MCG frente a punciones en el dedo en la diabetes tipo 2: una ventaja modesta

La MCG supera a las punciones capilares, pero por menos de lo que sugiere el marketing

En las personas con diabetes tipo 2, la monitorización continua de glucosa (MCG) mejora la HbA1c más que el autocontrol tradicional de la glucosa en sangre mediante punciones capilares (SMBG). La mejor síntesis actual sitúa la diferencia promedio en −0,29 puntos porcentuales. El resultado es estadísticamente preciso. También es modesto.

La revisión paraguas de 2026 de Foo et al. combinó 15 revisiones sistemáticas que abarcaron 81 ensayos controlados aleatorizados únicos y 23.657 participantes con diabetes tipo 2. La MCG redujo la HbA1c en una media de −0,29 % frente a SMBG (IC del 95 %, −0,34 a −0,24; I²=0 %). Dado que el intervalo de confianza se mantiene por debajo de cero, el resultado combinado respalda una ventaja promedio real de la MCG sobre las punciones capilares en estas poblaciones de ensayo.

La pregunta más útil es si esa diferencia promedio modifica la atención lo suficiente como para justificar el coste, la atención y el espacio de piel ocupado por el adhesivo. La literatura de ensayos sobre diabetes suele usar una reducción de HbA1c de al menos 0,5 puntos porcentuales como referencia operativa de relevancia clínica. La ventaja combinada de la MCG quedó 0,21 puntos porcentuales por debajo de esa referencia, o un 42 % inferior. Eso no hace que una reducción de 0,29 puntos carezca de valor. Para una persona cercana a un objetivo terapéutico, puede ser importante. Pero sí limita las afirmaciones de que un sensor por sí solo transforma el control glucémico.

Qué comparan realmente los 81 ensayos

La evidencia central se refiere a personas con diabetes tipo 2 establecida, por lo general con control glucémico subóptimo al incorporarse al estudio. No evalúa un dispositivo de bienestar en personas sanas. Evalúa una estrategia de monitorización frente a otra en personas que tienen una razón clínica para detectar y responder a lecturas de glucosa altas o inestables.

La MCG proporciona lecturas frecuentes de glucosa e información sobre tendencias, mientras que SMBG se basa en mediciones intermitentes mediante punción capilar. Un sensor puede revelar excursiones que unas pocas comprobaciones diarias no detectan y dar a los pacientes la oportunidad de modificar la alimentación, la actividad, el uso de medicamentos o los horarios. Los ensayos muestran que este sistema de retroalimentación produce una pequeña ventaja promedio en HbA1c. No aíslan qué cambios conductuales la causaron ni muestran que todos los usuarios respondan de la misma manera.

El estadístico I² de 0 % significa que las estimaciones metaanalíticas incluidas de MCG frente a SMBG no mostraron heterogeneidad estadística detectada. En términos prácticos, las revisiones no encontraron un patrón visible en el que unos pocos ensayos excepcionalmente exitosos impulsaran la estimación combinada. Esa consistencia refuerza la confianza en la dirección y el tamaño aproximado del efecto promedio: la MCG tuvo un mejor rendimiento, y el margen fue pequeño.

Las punciones capilares también superan a la ausencia de monitorización en la misma revisión paraguas, con una diferencia media de HbA1c de −0,23 % (IC del 95 %, −0,29 a −0,18; I²=21 %). Es tentador sumar ambos promedios y afirmar que la MCG es aproximadamente 0,52 puntos porcentuales mejor que la ausencia de monitorización. La aritmética da ese número, pero la evidencia no le otorga la autoridad de un resultado de ensayo directo. Las comparaciones procedían de conjuntos de ensayos y condiciones diferentes. Considera el cálculo como una ilustración direccional, no como una estimación combinada ni como una razón para decirles a los pacientes que desechen sus medidores.

La MCG en tiempo real tiene la estimación más sólida

El tipo de dispositivo importa, aunque ninguna categoría alcanzó la referencia de 0,5 puntos frente a SMBG. En el análisis de Foo et al., la MCG en tiempo real (rtCGM) redujo la HbA1c en −0,36 % frente a SMBG (IC del 95 %, −0,45 a −0,27). La MCG escaneada intermitentemente, a menudo llamada monitorización flash de glucosa (isCGM/FGM), redujo la HbA1c en −0,27 % (IC del 95 %, −0,43 a −0,11).

La diferencia de 0,09 puntos entre esos promedios es pequeña. La precisión difiere de forma más apreciable: el intervalo de confianza de isCGM/FGM abarca 0,32 puntos porcentuales, frente a 0,18 puntos para rtCGM. Ese intervalo más amplio indica mayor incertidumbre en la estimación de la monitorización flash, probablemente porque menos ensayos contribuyeron a ese subgrupo. No demuestra que la monitorización flash fracase; su intervalo se mantiene por debajo de cero. Sí significa que la estimación disponible es menos precisa.

Una revisión sistemática de 2025 de Badawi et al. de ensayos aleatorizados informó asimismo de que rtCGM mejoró la HbA1c y los resultados de tiempo en rango, y redujo la hipoglucemia en adultos con diabetes tipo 2 en comparación con SMBG. Esto corrobora la síntesis más amplia, pero el desenlace importa: el tiempo en rango y la hipoglucemia son desenlaces distintos de la HbA1c, y no deben integrarse en una única afirmación mayor sobre la HbA1c.

El argumento se extiende a la diabetes y la prediabetes, no al metabolismo normal de la glucosa

La MCG puede ayudar a algunas personas que no usan insulina pero que aún tienen diabetes tipo 2. La revisión crítica y metaanálisis actualizado de 2025 de Aronson et al. abordó específicamente la diabetes tipo 2 no tratada con insulina. Esto es clínicamente relevante porque va más allá de la atención de la diabetes de mayor intensidad. Sin embargo, todos los participantes seguían teniendo diabetes establecida y desregulación glucémica. No responde si una persona con regulación normal de la glucosa obtiene un beneficio para la salud al observar una curva de glucosa después del almuerzo.

La evidencia más cercana también se mantiene en grupos de riesgo. Park et al. informaron de que rtCGM combinada con asesoramiento personalizado de salud digital mejoró los resultados glucémicos y las conductas de estilo de vida en personas con diabetes tipo 2 y prediabetes. La intervención combinó un sensor con asesoramiento, por lo que el resultado no puede mostrar qué parte del beneficio procedió solo del dispositivo. Sí respalda una idea clínica sensata: la retroalimentación puede funcionar mejor cuando alguien ayuda al usuario a convertirla en un plan.

De forma similar, Barua et al. observaron que la pérdida de peso durante una intervención dietética se asoció con una mejora del tiempo diurno en rango estricto entre adultos con prediabetes y diabetes tipo 2 no tratada con insulina. Se trató de una asociación dentro de una intervención sobre el estilo de vida, no de una prueba de que usar MCG causara pérdida de peso o mejorara la salud. Sí muestra que las métricas de glucosa derivadas de sensores pueden seguir los cambios en personas con disglucemia.

Los usuarios sanos se enfrentan a una cuestión de desenlaces sin respuesta

La MCG puede medir bien la glucosa en personas sin diabetes. Sin embargo, la medición no es un desenlace de intervención. Sofizadeh et al. establecieron métricas de referencia de MCG en personas sin diabetes ni prediabetes. Esos participantes pasaron un tiempo casi universal dentro del rango glucémico normal. Un estudio de 2025 de Cichosz et al. halló que los índices de variabilidad glucémica podían clasificar a individuos sanos, personas con prediabetes y personas con diabetes tipo 2 a lo largo del continuo de la disglucemia.

Estos estudios establecen patrones de referencia y discriminación diagnóstica. No evalúan si las personas sanas que usan un sensor hacen cambios que mejoren los desenlaces cardiovasculares, metabólicos o el control glucémico sostenido. Ninguna evidencia de ensayos aleatorizados descrita aquí cubre esa laguna. Una curva de glucosa normal aún puede producir una cantidad impresionante de gráficos; los gráficos no son un desenlace clínico.

La relación coste-efectividad sigue el riesgo basal

La evidencia económica apunta en la misma dirección que la evidencia clínica: la MCG tiene su argumento más sólido en las personas con mayor margen de mejora. Han et al. modelizaron la MCG en adultos chinos con diabetes tipo 2 no controlada y encontraron que la relación coste-efectividad dependía de la HbA1c basal, con un valor decreciente a menor glucemia basal. Los resultados de los modelos dependen de los costes locales, los supuestos sobre estados de salud y las probabilidades de transición, por lo que no pueden trasladarse automáticamente a otro sistema sanitario.

Alshannaq et al. encontraron que rtCGM era coste-efectiva frente a SMBG en pacientes australianos con diabetes tipo 2 tratada con insulina. Es un resultado importante para la población de alto riesgo estudiada. No establece la relación coste-efectividad para la diabetes bien controlada no tratada con insulina ni para las personas sin diabetes.

El veredicto práctico

La MCG tiene un papel creíble y respaldado por ensayos aleatorizados en la diabetes tipo 2, especialmente cuando el control glucémico es deficiente y cuando los datos conducen a cambios utilizables en el tratamiento o el comportamiento. Los sistemas en tiempo real tienen la estimación de subgrupo más precisa, y el asesoramiento puede aportar valor en la diabetes y la prediabetes.

Para una persona metabólicamente sana, la evidencia respalda la curiosidad y la medición, no una afirmación de mejora demostrada de la salud. La mayor síntesis de evidencia se refiere a pacientes con diabetes tipo 2, no a una persona normoglucémica que realiza un autoexperimento. Si tienes diabetes o prediabetes, habla con tu profesional clínico sobre el plan de monitorización adecuado. Si tu metabolismo de la glucosa es normal, una MCG puede generar datos; la evidencia de ensayos controlados no ha mostrado que actuar sobre esos datos mejore un desenlace de salud relevante.