mortalidad por COVID-19 durante 28 días
duración del seguimiento en cohortes de DT2 y no DT2. Las señales indican censura.
3
Machine Translated by Google
Características clínicas
Aumento AST > 40 U/L, n/N (%) 1019/6047(16,9%) 145/827(17,5%) 874/5220 (16,7 %) 0.607
Creatinina>ULNa , n/n (%) n/ 373/6225(6,0%) 103/860(12,0%)
1944/5437(35,8%) 270/5365 (5,0 %) <0.001
Dímero D > ULNa , n (%) 390 /772(50,5%) 983/6169(15,9%) 1554/4665 (33,3 %) <0.001
K+ < 3,5 mmol/L, n/N (%) 133/852(15,6%) 2,4(2,0-3,0)
742/5326(13,9%)
2,4(1,9-3,0) 850/5317 (16,0 %) 0.820
Abreviaturas: PAS, presión arterial sistólica; PAD, presión arterial diastólica; EPOC, enfermedad pulmonar obstructiva crónica; ALT,
alanina transaminasa; AST, aspartato transaminasa; IQR, rango intercuartílico. a, se definió el límite superior de la normalidad (LSN)
según criterios de cada hospital.
b, El valor de P se calculó mediante la prueba U de Mann-Whitney para variables continuas entre dos grupos, prueba exacta de Fisher
o prueba de ÿ2 para variables categóricas.
4
Machine Translated by Google
Tabla S2. Manejo hospitalario de pacientes con COVID-19 con o sin DT2 al ingreso
Tabla S3. Incidencia de resultados primarios y secundarios en grupos con y sin diabetes tipo 2
Mortalidad por todas las causas, n (%) 248(3,4%) 74(7,8%) 174(2,7%) <0.001
Abreviaturas: SDRA, síndrome de dificultad respiratoria aguda; CID, coagulación intravascular diseminada.
5
Machine Translated by Google
Tabla S4. Cociente de riesgos instantáneos para el resultado primario y secundario en grupos con diabetes tipo 2 y sin diabetes tipo 2
DT2 vs no DT2 FC (95% IC) valor p FC (95% IC) valor pc FC (95% IC) valor pc
Mortalidad por cualquier causa 2,90(2,21,3,81) <0,001 1,70 (1,29, 2,24) <0.001 1,49 (1,13, 1,96) 0.005
Shock séptico 3,66(2,25,5,95) <0,001 2,43 (1,48, 3,99) <0.001 1,95 (1,18, 3,20) 0.009
SDRA 2,47(2,06,2,95) <0,001 1,71 (1,42, 2,06) <0.001 1,44 (1,20, 1,73) <0.001
DIC 2,58 (0,92, 7,23) 0.072 1,40 (0,49, 3,94) 0.529 1,28 (0,45, 3,64) 0.644
Daño renal agudo 5,11(3,33,7,83) <0,001 3.43(2.21,5.34) <0.001 3,01 (1,94, 4,68) <0.001
Lesión cardíaca aguda 2,47(1,87,3,25) <0,001 1,53 (1,16, 2,03) 0.003 1,32 (0,99, 1,74) 0.055
Abreviaturas: SDRA, síndrome de dificultad respiratoria aguda; CID, coagulación intravascular diseminada; HR, Razón de riesgo; IC,
Intervalo de confianza. a, Las variables ajustadas incluyeron edad y género, sedes hospitalarias (como efecto aleatorio).
b, Las variables ajustadas incluyeron edad, sexo, indicadores de gravedad de COVID-19, sedes hospitalarias (como efecto aleatorio).
Tabla S5. Incidencia de resultados primarios y secundarios de pacientes en el grupo de BG bien controlado o mal controlado.
Mortalidad por todas las causas, n (%) 61(7,5%) 3(1,1%) 58(11,0%) <0.001
Abreviaturas: SDRA, síndrome de dificultad respiratoria aguda; CID, coagulación intravascular diseminada.
6
Machine Translated by Google
Tabla S6. Cociente de riesgos instantáneos para los resultados primarios y secundarios de pacientes en el grupo de glucosa en
sangre bien controlado o mal controlado.
Mortalidad por cualquier causa 0,09(0,03,0,30) <0,001 0.10(0.03,0.32) <0.001 0.13(0.04,0.44) <0.001
- - - - - -
Shock séptico
DIC - - - - - -
Abreviaturas: SDRA, síndrome de dificultad respiratoria aguda; CID, coagulación intravascular diseminada; HR, Razón de riesgo; IC,
Intervalo de confianza.
a, Las variables ajustadas incluyeron edad y género y sedes hospitalarias (como efecto aleatorio).
b, Las variables ajustadas incluyeron edad, sexo, indicadores de gravedad de la COVID-19, comorbilidades (hipertensión arterial,
cardiopatía coronaria, enfermedades cerebrovasculares, hepatopatías crónicas y enfermedades renales crónicas) y sede hospitalaria
(como efecto aleatorio).
c, Los valores de P se calcularon en base al modelo de riesgos proporcionales de Cox.
Tabla S7. Incidencia de resultados primarios y secundarios de pacientes en el grupo de BG bien controlado o mal controlado
en el modelo PSM.
Resultados Total Bien controlado mal controlado
valor pa
(N=500) (n = 250) (n = 250)
Mortalidad por todas las causas, n (%) 17(3,4%) 2(0,8%) 15(6,0%) 0.003
Abreviaturas: SDRA, síndrome de dificultad respiratoria aguda; CID, coagulación intravascular diseminada.
7
Machine Translated by Google
Tabla S8. Manejo hospitalario de participantes con GS bien controlada o mal controlada después de PSM
8
Machine Translated by Google
Tabla S9. Análisis de sensibilidad para el resultado primario y secundario en grupos de BG bien controlados y mal controlados
por puntaje de propensión, edad, sexo, sitios hospitalarios, indicadores de la gravedad de COVID-19, comorbilidades (hipertensión, enfermedad
coronaria , enfermedad cerebrovascular y enfermedades renales crónicas) y la incidencia de aumento de la creatinina.
b, En los análisis de sensibilidad, modelo emparejado por puntaje de propensión, edad, género, sedes hospitalarias, indicadores de gravedad
de COVID-19, comorbilidades (hipertensión arterial, enfermedad coronaria, enfermedad cerebrovascular, EPOC, enfermedades hepáticas
crónicas y enfermedades renales crónicas), y la incidencia de aumento de la creatinina fueron emparejados.
c, Los valores de P se calcularon en base al modelo de riesgos proporcionales de Cox.