Aportes a los Factores de Riesgo en Diabetes Mellitus en México 2023
Resumen
Este estudio tiene como objetivo obtener un modelo de regresión logística para identificar los factores de riesgo que inciden en la aparición de Diabetes Mellitus tipo 2 (DM2). Los datos se obtuvieron de la Encuesta Nacional de Salud y Nutrición 2023 (ENSANUT 2023), levantada en México. El modelo se construyó utilizando el método de selección StepAIC, obteniéndose un modelo final con 12 variables independientes y una interacción. Para este modelo se obtuvo un pseudo de McFadden = 0,2695. La prueba de bondad de ajuste de Hosmer–Lemeshow evidenció un 0.176; dado que , se considera que el modelo presenta un buen ajuste. Además, la curva ROC, con un AUC = 0.856, indica que el modelo tiene una buena capacidad predictiva. Los resultados muestran que factores como la prediabetes (PreDM), la hipertensión arterial (HTA), la diabetes en la madre (DM.M) y la diabetes en los hermanos (DM.Hnos) son las variables con mayor influencia en la aparición de DM2. Esto confirma que tanto las condiciones de salud personales como los antecedentes familiares contribuyen significativamente al riesgo de desarrollar esta enfermedad.
Descargas
Citas
Alcocer, B. S., Valle, A. R. C., & Ceh, J. G. G. (2016). Identificación de factores de riesgo de la diabetes mellitus tipo 2 en adultos de 30 a 60 años de edad en la comunidad de Isla Aguada, municipio de Ciudad del Carmen, Campeche. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 6(12), 476–490. Recuperado de: https://www.ride.org.mx/index.php/RIDE/article/view/216
Berlanga-Silvente, V., & Vilà-Baños, R. (2014). Cómo obtener un modelo de regresión logística binaria con SPSS. REIRE. Revista d’Innovació i Recerca en Educació, 7(2), 105–118. https://doi.org/10.1344/reire2014.7.2727
Rivas-Castro, A., Leguísamo-Peñate, I. L., & Puello-Viloria, Y. P. (2020). Estilo de vida en pacientes con Diabetes Mellitus tipo II de una institución de salud en Santa Marta, Colombia, 2017. Duazary: Revista internacional de Ciencias de la Salud, 17(4), 55–64. https://doi.org/10.21676/2389783X.3601
Coronado-Malagón, M., Gómez-Vargas, J. I., Espinoza-Peralta, D., & Arce-Salinas, A. (2009). Progresión de prediabetes a diabetes mellitus tipo 2 en mexicanos. Evaluación en una cohorte. Gaceta Médica de México, 145(4), 269–272. Recuperado de: https://www.anmm.org.mx/publicaciones/gaceta_medica_de_mexico/2009/vol_145_n4.pdf
Instituto Nacional de Salud Pública. (2018). Encuesta Nacional de Salud y Nutrición 2018 (ENSANUT 2018). Recuperado de: https://ensanut.insp.mx/encuestas/ensanut2018/index.php
Joshi, R. D., & Dhakal, C. K. (2021). Predicting type 2 diabetes using logistic regression and machine learning approaches. International Journal of Environmental Research and Public Health, 18(14), 7346. https://doi.org/10.3390/ijerph18147346
Liao-Li, M. K., Celaya-Padilla, J. M., Galván-Tejada, C. E., Galván-Tejada, J. I., Luna-García, H., Rosales, H. G., & Cruz, M. (2022). Detección de nefropatía como complicación en pacientes diabéticos de tipo II mediante el uso de la regresión logística. Research in Computing Science, 151(6), 133–144. Recuperado de: https://rcs.cic.ipn.mx/2022_151_6/RCS_151_6_2022.pdf
López-González, A. A., González San Miguel, H. M., Arroyo Bote, S., Del Mar Rigo Vives, M., Riutord Sbert, P., & Ramírez Manent, J. (2021). Relación entre el consumo de alcohol y el riesgo de diabetes tipo 2 en los trabajadores. Prensa Médica Argentina, 107(6), 299–306. Recuperado de: https://pesquisa.bvsalud.org/portal/resource/pt/biblio-1359089
Olaiz-Fernández, G., Rojas, R., Aguilar-Salinas, C. A., Rauda, J., & Villalpando, S. (2007). Diabetes mellitus en adultos mexicanos: resultados de la Encuesta Nacional de Salud 2000. Salud Pública de México, 49 (Supl.3), s331–s337. Recuperado de: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0036-36342007000900004&lng=es
Peñafiel, B. D. G. (2024). Factores de riesgo asociados a diabetes mellitus tipo 2. Revista Científica de Salud y Desarrollo Humano, 5(2), 101–115. https://doi.org/10.61368/r.s.d.h.v5i2.123
R Core Team. (2023). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.r-project.org/
Sánchez Martínez, B., Vega Falcón, V., & Gómez Martínez, N. (2021). Predicción de la diabetes mellitus tipo 2 en pacientes adultos mediante regresión logística binaria. Dilemas contemporáneos: educación, política y valores, 8(3), Art. 00051. https://doi.org/10.46377/dilemas.v8i3.2675
Saltos Solís, M. S. (2012). Estilos de vida y factores de riesgo asociados a diabetes mellitus tipo 2. Ciencia UNEMI, 5(7), 8–19. https://doi.org/10.29076/issn.2528-7737vol5iss7.2012pp8-19p
Tabák, A. G., Herder, C., Rathmann, W., Brunner, E. J., & Kivimäki, M. (2012). Prediabetes: a high-risk state for diabetes development. The Lancet, 379(9833), 2279–2290. https://doi.org/10.1016/S0140-6736(12)60283-9
World Health Organization. (2024). Diabetes: Fact sheet. Recuperado de: https://www.who.int/es/news-room/fact-sheets/detail/diabetes
Derechos de autor 2026 José Alfredo Zicatl García , Ramón Reyes Carreto

Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.









.png)
















.png)
1.png)

