Modelo de predictivo de enfermedades cardiovasculares
Estos hallazgos proporcionan dos algoritmos validados de predicción de riesgo y refuerzan la importancia de los factores psicosociales en la vida real.
Un aspecto importante en la prevención de enfermedades cardiovasculares es la estratificación del riesgo, la cual se realiza comúnmente con modelos de predicción computarizados para evaluar el riesgo total en individuos sanos. La predicción precisa permite dirigir las intervenciones conductuales y médicas, como lo son la promoción de un estilo de vida saludable o la indicación de medicamentos preventivos a las personas de mayor peligro. Sin embargo, los modelos distan mucho de ser perfectos.
La tasa más alta de estas condiciones se encuentra en Europa del Este y, uno de los problemas para un pronóstico certero es la carencia de modelos disponibles calibrados correctamente, siendo el modelo SCORE la opción por defecto. Lamentablemente, se ha demostrado que no se encuentra correctamente adaptado para las poblaciones contemporáneas. Una solución es recalibrarlo, para que se ajuste mejor al perfil poblacional de Europa Oriental.
Para abordar esto, un grupo de investigadores del Departamento de Epidemiología y Salud Pública del University College de Londres, se propuso derivar y validar externamente dos nuevos modelos de riesgo para la región. En primer lugar, evaluaron el rendimiento del modelo SCORE convencional y recalibraron esta herramienta de predicción, de modo que los coeficientes de riesgo y las tasas de peligro de referencia se optimizaron para los datos contemporáneos la región. Este procedimiento permite reducir al mínimo la sub y sobreestimación del riesgo, proporcionando así estimaciones más precisas.
En segundo lugar, probaron si la adición de información autodeclarada mejoraría aún más la estratificación del riesgo, centrándose en variables conductuales y psicosociales como educación, depresión, estado civil, empleo, IMC y actividad física, que han sido objeto de investigaciones como predictores de riesgos pero que no han sido validadas en este contexto geográfico.
Los resultados muestran por primera vez que factores de comportamiento y psicosociales como educación, depresión y actividad física, pueden ser tan informativos como los factores de riesgo biomédicos como la presión arterial y los niveles de colesterol, y podrían ser cruciales para generar un mejor modelo predictivo que permita identificar a quienes poseen mayor riesgo de padecer enfermedades cardiovasculares, y así abordar el tratamiento óptimo de manera oportuna. La replicación de este tipo de modelos predictivos para otras regiones podría ayudar a millones de personas, más aún en el actual contexto de pandemia en donde los usuarios puedan llevar a cabo sofisticados controles de salud en línea sin salir de sus casas.
