Incidencia de diabetes después de COVID

Cargando métricas

Acceso abierto

Revisado por pares

Artículo de investigación

Roles Conceptualización, Curación de datos, Análisis formal, Investigación, Metodología, Visualización, Escritura – borrador original

¶‡ Estos autores comparten la primera autoría de este trabajo.

Centro de afiliación para la práctica e investigación de medicamentos seguros, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

https://orcid.org/0000-0002-9418-7448

Roles Conceptualización, Investigación, Metodología, Redacción – borrador original, Redacción – revisión y edición

¶‡ Estos autores comparten la primera autoría de este trabajo.

Afiliación Departamento de Medicina, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

https://orcid.org/0000-0002-9813-1126

Validación de Roles, Visualización

Centro de afiliación para la práctica e investigación de medicamentos seguros, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

https://orcid.org/0000-0002-1669-4479

Validación de Roles, Visualización

Centro de afiliación para la práctica e investigación de medicamentos seguros, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

https://orcid.org/0000-0001-5904-8322

Roles Adquisición de financiación, redacción: revisión y edición.

Afiliaciones Centro para la Investigación y la Práctica Segura de Medicamentos, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China, Laboratorio de Descubrimiento de Datos para la Salud (D24H), Parque Científico y Tecnológico de Hong Kong , RAE de Hong Kong, China

https://orcid.org/0000-0002-9121-1959

Escritura de roles: revisión y edición

Afiliaciones Centro para la Investigación y la Práctica Segura de Medicamentos, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China, Laboratorio de Descubrimiento de Datos para la Salud (D24H), Parque Científico y Tecnológico de Hong Kong , RAE de Hong Kong, China, Departamento de Medicina Familiar y Atención Primaria, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

https://orcid.org/0000-0002-6275-1147

Escritura de roles: revisión y edición

Afiliaciones Laboratorio de Descubrimiento de Datos para la Salud (D24H), Parque Científico y Tecnológico de Hong Kong, RAE de Hong Kong, China, Escuela de Enfermería, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China, Escuela de Ciencias Públicas Salud, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

https://orcid.org/0000-0003-1513-8726

Escritura de roles: revisión y edición

Afiliaciones Centro para la Investigación y la Práctica Segura de Medicamentos, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China, Departamento de Medicina, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong , RAE de Hong Kong, China, Laboratorio de Descubrimiento de Datos para la Salud (D24H), Parque Científico y Tecnológico de Hong Kong, RAE de Hong Kong, China

https://orcid.org/0000-0003-4836-7808

Escritura de roles: revisión y edición

Centro de afiliación para la práctica e investigación de medicamentos seguros, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

https://orcid.org/0000-0001-7818-1575

Escritura de roles: revisión y edición

Afiliaciones Centro para la Investigación y la Práctica Segura de Medicamentos, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China, Laboratorio de Descubrimiento de Datos para la Salud (D24H), Parque Científico y Tecnológico de Hong Kong , RAE de Hong Kong, China

https://orcid.org/0000-0002-6233-9144

Roles Adquisición de financiación, redacción: revisión y edición.

Afiliaciones Centro para la Investigación y la Práctica Segura de Medicamentos, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China, Laboratorio de Descubrimiento de Datos para la Salud (D24H), Parque Científico y Tecnológico de Hong Kong , RAE de Hong Kong, China, Departamento de Farmacia, Hospital de la Universidad de Hong Kong-Shenzhen, Shenzhen, China, Instituto de Investigación e Innovación de Shenzhen de la Universidad de Hong Kong, Shenzhen, China

Escritura de roles: revisión y edición

Afiliación Departamento de Medicina, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

Escritura de roles: revisión y edición

Afiliación Departamento de Medicina, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

https://orcid.org/0000-0001-9559-3467

Escritura de roles: revisión y edición

Afiliación Departamento de Medicina, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

Roles Conceptualización, Curación de datos, Análisis formal, Investigación, Metodología, Administración de proyectos, Recursos, Supervisión, Redacción – borrador original, Redacción – revisión y edición.

* Correo electrónico: [email protected] (CKHW); [email protected] (ICKW)

Afiliaciones Centro para la Investigación y la Práctica Segura de Medicamentos, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China, Laboratorio de Descubrimiento de Datos para la Salud (D24H), Parque Científico y Tecnológico de Hong Kong , RAE de Hong Kong, China, Departamento de Medicina Familiar y Atención Primaria, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China

https://orcid.org/0000-0002-6895-6071

Roles Adquisición de fondos, investigación, administración de proyectos, recursos, supervisión, redacción: revisión y edición

* Correo electrónico: [email protected] (CKHW); [email protected] (ICKW)

Afiliaciones Centro para la Investigación y la Práctica Segura de Medicamentos, Departamento de Farmacología y Farmacia, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, RAE de Hong Kong, China, Laboratorio de Descubrimiento de Datos para la Salud (D24H), Parque Científico y Tecnológico de Hong Kong , RAE de Hong Kong (China), Escuela de Farmacia de Aston, Universidad de Aston, Birmingham (Reino Unido), Departamento de Investigación de Prácticas y Políticas, Facultad de Farmacia, University College London, Londres (Reino Unido)

Aún no se ha dilucidado el riesgo de incidencia de diabetes después de la vacunación contra la enfermedad por coronavirus 2019 (COVID-19). Además, no está claro si el riesgo de diabetes incidente después de la infección por el síndrome respiratorio agudo severo por coronavirus 2 (SARS-CoV-2) se modifica según el estado de vacunación o difiere según las variantes del SARS-CoV-2. Evaluamos la incidencia de diabetes después de las vacunas COVID-19 de ARNm (BNT162b2), inactivadas (CoronaVac) y después de la infección por SARS-CoV-2.

En este estudio de cohorte poblacional, se identificaron personas sin diabetes conocida a partir de una base de datos de salud electrónica en Hong Kong. La primera cohorte incluyó personas que recibieron ≥1 dosis de la vacuna COVID-19 y aquellas que no recibieron ninguna vacuna COVID-19 hasta septiembre de 2021. La segunda cohorte estuvo compuesta por pacientes confirmados de COVID-19 y personas que nunca se infectaron hasta marzo. 2022. Ambas cohortes fueron seguidas hasta el 15 de agosto de 2022. Un total de 325,715 receptores de la vacuna COVID-19 (CoronaVac: 167,337; BNT162b2: 158,378) y 145,199 pacientes con COVID-19 fueron emparejados 1:1 con sus respectivos controles utilizando la puntuación de propensión para varios características de línea base. También ajustamos la infección previa por SARS-CoV-2 al estimar la probabilidad condicional de recibir vacunas y el estado de vacunación al estimar la probabilidad condicional de contraer la infección por SARS-CoV-2. Los índices de riesgo (HR) y los intervalos de confianza (IC) del 95% para la diabetes incidente se estimaron utilizando modelos de regresión de Cox.

En la primera cohorte, identificamos 5.760 y 4.411 casos de diabetes después de recibir las vacunas CoronaVac y BNT162b2, respectivamente. Tras una mediana de seguimiento de 384 a 386 días, no hubo evidencia de un mayor riesgo de diabetes incidente después de la vacunación con CoronaVac o BNT162b2 (CoronaVac: 9,08 versus 9,10 por 100 000 días-persona, HR = 0,998 [IC del 95 %: 0,962 a 1,035] ; BNT162b2: 7,41 versus 8,58, HR = 0,862 [0,828 a 0,897]), independientemente del tipo de diabetes. En la segunda cohorte, observamos 2109 casos de diabetes después de la infección por SARS-CoV-2. Tras una mediana de seguimiento de 164 días, la infección por SARS-CoV-2 se asoció con un riesgo significativamente mayor de diabetes incidente (9,04 frente a 7,38, HR = 1,225 [1,150 a 1,305]), principalmente diabetes tipo 2, independientemente de las variantes circulantes predominantes. , aunque menor con las variantes de Omicron (interacción p = 0,009). El número necesario para dañar a los 6 meses fue 406 por 1 caso adicional de diabetes. El análisis de subgrupos no reveló evidencia de un mayor riesgo de diabetes incidente entre los sobrevivientes de COVID-19 completamente vacunados. Las principales limitaciones de nuestro estudio incluyeron un posible sesgo de clasificación errónea, ya que la diabetes tipo 1 se identificó mediante la codificación diagnóstica y posibles factores de confusión residuales debido a su naturaleza observacional.

No hubo evidencia de un mayor riesgo de diabetes incidente después de la vacunación contra el COVID-19. El riesgo de diabetes incidente aumentó después de la infección por SARS-CoV-2, principalmente diabetes tipo 2. El exceso de riesgo fue menor, pero aún estadísticamente significativo, para las variantes de Omicron. Las personas completamente vacunadas podrían estar protegidas de los riesgos de sufrir diabetes después de la infección por SARS-CoV-2.

Citación: Xiong X, Lui DTW, Chung MSH, Au ICH, Lai FTT, Wan EYF y otros. (2023) Incidencia de diabetes después de la vacunación COVID-19 y la infección por SARS-CoV-2 en Hong Kong: un estudio de cohorte poblacional. PLoS Med 20(7): e1004274. https://doi.org/10.1371/journal.pmed.1004274

Editor académico:Amitabh Bipin Suthar, Consejo Editorial de PLOS Medicine, ESTADOS UNIDOS

Recibió:17 de febrero de 2023;Aceptado:7 de julio de 2023;Publicado:24 de julio de 2023

Derechos de autor: © 2023 Xiong et al. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia de Atribución Creative Commons, que permite el uso, distribución y reproducción sin restricciones en cualquier medio, siempre que se cite al autor y la fuente originales.

Disponibilidad de datos: Los datos utilizados en este estudio no están disponibles gratuitamente. Se obtuvieron aprobaciones para el uso de datos del Departamento de Salud y de la Autoridad Hospitalaria específicamente para el estudio de seguimiento de la seguridad de las vacunas LONG COVID y COVID-19. Los datos del registro de vacunación e contagios son propiedad del Departamento de Salud. Los registros clínicos son propiedad de la Autoridad Hospitalaria. Los registros de vacunación e infección se vincularon por separado a los registros clínicos de pacientes no identificados de la Autoridad Hospitalaria. Los datos no se pueden compartir públicamente porque los autores están sujetos a condiciones éticas, legales y contractuales impuestas tanto por el Departamento de Salud como por la Autoridad Hospitalaria, y no se les permite utilizar los datos para ningún otro propósito ni divulgarlos a terceros. Luego de las aprobaciones de la Junta de Revisión Institucional, las solicitudes de datos fueron presentadas y evaluadas tanto por el Departamento de Salud como por la Autoridad Hospitalaria antes de la publicación de los datos para uso exclusivo de delegados de investigación específicos. Para obtener más información sobre el proceso de solicitud y aprobación de datos, consulte el sitio web de la Autoridad Hospitalaria para obtener datos para la investigación: https://www3.ha.org.hk/data/Provision/Submission. Las consultas sobre acceso a datos de la Autoridad Hospitalaria pueden dirigirse a [email protected].

Fondos: Este trabajo fue apoyado por una subvención de investigación de la Oficina de Salud; HMRF Research on COVID-19, Gobierno de la Región Administrativa Especial de Hong Kong (investigador principal, ICKW; n.º de referencia COVID19F01); una subvención de investigación de la Oficina de Salud; HMRF Research on COVID-19, Gobierno de la Región Administrativa Especial de Hong Kong (investigador principal [paquete de trabajo 2], EWYC; n.º de referencia COVID1903011); Fondo de Investigación Colaborativa, Comité de Becas Universitarias, Gobierno de la RAEHK (investigador principal, ICKW; n.º de referencia C7154-20GF). ICKW y FTTL cuentan con el apoyo parcial del Laboratorio de Descubrimiento de Datos para la Salud (D24H) financiado por AIR@InnoHK administrado por la Comisión de Innovación y Tecnología. Los financiadores no tuvieron ningún papel en el diseño del estudio, la recopilación y análisis de datos, la decisión de publicar o la preparación del manuscrito.

Conflicto de intereses: He leído la política de la revista y los autores de este manuscrito tienen los siguientes intereses en competencia: CKHW informa haber recibido fondos para investigación de la Fundación de Investigación del Grupo EuroQoL, el Consejo de Subvenciones de Investigación de Hong Kong, el Fondo de Investigación Médica y de Salud de Hong Kong; AstraZeneca y Boehringer Ingelheim, no relacionados con este trabajo. FTTL ha contado con el apoyo de la beca posdoctoral RGC del Consejo de Becas de Investigación de Hong Kong. EYFW ha recibido subvenciones de investigación de la Oficina de Alimentación y Salud del Gobierno de la RAE de Hong Kong y del Consejo de Subvenciones de Investigación de Hong Kong, además del trabajo presentado. CSLC ha recibido subvenciones de la Oficina de Alimentación y Salud del Gobierno de Hong Kong, el Consejo de Subvenciones de Investigación de Hong Kong, la Comisión de Innovación y Tecnología de Hong Kong, Pfizer, IQVIA y Amgen; honorarios personales de Primevigilance Ltd.; fuera del trabajo presentado. XL ha recibido subvenciones de investigación de la Oficina de Salud y Alimentación del Gobierno de la RAE de Hong Kong, subvenciones de investigación y educación de Janssen y Pfizer; financiación interna de la Universidad de Hong Kong; Honorarios de consultoría de Merck Sharp & Dohme, no relacionados con este trabajo. EWYC informa honorarios de la Autoridad Hospitalaria, subvenciones del Research Grants Council (RGC, Hong Kong), subvenciones de la Secretaría del Fondo de Investigación de la Oficina de Alimentación y Salud, subvenciones del Fondo Nacional de Ciencias Naturales de China, subvenciones de Wellcome Trust, subvenciones de Bayer, subvenciones de Bristol-Myers Squibb, subvenciones de Pfizer, subvenciones de Janssen, subvenciones de Amgen, subvenciones de Takeda, subvenciones de la División de Narcóticos de la Oficina de Seguridad de la RAEHK, fuera del trabajo presentado. ICKW informa que la financiación de la investigación fuera del trabajo presentado proviene de Amgen, Bristol-Myers Squibb, Pfizer, Janssen, Bayer, GSK, Novartis, el RGC de Hong Kong y el Fondo de Investigación Médica y de Salud de Hong Kong, el Instituto Nacional de Investigación en Salud de Inglaterra, Europa. Comisión, Consejo Nacional de Investigación Médica y de Salud de Australia, y también recibió honorarios como orador de Janssen y Medice en los 3 años anteriores. Todos los demás autores no declaran tener intereses en competencia.

Abreviaturas: ACE2, enzima convertidora de angiotensina 2; ASIA, síndrome autoinmune/inflamatorio inducido por adyuvantes; IC: intervalo de confianza; COVID-19, Enfermedad por coronavirus 2019; CAD, cetoacidosis diabética; GOPC, ambulatorio general; HA, Autoridad Hospitalaria de Hong Kong; HR: índice de riesgo; CIE-9-CM, Clasificación Internacional de Enfermedades, Novena Revisión, Modificación Clínica; ICPC, Clasificación Internacional de Atención Primaria; IPTW: probabilidad inversa de ponderación del tratamiento; TIR: razón de tasas de incidencia; PH, riesgo proporcional; RAT, prueba rápida de antígenos; RMST: tiempo medio de supervivencia restringido; RMTL: tiempo medio perdido restringido; RT-PCR, reacción en cadena de la polimerasa con transcripción inversa; SARS-CoV-2, síndrome respiratorio agudo severo por coronavirus 2; DE: desviación estándar; SOPC, clínica ambulatoria especializada

La pandemia de la enfermedad por coronavirus 2019 (COVID-19), causada por el síndrome respiratorio agudo severo por coronavirus 2 (SARS-CoV-2), ha infectado a más de 650 millones de personas en todo el mundo, causando más de 6,6 millones de muertes en todo el mundo al momento de escribir este artículo. 1]. La expresión de la enzima convertidora de angiotensina 2 (ACE2), el receptor de entrada del SARS-CoV-2, se ha encontrado no solo en el sistema respiratorio sino también en los sistemas extrapulmonares, incluido el páncreas [2], lo que genera preocupación sobre la diabetes de nueva aparición. después de la infección por SARS-CoV-2 por el posible efecto directo sobre las células beta pancreáticas [3].

Varias cohortes a nivel nacional han investigado este tema [4]. Una cohorte que utilizó la base de datos del Departamento de Asuntos de Veteranos de los Estados Unidos mostró un riesgo excesivo del 40% de sufrir diabetes con una mediana de seguimiento de 1 año, principalmente diabetes tipo 2 [5]. De manera similar, un estudio que utilizó una base de datos nacional alemana mostró un riesgo excesivo del 30% de sufrir diabetes tipo 2 después de la infección por SARS-CoV-2 con una duración media de seguimiento de 4 meses, en comparación con otras enfermedades respiratorias agudas [6]. Sin embargo, un estudio de cohorte realizado en el Reino Unido demostró que el mayor riesgo de diabetes incidente persistía hasta 12 semanas después de la infección por SARS-CoV-2 [7]. Es de destacar que existen diferencias entre asiáticos y caucásicos en la fisiopatología de la diabetes tipo 2. En cualquier IMC dado, en comparación con los caucásicos, los asiáticos tienen más adiposidad visceral, que es metabólicamente más adversa y contribuye a la lipotoxicidad y la resistencia a la insulina [8]. Esta diferencia interétnica puede modificar los riesgos de diabetes incidente después de la infección por SARS-CoV-2, que aún no se ha dilucidado entre los asiáticos. Además, con la aparición de variantes del SARS-CoV-2 en las que las variantes Omicron son las cepas predominantes en el momento de escribir este artículo, queda por determinar si los riesgos de diabetes incidente después del SARS-CoV-2 podrían diferir en comparación con las variantes anteriores. De hecho, hubo sugerencias de menos síntomas prolongados de COVID y cargas con las variantes de Omicron en comparación con las variantes anteriores [9,10].

La vacunación contra la COVID-19 ha demostrado eficacia en la reducción de enfermedades graves, desarrollada en base a diferentes plataformas tecnológicas. En el momento de redactar este artículo, se han administrado más de 12 mil millones de dosis de vacuna COVID-19 [1]. Se han notificado al menos 15 casos de diabetes tipo 1 después de las vacunas COVID-19 inactivadas y de ARNm [11]. También hubo casos de crisis hiperglucémicas agudas, ya sea en un contexto de diabetes tipo 2 conocida o como la primera presentación de diabetes tipo 2, después de la vacunación contra la COVID-19 [12]. Entre los mecanismos postulados se encuentran el síndrome autoinmune/inflamatorio inducido por adyuvantes (ASIA) y el mimetismo molecular [11]. Se sabe poco sobre el estado glucémico de las personas no diabéticas en el momento de la vacunación contra la COVID-19. Además, los informes y series de casos no cuantifican el riesgo absoluto de diabetes incidente ni informan si la vacunación contra la COVID-19 se asocia con un mayor riesgo de diabetes de nueva aparición, especialmente porque se espera que la aparición de diabetes tipo 2 después de la vacunación contra la COVID-19 sea más lenta. sub-reportado. Esta información es esencial para informar la práctica clínica y orientar a los pacientes sobre la adopción de la vacuna COVID-19 y el posterior seguimiento y monitorización.

Se ha demostrado que la vacunación contra la COVID-19 puede disminuir la gravedad de los síntomas de la COVID prolongada [13]. Siguiendo la misma línea de pensamiento, la vacunación contra la COVID-19 puede modificar la trayectoria de riesgo de diabetes incidente tras la infección por SARS-CoV-2. Es importante comprender el papel de la vacunación contra la COVID-19 en el riesgo de diabetes de nueva aparición después de la infección por SARS-CoV-2, ya que el número de supervivientes de la COVID-19 sigue aumentando a nivel mundial.

A partir de noviembre de 2022, el Programa de Vacunación del Gobierno de Hong Kong proporciona 2 vacunas COVID-19 autorizadas principales: CoronaVac (vacuna de virus completo inactivado) de Sinovac Biotech (Hong Kong) Limited y BNT162b2 (vacuna monovalente de ARNm) de BioNTech/Fosun Pharma en China. (equivalente a la vacuna Pfizer-BioNTech fuera de China) [14,15]. Por lo tanto, realizamos este estudio poblacional para evaluar la incidencia de diabetes (i) asociada con la vacunación COVID-19 y (ii) después de la infección por SARS-CoV-2, con estratificaciones adicionales según el estado de vacunación y el SARS-CoV-2. variantes.

El protocolo del estudio fue aprobado por la Junta de Revisión Institucional de la Universidad de Hong Kong/Autoridad Hospitalaria del Grupo Oeste de Hong Kong (UW 20–556, UW 21–149 y UW 21–138); la Junta Central de Revisión Institucional de la Autoridad Hospitalaria de Hong Kong (CIRB-2021-005-4); y el Comité de Ética del Departamento de Salud (LM 21/2021, LM 171/2021 y LM 175/2022). No se requirió el consentimiento informado del paciente ya que los datos utilizados en este estudio fueron anónimos.

Los registros anónimos de vacunación contra la COVID-19 de toda la población estaban disponibles en el Departamento de Salud (DH) de Hong Kong, y los registros médicos electrónicos fueron proporcionados por la Autoridad Hospitalaria de Hong Kong (HA). Estas 2 bases de datos están vinculadas según identificadores únicos con hash. Los registros de vacunación incluyeron la fecha de administración y los tipos de vacunas. HA, una institución administrativa estatutaria, brinda servicios de atención médica pública a más de 7,3 millones de residentes de Hong Kong y cubre aproximadamente el 90% de todos los servicios de atención primaria, secundaria y terciaria en Hong Kong [16]. HA recopila todos los datos individuales ingresados ​​en cada sistema EMR en 43 hospitales públicos, 49 clínicas ambulatorias especializadas (SOPC) y 73 clínicas ambulatorias generales (GOPC) [17]. Estos registros médicos centralizados incluían datos demográficos, fecha de defunción registrada, registros de dispensación de medicamentos, diagnósticos, procedimientos y pruebas de laboratorio. Los datos vinculados sobre la seguridad de las vacunas se han utilizado exhaustivamente para realizar estudios de farmacovigilancia de las vacunas contra la COVID-19 [18–28]. El estudio se informa según la directriz Fortalecimiento de la presentación de informes de estudios observacionales en epidemiología (STROBE) (lista de verificación S1). Además, la recopilación y el análisis de datos se basaron en un protocolo prospectivo (Protocolo S1) [29].

Estas 2 cohortes se identificaron por separado para evaluar los riesgos de diabetes después de la vacunación contra la COVID-19 y la infección por SARS-CoV-2. Identificamos personas (excepto mujeres embarazadas) que alguna vez utilizaron los servicios de HA desde 2018.

La primera cohorte incluyó a personas que recibieron al menos 1 dosis de la vacuna COVID-19 (realizada por separado para BNT162b2 y CoronaVac) desde el 23 de febrero de 2021 hasta el 30 de septiembre de 2021, y aquellos que no recibieron ninguna vacuna COVID-19 hasta septiembre. 30 de septiembre de 2021. La política de vacunación contra la COVID-19 y la tasa de absorción de la vacuna en Hong Kong se detallan en el Método S1. El período de inclusión se eligió para minimizar el posible efecto modificador de la infección por SARS-CoV-2 antes de la vacunación, dado el bajo número de nuevos casos de COVID-19 durante ese tiempo en Hong Kong. La fecha de la primera dosis se utilizó como fecha índice para los destinatarios de la vacuna. Para asignar fechas pseudoíndices a las personas no vacunadas, las comparamos con los receptores de la vacuna según el sexo y la edad. Para garantizar que cada persona no vacunada pudiera coincidir con un receptor de la vacuna, se utilizó la proporción máxima. Posteriormente, la fecha índice de los receptores de la vacuna se asignó a las correspondientes personas no vacunadas. [18,22,24,26]. Fueron seguidos desde la fecha índice hasta el diagnóstico del resultado, la muerte, la fecha de infección por SARS-CoV-2 o el final del período de estudio (15 de agosto de 2022), lo que ocurrió primero.

La segunda cohorte estuvo formada por pacientes con COVID-19 identificados por un primer resultado positivo en la prueba de reacción en cadena de la polimerasa con transcripción inversa (RT-PCR) del SARS-CoV-2 o en la prueba rápida de antígenos (RAT) desde el 1 de enero de 2020 hasta el 31 de marzo. 2022 y personas que nunca se infectaron hasta el 31 de marzo de 2022. El período de inclusión se eligió para capturar todos los casos de COVID-19 desde la fecha de los primeros casos confirmados hasta el pico de la ola Omicron en Hong Kong. La pandemia de COVID-19 y las políticas clave en Hong Kong se describen en el Método S2. La fecha índice se definió como la primera fecha de infección por SARS-CoV-2 para los pacientes con COVID-19. Para asignar fechas de pseudoíndice para personas sin infección, las comparamos con pacientes de COVID-19 según el sexo y la edad. Para garantizar que cada persona que no tenga COVID-19 pudiera coincidir con un paciente con COVID-19, se utilizó la proporción máxima. Luego, la fecha índice del paciente con COVID-19 se asignó a las personas correspondientes que no tenían COVID-19. Esta cohorte fue seguida hasta la aparición de los resultados, la muerte o el 15 de agosto de 2022, lo que ocurriera primero.

Los criterios de exclusión fueron (i) edad <18 años, (ii) personas que murieron en la fecha índice o pseudoíndice o antes, (iii) personas que tenían diabetes antes de la fecha índice o pseudoíndice, y (iv) personas sin diabetes. Registros de medición de HbA1c anteriores a la fecha índice o pseudoíndice (Fig. 1).

https://doi.org/10.1371/journal.pmed.1004274.g001

Los resultados de interés incluyen diabetes general, diabetes tipo 2 y diabetes tipo 1. El diagnóstico de diabetes fue adaptado de un estudio previo [5]: los códigos de diagnóstico de la Clasificación Internacional de Enfermedades, Novena Revisión, Modificación Clínica (CIE-9-CM) (250.XX), o la Clasificación Internacional de Atención Primaria (CIPC) códigos (T89 o T90), o una medición de HbA1c de ≥6,5% (48 mmol/mol), o un registro de prescripción de medicamentos para la diabetes durante más de 30 días (códigos del Formulario Nacional Británico: 6.1.1.X o 6.1.2. X). La diabetes tipo 1 se definió según la CIE-9-CM (250.x1 o 250.x3) y los códigos ICPC (T89). En vista de los informes de casos de crisis hiperglucémicas agudas después de la vacunación COVID-19, también recuperamos los eventos de hiperglucemia aguda (ICD-9-CM: 250.82 a 250.83, 250.20 y 250.22 a 250.23) y cetoacidosis diabética (CAD) (ICD- 9 CM: 250,10, 250,12 a 250,13 y 250,30 a 250,33).

Realizamos un estudio de cohorte emparejado por puntuación de propensión, emparejando a participantes y controles en una proporción de 1:1 utilizando la puntuación de propensión (consulte el Método S3 para obtener más detalles). Las características iniciales antes y después del emparejamiento por puntuación de propensión se presentaron como medias con desviación estándar (DE) para variables continuas y frecuencias con porcentajes para variables categóricas. La asociación entre la diabetes incidente y la vacunación contra la COVID-19 se estimó mediante la regresión de riesgos proporcionales (PH) de Cox. Se repitieron los análisis para estimar la asociación entre la diabetes incidente y la infección por SARS-CoV-2. Se informaron tasas de incidencia brutas por 100.000 días-persona para los receptores de la vacuna, los pacientes con COVID-19 y sus respectivos grupos de control. El número necesario para dañar se calculó como el recíproco de la diferencia en las tasas de incidencia acumuladas entre 2 grupos, lo que indica el número de participantes que deben estar expuestos en un momento determinado para 1 caso adicional de diabetes. Luego, evaluamos los índices de riesgo (HR) y los correspondientes intervalos de confianza (IC) del 95% de la diabetes incidente. Para tener en cuenta la estructura de pares en los datos, utilizamos un estimador de varianza-covarianza tipo sándwich robusto en grupos en todos los modelos de regresión de Cox.

Para ambas cohortes, se realizaron modelos de regresión de Cox separados para evaluar el riesgo de diabetes general por subgrupos de edad (<60 y ≥60 años), sexo y prediabetes. Para evaluar si la asociación entre la vacunación contra la COVID-19 y la diabetes incidente fue modificada por una infección previa por SARS-CoV-2, realizamos análisis de subgrupos por historial de infección por SARS-CoV-2. Para evaluar si la asociación entre la infección por SARS-CoV-2 y la diabetes incidente fue modificada por la vacunación o las variantes predominantes, también realizamos análisis de subgrupos por estado de vacunación y estratificamos a los participantes en los que se infectaron antes y los que se infectaron durante la ola de Omicron. (desde el 1 de enero de 2022). Se calcularon los HR con IC del 95 % para cada análisis de subgrupo. Los valores de p para los términos de interacción se calcularon para cada variable estratificadora.

Además, se realizaron 2 análisis de sensibilidad. Primero, comparamos la incidencia de diabetes después de 2 dosis de CoronaVac o BNT162b2 con su control no vacunado equivalente 1:1. En segundo lugar, las personas fueron censuradas en la fecha de la vacunación para eliminar posibles efectos de modificación de la vacunación en el análisis de evaluación de riesgos después de la infección por SARS-CoV-2.

Realizamos 4 análisis de sensibilidad post hoc. Primero, se aplicó la corrección de Bonferroni para tener en cuenta la prueba de múltiples hipótesis. Establecimos el nivel α (probabilidad de error tipo I) en 0,05/15 (número de análisis) = 0,00333 y calculamos los IC corregidos por Bonferroni para los HR [30]. En segundo lugar, realizamos el análisis del tiempo medio de supervivencia restringido (RMST), que se sugiere como complemento al análisis del modelo de PH de Cox sin depender del supuesto de PH [31,32]. En comparación con el análisis del modelo Cox PH, RMST ofreció métricas más interpretables, que se han aplicado recientemente en una variedad de dominios, incluida la evaluación del efecto del tratamiento en personas con diabetes tipo 2 [33,34]. Se calcularon la diferencia RSMT y la relación de tiempo medio perdido restringido (RMTL) para cada resultado. La diferencia RMST se refiere a la diferencia de tiempo promedio de supervivencia libre de eventos en un horizonte temporal restringido. RMTL representa la región por encima de la curva de supervivencia de Kaplan-Meier e indica el tiempo promedio de supervivencia libre de eventos perdido hasta un horizonte temporal restringido. Se propone aproximar la HR utilizando la relación RMTL entre los grupos de tratamiento sin imponer el supuesto de PH [32]. En nuestro análisis, el horizonte temporal para un resultado determinado se determinó como el mínimo del mayor tiempo de seguimiento (99%) de los receptores de la vacuna/pacientes con COVID-19 y sus controles emparejados. En tercer lugar, evaluamos las asociaciones entre la vacunación/infección por COVID-19 y la incidencia de diabetes mediante la regresión de Poisson después del emparejamiento por puntuación de propensión. Se estimaron las tasas de incidencia (TIR) ​​y los correspondientes IC del 95 % de diabetes incidente para comparar los riesgos entre la vacunación/infección por COVID-19 y sus respectivos controles emparejados. En cuarto lugar, utilizamos la puntuación de propensión para realizar una ponderación de probabilidad inversa de tratamiento (IPTW) y truncamos la ponderación en el percentil 1 y 99 de la distribución de ponderación de PS observada para abordar las ponderaciones extremas. Se ajustaron modelos de regresión de Cox ponderados por el IPTW para estimar los riesgos de diabetes incidente después de la vacunación e infección por COVID-19.

Siguiendo la recomendación de la Asociación Estadounidense de Estadística [35], presentamos el 95% de los IC bilaterales e interpretamos los resultados en base a estimaciones puntuales con sus respectivos IC. Todos los análisis estadísticos se realizaron utilizando Stata Versión 16.0 (StataCorp LP, College Station, TX). Los análisis fueron realizados por XX y analizados de forma independiente por MC e ICHA para garantizar la calidad.

En total, identificamos 706.631 personas en la primera cohorte (CoronaVac: n = 176.099; BNT162b2: n = 182.129; no vacunados: n = 348.403) y 798.578 personas en la segunda cohorte (pacientes con COVID-19, n = 145.452; sin COVID). -19 grupo, n = 653,126) (Tabla S3). Después de excluir a aquellos a quienes no pudimos identificar pares coincidentes, incluimos 167.337 receptores de CoronaVac y 167.337 controles combinados, 158.378 receptores de BNT162b2 y 158.378 controles combinados, además de 145.199 pacientes con COVID-19 y 145.199 controles combinados.

En la primera cohorte, en comparación con los controles, los vacunados eran más jóvenes y menos propensos a tener comorbilidades. Entre los receptores de la vacuna, 87.754 (52,4%) receptores de CoronaVac y 73.500 (46,4%) receptores de BNT162b2 tienen prediabetes, respectivamente. En la segunda cohorte, en comparación con los controles, los supervivientes de la COVID-19 eran mayores y tenían más comorbilidades. Entre los supervivientes de la COVID-19, 60.348 (41,6%) estaban completamente vacunados y 25.792 (17,8%) no recibieron ninguna vacuna contra la COVID-19. Después del emparejamiento, las distribuciones de puntuación de propensión se superpusieron mucho (S1 Fig) y las características iniciales estaban equilibradas entre la población de estudio y los controles emparejados, con todas las DME <0,1 (Tabla 1).

https://doi.org/10.1371/journal.pmed.1004274.t001

En la primera cohorte, identificamos 5.760 y 4.411 casos de diabetes después de recibir las vacunas CoronaVac y BNT162b2, respectivamente. Los receptores de CoronaVac fueron seguidos durante una mediana de 386 días (RIC 341 a 435) y los receptores de BNT162b2 durante una mediana de 384 días (RIC 347 a 429). La mediana de duración desde la vacunación hasta la aparición de la diabetes fue de 178 días (RIC 91 a 283) y 179 días (RIC 91 a 288) para los receptores de CoronaVac y BNT162b2, respectivamente. Las incidencias acumuladas de diabetes general, diabetes tipo 2 y diabetes tipo 1 entre los receptores de la vacuna y los respectivos grupos de control se muestran en la figura S2. Las tasas brutas de incidencia de diabetes general fueron 9,08 por 100.000 días-persona entre los receptores de CoronaVac y 9,10 por 100.000 días-persona entre los controles combinados, y 7,41 por 100.000 días-persona entre los receptores de BNT162b2 y 8,58 por 100.000 días-persona entre los controles combinados. En comparación con personas no vacunadas emparejadas, no hubo evidencia de asociaciones de la vacunación CoronaVac o BNT162b2 con mayores riesgos de diabetes en general (CoronaVac: HR = 0,998 [IC del 95%: 0,962 a 1,035]; BNT162b2: HR = 0,862 [IC del 95%: 0,828 a 1,035]). 0,897]), diabetes tipo 2 (CoronaVac: HR = 0,997 [IC del 95%: 0,962 a 1,035]; BNT162b2: HR = 0,862 [IC del 95%: 0,828 a 0,898]) y diabetes tipo 1 (CoronaVac: HR = 1,337 [95% IC 0,300 a 5,949]; BNT162b2: HR = 0,511 [IC 95% 0,092 a 2,846]) (Tabla 2). Entre los receptores de CoronaVac y BNT162b2, se observaron 17 y 9 casos de hiperglucemia aguda y 2 y 5 casos de CAD, respectivamente. Repetimos los análisis de subgrupos según edad, sexo, prediabetes e infección previa por SARS-CoV-2, que mostraron resultados consistentes para ambos tipos de vacunas COVID-19 (Fig. 2). Los resultados de los análisis de sensibilidad que compararon la incidencia de diabetes después de 2 dosis de cualquiera de las vacunas con un control no vacunado fueron consistentes con el resultado del análisis principal (Tabla S4).

https://doi.org/10.1371/journal.pmed.1004274.g002

https://doi.org/10.1371/journal.pmed.1004274.t002

En la segunda cohorte, identificamos 2109 casos de diabetes después de la infección por SARS-CoV-2. Los pacientes con COVID-19 fueron seguidos durante una mediana de 164 días (RIC 155 a 168). La mediana de duración desde la infección por SARS-CoV-2 hasta la aparición de la diabetes fue de 55 días (RIQ 18 a 118). Las incidencias acumuladas de diabetes general y diabetes tipo 2 entre pacientes y controles de COVID-19 se muestran en la figura S4. Hubo 2109 (1,45%) pacientes diagnosticados con diabetes después de la infección por SARS-CoV-2. No se identificó ningún evento de diabetes tipo 1 entre los adultos sobrevivientes de COVID-19. La infección por SARS-CoV-2 se asoció con un riesgo significativamente mayor de diabetes general (9,04 frente a 7,38 por 100.000 personas-día, HR = 1,225 [IC del 95 %: 1,150 a 1,305]) y diabetes tipo 2 (9,04 frente a 7,38 por 100.000 personas-día). días, HR = 1,226 [IC del 95%: 1,151 a 1,306]) en comparación con controles emparejados (Tabla 2). El número necesario para dañar a los 6 meses fue 406 por 1 caso adicional de diabetes y 404 por 1 caso adicional de diabetes tipo 2. Hubo 16 y 4 casos de hiperglucemia aguda y CAD después de la infección por SARS-CoV-2. Los resultados de los análisis de subgrupos por sexo y prediabetes fueron consistentes con el análisis primario. En los análisis de subgrupos estratificados por edad y estado de vacunación, no encontramos evidencia de asociaciones entre la infección por SARS-CoV-2 y un mayor riesgo de diabetes entre pacientes <60 años (HR = 1,070 [IC del 95 %: 0,952 a 1,202]) y que estaban completamente vacunados (HR = 1,005 [IC del 95%: 0,904 a 1,116]). Las asociaciones entre el mayor riesgo de diabetes incidente y la infección por SARS-CoV-2 fueron más fuertes en personas mayores (HR = 1,292 [IC 95% 1,199 a 1,393], interacción p < 0,001), personas no vacunadas (HR = 1,694 [IC 95% 1,484] a 1,933], interacción p < 0,001) y personas sin prediabetes (HR = 1,598 [IC del 95%: 1,326 a 1,926], interacción p = 0,005). La infección por SARS-CoV-2 se asoció con un mayor riesgo de diabetes independientemente de la variante circulante predominante (no Omicron: HR = 1,871 [IC del 95 %: 1,352 a 2,589]; Omicron: HR = 1,209 [IC del 95 %: 1,134 a 1,289] ) (Figura 2). No obstante, el exceso de riesgo fue menor con la variante Omicron en comparación con las variantes anteriores (p para interacción = 0,009). Los resultados fueron consistentes con el análisis principal en los análisis de sensibilidad después de la censura en la fecha de vacunación (Tabla S5).

En el análisis post hoc, los resultados con la corrección de Bonferroni fueron consistentes con aquellos sin corrección de Bonferroni (S3 Fig). Los resultados del análisis RMST se muestran en la tabla S6. La diferencia de RMST fue consistente con la dirección de los HR de las regresiones de Cox, y los valores numéricos fueron cercanos entre los HR y los ratios de RMTL. Los resultados del análisis, que se realizó mediante la regresión de Poisson y la regresión de Cox ponderada por IPTW, estuvieron en línea con los hallazgos del análisis principal (tablas S7 y S8).

Nuestro estudio cuantificó los riesgos de diabetes incidente después de la vacunación contra el COVID-19 y evaluó el impacto de la vacunación contra el COVID-19 y las variantes del SARS-CoV-2 sobre los riesgos de diabetes incidente después de la infección por SARS-CoV-2. No hubo evidencia de un mayor riesgo de diabetes incidente después de la vacunación contra el COVID-19. Por otro lado, observamos un mayor riesgo de diabetes incidente después de la infección por SARS-CoV-2. El mayor riesgo se observó en la diabetes tipo 2, pero no en la diabetes tipo 1. Curiosamente, el exceso de riesgo observado de diabetes incidente después de la infección por SARS-CoV-2 fue menor para las variantes de Omicron en comparación con las variantes anteriores. Además, las personas completamente vacunadas podrían estar protegidas del mayor riesgo de diabetes tras la infección por SARS-CoV-2. En conjunto, nuestros resultados brindan una importante tranquilidad para que los adultos se vacunen completamente para protegerse contra los resultados adversos de la infección por SARS-CoV-2 y sus secuelas a largo plazo, incluido el riesgo de diabetes.

Hasta la fecha, la incidencia de diabetes después de la vacunación contra la COVID-19 solo se ha informado en informes y series de casos, resumidos recientemente por Pezzaioli y colegas [11]. Todos estos fueron casos de diabetes tipo 1, con edades comprendidas entre 27 y 73 años, en su mayoría después de una vacunación con ARNm, notificados ocasionalmente después de una vacunación con vectores inactivados y adenovirus. El tiempo de aparición varió de 3 días a 2 meses después de la vacunación. Además, se han descrito algunos casos más de crisis hiperglucémicas agudas después de la vacunación contra la COVID-19, con niveles de péptido C relativamente conservados en el momento de la presentación, lo que genera sospechas de una entidad de hiperglucemia inducida por la vacuna [12,36]. Nuestro estudio de cohorte aclaró estas preocupaciones utilizando un conjunto de datos poblacional y controles no vacunados apropiados, y no demostró evidencia de un mayor riesgo de diabetes incidente después de la vacunación contra el COVID-19. Para BNT162b2, la tasa de incidencia de diabetes fue menor en personas vacunadas que en personas no vacunadas. Como nuestro estudio fue de naturaleza observacional, no pudimos establecer firmemente la relación causal de que BNT162b2 reduzca el riesgo de diabetes incidente. Los factores de confusión no medidos podrían haber explicado este aparente efecto protector; por ejemplo, los receptores de BNT162b2 eran más jóvenes y también podrían haber adoptado comportamientos de estilo de vida más saludables asociados con la reducción de los riesgos de diabetes incidente. También es posible que las personas con síntomas de diabetes no diagnosticada tuvieran menos probabilidades de vacunarse debido a preocupaciones sobre la seguridad o eficacia de la vacuna.

En particular, la incidencia de diabetes tipo 1 después de la vacunación contra la COVID-19 no aumentó y fue del orden de 1 entre 100.000, comparable a la tasa de incidencia general de diabetes tipo 1 en poblaciones asiáticas informada en la literatura, lo que, a su vez, es menor que el de las poblaciones caucásicas [37]. De manera similar, no hubo un aumento en los riesgos de diabetes tipo 2 de nueva aparición después de la vacunación contra el COVID-19. Ningún estudio ha investigado previamente el estado glucémico de personas no diabéticas en el momento de la vacunación contra la COVID-19. Por otro lado, se realizaron estudios en pacientes con diabetes para su control glucémico perivacunación. Aberer y sus colegas informaron en pacientes con diabetes tipo 1 y tipo 2 monitoreados mediante un sistema de monitoreo continuo de glucosa que el tiempo dentro del rango, por debajo del rango y por encima del rango no cambió sustancialmente después de la vacunación COVID-19 en el corto plazo [38], de acuerdo con la observaciones en nuestra cohorte de individuos sin diabetes preexistente.

A diferencia de la escasa literatura sobre los riesgos de diabetes después de la vacunación contra la COVID-19, varios estudios de cohortes a gran escala han evaluado los riesgos de diabetes después de la infección por SARS-CoV-2, en particular en los EE. UU. [5], el Reino Unido [7] y Alemania [6]. La base de datos de atención primaria en Alemania informó un exceso del 30% en el riesgo de diabetes tipo 2 incidente entre los sobrevivientes de COVID-19 durante una mediana de seguimiento de 4 meses, pero ningún aumento significativo en el riesgo de otras formas de diabetes [6]. Un gran estudio de cohorte en los EE. UU. de más de 180.000 sobrevivientes de COVID-19 con una mediana de seguimiento de 1 año confirmó este mayor riesgo de diabetes tipo 2 y sugirió además que el aumento de la gravedad de la COVID-19 se asoció con un mayor riesgo de diabetes incidente. Curiosamente, este estudio informó que los participantes de ascendencia africana tenían una mayor carga de diabetes incidente que los participantes caucásicos, lo que sugiere algunas diferencias interétnicas en la propensión a desarrollar diabetes incidente después de la infección por SARS-CoV-2 [5]. Un estudio más reciente que utilizó la base de datos de atención médica del Reino Unido dividió aún más el período de riesgo en COVID-19 agudo (4 semanas), COVID posagudo (5 a 12 semanas) y COVID prolongado (13 a 52 semanas) y demostró que los riesgos de diabetes incidente aumentar al menos hasta 12 semanas después de la COVID aguda antes de disminuir. De acuerdo con las cohortes anteriores, nuestro estudio también mostró que el riesgo de diabetes aumentó después de la infección por SARS-CoV-2. El aumento del riesgo se observó en la diabetes tipo 2, pero no en la diabetes tipo 1. Es de destacar que la incidencia de diabetes tipo 1 en los asiáticos es menor que en los caucásicos [37]. Por lo tanto, el número de eventos de diabetes tipo 1 incidente fue bajo en nuestra cohorte, lo que limita el poder de este análisis. No obstante, un análisis post hoc de 55 sobrevivientes de COVID-19 evaluados al menos 3 meses después de que la COVID-19 aguda tuviera niveles detectables de péptido C, lo que sugiere que la insulinaopenia no fue evidente en la COVID-19 posaguda [39].

En todos los estudios antes mencionados sobre el riesgo de diabetes después de la infección por SARS-CoV-2, los criterios de inclusión cubrieron el período en el que comenzó el programa de vacunación COVID-19 a nivel mundial. Antes de nuestro estudio, había información limitada sobre la influencia de la vacuna COVID-19 en el riesgo de diabetes incidente después de la infección por SARS-CoV-2. Al-Aly y colegas [40] demostraron que los supervivientes vacunados de la COVID-19 tenían un menor riesgo de sufrir una COVID prolongada en comparación con los supervivientes de la COVID-19 no vacunados, incluidos los trastornos metabólicos (que incluyen “diabetes”, “hiperlipidemia” y “uso de insulina” en el estudio; HR = 0,77 [IC del 95%: 0,68 a 0,87]), lo que sugiere los beneficios de la vacunación contra la COVID-19 sobre el riesgo de diabetes incidente después de la infección por SARS-CoV-2. Sin embargo, el CRI de trastornos metabólicos después de la infección por SARS-CoV-2 entre los supervivientes vacunados de la COVID-19 fue de 1,32 (IC del 95 %: 1,26 a 1,39) en comparación con los grupos de control vacunados [40]. De manera similar, Kwan y sus colegas informaron menores riesgos de diabetes después de la infección por COVID-19 en pacientes vacunados que en pacientes no vacunados en un estudio realizado en los EE. UU., lo que sugiere un beneficio de la vacunación [41]. El análisis de subgrupos en nuestro estudio actual estratificado por estado de vacunación reveló una atenuación gradual en el riesgo de diabetes incidente entre los sobrevivientes de COVID-19 en comparación con sus respectivos controles sin COVID al completar el régimen de vacunación contra COVID-19 (no vacunados: HR = 1,69 [95 % IC 1,48 a 1,93], parcialmente vacunados: HR = 1,20 [IC 95% 1,09 a 1,33], completamente vacunados: HR = 1,01 [IC 95% 0,90 a 1,12]). Nuestros resultados sugirieron que no hubo un aumento significativo en el riesgo de diabetes incidente después de la infección por SARS-CoV-2 solo entre las personas completamente vacunadas, pero no entre las personas parcialmente vacunadas o no vacunadas. De hecho, esto también puede explicar el hallazgo en el análisis de subgrupos de que las personas más jóvenes no tenían un mayor riesgo significativo de sufrir diabetes, ya que la proporción de personas completamente vacunadas era mayor entre las personas más jóvenes (55,9%) en comparación con las de mayor edad (34,5%). ). La diferencia entre nuestros resultados y los informados por Al-Aly y colegas [40] podría estar relacionada con nuestro estudio dedicado a la evaluación del estado glucémico, que coincidió con el estado de prediabetes al inicio del estudio y requirió disponibilidad de valores de HbA1c en cada individuo antes de la evaluación. entrada de la cohorte. Nuestros resultados coincidieron con la mayoría de los estudios que informaron menos síntomas después de la COVID-19 aguda entre las personas completamente vacunadas [42], lo que se suma a la literatura sobre los beneficios de la vacunación contra la COVID-19 para reducir la diabetes incidente como una de las posibles manifestaciones de la COVID prolongada. Nuestros resultados sugirieron además la capacidad constante de varios tipos de vacunación contra la COVID-19 para reducir la COVID prolongada, según lo revisado por Notarte y sus colegas [42]. Los posibles mecanismos de protección de la vacuna COVID-19 contra la diabetes incidente incluyeron (i) reducir la gravedad de la infección por SARS-CoV-2 y (ii) acelerar la eliminación del SARS-CoV-2, lo que, a su vez, reduce las respuestas inflamatorias exageradas. en COVID-19.

En el análisis de subgrupos, también observamos una asociación aparentemente más fuerte entre los mayores riesgos de diabetes incidente y la infección por SARS-CoV-2 entre personas sin prediabetes. Esto podría estar relacionado con los criterios de inclusión que requieren una medición de HbA1c antes de una fecha índice en todos los individuos. Podría haber varias postulaciones para esta observación: (i) las personas con prediabetes ya están predispuestas al desarrollo de diabetes, de modo que el impacto adicional de la infección por SARS-CoV-2 puede ser menos significativo; y (ii) es más probable que las personas con prediabetes hayan realizado modificaciones en su estilo de vida para reducir su riesgo de desarrollar diabetes.

Con la evolución de la pandemia de COVID-19, la variante Omicron del SARS-CoV-2 se ha convertido en la cepa dominante a nivel mundial. En el análisis estratificado, observamos que las variantes Omicron y no Omicron del SARS-CoV-2 se asociaron con mayores riesgos de diabetes incidente después de la infección por SARS-CoV-2. Curiosamente, el riesgo excesivo de diabetes incidente fue menor para las variantes de Omicron en comparación con las variantes que no son de Omicron. De hecho, esto estaba en consonancia con las observaciones de otros estudios que informaron menos síntomas de COVID prolongado y menos carga de COVID prolongado con variantes Omicron [9,10], lo que podría estar relacionado con la enfermedad aguda menos grave en la infección por SARS-CoV- 2 variantes de Omicron [10].

La principal fortaleza de nuestro estudio es que hemos cuantificado el riesgo de diabetes de nueva aparición después de la vacunación COVID-19 y evaluado más a fondo el riesgo de diabetes incidente después de la infección por SARS-CoV-2 considerando el estado de vacunación y el SARS-CoV-2 prevalente. variantes utilizando un conjunto de datos basado en la población. También pudimos analizar el riesgo de diabetes de nueva aparición entre los receptores de 2 tipos diferentes de vacunas COVID-19. No obstante, nuestros resultados deben interpretarse con ciertas limitaciones. En primer lugar, nuestros resultados no son generalizables a los receptores de tipos de vacunación COVID-19 distintos de la vacuna inactivada y de ARNm. BNT162b2 se utiliza actualmente en muchas jurisdicciones alrededor del mundo, incluyendo Norteamérica (p. ej., EE. UU., Canadá, México), América del Sur (p. ej., Brasil, Chile), Europa (p. ej., Reino Unido, Suiza) y Asia (p. ej., Japón). , Singapur). Las jurisdicciones donde se utiliza actualmente CoronaVac se encuentran principalmente en Asia y América Latina, incluidas China (donde se desarrolló), Brasil y Turquía. En segundo lugar, no se disponía de información sobre el IMC de esta cohorte. No obstante, realizamos el emparejamiento de PS incluyendo el diagnóstico de obesidad en el análisis, y el equilibrio se logró con una DME <0,1. En tercer lugar, la proporción de prediabetes en la cohorte del estudio actual fue de alrededor del 50%, donde se ha informado que la prevalencia de prediabetes es de hasta el 40% entre los chinos [43]. La proporción ligeramente mayor de individuos con prediabetes en el estudio actual podría deberse al requisito de valores válidos de HbA1c antes del ingreso a la cohorte para la exclusión de individuos con diabetes preexistente, donde la HbA1c podría haberse verificado entre individuos con riesgos cardiometabólicos relativamente más altos. En cuarto lugar, no se pueden excluir por completo los efectos modificadores de las diferencias en la utilización de los servicios sanitarios sobre el riesgo de diabetes incidente. Las personas con infección por SARS-CoV-2 pueden tener más contacto con los servicios de atención médica, lo que resulta en más pruebas de diagnóstico y un mayor diagnóstico de diabetes incidente. Por otro lado, dado que la infección con la variante Omicron generalmente se asocia con síntomas menos graves [44], mientras que la interacción con los servicios de salud aumentará en aquellos con síntomas, el efecto será menor que con otras variantes del SARS-CoV-2. Asimismo, la vacunación reduce la gravedad de las infecciones por COVID-19, por lo que, si bien quienes fueron vacunados todavía tienen una mayor probabilidad de que se les diagnostique diabetes después de la infección por COVID-19, el aumento es menor que en las personas no vacunadas. En quinto lugar, la diabetes tipo 1 se identificó mediante codificación de diagnóstico en el estudio actual, donde el sesgo de clasificación errónea no pudo mitigarse por completo. Por último, pero no menos importante, el período de seguimiento fue relativamente corto en nuestro estudio para permitir la evaluación del riesgo de complicaciones diabéticas crónicas. El impacto a largo plazo de la infección por SARS-CoV-2 en la diabetes requiere una vigilancia continua con esfuerzos concertados a nivel mundial.

En conclusión, no hubo evidencia de un mayor riesgo de diabetes incidente después de la vacunación contra la COVID-19. Por el contrario, el riesgo de diabetes incidente aumentó después de la infección por SARS-CoV-2, especialmente en el caso de la diabetes tipo 2. Este exceso de riesgo podría ser menor entre los supervivientes de la infección por SARS-CoV-2 con variantes de Omicron en comparación con variantes anteriores. Las personas completamente vacunadas podrían estar protegidas del riesgo de sufrir diabetes después de la infección por SARS-CoV-2. Nuestros resultados deberían alentar a las personas a vacunarse completamente para protegerse de las complicaciones graves de la COVID-19 y las secuelas de la COVID prolongada, incluido el riesgo potencial de sufrir diabetes.

https://doi.org/10.1371/journal.pmed.1004274.s001

(DOC)

https://doi.org/10.1371/journal.pmed.1004274.s002

(DOCX)

https://doi.org/10.1371/journal.pmed.1004274.s003

(DOCX)

https://doi.org/10.1371/journal.pmed.1004274.s004

(DOCX)

https://doi.org/10.1371/journal.pmed.1004274.s005

(DOCX)

https://doi.org/10.1371/journal.pmed.1004274.s006

(DOCX)

https://doi.org/10.1371/journal.pmed.1004274.s007

(DOCX)

https://doi.org/10.1371/journal.pmed.1004274.s008

(DOCX)

https://doi.org/10.1371/journal.pmed.1004274.s009

(DOCX)

Distribuciones de puntuación de propensión para (a) Destinatarios de CoronaVac, (b) destinatarios BNT162b2, y (C) Pacientes con COVID-19 y sus respectivos controles emparejados antes y después del emparejamiento por puntuación de propensión 1:1.

https://doi.org/10.1371/journal.pmed.1004274.s010

(TIF)

https://doi.org/10.1371/journal.pmed.1004274.s011

(TIF)

https://doi.org/10.1371/journal.pmed.1004274.s012

(TIF)

https://doi.org/10.1371/journal.pmed.1004274.s013

(TIF)

https://doi.org/10.1371/journal.pmed.1004274.s014

(DOCX)

https://doi.org/10.1371/journal.pmed.1004274.s015

(DOCX)

https://doi.org/10.1371/journal.pmed.1004274.s016

(DOCX)

https://doi.org/10.1371/journal.pmed.1004274.s017

(DOCX)

Los autores agradecen a la Autoridad Hospitalaria y al Departamento de Salud por la generosa provisión de datos para este estudio.

Para obtener más información sobre las áreas temáticas de PLOS, haga clic aquí.

es el área temática"Diabetes mellitus" aplicable a este artículo? sí No

Gracias por tus comentarios.

es el área temática"COVID-19" aplicable a este artículo? sí No

Gracias por tus comentarios.

es el área temática"Vacunación e inmunización" aplicable a este artículo? sí No

Gracias por tus comentarios.

es el área temática"SARS-CoV-2" aplicable a este artículo? sí No

Gracias por tus comentarios.

es el área temática"Riesgo de diabetes tipo 2" aplicable a este artículo? sí No

Gracias por tus comentarios.

es el área temática"Vacunas" aplicable a este artículo? sí No

Gracias por tus comentarios.

es el área temática"Diabetes tipo 2" aplicable a este artículo? sí No

Gracias por tus comentarios.

es el área temática"Infecciones respiratorias" aplicable a este artículo? sí No

Gracias por tus comentarios.