Evaluation of the adiponectin performance in predicting insulin need in pregnant women with gestational diabetes mellitus

Objetivo: avaliar o desempenho da adiponectina para predição do uso de insulina no controle glicêmico durante a gestação. Métodos: estudo casocontrole, aninhado a coorte prospectiva, incluindo gestações únicas de mulheres com diagnóstico de diabetes mellitus gestacional até 32 semanas e que realizaram seguimento pré-natal em hospital terciário de ensino. As pacientes foram divididas em dois grupos, de acordo com a necessidade ou não do uso de insulina durante a gestação (grupo DIETA e grupo INSULINA). Todas as pacientes tiveram amostras de sangue obtidas na primeira consulta após o diagnóstico de diabetes. Os grupos foram comparados quanto a variáveis clínicas e laboratoriais. Inicialmente, foi realizada análise univariada e os fatores com diferença estatística significativa entre os grupos ou com relevância clínica foram utilizados para construção de modelos de regessão logística. Para análise multivariada, cinco modelos de predição foram propostos, a fim de verificar o quanto o acréscimo de novas variáveis melhoraria o desempenho, bem como analisar o custo de cada um dos modelos. As análises estatísticas foram realizadas por meio do software Statistical Package for the Social Science, utilizando os seguintes testes: t-Student, Mann-Whitney U, razão de verossimilhança, exato de Fisher ou qui-quadrado, conforme mais apropriado. Foi considerado significativo valor de p < 0,05. Resultados: 254 gestantes foram incluídas, 202 (79,5%) no grupo DIETA e 52 (20,5%) no grupo INSULINA. Na análise univariada, os seguintes fatores se associaram ao uso de insulina durante a gestação: antecedente pessoal de diabetes gestacional, presença de hipertensão, valor da glicemia de jejum do 1º trimestre, valores de glicemia de jejum e de 1ª hora após a sobrecarga do teste de tolerância, número de valores alterados do teste de sobrecarga, índice HOMA-IR e hemoglobina glicosilada. Nos modelos preditores elaborados, a adiponectina não se mostrou preditora do uso de insulina. O antecedente pessoal de diabetes gestacional foi preditor em todos os modelos propostos. Realizamos sub-análise específica para o grupo de primigestas e, neste grupo, o índice HOMA-IR foi a única variável preditora de insulinoterapia. O desempenho dos modelos foi avaliado por meio da curva ROC. O modelo que acrescentou a hemoglobina glicosilada foi o que apresentou melhor desempenho (AUC = 0,740) quando comparado ao modelo inicial, apenas com fatores clínicos (AUC = 0,639). Quando avaliado o custo de cada modelo, o acréscimo da hemoglobina glicada melhorou o modelo de predição, agregando baixo custo (R$ 7,86), a ser considerado na prática clínica. Conclusão: a adiponectina, dosada após o diagnóstico de diabetes gestacional, não é preditora de uso de insulina. A hemoglobina glicosilada, associada a fatores clínicos, auxilia na predição de insulinoterapia, agregando baixo custo aos serviços de saúde. Entre as primigestas, em que o antecedente pessoal de diabetes gestacional não está disponível, o índice HOMA-IR tem maior papel na predição do uso de insulinaObjective: to evaluate the adiponectin performance in predicting insulin need for glycemic control during pregnancy. Methods: case-control analysis, nested from an ongoing prospective cohort, that evalueted singleton pregnancies of women with gestational diabetes mellitus, diagnosed up to 32 weeks, who attended for an antenatal care at a tertiary teaching hospital. The patients were divided into two groups, according to the type of treatment for glycemic control during pregnancy (DIET group and INSULIN group). All subjects underwent a blood samples analysis at the first visit after the diagnosis. The groups were compared regarding clinical and laboratory variables. First, univariate analysis was performed and factors that showed a statistically significant difference between groups or presented with clinical relevance were used to the logistic regression models. In the multivariate analysis, five prediction models were proposed, in order to verify whether the addition of new variables could improve the model performance, as well as to analyze the cost of each one. Statistical analyzes were performed using the Statistical Package for the Social Science software, using the following tests: t-Student, Mann-Whitney U, likelihood ratio, Fisher\'s exact or chi-square, as appropriate. A p value < 0.05 was considered significant. Results: 254 pregnant women were included, 202 (79.5%) in the DIET group and 52 (20.5%) in the INSULIN group. In the univariate analysis, the factors associated with the insulin need during pregnancy were: prior gestational diabetes, presence of hypertension, first trimester fasting blood glucose value, fasting blood glucose and first hour overload values of the glucose tolerance test, number of abnormal values of the glucose tolerance test, HOMA-IR index and glycosylated hemoglobin. In the predictive models proposed, adiponectin was not a predictor of insulin need. Prior gestational diabetes was a predictor in all models suggested. A specific sub-analysis for the primiparous pregnant women were performed and, in this group, the HOMA-IR index was the only predictive variable for insulin therapy. The performance of the models was assessed by using the ROC curve. The model that added glycosylated hemoglobin presented with the best performance (AUC = 0.740) compared to the initial model, wich included only clinical factors (AUC = 0.639). When the cost of each model was evaluated, the addition of glycated hemoglobin improved the prediction model, adding low cost (R$ 7.86) to be considered in clinical practice. Conclusion: adiponectin, assessed after the diagnosis of gestational diabetes, is not a predictor of the insulin need. Glycosylated hemoglobin, associated with clinical factors, improves the prediction of insulin therapy requeriment, adding low cost to health services. Among primiparous pregnant women, in which previous gestational diabetes does not apply, the HOMA-IR index has a better performance in predicting the insulin need