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

Artículo de investigación

Asociación entre el índice de glicación de hemoglobina y la inflamación de las arterias coronarias en la diabetes mellitus tipo 2 según la CCTA

118 vistas

DOI:

10.3791/70457

22 de mayo de 2026

En este artículo

Resumen

Este estudio analizó datos de pacientes con diabetes mellitus tipo 2 para examinar la asociación entre el índice de glicación de hemoglobina (ICH) y la inflamación de las arterias coronarias. Los niveles más altos de HGI se relacionaron con un aumento de la inflamación perivascular y de placas de alto riesgo en TC, lo que sugiere la HGI como un posible marcador para la evaluación del riesgo cardiovascular.

Resumen

El índice de glicación de hemoglobina (ICH) se utiliza para cuantificar la variación biológica de la hemoglobina A1c (HbA1c). El presente estudio exploró la relación entre la HGI y la inflamación de las arterias coronarias en pacientes con diabetes mellitus tipo 2 (DT2DM). Un total de 360 arterias coronarias enfermas de 185 pacientes con diabetes tipo 2. Los pacientes y sus vasos enfermos se clasificaron en tres grupos distintos según los tertiles de la ICH: H1 (grupo bajo), H2 (grupo medio) y H3 (grupo alto). Se compararon datos clínicos basales, índice de atenuación de la grasa perivascular (FAI) en los 40 mm proximales de las tres arterias coronarias, parámetros cuantitativos de la placa y la proporción de características de placas de alto riesgo por tomografía computarizada (TC). Además, se utilizó un análisis de regresión logística multivariante para analizar los factores de riesgo de las placas de alto riesgo en TC. Los resultados mostraron que el FAI perivascular de la arteria descendente anterior izquierda (LAD) y de la arteria circunfleja izquierda (LCX), los volúmenes de los componentes fibroso y lipídico, así como sus respectivas relaciones de volumen, aumentaron con un incremento de la IGH (P<0,05). La prevalencia de placas de alto riesgo en TC también aumentó con un incremento de la HGI (P<0,001). HGI (odds ratio (OR) = 1,764, intervalo de confianza (IC) del 95% = 1,363–2,284, P<0,001) y LAD-FAI (OR = 1,086, IC 95% = 1,032–1,143, P<0,05) fueron factores de riesgo independientes para placas de alto riesgo en TC. En conclusión, la HGI podría servir como un posible biomarcador complementario para la inflamación coronaria y la vulnerabilidad a la placa en pacientes con DM2, y merece una validación adicional en estudios prospectivos de mayor envergadura.

Introducción

La enfermedad cardiovascular aterosclerótica (ECCV) sigue siendo la principal causa global de mortalidad y discapacidad, siendo los adultos mayores (≥60 años) una población vulnerable con riesgo cardiovascularelevado 1. La diabetes mellitus tipo 2 (DM2), que se considera una de las enfermedades crónicas más prevalentes a nivel mundial, está relacionada con diversas complicaciones. Entre las personas con diabetes tipo 2, la enfermedad de las arterias coronarias (CAD) representa el principal factor que contribuye a los resultadosdesfavorables. La ECO es causada principalmente por un proceso inflamatorio crónico debido a la aterosclerosis coronaria, el metabolismo lipídico y la disfunciónvascular 3. El estado hiperglucémico crónico en pacientes con diabetes tipo 2 agrava aún más la inflamación vascular. La inflamación vascular no solo contribuye a la formación de placas ateroscleróticas coronarias, sino que también es un desencadenante clave de la ruptura deplacas 4. Por lo tanto, cuantificar la inflamación de las arterias coronarias puede aumentar la estratificación del riesgo en los pacientes con EC. Sin embargo, los esfuerzos para utilizar biomarcadores y evaluar el proceso inflamatorio llevan años en marcha; los marcadores inflamatorios circulantes convencionales, como la proteína C reactiva de alta sensibilidad y la interleucina-6, carecen de especificidad para la inflamación vascular. Además, aunque la tomografía por emisión de positrones/tomografía computarizada (PET/TC) puede monitorizar la inflamación de la pared arterial, no puede evaluar directamente la carga inflamatoria de las arteriascoronarias yes costosa y limitada en su aplicación clínica.

Recientemente, el cambio en la atenuación del tejido adiposo pericoronario (PCAT) evaluado por la angiografía por tomografía coronaria (CCTA) ha surgido como un nuevo biomarcador sensible para detectar la inflamacióncoronaria 6. Este nuevo marcador, conocido como índice de atenuación de la grasa perivascular (FAI), ha demostrado predicer de forma significativa los eventoscardiovasculares 4. Además, las características de placas de alto riesgo en tomografía computarizada (TC) actúan como marcadores indirectos de inflamación vascular y también denotan la vulnerabilidad y el riesgo de rotura de placas (la rotura es causada principalmente por inflamación)7, que pueden identificarse simultáneamente mediante CCTA.

La hemoglobina A1c (HbA1c) es el estándar de oro en la práctica clínica para evaluar el control glucémico en pacientes diabéticos, donde un buen control glucémico no solo ayuda a reducir las complicaciones microvasculares, sino que también se asocia de forma independiente con la aparición de eventos cardiovasculares importantes en pacientes con DT2 y CADmultivascular 8. Sin embargo, los cambios en los niveles de HbA1c solo pueden explicar entre el 60% y el 80% de los niveles medios de glucosa en sangre (MBG) 9, y las diferencias en HbA1c pueden estar influenciadas por la variabilidad individual en el metabolismo de la glucosa, características fisiológicas y predisposición genética10. Por tanto, la medición de HbA1c no puede reflejar completamente el estado del metabolismo glucémico.

El índice de glicación de hemoglobina (IGH) se utiliza para cuantificar la variación biológica en HbA1c independientemente de los niveles medios de glucosa en sangre (MBG). La HGI puede identificar individuos cuyos niveles de HbA1c son más altos o inferiores a la media en comparación con otros con concentraciones similares de glucosaen sangre 11. Varios estudios han confirmado la asociación entre la HGI y las complicaciones de la diabetes, como mayores riesgos de nefropatía diabética o retinopatía en sujetos conHGI 12, 13 y diabetes tipo 2. Un IGH más alto se asocia con un mayor riesgo de enfermedades vascularescrónicas 12,13.

Actualmente, la asociación entre la HGI y la inflamación de las arterias coronarias en pacientes con diabetes tipo 2 sigue siendo esquiva. Por ello, este estudio tuvo como objetivo investigar la asociación entre la IHG y la IFA perivascular, varios parámetros de los componentes de la placa y las características de la placa de alto riesgo en la TC basadas en la CCTA, para mejorar la estratificación del riesgo en pacientes con DM tipo 2 con aterosclerosis coronaria concomitante.

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

Protocolo

Este estudio fue aprobado por la Junta de Revisión Institucional del Hospital Afiliado de la Universidad de Nantong (aprobación nº 2025-K179-01), y se eximió del requisito de consentimiento informado. El software y el equipo utilizado se enumeran en la Tabla de Materiales.

1. Sujetos de estudio y agrupación

Entre enero de 2016 y mayo de 2023, se recopilaron datos de 752 pacientes con DM T2 que se sometieron a CCTA en el Hospital Afiliado de la Universidad de Nantong. La diabetes tipo 2 fue diagnosticada según las Directrices para la Prevención y el Tratamiento de la Diabetes Tipo 2 en China (Edición 2020). Los criterios de exclusión fueron los siguientes: (1) mala calidad de imagen CCTA; (2) anomalías coronarias congénitas, implantación de stent coronario o cirugía de bypass post-coronario; (3) embarazo o hemoglobinopatía; (4) enfermedades cardiogénicas distintas de la cardiopatía coronaria; (5) datos de referencia incompletos. En total, se incluyeron 185 sujetos en el análisis final. Se analizaron un total de 360 arterias coronarias enfermas, entre las que las principales ramas con placas coronarias incluían la principal izquierda (LM), la arteria anterior descendente izquierda (LAD), la arteria circunfleja izquierda (LCX) y la arteria coronaria derecha (RCA). Los datos clínicos basales, incluyendo glucosa plasmática en ayunas (FPG), HbA1c, colesterol total (TC), triglicéridos (TG), colesterol lipoproteico de alta densidad (HDL-C), colesterol lipoproteico de baja densidad (LDL-C) y ácido úrico (UA), se recogieron en 48 horas antes y después del examen CCTA.

Dado que la HGI es un residual de regresión lineal, el HbA1c predicho puede generarse introduciendo FPG en la ecuación de regresión lineal univariante entre HbA1c y FPG en la población estudiada. La HGI se define como la diferencia entre el HbA1c real y el HbA1c predicho. Los pacientes y sus vasos coronarios afectados se estratificaron en tres grupos según tertiles de la HGI: H1 (grupo bajo) ≤-0,91, -0,91< H2 (grupo medio) <0,49, H3 (grupo alto) ≥0,49. El diseño del estudio y los criterios de selección del paciente se muestran en la Figura 1.

2. Examen CCTA

Los exámenes CCTA se realizaron utilizando un escáner de tomografía computarizada (TC) de 256 cortes con el siguiente protocolo: colimación del detector de 160 mm × 0,5 mm, velocidad de rotación de la pórtica de 0,28 s/rotación, grosor de corte de 0,625 mm, producto de tiempo de corriente de tubo de 350–635 mAs y voltaje de tubo de 100–120 kVp. Todos los pacientes fueron escaneados utilizando tecnología retroactiva con electrocardiograma controlado. La exploración se realizó desde 1 cm por debajo de la bifurcación traqueal hacia la superficie diafragmática del corazón.

Se realizó una imagen con contraste mejorada tras la administración intravenosa de un agente de contraste no iónico en la vena braquial a un caudal de 5 mL/s, seguida inmediatamente de un lavado con solución salina de 20 mL administrado al mismo ritmo. La dosis del agente de contraste fue de 0,8 mL por kilogramo de peso corporal. Para escaneos mejorados, se empleó tecnología de disparo por agente de contraste que detectaba automáticamente el valor CT de la raíz aórtica, con un umbral de disparo de 120 unidades de Hounsfield (HU).

3. Análisis de la FAI

Las imágenes originales de la CCTA fueron subidas al software de análisis vascular Deepwise (DW-CACTAS, Deepwise Corporation, China) por un radiólogo con más de tres años de experiencia, que no percibía la información clínica y de la TC del paciente. El software delimita automáticamente el PCAT alrededor de los 40 mm proximales de LAD y LCX y de 10–50 mm de RCA, y permite ajustes manuales en la representación automática de las paredes de las arterias coronarias, calculando posteriormente el FAI para estas tres arterias coronarias. La PCAT se caracterizó como el tejido adiposo situado radialmente a una distancia igual al diámetro del vaso coronario desde su pared externa, situando su valor umbral entre -190 y -30 HU14. La FAI se definió como el valor medio de atenuación de la PCAT en TC (Figura 2).

4. Análisis cuantitativo de la placa CCTA

Las placas ateroscleróticas coronarias se refieren a un tipo de estructura tisular que existe dentro o adyacente a la luz de la arteria coronaria, con un área superior a 1 mm2, distinta del tejido pericárdico, tejido graso epicárdico y lumenvascular 15. Las imágenes CCTA se transfirieron a una estación de trabajo comercial para el análisis cuantitativo de placas. En las imágenes CCTA, los valores umbral de la TC para los diferentes componentes de la placa fueron los siguientes: el valor de la TC de componentes lipídicos se estableció en -100–30 HU, el valor de componente fibroso en 31–130 HU, y el valor de TC de componentes calcificados en 131–300 y HU16, y se midió el volumen total de placa de cada arteria coronaria enferma.

Las cuatro características de vulnerabilidad a la TC de las placas de las arterias coronarias de alto riesgo fueron remodelación positiva, placa de baja atenuación, calcificación irregular y el signo del anillo de servilleta. Las placas de las arterias coronarias que presentaban dos o más de las características anteriores se definieron como placas de alto riesgo para TC17.

5. Análisis estadístico

Los datos categóricos se expresaron como frecuencia y porcentaje [%], analizados mediante la prueba de chi cuadrado, y posteriormente comparados entre grupos usando la partición qui-cuadrado fila por columna ( corregido P = 0,0167). La prueba de Kolmogorov-Smirnov se utilizó para examinar la normalidad cuantitativa de datos. Los datos cuantitativos normalmente distribuidos se presentaron como media ± desviación estándar (DS), y las diferencias estadísticas se evaluaron mediante análisis de varianza (ANOVA). Los datos cuantitativos que no estaban normalmente distribuidos se presentan como el rango mediano e intercuartílico [M (Q1, Q3)], aplicándose la prueba de Kruskal-Wallis para comparaciones entre varios grupos. Se realizaron análisis de regresión logística binaria univariante y multivariante para identificar factores de riesgo independientes asociados a las placas de alto riesgo en TC. El análisis estadístico se realizó utilizando el software SPSS 26.0. Se consideró estadísticamente significativo un valor P de <0,05.

6. Análisis de regresión lineal de la IHE con IAA perivascular

Se realizó regresión lineal multivariable para evaluar la asociación entre la ICG (continua) y la FAI perivascular (LAD-FAI y LCX-FAI), ajustando por las mismas covariables que en el análisis primario.

7. Análisis de sensibilidad usando cuartiles HGI

Para evaluar la robustez de los hallazgos, la HGI se categorizó en cuarteles y su asociación con placas de alto riesgo en TC se reevaluó mediante regresión logística multivariable, ajustando por las mismas covariables que en el análisis primario.

8. Análisis de subgrupos e interacción

Se realizaron análisis de subgrupos según la edad, el género y el nivel de control glucémico utilizando regresión logística multivariable, ajustando por las mismas covariables que en el análisis primario, excepto la propia variable de estratificación. Se probaron términos de interacción entre la HGI y cada variable de estratificación para evaluar la modificación del efecto.

9. Análisis de splines cúbicos restringidos

Para explorar las posibles relaciones dosis-respuesta y no lineales entre la ICH y los resultados, se realizaron análisis de spline cúbica restringida (RCS) modelando la ICH como una variable continua. Para la placa de alto riesgo en TC, se ajustaron modelos de regresión logística RCS, mientras que para LAD-FAI se utilizaron modelos de regresión lineal RCS. Todos los modelos se ajustaron para las mismas covariables que en el análisis primario. La asociación general y el componente no lineal se evaluaron utilizando la prueba de Wald.

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

Resultados

Asociación entre HbA1c y FPG

Se estableció una relación lineal entre las mediciones de HbA1c y FPG de los pacientes, derivando la ecuación de regresión: HbA1c predicho = 0,28 × FPG + 5,75, con r = 0,508 y P < 0,001 (Figura 3).

Comparación de datos clínicos basales y FAI entre diferentes grupos

Los valores de HGI de los grupo...

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

Discusión

El presente estudio encontró que el volumen y la proporción de placas calcificadas y no calcificadas aumentaron con un incremento de los niveles de ICH. Simultáneamente, la aparición y proporción de características de alto riesgo de TC (placas de baja atenuación) en placas ateroscleróticas de las arterias coronarias también aumentaron con el incremento de los niveles de IGH. Las mediciones de los valores de FAI en las tres principales arterias coronarias mostraron que los valores de LAD-...

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

Divulgaciones

Todos los autores declaran que no tienen conflictos de interés relacionados con este estudio.

Agradecimientos

Los autores desean expresar su sincero agradecimiento al profesor Xianhua Wu por su valiosa orientación, sugerencias constructivas y apoyo continuo durante toda la investigación. También agradecemos al personal del Hospital Afiliado de la Universidad de Nantong por su ayuda en la recuperación de datos y la revisión de casos.

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

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Estación de trabajo comercialTecnología ShukunSistema de diagnóstico asistido por IA para TC coronariaUtilizado para el análisis cuantitativo de placas ateroscleróticas coronarias.
Sistema de Tomografía ComputarizadaGE HealthcareRevolution CT (256 cortes)Se utiliza para exámenes de tomografía coronaria y angiografía (CCTA). Parámetros de barrido: colimación del detector de 160 x 0,5 mm, velocidad de rotación de la pórtica de 0,28 segundos/rotación, grosor de corte de 0,625 mm.
Agente de contraste no iónicoBayer HealthcareUltravist 370Agente de contraste intravenoso. La dosis fue de 0,8 mL por kg de peso corporal, con una tasa de inyección de 5 mL/segundo, seguida de un lavado de solución salina de 20 mL al mismo ritmo.
Software estadísticoIBMSPSS 26.0Se utiliza para todos los análisis estadísticos, incluyendo ANOVA, pruebas de chi cuadrado y análisis de regresión logística.
Software de análisis vascularCorporación DeepwiseDW-CACTASSe utiliza para delimitar automáticamente el tejido adiposo pericoronario y calcular el índice de atenuación de grasa (FAI). Operado por un radiólogo cegado a la información del paciente.

Referencias

  1. Hu, B., et al. Global assessment of atherosclerotic cardiovascular disease quality of care index in adults aged ≥60 years. Nutr Metab Cardiovasc Dis. 36 (3), 104422 (2026).
  2. Arnett, D. K., et al. 2019 ACC/AHA Guideline on the primary prevention of cardiovascular disease: executive SHORT ABSTRACT: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. J Am Coll Cardiol. 74 (10), 1376-1414 (2019).
  3. Figueiredo, C. S., et al. Inflammation in coronary atherosclerosis: insights into pathogenesis and therapeutic potential of anti-inflammatory drugs. Pharmaceuticals. 16 (9), 1242 (2023).
  4. Ichikawa, K., et al. High pericoronary adipose tissue attenuation on computed tomography angiography predicts cardiovascular events in patients with type 2 diabetes mellitus: post-hoc analysis from a prospective cohort study. Cardiovasc Diabetol. 21 (1), 44 (2022).
  5. Antoniades, C., Antonopoulos, A. S., Deanfield, J. Imaging residual inflammatory cardiovascular risk. Eur Heart J. 41 (6), 748-758 (2019).
  6. Antonopoulos, A. S., et al. Detecting human coronary inflammation by imaging perivascular fat. Sci Transl Med. 9 (398), eaal2658 (2017).
  7. Maurovich-Horvat, P., Ferencik, M., Voros, S., Merkely, B., Hoffmann, U. Comprehensive plaque assessment by coronary CT angiography. Nat Rev Cardiol. 11 (7), 390-402 (2014).
  8. Rezende, P. C., et al. Association of longitudinal values of glycated hemoglobin with cardiovascular events in patients with type 2 diabetes and multivessel coronary artery disease. JAMA Netw Open. 3 (1), e1919666 (2020).
  9. Nathan, D. M., et al. Translating the A1C assay into estimated average glucose values. Diabetes Care. 31 (8), 1473-1478 (2008).
  10. Gonzalez-Covarrubias, V., et al. Transporters, TBC1D4, and ARID5B variants to explain glycated hemoglobin variability in patients with type 2 diabetes. Pharmacology. 106 (11-12), 588-596 (2021).
  11. Soros, A. A., Chalew, S. A., McCarter, R. J., Shepard, R., Hempe, J. M. Hemoglobin glycation index: a robust measure of hemoglobin A1c bias in pediatric type 1 diabetes patients. Pediatr Diabetes. 11 (7), 455-461 (2010).
  12. Kim, W., Go, T., Kang, D. R., Lee, E. J., Huh, J. H. Hemoglobin glycation index is associated with incident chronic kidney disease in subjects with impaired glucose metabolism: a 10-year longitudinal cohort study. J Diabetes Complications. 35 (1), 107760 (2021).
  13. McCarter, R. J., Hempe, J. M., Gomez, R., Chalew, S. A. Biological variation in HbA1c predicts risk of retinopathy and nephropathy in type 1 diabetes. Diabetes Care. 27 (6), 1259-1264 (2004).
  14. Oikonomou, E. K., et al. Non-invasive detection of coronary inflammation using computed tomography and prediction of residual cardiovascular risk (the CRISP CT study): a post-hoc analysis of prospective outcome data. Lancet. 392 (10151), 929-939 (2018).
  15. Otsuka, K., et al. Napkin-ring sign on coronary CT angiography for the prediction of Acute Coronary Syndrome. JACC: Cardiovasc Imaging. 6 (4), 448-457 (2013).
  16. Motoyama, S., et al. Computed tomographic angiography characteristics of atherosclerotic plaques subsequently resulting in acute coronary syndrome. J Am Coll Cardiol. 54 (1), 49-57 (2009).
  17. Small, G. R., Chow, B. J. W. CT imaging of the vulnerable plaque. Curr Treat Options Cardiovasc Med. 19 (12), 92 (2017).
  18. Hempe, J. M., Gomez, R., McCarter, R. J., Chalew, S. A. High and low hemoglobin glycation phenotypes in type 1 diabetes: a challenge for interpretation of glycemic control. J Diabetes Complications. 16 (5), 313-320 (2002).
  19. Wang, Y., et al. Association between hemoglobin glycation index and 5-year major adverse cardiovascular events: the REACTION cohort study. Chin Med J. 136 (20), 2468-2475 (2023).
  20. Marini, M. A., et al. Association between hemoglobin glycation index with insulin resistance and carotid atherosclerosis in non-diabetic individuals. PLoS One. 12 (4), e0175547 (2017).
  21. Koska, J., et al. Advanced glycation end products, oxidation products, and incident Cardiovascular Events in Patients With Type 2 Diabetes. Diabetes Care. 41 (3), 570-576 (2018).
  22. Kim, M. K., et al. Hemoglobin glycation index predicts cardiovascular disease in people with type 2 diabetes mellitus: a 10-year longitudinal cohort study. J Diabetes Complications. 32 (10), 906-910 (2018).
  23. Ahn, C. H., et al. Hemoglobin glycation index is associated with Cardiovascular Diseases in People With Impaired Glucose Metabolism. J Clin Endocrinol Metab. 102 (8), 2905-2913 (2017).
  24. Van Diemen, P. A., et al. Prognostic value of RCA pericoronary adipose tissue CT-Attenuation Beyond High-Risk Plaques, Plaque Volume, and Ischemia. JACC: Cardiovasc Imaging. 14 (8), 1598-1610 (2021).
  25. Yu, Y., et al. Increased coronary pericoronary adipose tissue attenuation in diabetic patients compared to non-diabetic controls: a propensity score matching analysis. J Cardiovasc Comput Tomogr. 16 (4), 327-335 (2022).
  26. Ma, R., et al. Towards reference values of pericoronary adipose tissue attenuation: impact of coronary artery and tube voltage in coronary computed tomography angiography. Eur Radiol. 30 (12), 6838-6846 (2020).
  27. Calle, M. C., Fernandez, M. L. Inflammation and type 2 diabetes. Diabetes Metab. 38 (3), 183-191 (2012).
  28. Nicoll, R., Henein, M. Y. Arterial calcification: a new perspective?. Int J Cardiol. 228 (1), 11-22 (2017).
  29. Erlinge, D., et al. Identification of vulnerable plaques and patients by intracoronary near-infrared spectroscopy and ultrasound (PROSPECT II): a prospective natural history study. Lancet. 397 (10278), 985-995 (2021).
  30. Neumann, F. J., et al. 2018 ESC/EACTS Guidelines on myocardial revascularization. Kardiol Pol. 76 (12), 1585-1664 (2018).
  31. Sagris, M., et al. Pericoronary fat attenuation index—a new imaging biomarker and its diagnostic and prognostic utility: a systematic review and meta-analysis. Eur Heart J Cardiovasc Imaging. 23 (12), e526-e536 (2022).
  32. Oikonomou, E. K., et al. Non-invasive detection of coronary inflammation using computed tomography and prediction of residual cardiovascular risk (the CRISP CT study): a post-hoc analysis of prospective outcome data. Lancet. 392 (10151), 929-939 (2018).
  33. Lisi, C., et al. The pericoronary adipose tissue attenuation in CT strongly depends on kernels and iterative reconstructions. Eur Radiol. 35 (5), 2866-2876 (2025).
  34. Mancini, G. B. J., Kamimura, C., Yeoh, E., Ryomoto, A. Effects of adaptive or fixed thresholds and different platforms on the assessment of plaque characteristics using coronary computed tomography angiography. J Cardiovasc Comput Tomogr. 18 (3), 297-303 (2024).
  35. Vattay, B., et al. Impact of virtual monoenergetic levels on coronary plaque volume components using photon-counting computed tomography. Eur Radiol. 33 (12), 8528-8539 (2023).
  36. Hu, B., et al. The atherogenic index of plasma predicts long-term outcomes in patients with severe coronary artery calcification undergoing rotational atherectomy: a machine learning-based cohort study. Cardiovasc Diabetol. 25 (1), 2 (2025).

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

Reimpresiones y permisos

Etiquetas

Angiograf a por TC coronariaPlaca de alto riesgoAtenuaci n de la grasa perivascularVulnerabilidad de la placaRegresi n log sticaCuantificaci n de la placaBiomarcador de diabetes