Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de método

Impacto glucémico en la osteoartritis de rodilla Síntomas en marcadores físicos, radiográficos e inflamatorios entre personas de 50 años o más con diabetes

1.4K visualizaciones

⸱

DOI:

10.3791/67521

⸱

7 de marzo de 2025

 ,  ,  ,  ,  ,  ,  ,  , 
1Centre for Healthy Ageing and Wellness, Faculty of Health Sciences, Universiti Kebangsaan Malaysia, 2Department of Radiology, Hospital Canselor Tuanku Muhriz UKM, 3Laboratory of Natural Products, Institute of Bioscience, Universiti Putra Malaysia, 4Ageing and Age-Associated Disorders Research Group, Department of Medicine, Faculty of Medicine, University of Malaya, 5Department of Medical Sciences, School of Medical and Health Sciences, Sunway University

En este artículo

Resumen

En este trabajo se presenta un protocolo para evaluar el control glucémico utilizando los niveles de glucosa en sangre capilar (CBG) y hemoglobina glicosilada A1C (HbA1C). Este estudio investiga el impacto de la hiperglucemia en los síntomas de la osteoartritis de rodilla (KOA), el rendimiento físico, el nivel de actividad física, la gravedad radiográfica y la inflamación en adultos mayores con diabetes.

Resumen

Este estudio explora la influencia de la hiperglucemia en los síntomas relacionados con la osteoartritis de rodilla (KOA), el rendimiento físico, el nivel de actividad física, la gravedad radiográfica y la inflamación en adultos mayores. Los estados hiperglucémicos prolongados contribuyen a la formación avanzada de productos finales de glicación (AGE), lo que empeora los síntomas de KOA. Los niveles de glucosa en sangre capilar (CBG) y hemoglobina glicosilada A1C (HbA1C) se utilizan comúnmente en las pruebas de laboratorio para la evaluación glucémica, lo que ofrece distintas ventajas y limitaciones. Los participantes se dividieron en grupos de control de glucémico bueno y malo en función de sus niveles de CBG y HbA1C. La gravedad clínica y la actividad física del KOA se midieron mediante la puntuación de resultados de lesiones de rodilla y osteoartritis (KOOS) y el cuestionario internacional de actividad física. El rendimiento físico se midió con la fuerza de agarre de la mano, la velocidad de la marcha, el tiempo de subida y marcha (TUG) y 5 veces sentado para ponerse de pie (5STST). Se realizaron radiografías de rodilla y análisis de inmunoabsorción enzimática sérica (ELISA) para IL-1β, IL-4, PCR, NF-κB y AGE. Trescientos participantes reclutados (edad media [DE] = 66,40 años (5,938) con CBG, de glucemia en ayunas > 7,0 mmol/L y glucemia aleatoria > 11,1 mmol/L, (N = 254) se compararon con el dolor KOOS (p=0,008) y los síntomas (p=0,017) y 5STST (p=0,015); mientras que la HbA1c > 6,3% (N = 93) se comparó con la 5STST (p=0,002), y AGEs (p=0,022) según la prueba U de Mann Whitney. La regresión logística reveló asociaciones significativas entre el control glucémico y la fuerza muscular de los miembros inferiores, la gravedad radiológica, los marcadores de laboratorio y entre el estado glucémico y el dolor y los síntomas de KOOS. Sin embargo, estas asociaciones no siguieron siendo significativas después de ajustar el IMC. El estado glucémico deficiente solo se asoció con una mejor función en los dominios del deporte y la recreación después del ajuste de la medicación antidiabética, lo que sugiere efectos antiinflamatorios y analgésicos que enmascararon el efecto del azúcar en la sangre alta. Los estudios futuros podrían explorar la capacidad predictiva de la evaluación glucémica para la mala función de la rodilla y el rendimiento físico, al tiempo que se tienen en cuenta los efectos de la medicación.

Introducción

La osteoartritis de rodilla (KOA) aumenta en prevalencia con la edad, siendo la rodilla una de las principales articulaciones que soportan peso1. El KOA suele manifestarse con rigidez y dolor crónico en la articulación de la rodilla, lo que limita la movilidad, reduce la calidad de vida y aumenta el riesgo de enfermedad cardiovascular2. La diabetes mellitus, que también está relacionada con la edad, contribuye al riesgo de desarrollo de KOA, ya que los niveles elevados de glucosa y lípidos promueven la formación avanzada de productos finales de glicación (AGE), lo que conduce a la inflamación crónica de las articulaciones y a ladegeneración del cartílago. A pesar de la disponibilidad de servicios de salud, dos de cada cinco malayos con diabetes mellitus desconocen su diagnóstico, mientras que el 56% de los diagnosticados no lograron mantener un buen control de la glucemia4. La hiperglucemia aguda puede conducir a un estado hiperosmolar hiperglucémico, que pone en peligro la vida, mientras que la hiperglucemia crónica conduce a neuropatía periférica, nefropatía, retinopatía y enfermedad cardiovascular5.

La neuropatía periférica, que es una complicación microvascular resultante de un mal control glucémico y conduce a mecanismos de dolor alterados, puede exagerar el dolor de rodilla en KOA6. La presencia de diabetes en individuos con KOA se asocia con una reducción del rango de movimiento en la articulación de la rodilla, una reducción de la función de la rodilla, un aumento de los cambios radiográficos y una peor calidad de vida7. La disminución del rendimiento físico resultante de los efectos de la diabetes sobre el KOA se caracteriza por un deterioro de la fuerza muscular y la coordinación8. La evidencia de resonancia magnética de cambios degenerativos asociados con daño cartilaginoso y meniscal, como reducción del espacio articular y desalineación, parece ser más grave en individuos con diabetes9.

Un mal control glucémico está relacionado con el aumento de las enzimas degenerativas y los factores inflamatorios en el líquido sinovial de la rodilla. Las citocinas y proteínas elevadas en la diabetes, como IL-1β, IL-4, IL-6, factor nuclear-κB (NF-κB) y factor de necrosis tumoral alfa (TNF-α), se asocian con la fisiopatología de KOA10,11. Mientras que en los condrocitos, un transportador de glucosa defectuoso conduce a una glucólisis regulada al alza, vías de polioles, vías de proteína quinasa C y pentosas, y finalmente una alta producción de especies reactivas de oxígeno10.

La glucemia en ayunas y aleatoria proporcionan una estimación del estado glucémico actual, así como de la capacidad de manejo de la glucosa relacionada con la resistencia a la insulina12. La hemoglobina glicosilada A (HbA1c) es una medida del control glucémico durante los últimos tres meses. Sin embargo, esto no proporciona detalles de las fluctuaciones agudas13. La glucemia capilar proporciona evaluaciones inmediatas del estado glucémico en la cabecera del paciente o en la clínica, lo que ha llevado a debates sobre su valor en la determinación del control glucémico, así como en la predicción del riesgo de complicaciones14,15. Por lo tanto, este estudio tiene como objetivo dilucidar la asociación entre el control glucémico determinado con HbA1c y la glucosa en sangre elevada determinada con glucosa en sangre capilar (CBG) con las puntuaciones de resultado de lesión de rodilla y osteoartritis (KOOS), rendimiento físico, nivel de actividad física, gravedad radiográfica y marcadores inflamatorios en individuos con KOA.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

El protocolo del estudio cumplió con la Declaración de Helsinki y fue aprobado por el Comité de Ética de la Universiti Kebangsaan Malaysia (número de referencia: JEP-2022-001).

1. Reclutamiento de participantes

  1. A través de un muestreo por conveniencia, seleccionó la población del estudio de adultos con KOA de 50 años o más que viven en la comunidad en Kuala Lumpur y Selangor. Reclutó participantes de organizaciones de personas mayores y clínicas ortopédicas y de diabetes.
    NOTA: La presencia de KOA se define con KOA autoinformada por un médico o que cumplen con los criterios de examen clínico del Colegio Americano de Reumatología (ACR)16.
  2. Excluir a los adultos mayores institucionalizados o que sufren de deterioro psicológico grave y diabetes tipo 1.
  3. Al hacer referencia a la bibliografía publicada sobre cohortes transversales de entornos similares, identifique el tamaño del efecto, que en este estudio es el cociente impar. Calcule el tamaño de la muestra, que proporcionará una potencia del 80% para rechazar la hipótesis nula, utilizando G*Power 3.117.
  4. Explique los objetivos de la investigación y obtenga el consentimiento informado antes de la recolección de datos.

2. Recogida de datos - Cuestionario

  1. Administrar cuestionarios, que incluyen el sociodemográfico, el KOOS18 y el Cuestionario Internacional de Actividad Física (IPAQ)19.
  2. Calcule las puntuaciones totales para cada uno de los cinco dominios KOOS derivadas de los 42 elementos y transforme las puntuaciones en una escala porcentual de 0 a 100, donde cero representa ningún problema y 100 indica problemas extremos para cada dominio.
  3. Calcule el equivalente metabólico de la tarea (MET) para los dominios IPAQ multiplicando el tiempo empleado en minutos y el número de días a la semana, considerando el estándar de cada dominio.
    NOTA: El MET total indicativo de los niveles de actividad física es 3,3 (actividad de caminar MET), + 4 (MET de actividad de intensidad moderada), + 8 (MET de intensidad vigorosa).

3. Recopilación de datos - Rendimiento físico

  1. Mide la altura con un estadiómetro. Obtén el peso corporal y el índice de masa corporal (IMC) con un analizador de composición corporal. Asegúrese de que los participantes se quiten la ropa pesada, los accesorios metálicos y los zapatos.
  2. Mide la circunferencia de la cintura, la cadera y la pantorrilla con una cinta métrica. Registre la medición en centímetros a nivel del ombligo en reposo para la circunferencia de la cintura y la medición a nivel de la protuberancia posterior máxima de los glúteos para la circunferencia de la cadera20. Mida la circunferencia de la pantorrilla en la mayor dimensión del eje largo con los participantes sentados con la espalda recta y ambos pies en el suelo21.
  3. Proporcionar instrucciones a los participantes sobre cómo llevar a cabo las pruebas de rendimiento físico: prueba de fuerza de prensión manual (HGS)22, prueba de subida y salida cronometrada (TUG)23, prueba de caminata de seis metros24 y prueba de cinco veces sentarse para ponerse de pie (5STST)25.
    1. Asegúrese de que la configuración de rendimiento esté libre de obstáculos y peligros. Permita períodos de descanso estandarizados de 1 minuto entre las pruebas26.
  4. Realice la prueba de fuerza de agarre de mano.
    1. Indique al participante que se siente con los hombros aducidos en la posición neutral, con el codo flexionado a 90°.
    2. Infórmeles que no realicen ningún movimiento rápido de torcer o sacudirse durante toda la prueba.
    3. Mida la fuerza máxima con el dinamómetro de empuñadura para cada mano tres veces y seleccione la medida máxima en kg.
  5. Realice la prueba de subida y bajada cronometrada.
    1. Indique al participante que se siente derecho con la espalda en contacto con el respaldo de la silla, los brazos apoyados en los reposabrazos y los pies colocados en el suelo.
    2. Con un cronómetro, registre el tiempo que tarda en ponerse de pie, caminar 3 m, hacer un giro en U, volver a la silla y volver a sentarse. Comience a cronometrar cuando la espalda del participante pierda contacto con el respaldo de la silla y detenga el cronometraje tan pronto como la espalda del participante toque el respaldo de la silla.
    3. Repita dos veces y registre el tiempo más bajo en segundos tomado como resultado final.
  6. Evalúe la velocidad de la marcha.
    1. Mida una pasarela de 10 m y coloque marcadores con cinta adhesiva a 2 m de cada extremo de la pasarela para indicar los puntos en los que comenzarán y terminarán las mediciones.
    2. Pida a los participantes que caminen a su ritmo normal a lo largo de una pasarela de 10 m.
    3. Ponga en marcha el cronómetro tan pronto como el participante cruce los primeros 2 m y detenga el cronómetro en la línea de 8 m.
    4. Calcule la velocidad de la marcha utilizando la fórmula de la velocidad (m/s), donde 6 m se dividen por el tiempo empleado en segundos.
  7. Realice la prueba de sentarse y ponerse de pie cinco veces.
    1. Indique a los participantes que se pongan de pie y se sienten 5 veces más rápido que puedan con equilibrio.
    2. Registre el tiempo necesario para completar 5 repeticiones y seleccione el tiempo más bajo en segundos de las tres pruebas.

4. Recogida de datos - Radiografía de rodilla

  1. Establezca una fecha y hora de cita para que los participantes visiten el hospital para un examen radiográfico de ambas rodillas utilizando la vista de soporte de peso anteroposterior de pie.
  2. Envíe las imágenes radiográficas al radiólogo, quien determinará y asignará la clasificación de Kellgren y Lawrence a cada rodilla27.
    NOTA: El sistema de clasificación tiene grados de 0 a 4, con grados más altos que indican una mayor gravedad de KOA en función de las características: formación de osteofitos, huesecillos periarticulares, forma alterada de los extremos óseos, estrechamiento del espacio articular y esclerosis subcondral.
  3. Registre la calificación asignada, asegurándose de que la puntuación se asigne a la rodilla correcta.

5. Recogida de datos - Extracción de sangre capilar para la evaluación del estado glucémico

  1. Lávese las manos y póngase guantes quirúrgicos. Limpie el dedo del participante con un hisopo con alcohol y deje que el dedo se seque al aire.
  2. Prepare el glucómetro insertando la tira reactiva.
  3. Seleccione un dispositivo de lanceta y asegúrese de que no esté utilizado y sellado.
  4. Rompa el sello de la lanceta y pinche el dedo con el nuevo dispositivo de lanceta, apriete el dedo para producir una pequeña mancha de sangre y toque la gota de sangre con la tira reactiva.
  5. Utilice soluciones de control para garantizar la calidad, coloque la solución en la tira reactiva y compruebe si está en el rango esperado según el fabricante.
  6. Registre el nivel de glucosa en sangre mostrado por el glucómetro. Pregúntele al participante cuándo fue su última comida y anote si la tomó más de 8 horas antes de la hora de la toma de muestras.
    NOTA: El azúcar en sangre en ayunas requiere que los participantes ayunen durante al menos 8 horas antes de este procedimiento, mientras que el azúcar en sangre aleatorio no lo hace.
  7. Deseche la lanceta de forma segura en un contenedor de objetos punzocortantes y proporcione al participante un hisopo de algodón para aplicar presión sobre el área de punción en el dedo para asegurar la hemostasia.
  8. Lávese las manos después del procedimiento. Limpia cualquier derrame de sangre.

6. Recogida de datos - Extracción de sangre venosa para la evaluación del control glucémico

  1. Lávese las manos y póngase guantes quirúrgicos.
  2. Identifique una vena adecuada desde la fosa antecubital derecha o izquierda. Aplique un torniquete en la parte superior del brazo seleccionado e identifique una vena adecuada mediante palpación.
  3. Limpie la piel alrededor de la vena seleccionada con un hisopo con alcohol y deje que se seque al aire.
  4. Recoja muestras de sangre venosa con una aguja de mariposa de 23 g utilizando dos frascos de tubos de sangre simple de 6 ml. Etiquete los tubos con el código de identificación único del participante.
  5. Deseche los objetos punzocortantes y los desechos clínicos de manera segura y lávese las manos.
  6. Transporte las muestras de sangre al laboratorio en una hielera con una bolsa de hielo. Coloque las muestras de sangre en sus tubos de recolección en una centrífuga y centrifugue a 604 x g durante 10 min.
  7. Aliquotar el suero en tubos de microcentrífuga de 1,5 mL con una micropipeta y etiquetar los tubos con la fecha, el código de identificación y el tipo de muestra antes de almacenarla a -80 °C.

7. Ensayo ELISA

  1. Calcule el volumen sérico necesario para el ensayo ELISA basándose en el manual del fabricante. Ejecute un ensayo de optimización para determinar la concentración óptima; repetir para IL-1β, IL-4, CRP, NF-κB y AGE, respectivamente.
  2. Descongele el suero y lleve los reactivos de ELISA a temperatura ambiente (RT). Mientras tanto, etiquete los tubos de microcentrífuga para estándares, muestras y blanco.
  3. Prepare las soluciones de trabajo según las instrucciones del fabricante para el diluyente, los anticuerpos de detección, el sustrato y el tampón de lavado de las soluciones madre si es necesario.
  4. Ejecute diluciones en serie dobles para los patrones con el diluyente estándar dado. Estándar de referencia de cada marcador: IL-1β = 500 pg/mL, IL-4 = 2000 pg/mL, PCR = 25 ng/mL, NF-κB = 10 ng/mL, AGEs = 4800 ng/L. El diluyente estándar también sirve como blanco.
  5. Diluya la muestra de suero para optimizar el ensayo si es necesario.
    1. Para el ensayo ELISA de IL-1β, IL-4 y NF-κB, utilice muestras de suero limpias. Para CRP, diluir 1000x con diluyente de referencia. Pipetear 100 μL de muestras en el pocillo y duplicar cada una de ellas.
    2. Para el ensayo ELISA de AGE, utilice una muestra de suero de dilución 2x, pipetee 40 μL de muestra en el pocillo y duplique cada una.
  6. Cambie las puntas de pipeta entre diferentes muestras o reactivos. Utilice una pipeta multicanal para evitar efectos de borde.
  7. Incube de acuerdo con el tiempo y la temperatura sugeridos por el manual del fabricante, y selle la placa con una nueva cubierta adhesiva para cada incubación.
  8. Para este ELISA sándwich, se incuba la muestra y se estandariza a los pocillos prerrecubiertos, seguido de anticuerpo de detección, anticuerpo secundario conjugado, sustrato y finalmente solución de parada. Agregue cada solución en el mismo orden que antes.
  9. Decantar y lavar los pocillos con tampón de lavado entre incubaciones de acuerdo con el manual del fabricante. Golpee los pocillos contra el papel absorbente limpio para eliminar el tampón de lavado, pero asegúrese de que los pocillos no se sequen antes de agregar la siguiente solución.
  10. Lea los pocillos con un lector de microplacas a 450 nm. Registre y calcule utilizando la curva logística de cuatro parámetros (4PL), un método cuantitativo para trazar y determinar la concentración de calibradores simétricossigmoidales 28. Utilice el promedio de cada muestra para el análisis.

8. Análisis estadístico

NOTA: Analice los datos utilizando un software de análisis de datos adecuado (aquí se utilizó SPSS versión 20). Clasifique la población de estudio en dos grupos: 1) buen control glucémico, 2) mal control glucémico (estado glucémico deficiente = azúcar en sangre en ayunas superior a 7,0 mmol/L o azúcar en sangre aleatoria superior a 11,1 mmol/L; Mal control glucémico = HbA1c superior al 6,3%).

  1. Abra el software para crear variables basadas en la fecha, el código de identificación de los participantes, las variables sociodemográficas, los ítems del cuestionario y los parámetros medidos.
    1. Seleccione Vista variable. Inserte en la columna Nombre, inserte la descripción o el nombre para mostrar en la columna Etiqueta.
    2. Seleccione Tipo > medida. En el caso de las variables categóricas codificadas, haga coincidir el código numérico representativo y su valor en la columna Valores. Seleccione Aceptar.
  2. Introduzca los datos recopilados en el software donde cada fila representa a un participante.
    1. Seleccione Vista de datos. Introduzca los códigos numéricos representativos en la columna para el tipo numérico y los nombres o descripciones para el tipo de cadena.
  3. Verifique la normalidad de las variables continuas para determinar los supuestos de la prueba paramétrica.
    1. Seleccione Analizar > Estadísticas descriptivas > Explorar. Inserte variables continuas en el campo Lista de dependientes.
    2. Seleccione Gráficos > Gráficos de normalidad con pruebas > Continuar > Aceptar. Para un tamaño de muestra superior a 50, consulte el valor p en la prueba de Kolmogorov-Smirnov; Un valor p significativo rechaza la hipótesis nula en la que los datos se distribuyen normalmente.
  4. Ejecute la prueba U de Mann-Whitney para variables no paramétricas a fin de comprobar si hay diferencias significativas entre los grupos.
    1. Seleccione Analizar > pruebas no paramétricas > Configuración > Elegir Pruebas > Personalizar pruebas > Mann-Whitney U (2 muestras).
    2. Vaya a Campos e inserte variables continuas en el campo Campos de prueba.
    3. Inserte el grupo categórico para CBG o HbA1c en el campo Grupos > Ejecutar.
  5. Ejecute una prueba de Chi-cuadrado para variables categóricas para probar si hay diferencias significativas entre los grupos.
    1. Seleccione Analizar > Estadísticas descriptivas > Tabulaciones cruzadas > Estadísticas > Chi-cuadrado > Continuar.
    2. Seleccione Visualización de celdas. Seleccione Observado en el campo Recuentos y seleccione Columna en el campo Porcentaje. A continuación, seleccione Continuar.
    3. Inserte variables categóricas en el campo Fila(s) y grupo categórico para CBG o HbA1c en el campo Columna(s) > OK.
  6. Transforme las variables dependientes continuas en grupos binarios para prepararse para la regresión logística.
    1. Seleccione Transformar > Recodificar en diferentes variables e inserte variables continuas en el campo Variables de entrada > Variables de salida.
    2. Inserte un nuevo nombre de variable en el campo Nombre. Inserte una nueva etiqueta en el campo Etiqueta > Cambiar > Valores antiguos y nuevos.
    3. Insértelo debajo del valor umbral del punto de corte en el campo Rango, MÁS BAJO a través del valor, y empareje con cero en el campo Valor de Nuevo valor si esto indica un buen resultado.
    4. Seleccione Agregar > inserte el punto de corte en el campo Rango, valor hasta MÁS ALTO y empareje con uno en el campo Valor de Nuevo valor > Agregar > Continuar > OK.
  7. Puntos de corte para variables dependientes:
    - Dominio de dolor KOOS < 86,1%, dominio de síntomas < 85,7%, dominio de actividad de la vida diaria <86,8%, dominios de deporte < 85,0%, dominio de calidad de vida < 87,5%
    - HGS pobre: Machos < 28 kg, Hembras < 18 kg
    - Mal TUG > 8.00 s
    - Mala velocidad de marcha < 1,13 ms-1
    - Pobre 5TSTS >12.80 s
    - Baja actividad física, IPAQ MET < 3000
    - Escala de clasificación radiográfica KOA, Kellgren y Lawrence de moderada a grave > 2
    - IL-1β alta > 11.9 pg/mL
    - IL-4 alta > 5 pg/mL
    - PCR alta > 8 ng/mL
    - EDAD ALTA > 900 ng/L
    - NF-κB alto > 3 ng/mL
  8. Ejecute una regresión logística múltiple para obtener odds ratios. Ajustar el modelo logístico con factores de confusión basados en las características significativas de los participantes.
    1. Seleccione Analizar > regresión > logística binaria. Inserte la variable dependiente binaria en el campo Dependiente.
    2. Inserte la variable CBG o HbA1c en el campo Covariables.
    3. Seleccione Categórico y transfiera variables categóricas al campo Covariables categóricas. A continuación, seleccione Categoría de referencia como Primera > Cambiar > Continuar.
    4. Seleccione Opciones > CI para exp(B): 95% > Continuar > OK.
  9. Repita el procedimiento para los modelos ajustados, pero agregue factores de confusión significativos en el campo Covariables.
  10. Presentar las variables como media (desviación estándar) para las variables continuas o mediana (rango intercuartílico) si se utiliza una prueba no paramétrica, y número (porcentaje) para las variables categóricas. Informe los cocientes impares (OR) con intervalos de confianza (IC) del 95% y etiquete el valor p inferior a 0,05 como estadísticamente significativo.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

Características de los participantes
En la Tabla 1 se resumen las características de los participantes según el estado glucémico con FPBS y HbA1c. La Figura 1 ilustra el número total de participantes incluidos en cada etapa en función de criterios de inclusión variables. Del total de 300 participantes reclutados, se obtuvo una muestra de glucosa en sangre capilar de 254 individuos para FPBS, mientras que la muestra de sangre venosa se obtuvo de 93 para H...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

La extracción de sangre venosa es a menudo preferida para las pruebas de laboratorio sobre la muestra de sangre capilar en términos de precisión de los resultados29. La HbA1c está fuertemente asociada con complicaciones de la diabetes, naturaleza química estable y pruebas de laboratorio bien estandarizadas. Como la HbA1c refleja el control glucémico durante 3 meses, no requiere muestras en ayunas, mientras que la toma de muestras de sangre capilar de una sola vez ...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Todos los autores no tienen ningún conflicto de intereses que declarar.

Agradecimientos

Este estudio fue financiado por el Programa de Subvenciones para la Investigación Fundamental, Ministerio de Educación Superior, Malasia, Número de subvención/premio: FRGS/1/2021/SKK0/UKM/02/15.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Aguja de mariposaBD Vacutainer367282
G*Power 3.1Universidad Heinrich-Heinehttps://www.psychologie.hhu.de/arbeitsgruppen/allgemeine-psychologie-und-arbeitspsychologie/gpowerUniversidad Heinrich-Heine, Dü sseldorf
Glucómetro y tiras reactivasContour plushttps://www.diabetes.ascensia.my/en/products/contour-plus/Basilea, Suiza
CRP humana (proteína C reactiva) Kit ELISAElabscienceE-EL-H0043-96TKit ELISA
humano IL-1β( Interleucina 1 Beta) Kit ELISAElabscienceE-EL-H0149-96TKit ELISA
Humano IL-4 (Interleucina 4) Kit ELISAElabscienceE-EL-H0101-96TKit ELISA
Humano NF-κ Subunidad B-p105Laboratorio de Tecnología de BioensayoE0003HuELISA kit
Humano NF-κ Bp105(Factor nuclear NF-kappa-B subunidad p105)ElabscienceE-EL-H1386-96TELISA kit
Dinamómetro manualde mano Jamar5030J1Warrenville, Illinois, USA
Analizador portátil de composición corporalInBody ASIAhttps://inbodyasia.com/products/inbody-270/Inbody 270, Cheonan, Chungcheongnam-do
Estadiómetro portátilSeca213 1821 009SECA 213, Hamburgo, Alemania

Referencias

  1. Allen, K. D., Thoma, L. M., Golightly, Y. M. Epidemiology of osteoarthritis. Osteoarthritis Cartilage. 30 (2), 184-195 (2022).
  2. Mat, S., et al. Factors influencing quality of life among older persons living with osteoarthritis using 3 different definitions. Top Geriatr Rehabil. 38 (1), 26-34 (2022).
  3. Berenbaum, F. Diabetes-induced osteoarthritis: From a new paradigm to a new phenotype. Ann Rheum Dis. 70 (8), 1354(2011).
  4. Institute for Public Health. National health and morbidity survey (NHMS) 2023: Non-communicable diseases and healthcare demand - key findings. , National Institutes of Health (NIH). Shah Alam, Selangor. (2024).
  5. Harding, J. L., Pavkov, M. E., Magliano, D. J., Shaw, J. E., Gregg, E. W. Global trends in diabetes complications: A review of current evidence. Diabetologia. 62 (1), 3-16 (2019).
  6. Eitner, A., Culvenor, A. G., Wirth, W., Schaible, H. -G., Eckstein, F. Impact of diabetes mellitus on knee osteoarthritis pain and physical and mental status: Data from the osteoarthritis initiative. Arthritis Care Res (Hoboken). 73 (4), 540-548 (2021).
  7. Aykan, S. A., Kaymaz, S. The association between diabetes mellitus and functionality in knee osteoarthritis: A cross-sectional study. J Health Sci Med. 5 (4), 1114-1118 (2022).
  8. Alenazi, A. M., Alqahtani, B. A. Diabetes is associated with longitudinal declined physical performance measures in persons with or at risk of knee osteoarthritis: Data from the osteoarthritis initiative. Eur J Phys Rehabil Med. 60 (3), 496-504 (2024).
  9. Neumann, J., et al. Diabetics show accelerated progression of knee cartilage and meniscal lesions: Data from the osteoarthritis initiative. Skeletal Radiol. 48 (6), 919-930 (2019).
  10. Courties, A., Gualillo, O., Berenbaum, F., Sellam, J. Metabolic stress-induced joint inflammation and osteoarthritis. Osteoarthritis Cartilage. 23 (11), 1955-1965 (2015).
  11. Wei, G., et al. Risk of metabolic abnormalities in osteoarthritis: A new perspective to understand its pathological mechanisms. Bone Res. 11 (1), 63(2023).
  12. Sriwimol, W., Choosongsang, P., Choosongsang, P., Petkliang, W., Treerut, P. Associations between hba1c-derived estimated average glucose and fasting plasma glucose in patients with normal and abnormal hemoglobin patterns. Scand J Clin Lab Invest. 82 (3), 192-198 (2022).
  13. Papachristoforou, E., Lambadiari, V., Maratou, E., Makrilakis, K. Association of glycemic indices (hyperglycemia, glucose variability, and hypoglycemia) with oxidative stress and diabetic complications. J Diabetes Res. 2020 (1), 7489795(2020).
  14. Matsushita, Y., et al. A comparison of the association of fasting plasma glucose and hba1c levels with diabetic retinopathy in japanese men. J Diabetes Res. 2020 (1), 3214676(2020).
  15. Baig, M. A. Comparative evaluation of efficiency of hba1c, fasting & post prandial blood glucose levels, in the diagnosis of type-2 diabetes mellitus and its prognostic outcome. Int J Res Med Sci. 3 (11), 3245-3249 (2015).
  16. Altman, R., et al. Development of criteria for the classification and reporting of osteoarthritis: Classification of osteoarthritis of the knee. Arthritis Rheum. 29 (8), 1039-1049 (1986).
  17. Kang, H. Sample size determination and power analysis using the G* power software. J Educ Eval Health Prof. 18, (2021).
  18. Roos, E. M., Lohmander, L. S. The knee injury and osteoarthritis outcome score (koos): From joint injury to osteoarthritis. Health Qual Life Outcomes. 1, 64(2003).
  19. Ipaq Research Committee. Guidelines for data processing and analysis of the international physical activity questionnaire (IPAQ)-short and long forms. , https://www.scribd.com/document/92677948/IPAQ-Scoring (2005).
  20. Perissinotto, E., Pisent, C., Sergi, G., Grigoletto, F., Enzi, G. Anthropometric measurements in the elderly: Age and gender differences. Br J Nutr. 87 (2), 177-186 (2002).
  21. Sun, Y. -S., et al. Calf circumference as a novel tool for risk of disability of the elderly population. Sci Rep. 7 (1), 16359(2017).
  22. Chen, L. -K., et al. Asian working group for sarcopenia: 2019 consensus update on sarcopenia diagnosis and treatment. J Am Med Dir Assoc. 21 (3), 300-307 (2020).
  23. Samah, Z. A., et al. Discriminative and predictive ability of physical performance measures in identifying fall risk among older adults. Sains Malays. 47 (11), 2769-2776 (2018).
  24. Bohannon, R. W., Williams Andrews, A. Normal walking speed: A descriptive meta-analysis. Physiotherapy. 97 (3), 182-189 (2011).
  25. Kim, M., Won, C. W. Cut points of chair stand test for poor physical function and its association with adverse health outcomes in community-dwelling older adults: A cross-sectional and longitudinal study. J Am Med Dir Assoc. 23 (8), 1375-1382.e3 (2022).
  26. Parcell, A. C., Sawyer, R. D., Tricoli, V. A., Chinevere, T. D. Minimum rest period for strength recovery during a common isokinetic testing protocol. Med Sci Sports Exerc. 34 (6), (2002).
  27. Kohn, M. D., Sassoon, A. A., Fernando, N. D. Classifications in brief: Kellgren-lawrence classification of osteoarthritis. Clin Orthop Relat Res. 474 (8), 1886-1893 (2016).
  28. Gottschalk, P. G., Dunn, J. R. Measuring parallelism, linearity, and relative potency in bioassay and immunoassay data. J Biopharm Stat. 15 (3), 437-463 (2005).
  29. Das, S., Swain, M., Pradhan, R. Evaluating the relationship of fasting capillary and venous blood sugar level in self-glucose monitoring device, fasting plasma glucose level and glycosylated hemoglobin (HbA1c). Nurs Care Open Access J. 1 (2), 00011(2016).
  30. Bao, Y., Zhu, D. Chinese Diabetes Society. Clinical application guidelines for blood glucose monitoring in china (2022 edition). Diabetes Metab Res Rev. 38 (8), e3581(2022).
  31. Wu, C. -N., Tien, K. -J. The impact of antidiabetic agents on sarcopenia in type 2 diabetes: A literature review. J Diabetes Res. 2020 (1), 9368583(2020).
  32. Kalaitzoglou, E., Fowlkes, J. L., Popescu, I., Thrailkill, K. M. Diabetes pharmacotherapy and effects on the musculoskeletal system. Diabetes Metab Res Rev. 35 (2), e3100(2019).
  33. Mohammed, M. M., Al-Shamma, K. J., Jassim, N. A. Evaluation of the clinical use of metformin or pioglitazone in combination with meloxicam in patients with knee osteoarthritis; using knee injury and osteoarthritis outcome score. Iraqi J Pharm Sci. 23 (2), 13-23 (2014).
  34. Vervullens, S., et al. Preoperative glycaemic control, number of pain locations, structural knee damage, self-reported central sensitisation, satisfaction and personal control are predictive of 1-year postoperative pain, and change in pain from pre- to 1-year posttotal knee arthroplasty. Knee Surg Sports Traumatol Arthrosc. , (2024).
  35. Eitner, A., et al. Pain sensation in human osteoarthritic knee joints is strongly enhanced by diabetes mellitus. Pain. 158 (9), 1743-1753 (2017).
  36. Li, H., George, D. M., Jaarsma, R. L., Mao, X. Metabolic syndrome and components exacerbate osteoarthritis symptoms of pain, depression and reduced knee function. Ann Transl Med. 4 (7), 133(2016).
  37. Khachian, A., Seyedoshohadaei, M., Haghani, H., Amiri, F. Effect of self-management program on outcome of adult knee osteoarthritis. Int J Orthop Trauma Nurs. 39, 100797(2020).
  38. Mat, S., et al. Ethnic differences in the prevalence, socioeconomic and health related risk factors of knee pain and osteoarthritis symptoms in older malaysians. PLoS One. 14 (11), e0225075(2019).
  39. Cruz-Almeida, Y., et al. Racial and ethnic differences in older adults with knee osteoarthritis. Arthritis Rheumatol. 66 (7), 1800-1810 (2014).
  40. Kalantar-Zadeh, K., et al. Patient-centred approaches for the management of unpleasant symptoms in kidney disease. Nat Rev Nephrol. 18 (3), 185-198 (2022).
  41. Hsu, H. -J., et al. Factors associated with chronic musculoskeletal pain in patients with chronic kidney disease. BMC Nephrol. 15 (1), 6(2014).
  42. Larsen, P., Engberg, A. S., Motahar, I., Ostgaard, S. E., Elsoe, R. Obesity influences the knee injury and osteoarthritis outcome score. Joints. 7 (01), 008-012 (2019).
  43. Solanki, P., et al. Association between weight gain and knee osteoarthritis: A systematic review. Osteoarthritis Cartilage. 31 (3), 300-316 (2023).
  44. Al-Jarallah, K., Shehab, D., Abdella, N., Al Mohamedy, H., Abraham, M. Knee osteoarthritis in type 2 diabetes mellitus: Does insulin therapy retard osteophyte formation. Med Princ Pract. 25 (1), 12-17 (2016).
  45. Suzuki, A., Yabu, A., Nakamura, H. Advanced glycation end products in musculoskeletal system and disorders. Methods. 203, 179-186 (2022).
  46. Wang, M., Hng, T. M. Hba1c: More than just a number. Aust J Gen Pract. 50 (9), 628-632 (2021).
  47. Kalousova, M., Skrha, J., Zima, T. Advanced glycation end-products and advanced oxidation protein products in patients with diabetes mellitus. Physiol Res. 51 (6), 597-604 (2002).
  48. Shah, K., Maghsoudlou, P. Enzyme-linked immunosorbent assay (elisa): The basics. Br J Hosp Med. 77 (7), C98-C101 (2016).
  49. Nakanishi, S., et al. The impact of hand strength on hba1c, body mass index and body composition by group according to sedentary behaviour: Cross-sectional study in japanese patients with type 2 diabetes mellitus. Malays J Med Sci. 31 (3), 185-193 (2024).
  50. Joseph, J. J., et al. Comprehensive management of cardiovascular risk factors for adults with type 2 diabetes: A scientific statement from the american heart association. Circulation. 145 (9), e722-e759 (2022).
  51. Tomic, D., Shaw, J. E., Magliano, D. J. The burden and risks of emerging complications of diabetes mellitus. Nat Rev Endocrinol. 18 (9), 525-539 (2022).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Etiquetas

Control gluc micoimpacto de la hiperglucemiarendimiento f sicogravedad radiogr ficaglucosa en sangre capilarhemoglobina glucosiladaproductos finales de glicaci n avanzadaan lisis ELISA
Impacto glucémico en la osteoartritis de rodilla Síntomas en marcadores físicos, radiográficos e inflamatorios entre personas de 50 años o más con diabetes
Contáctenos
Recomendar a la biblioteca

Privacidad

Términos de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos los derechos reservados.