Riesgo Cardiovascular en Asturias

El estudio se basó en un diseño poblacional transversal y descriptivo. Su objetivo fue analizar la situación de los niveles de riesgo cardiovascular en Asturias, examinando variables como LDL, cHDL, colesterol total, tensión arterial (TA), índice de masa corporal (IMC) y riesgo aterogénico. La información se obtuvo de la base de datos de Atención Primaria de toda Asturias, recogiendo la última medición de colesterol total, cHDL, TAS, TAD, y datos demográficos como sexo, edad, hábito de fumar, diabetes mellitus e hipertrofia ventricular en el año 2014. Este enfoque descriptivo buscaba proporcionar una imagen completa de la situación del riesgo cardiovascular en la región, identificando patrones y posibles áreas de preocupación.

Para el análisis de datos, se utilizaron diversos programas estadísticos y herramientas de visualización. El análisis de la información se llevó a cabo con los programas SPSS y STATA. Los gráficos se realizaron con Excel. Para el análisis comparativo se utilizaron la regresión logística y la prueba t de Student. Considerando la dimensión geográfica, el análisis se realizó a nivel de concejo y Área Sanitaria, utilizando mapas generados con GVSig y Geodata por ZBS. Para facilitar la interpretación, se crearon tablas con percentiles por grupo etario y sexo. Este enfoque multifacético permitió un análisis exhaustivo de los datos, combinando métodos estadísticos clásicos con técnicas de visualización geográfica para identificar patrones espaciales en el riesgo cardiovascular.

El análisis espacial se abordó mediante aproximaciones cualitativas y cuantitativas. Se realizaron suavizados para ajustar la gran variabilidad de la población y características, especialmente considerando la posibilidad de un escaso número de eventos en algunas áreas. Para el análisis de clusterización, se utilizaron métodos LISA, basados en el estadístico Moran I, y suavizados de Bayes. La elección de estas técnicas se justifica por la necesidad de abordar la heterogeneidad espacial en los datos y compensar la influencia de la variabilidad poblacional en la distribución del riesgo cardiovascular. Estos métodos proporcionaron una comprensión más precisa de los patrones espaciales del riesgo, identificando posibles agrupaciones o clústeres de alta o baja prevalencia.

Se utilizaron diferentes modelos para calcular el riesgo cardiovascular, incluyendo DORICA, Framingham clásico, Framingham-Wilson, REGICOR, y SCORE (High y Low risk). Para el cálculo del riesgo cardiovascular, se empleó el programa CVRCALC de la Universidad de Santiago, basado en R. Este programa permite el cálculo individual y poblacional del riesgo. Se compararon los resultados de los distintos modelos usando correlaciones lineales (Pearson y Spearman) para variables continuas y el estadístico Kappa para analizar la concordancia entre las clasificaciones cualitativas de riesgo, especialmente en la identificación de riesgo alto. Este análisis multi-modelo permitió una evaluación comparativa de los diferentes métodos de evaluación del riesgo cardiovascular y la identificación de posibles áreas de discordancia entre ellos.

El contexto del estudio se centra en la aplicación de diferentes modelos para la evaluación del riesgo cardiovascular. Se mencionan específicamente los modelos DORICA, Framingham Clásico, Framingham-Wilson, REGICOR, y SCORE (tanto para alto como bajo riesgo). La elección de estos modelos refleja la necesidad de comparar diferentes enfoques para la cuantificación del riesgo, considerando sus fortalezas y limitaciones. Cada modelo utiliza diferentes algoritmos y variables para estimar la probabilidad de eventos cardiovasculares, ofreciendo perspectivas complementarias para una evaluación más completa. La diversidad de modelos empleados permite un análisis más profundo y robusto de la situación del riesgo cardiovascular en la población estudiada, contribuyendo a una mejor comprensión de sus diferentes dimensiones.

Se establecen umbrales cualitativos para algunos modelos. Para DORICA y Framingham Clásico se utiliza un umbral del +20%. Para Framingham Wilson también se utiliza el mismo umbral del +20%. Es importante destacar que el tamaño de la muestra varía según el modelo empleado. El modelo DORICA se aplicó a 46.600 personas, mientras que REGICOR se aplicó a 73.253 personas. El modelo Framingham Clásico abarcó 75.246 personas, y el modelo Framingham-Wilson 75.247 personas. Finalmente, el modelo SCORE se aplicó a 43.417 personas tanto en la categoría de alto como de bajo riesgo. Estas diferencias en el tamaño muestral pueden influir en la potencia estadística de los análisis y deben ser consideradas al interpretar los resultados. La variación en el tamaño de la muestra se debe probablemente a la disponibilidad de datos completos para cada modelo.

El estudio reconoce la existencia de problemas relacionados con la variabilidad en la evaluación del riesgo cardiovascular, principalmente la disparidad en los eventos y edades entre los sujetos incluidos en el análisis. Estas diferencias en eventos y edades plantean un desafío importante para la interpretación de los resultados, ya que pueden generar sesgos en la estimación del riesgo. La existencia de eventos y edades diversas implica que los grupos de comparación pueden no ser homogéneos, lo que afecta la validez de las comparaciones entre modelos. Además, la discordancia entre los resultados obtenidos con diferentes modelos para el cálculo del riesgo cardiovascular indica la necesidad de una reflexión crítica sobre la selección y aplicación de estos modelos en la práctica clínica y en la planificación de intervenciones sanitarias.

Los resultados del estudio revelaron importantes discrepancias entre los diferentes modelos utilizados para evaluar el riesgo cardiovascular. Esta falta de concordancia entre los modelos tiene implicaciones significativas en las decisiones terapéuticas. La inconsistencia en la evaluación del riesgo dificulta la toma de decisiones clínicas, ya que diferentes modelos pueden sugerir estrategias de intervención distintas para un mismo individuo. La presencia de estas discrepancias destaca la necesidad de una mayor investigación para comprender mejor las limitaciones de cada modelo y para desarrollar métodos más precisos y consistentes para evaluar el riesgo cardiovascular. La falta de uniformidad en los resultados resalta la complejidad de la evaluación del riesgo cardiovascular y la necesidad de una evaluación integral que considere diferentes factores de riesgo y la individualidad del paciente.

Se identificaron distintos perfiles entre los sujetos cuyos resultados mostraron discrepancias entre los modelos. Para aquellos con riesgo alto según SCORE pero no según REGICOR, el perfil típico correspondía a mujeres de mayor edad, con mayor prevalencia de tabaquismo, colesterol total más alto y cHDL más alto. Por otro lado, en el caso de sujetos con riesgo alto según REGICOR pero no según SCORE (un perfil menos frecuente), se observó una mayor prevalencia en hombres no fumadores, con antecedentes de diabetes mellitus, TAS y TAD más bajas, menor HTA, y un perfil lipídico alterado caracterizado por LDL elevado y cHDL bajo. Estas diferencias en los perfiles sugieren que la precisión en la evaluación del riesgo cardiovascular puede depender del modelo empleado y de las características individuales de cada sujeto. El análisis de estos perfiles proporciona información valiosa para comprender mejor las variables que pueden influir en las discrepancias entre modelos.

El resumen destaca una alta prevalencia de factores de riesgo cardiovascular en la población estudiada de Asturias. Aproximadamente un tercio (1/3) presenta niveles elevados de LDL, más de la mitad tiene colesterol total alto, y una octava parte (1/8) muestra niveles bajos de cHDL. Estos hallazgos indican una significativa carga de enfermedad cardiovascular en la población. La distribución de estos factores de riesgo no es uniforme, mostrando diferencias según el sexo y la edad. Se observan valores más altos en hombres, excepto para el cHDL, donde las mujeres presentan valores más altos. Los niveles promedio de estos factores son más altos en las edades medias de la vida, con una aparición más temprana de las alteraciones en las mujeres. Estos datos ponen de manifiesto la necesidad de implementar estrategias preventivas dirigidas a la población de Asturias.

La distribución geográfica de los factores de riesgo cardiovascular también presenta disparidades. El Área Sanitaria VII muestra los peores resultados, mientras que el Área III presenta los mejores. Estos datos sugieren que existen diferencias en la prevalencia de factores de riesgo cardiovascular a nivel geográfico, lo cual podría estar relacionado con factores socioeconómicos, estilos de vida o acceso a servicios de salud. En cuanto a la antropometría, se observa un preocupante 58% de exceso de peso en la población, del cual un 26% corresponde a obesidad. La prevalencia de exceso de peso es mayor en hombres (62%), lo que resalta la necesidad de intervenciones específicas dirigidas a este grupo. La alta prevalencia de sobrepeso y obesidad se considera un factor crucial de riesgo para diversas enfermedades crónicas, incluyendo las cardiovasculares.

El resumen también incluye datos sobre la prevalencia de hipertensión arterial (HTA), estimada en un 19% de la población, con un 14% adicional correspondiendo a HTA sistólica aislada. La prevalencia de HTA es mayor en hombres. Finalmente, se presentan las estimaciones del riesgo cardiovascular según diferentes modelos. El riesgo cardiovascular según Framingham se sitúa entre el 10% y el 12%, mientras que el modelo DORICA estima un 9%. El SCORE de bajo riesgo se estima en un 1.6%. Estas diferentes estimaciones de riesgo cardiovascular resaltan la importancia de utilizar múltiples modelos para obtener una evaluación más completa y precisa del riesgo, teniendo en cuenta las fortalezas y debilidades de cada uno. La heterogeneidad de los resultados según el modelo utilizado enfatiza la complejidad del riesgo cardiovascular y la necesidad de enfoques multifacéticos para su gestión.