Resumen de La microbiota intestinal como factor predictivo asociado al desarrollo y remisión de la diabetes mellitus tipo 2 en pacientes con enfermedad coronaria: estudio cordioprev
1. Introducción o motivación de la tesis La prevalencia de la diabetes mellitus tipo 2 (DMT2) se ha incrementado en las últimas décadas suponiendo un grave problema de salud mundial (1). Ante esta situación, es crucial identificar los pacientes de alto riesgo, para evitar el desarrollo de la enfermedad, así como aquellos subgrupos a los que se pueden aplicar con éxito recomendaciones dietéticas para prevenir o remitir la diabetes, o bien, requieren otro tipo de tratamiento. Esto es especialmente importante en pacientes con enfermedad coronaria (CHD), pues la presencia simultánea de ambas enfermedades aumenta significativamente el riesgo de desarrollar un nuevo evento cardiovascular y, por tanto, un incremento en la mortalidad (2). En este sentido, el uso de técnicas computacionales automáticas para el reconocimiento de patrones a partir de un conjunto complejo de datos (en inglés, “machine learning”) son prometedoras y podrían ayudar a identificar nuevos factores asociados al riesgo o la remisión mejorando la predicción (3).
La evidencia científica actual sugiere que la microbiota intestinal podría influir en la fisiopatología de la DMT2, por su potencial impacto en la inflamación y metabolismo del huésped (4). Recientemente, alteraciones de la microbiota intestinal han sido identificadas no solo en pacientes con DMT2, cuya microbiota podría estar afectada por la medicación hipoglucemiante, sino también en los pacientes con DMT2 sin tratamiento y prediabetes, sugiriéndose la existencia de patrones específicos de microbiota asociados a la DMT2 (5). No obstante, se necesita una mayor evidencia sobre un posible papel causal o valor predictivo de la microbiota intestinal. En este sentido, sería de interés estudios prospectivos para la búsqueda de patrones microbianos que pudieran mejorar la predicción de la enfermedad (6). Es por ello, que en este trabajo se ha analizado la microbiota intestinal de los pacientes años antes del desarrollo de DMT2 abordando dicha investigación.
Por otra parte, hay una variación significativa en las respuestas interindividuales a las intervenciones dietéticas. La dieta es uno de los aspectos esenciales de las modificaciones en el estilo de vida recomendadas para el tratamiento y prevención de la DMT2, siendo esta una alternativa al tratamiento farmacológico, a menos que el nivel de hiperglucemia requiera un tratamiento médico inmediato (7). Por tanto, es importante descubrir perfiles clínicos y/o bilógicos que se asocien con la eficacia de las estrategias dietéticas, con los cuales se podrían identificar que individuos se beneficiaran en mayor medida de su consumo para prevenir o revertir la enfermedad. Además, la predicción de la respuesta específica a una dieta determinada permitiría realizar tratamientos nutricionales individualizados. La interacción entre dieta y microbiota intestinal como determinante del estado de salud cada vez está siendo más investigada (8). Recientemente, se ha sugerido que la respuesta metabólica a una intervención dietética por parte del organismo huésped está asociado con la composición de la microbiota intestinal (9). Por ello, la composición de la microbiota intestinal podría servir para predecir la capacidad de respuesta a las intervenciones dietéticas, lo que a su vez tendría una relevancia potencial en el campo de la nutrición personalizada.
Basándonos en estos antecedentes, nuestra hipótesis es que patrones específicos de microbiota intestinal podrían ayudar a identificar aquellos pacientes que se beneficiarían de intervenciones dietéticas saludables experimentando una remisión de la DMT2, así como alteraciones de la microbiota intestinal podrían preceder al desarrollo de diabetes y potencialmente mejorar la predicción del riesgo de desarrollo de DMT2. Adicionalmente, podría determinar el riesgo específico de DMT2 asociado al consumo de distintas dietas.
2. Contenido de la investigación Objetivo principal. Evaluar el potencial de la composición de la microbiota intestinal como factor predictivo asociado al desarrollo y la remisión de la DMT2 con el consumo de dos modelos dietas saludables (la dieta baja en grasa (LF) y la dieta Mediterránea (Med)), así como perfiles de riesgo específicos para cada una de las dietas, en pacientes con CHD del estudio CORDIOPREV.
Objetivos específicos: 1. Evaluar si la composición de la microbiota intestinal, combinada con las variables clásicas asociadas al riesgo de DMT2, puede mejorar la predicción de la remisión de la DMT2 inducida por el consumo de dos dietas saludables, LF o Med, en pacientes con DMT2 de reciente diagnóstico y CHD del estudio CORDIOPREV.
2. Estudiar si la composición de la microbiota intestinal, combinada con las variables clínicas de riesgo, podría mejorar la predicción de casos incidentes de DMT2 en pacientes con CHD, en el marco del estudio CORDIOPREV.
3. Explorar las diferencias entre la microbiota intestinal basal de los pacientes que desarrollaron DMT2 mientras consumían una dieta LF y los que consumían la dieta Med y, evaluar los riesgos específicos para cada dieta que permitan valorar o predecir el riesgo individual de DMT2 asociado al consumo de cada una de las dietas en el marco del estudio CORDIOPREV.
Participantes, diseño y metodología. Esta tesis se ha desarrollado en el marco del estudio CORDIOPREV (10), un estudio prospectivo, randomizado y controlado realizado en 1002 pacientes con CHD, asignados aleatoriamente a uno de los dos modelos de dieta (dieta Med o LF) durante un período de siete años de seguimiento.
Publicación 1: En este trabajo se incluyeron todos los pacientes con DMT2 de reciente diagnóstico y sin tratamiento hipoglucemiante al inicio del estudio CORDIOPREV (n=190). Se analizó la microbiota intestinal basal mediante el gen de ARNr 16S en aquellos pacientes de los que se disponía de muestra fecal y que no habían recibido tratamiento antibiótico en los tres meses anteriores a su recogida (n=110). En 73 pacientes de ellos (44 con muestra fecal viable) la DMT2 remitió durante el periodo de seguimiento de 5 años. Se realizaron modelos predictivos usando el algoritmo de aprendizaje automático Random Forest, análisis de curvas ROC y de regresión de COX. Además, se determinó los niveles plasmáticos de LPS en ayunas y tras 4h de una prueba de sobrecarga lipídica al inicio del estudio.
Publicación 2: En este trabajo se incluyeron todos los pacientes sin DMT2 al inicio del estudio CORDIOPREV (n=462) y se analizaron todos aquellos con disponibilidad de muestra fecal basal que no habían consumido antibióticos en los tres meses previos a su recogida (n=273). De entre ellos, 107 pacientes (64 con muestra fecal viable) desarrollaron DMT2 de acuerdo con los criterios de diagnóstico de la ADA (11) tras una mediana de seguimiento de 60 meses. La microbiota intestinal basal fue analizada mediante secuenciación del gen de ARNr 16S y se crearon modelos predictivos usando el algoritmo de aprendizaje automático Random Forest. Los modelos fueron evaluados mediante análisis de curvas ROC y el riesgo de desarrollar DMT2 en función de la microbiota inicial mediante análisis de COX.
Publicación 3: En este trabajo se incluyeron todos los pacientes no diagnosticados con DMT2 al inicio del estudio CORDIOPREV (n=462) con disponibilidad de muestra fecal basal y sin recibir tratamiento con antibióticos el mes previo su recogida (n=319), aleatorizados para recibir una dieta LF (n=148, de los cuales 28 desarrollaron diabetes) o la dieta Med (n=171, de los cuales 41 desarrollaron diabetes). Se analizó la microbiota intestinal mediante la secuenciación del gen de ARNr 16S, se crearon estimaciones del riesgo basadas en el microbioma para cada dieta utilizando dos enfoques predictivos (modelos RSF y Lasso) y, se evaluó el riesgo de DMT2 tras una mediana de seguimiento de 60 meses mediante análisis COX.
Resultados.
Publicación 1: El modelo de predicción de remisión de DMT2 construido exclusivamente con las variables asociadas al riesgo de DMT2 (variables incluidas en el test de riesgo FINDRISC y test de riesgo de la ADA, HDL, triglicéridos y HbA1c) mostró un área bajo la curva ROC de 0,698±0,152, mientras que en el modelo generado al combinarlas con los datos de composición basal de la microbiota intestinal el poder de predicción mejoró, aumentando el área a 0,822±0,135. Además, la estimación de respuesta a la intervención con una escala de clasificación numérica (en inglés “score”) basada en el microbioma, que incluía los diez géneros más discriminantes entre aquellos pacientes que remitieron y aquellos que continuaron siendo diabéticos, reveló una mayor probabilidad de remisión de la DMT2 asociada a valores elevados de la escala de clasificación numérica en comparación con valores bajos de dicha escala (Hazard Ratio: 3,195; IC del 95%: 1,37-7,48). Además, esta escala de clasificación se asoció negativamente con el aumento de LPS postprandial (χ2=0,015).
Publicación 2: Identificamos un perfil de microbiota intestinal asociado al desarrollo de DMT2 mediante un modelo predictivo basado en la composición de la microbiota intestinal. La combinación de los datos de la microbiota intestinal a los parámetros clínicos (variables incluidas en el test de riesgo FINDRISC y el test de la ADA, HDL, triglicéridos y HbA1c) mejoró la predicción del desarrollo de DMT2, aumentando el área bajo la curva ROC de 0,632 a 0,946 en el conjunto de datos de validación. Además, una escala de clasificación numérica (en inglés “score”) basada en el microbioma, que incluía los diez géneros más discriminantes, estimó la probabilidad de desarrollar DMT2 en los pacientes de manera que valores elevados en la escala se asociaron con una mayor probabilidad del desarrollo de DMT2 en comparación con valores bajos (HR: 3,22, IC del 95%: 1,56-6,66).
Publicación 3: El análisis lineal discriminante del tamaño del efecto (LEfSe) mostró una microbiota intestinal inicial diferente entre los pacientes que desarrollaron DMT2 consumiendo la dieta LF y la Med. Así mismo, la estimación del riesgo basada en la microbiota asoció un mayor riesgo de desarrollo de DMT2 con una mayor abundancia de Paraprevotella, y una menor de Gammaproteobacterias y B. unformis (HR=3,66 puntaje RSF-LF, 3,15 puntaje Lasso-LF; IC 95%) cuando una dieta LF fue consumida. Por el contrario, una mayor abundancia de Saccharibacterias, Betaproteobacterias y Prevotella se asoció al riesgo de DMT2 (HR=4,00 puntaje RSF-Med, 3,45 puntaje Lasso-Med; IC 95%) cuando se consumió una dieta Med.
3. Conclusión Nuestro estudio mostró el potencial papel de la microbiota intestinal como factor predictivo asociado al desarrollo y la remisión de la DMT2 en pacientes con CHD, mejorando la predicción de las variables clínicas de riesgo cuando se construyen modelos predictivos combinando datos de la microbiota intestinal y variables clínicas. Además, nuestros resultados suponen el punto de partida para el desarrollo de herramientas clínicas basadas en el uso de escalas de clasificación numérica (en inglés “score”), que evalúen la probabilidad de riesgo o remisión, así como para determinar el modelo dietético más adecuado para prevenir la DMT2.
4. Bibliografía 1. Standl E, Khunti K, Hansen TB, Schnell O. The global epidemics of diabetes in the 21st century: Current situation and perspectives. Eur J Prev Cardiol. 2019;26:7-14.
2. Avogaro A, Bonora E, Consoli A, Del Prato S, Genovese S, Giorgino F. Glucose-lowering therapy and cardiovascular outcomes in patients with type 2 diabetes mellitus and acute coronary syndrome. Diab Vasc Dis Res. 2019;16:399-414.
3. Wang DD, Hu FB. Precision nutrition for prevention and management of type 2 diabetes. Lancet Diabetes Endocrinol. 2018;6:416-26.
4. Fan Y, Pedersen O. Gut microbiota in human metabolic health and disease. Nat Rev Microbiol. 2021;19:55-71.
5. Wu H, Tremaroli V, Schmidt C, Lundqvist A, Olsson LM, Krämer M, et al. The Gut Microbiota in Prediabetes and Diabetes: A Population-Based Cross-Sectional Study. Cell Metab. 2020;32:379-90.e3.
6. Meijnikman AS, Gerdes VE, Nieuwdorp M, Herrema H. Evaluating Causality of Gut Microbiota in Obesity and Diabetes in Humans. Endocr Rev. 2018;39:133-53.
7. American Diabetes Association. 3. Prevention or Delay of Type 2 Diabetes: Standards of Medical Care in Diabetes—2021. Diabetes Care. 2021;44(Suppl 1):S34-S9.
8. Gentile CL, Weir TL. The gut microbiota at the intersection of diet and human health. Science. 2018;362:776-80.
9. Zeevi D, Korem T, Zmora N, Israeli D, Rothschild D, Weinberger A, et al. Personalized Nutrition by Prediction of Glycemic Responses. Cell. 2015;163:1079-94.
10. Delgado-Lista J, Perez-Martinez P, Garcia-Rios A, Alcala-Diaz JF, Perez-Caballero AI, Gomez-Delgado F, et al. CORonary Diet Intervention with Olive oil and cardiovascular PREVention study (the CORDIOPREV study): Rationale, methods, and baseline characteristics: A clinical trial comparing the efficacy of a Mediterranean diet rich in olive oil versus a low-fat diet on cardiovascular disease in coronary patients. Am Heart J. 2016;177:42-50.
11. American Diabetes Association. 2. Classification and Diagnosis of Diabetes: Standards of Medical Care in Diabetes—2021. Diabetes Care. 2021;44(Suppl 1):S15-S33.
