¿Por qué el GMI de la MCG no coincide con la hemoglobina glucosilada?
Por qué el GMI de la monitorización continua de glucosa no coincide habitualmente con la hemoglobina glicosilada?
Resumen ejecutivo
La discrepancia entre el GMI (derivado de la glucosa media del sensor) y la HbA1c (laboratorio) es frecuente y, en una proporción clínicamente relevante, supera 0,3–0,5 puntos porcentuales, por lo que no debe interpretarse como “fallo” automático de uno u otro método. Esta discordancia es esperable porque miden fenómenos biológicos distintos (glucosa intersticial reciente vs glicación de hemoglobina a lo largo de la vida del eritrocito) y porque ambos tienen fuentes propias de error. La clave clínica es identificar si predomina: (1) un problema de representatividad/calidad de CGM, (2) un problema de validez de HbA1c, o (3) una diferencia biológica estable de “glicación” individual. En la práctica, la discrepancia debe activar una evaluación dirigida y, cuando persiste de forma consistente, puede usarse para personalizar objetivos y evitar intensificación iatrogénica. Diabetes Care 2018 (GMI) [1] Diabetes Care 2024 (Selvin) [2]
1) No miden la misma “exposición glucémica”: ventana temporal y biología del marcador
HbA1c refleja la glicación no enzimática de la hemoglobina dentro del eritrocito durante su vida media (≈2–3 meses, con ponderación mayor de semanas recientes), mientras que el GMI es una transformación matemática de la glucosa media del CGM medida en líquido intersticial típicamente durante 10–14 días (o el periodo disponible). Por ello, cambios recientes (inicio/ajuste de fármacos, enfermedad intercurrente, corticoides, cambios bruscos de dieta/actividad) pueden elevar o reducir el GMI rápidamente, mientras que la HbA1c “se mueve” más lento y puede quedarse transitoriamente “rezagada”. Diabetes Care 2018 (GMI) [1] Diabetes Care 2026 (ADA Tecnología) [3]
Implicación clínica: una discrepancia es más interpretable si se alinean estrictamente las ventanas (p. ej., HbA1c tomada inmediatamente tras un periodo de CGM estable y representativo) y si no hubo cambios terapéuticos/biológicos mayores en las semanas previas. Diabetes Care 2018 (GMI) [1]
2) Variabilidad biológica: vida media eritrocitaria y “fenotipo de glicación”
Incluso con glucosa media idéntica, personas distintas pueden tener HbA1c distinta por diferencias en:
- Supervivencia/edad media eritrocitaria (turnover): una vida eritrocitaria más larga incrementa HbA1c (más tiempo para glicación) y una más corta la reduce. Esto puede ocurrir incluso en individuos “hematológicamente normales” y ser suficiente para cambiar decisiones clínicas. Blood 2008 (Cohen) [4]
- Otros determinantes no glucémicos (p. ej., diferencias individuales en tasas de glicación/deglicación y factores genéticos), que pueden hacer que la discrepancia sea relativamente estable dentro del individuo a lo largo del tiempo. Diabetes Care 2018 (GMI) [1] Diabetes Care 2024 (Selvin) [2]
Implicación clínica: si el patrón “HbA1c sistemáticamente más alta que GMI” (o viceversa) se repite con datos de CGM sólidos, puede representar un rasgo biológico estable. En ese caso, perseguir un objetivo de HbA1c “estándar” sin integrar CGM puede aumentar riesgo de hipoglucemia o de infratratamiento, según la dirección del sesgo. Diabetes Care 2018 (GMI) [1]
3) Condiciones clínicas que invalidan o sesgan HbA1c (y separan HbA1c de la glucosa real)
La HbA1c puede ser poco fiable cuando cambia la cinética eritrocitaria o hay interferencias analíticas (p. ej., hemoglobinopatías, anemia hemolítica, pérdidas sanguíneas/transfusión, embarazo, y en algunos casos enfermedad renal crónica por alteraciones del recambio eritrocitario o tratamientos). Estos escenarios aumentan la probabilidad de que HbA1c no represente bien la exposición glucémica y, por tanto, diverja del GMI/CGM. Diabetes Care 2008 (ADAG) [5] Blood 2008 (Cohen) [4]
Implicación clínica: ante discordancia relevante, debe considerarse activamente “HbA1c no interpretable” y apoyarse en métricas alternativas (p. ej., CGM con alta calidad de datos y/o marcadores de glicación de proteínas séricas según disponibilidad local), en lugar de intensificar tratamiento solo por HbA1c. Diabetes Care 2024 (Selvin) [2]
4) Limitaciones del CGM que afectan GMI: precisión, sesgos del sensor y representatividad del muestreo
El GMI hereda cualquier error de la glucosa media del CGM. Las fuentes principales son:
- Imprecisión y variabilidad entre sensores/algoritmos (incluida discordancia entre marcas incluso en el mismo individuo). Diabetes Care 2024 (Selvin) [2]
- Retraso fisiológico intersticial (lag) y peor desempeño en cambios rápidos de glucosa, lo que puede sesgar la media en determinados patrones de variabilidad. Diabetes Care 2026 (ADA Tecnología) [3]
- Interferencias por fármacos/sustancias descritas para algunos sistemas, que pueden elevar o reducir lecturas. Diabetes Care 2026 (ADA Tecnología) [3]
- Datos no representativos: pocos días, periodos sin sensor, cambios de conducta durante el uso, o diferencias entre días laborables y fines de semana.
Implicación clínica: antes de concluir que “la HbA1c está mal”, hay que auditar la calidad del CGM: porcentaje de uso, huecos, días capturados, coherencia con glucemias capilares cuando hay síntomas/valores extremos y revisión de posibles interferencias. Diabetes Care 2026 (ADA Tecnología) [3] Diabetes Care 2018 (GMI) [1]
5) Un problema conceptual: el GMI es una regresión poblacional (no una “HbA1c del paciente”)
El GMI se calcula con una ecuación derivada de poblaciones específicas y de dispositivos concretos; por diseño, estima el valor de HbA1c “esperable” en promedio para una glucosa media dada, no el valor real de HbA1c del individuo. Por eso la discordancia no es una excepción rara, sino un comportamiento esperado de una transformación poblacional aplicada a un paciente concreto. Diabetes Care 2018 (GMI) [1] Diabetes Care 2024 (Selvin) [2]
6) Enfoque práctico de toma de decisiones cuando GMI y HbA1c no coinciden
- Verificar alineación temporal: ¿HbA1c tomada tras un periodo de CGM estable y representativo? ¿Hubo cambios terapéuticos/enfermedad intercurrente? Diabetes Care 2018 (GMI) [1]
- Auditar calidad del CGM: uso casi diario, huecos, sospecha de interferencias, y confirmación con glucemia capilar cuando el CGM no cuadra con la clínica. Diabetes Care 2026 (ADA Tecnología) [3]
- Preguntar por causas de HbA1c poco fiable (turnover eritrocitario, hemoglobinopatías, transfusión/sangrado, etc.). Blood 2008 (Cohen) [4] Diabetes Care 2008 (ADAG) [5]
- Si la discordancia persiste y el CGM es robusto, usar CGM (tiempo en rango, hipoglucemia, variabilidad y glucosa media) para evitar decisiones basadas solo en HbA1c que aumenten hipoglucemia o mantengan hiperglucemia inadvertida. Diabetes Care 2024 (Selvin) [2]
- Documentar el “sesgo individual” (HbA1c–GMI) y revaluarlo periódicamente: suele ser más útil para personalización que intentar “forzar” concordancia. Diabetes Care 2018 (GMI) [1]
Idea final para la práctica
En lugar de esperar coincidencia, es más seguro asumir que HbA1c y CGM son complementarios: HbA1c mantiene su valor pronóstico y estandarización poblacional, mientras que CGM aporta granularidad (hipoglucemia, variabilidad, patrones) y, en discordancia, puede prevenir errores de intensificación o complacencia terapéutica. Diabetes Care 2024 (Selvin) [2] Diabetes Care 2026 (ADA Tecnología) [3]
Fuentes
- https://pmc.ncbi.nlm.nih.gov/articles/PMC6196826/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC11116920/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC12690173/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC2581997/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC2742903/
- https://www.timeinrange.org/time-in-range-in-the-2026-ada-standards-of-care/
- https://www.medcentral.com/endocrinology/diabetes/glucose-management-indicator-replaces-ea1c-patients-with-cgm-sensors
- https://pubmed.ncbi.nlm.nih.gov/20424232/
- https://www.omnipod.com/diabetes-hub/learning-center/diabetes-technology/ada-2026
- https://pubmed.ncbi.nlm.nih.gov/30224348/
- https://pubmed.ncbi.nlm.nih.gov/20396998/
- https://www.diabetotech.com/blog/key-updates-ada-2026-diabetes-technology-guidelines
- https://professional.diabetes.org/sites/default/files/media/average_glucose_flyer.pdf
- https://www.jaeb.org/gmi/
- https://pubmed.ncbi.nlm.nih.gov/18540046/
- https://diabetesjournals.org/care/article/49/Supplement_1/S150/163922/7-Diabetes-Technology-Standards-of-Care-in
- https://diabetesjournals.org/care/article/47/6/906/154177/The-Glucose-Management-Indicator-Time-to-Change
- https://diabetesjournals.org/diabetes/article-pdf/59/7/1585/397485/zdb00710001585.pdf
- https://elifesciences.org/articles/69456
- https://pmc.ncbi.nlm.nih.gov/articles/PMC11116906/
- https://www.semanticscholar.org/paper/Translating-the-A1C-Assay-Into-Estimated-Average-Nathan-Kuenen/609e4b59cc5b2bab4a956a4449b4363b4d17f210
- https://www.studocu.com/ec/document/universidad-metropolitana-del-ecuador/gestion-de-proyectos/adag-study-translating-a1c-assay-to-estimated-average-glucose-values/136853809
- https://clinmedjournals.org/articles/ijdcr/international-journal-of-diabetes-and-clinical-research-ijdcr-11-183.php?jid=ijdcr
- https://pubmed.ncbi.nlm.nih.gov/38295402/
- https://diabetesjournals.org/care/article/33/2/273/26952/Labile-A1C-Is-Inversely-Correlated-With-the
- https://researchprofiles.ku.dk/en/publications/translating-the-a1c-assay-into-estimated-average-glucose-values
- https://pmc.ncbi.nlm.nih.gov/articles/PMC8502217/
- https://pubmed.ncbi.nlm.nih.gov/38768328/
Respuesta generada por inteligencia artificial a partir de las fuentes citadas. Verifica las fuentes antes de aplicarla.