Antecedentes/Objetivos: Este estudio tuvo como objetivo evaluar el valor predictivo del índice de triglicéridos-glucosa con índice de masa corporal (TyG-BMI) y la relación triglicéridos-colesterol de lipoproteínas de alta densidad (TG/HDL-C) para predecir la ocurrencia de enfermedad hepática grasa asociada a disfunción metabólica (MASLD) en la apnea obstructiva del sueño (OSA). Métodos: Se analizaron los datos de pacientes diagnosticados con OSA en este estudio de cohorte retrospectiva. Los participantes se estratificaron en dos grupos: OSA sola y OSA con MASLD. Se recopilaron las características clínicas y los datos de polisomnografía. Las relaciones TyG-BMI y TG/HDL-C se categorizaron en terciles. Se realizaron análisis de regresión logística y curvas características de rendimiento del receptor (ROC) para identificar factores de riesgo y evaluar su rendimiento predictivo para MASLD en OSA. Resultados: Entre los 133 pacientes con OSA, 104 (78.2%) fueron diagnosticados con MASLD. El análisis multivariante identificó la alanina aminotransferasa (ALT), la fosfatasa alcalina y el TyG-BMI como factores de riesgo independientes para el desarrollo de MASLD en pacientes con OSA. Tanto el TyG-BMI como la relación TG/HDL-C fueron predictores significativos de MASLD en esta población de pacientes. Los valores de corte óptimos para TyG-BMI y la relación TG/HDL-C fueron 0.546 (sensibilidad, 79.6%; especificidad, 75.0%) y 0.539 (sensibilidad, 93.2%; especificidad, 60.7%), respectivamente. La combinación de TyG-BMI con ALT mejoró la exactitud predictiva, arrojando un límite de 0.696 (sensibilidad, 76.7%; especificidad, 92.9%). De manera similar, la combinación de la relación TG/HDL-C con ALT resultó en un valor de corte de 0.728 (sensibilidad, 83.5%; especificidad, 89.3%). Conclusiones: TyG-BMI y la relación TG/HDL-C son predictores efectivos de MASLD en pacientes con OSA. Un modelo combinado que incorpora estos índices con los niveles de ALT demostró una precisión predictiva mejorada para MASLD en esta población. Estos índices son bien adecuados para la estratificación del riesgo en entornos con recursos limitados que enfrentan una creciente carga dual de OSA y MASLD.
Lv et al. (Sat,) estudiaron esta pregunta.