Predicción primaria del riesgo cardiovascular

Predicción primaria del riesgo cardiovascular

Una nueva estrategia multimodal La mente es como un paracaídas… Solo funciona si la tenemos abierta.  Albert Einstein (1879-1955) La predicción del riesgo cardiovascular (CV) en personas sin enfermedad cardiovascular (ECV) conocida se ha basado fundamentalmente en la evaluación de los tradicionales factores de riesgo (FR) mediante la aplicación de tablas o ecuaciones de riesgo.

Una nueva estrategia multimodal

La mente es como un paracaídas… Solo funciona si la tenemos abierta. 

Albert Einstein (1879-1955)

La predicción del riesgo cardiovascular (CV) en personas sin enfermedad cardiovascular (ECV) conocida se ha basado fundamentalmente en la evaluación de los tradicionales factores de riesgo (FR) mediante la aplicación de tablas o ecuaciones de riesgo. (1-5)  Desgraciadamente es bien conocido que estas predicciones solo tienen una baja capacidad de discriminación para eventos de enfermedad aterosclerótica cardiovascular (EASCV) y no hay una clara consideración de algunos riesgos CV adicionales, como por ejemplo fibrilación auricular o insuficiencia cardíaca.

En una reciente publicación en Circulation (6), de Lemos con un grupo de prestigiosos colaboradores presentan una novedosa herramienta de predicción de riesgo con el objeto de intentar incrementar la capacidad discriminativa de las estrategias basadas solo en los tradicionales FR.  Analizaron si podían mejorar las predicciones agregando una combinación de un grupo de biomarcadores que consideraron los más promisorios.  Establecieron como hipótesis que si combinaban un panel de biomarcadores de ECV no redundantes entre sí a través de múltiples distintas modalidades de pruebas, podrían disminuir sus limitaciones y mejorar la predicción del riesgo CV.  Los marcadores elegidos prospectivamente fueron el electrocardiograma de 12 derivaciones para determinar hipertrofia ventricular izquierda (ECG-HVI); la calcificación de las arterias coronarias (CAC) medida por tomografía computada y las determinaciones del N-terminal péptido natriurético pro-cerebral (NT-proBNP), la troponina T cardíaca de alta sensibilidad (hs-cTnT) y la proteína C reactiva de alta sensibilidad (hs-PCR).  Estas pruebas fueron seleccionadas porque reflejan procesos patológicos de distinta relevancia, porque hay múltiples publicaciones donde estudios poblacionales revelan una asociación independiente de estos parámetros con eventos de ECV y porque hay suficiente data para generar a priori umbrales para definir los resultados anormales. Los participantes del estudio comprenden aquellos que formaron parte del  primer examen del estudio MESA (Multi-Ethnic Study of Atherosclerosis) (7) y de la fase 1 del DHS (Dallas Heart Study) (8). El modelo de base incluyó los FR tradicionales: edad, sexo, raza /etnicidad, tabaquismo, diabetes, colesterol total, colesterol-HDL, presión arterial sistólica, uso de hipotensores y uso de estatinas. Para el evento de ECV primario global se incluyó la concentración de creatinina sérica en el modelo de base y para eventos de insuficiencia cardíaca se utilizaron tanto creatinina como el índice de masa corporal. La mejoría en la discriminación y reclasificación para un evento de ECV primario global y un evento secundario de EASCV fue evaluado comparando el modelo de base con la estrategia que incluía el modelo de base más los cinco biomarcadores elegidos. Para facilitar la aplicación clínica de esta metodología multimodal se utilizó un escore numérico simple contando la cantidad de pruebas anormales con valores que iban de 0 a 5. Dado el pequeño número de participantes en los niveles de mayor riesgo se fundieron los escores 4 y 5 de MESA y los 3 a 5 de DHS. Además se realizaron análisis estratificados no ajustados en diversos subgrupos definidos por sexo, menor edad (hombres <55 años, mujeres <65 años), raza/etnia (negra, blanca, hispánica) y riesgo a 10 años de EASCV <7,5 utilizando las pooled cohort equations (PCEs). (1)

Se observó que los 5 marcadores elegidos estaban asociados con un evento de ECV primario global después de ajustar para los FR tradicionales y los resultados de las otras pruebas.  Los resultados fueron consistentes tanto si los marcadores eran tomados como variables continuas o como puntos de corte prospectivos variables. Aplicando esta misma metodología en la muestra del DHS se replicaron los hallazgos, con excepción de la hs-PCR que no estaba asociada independientemente con ECV global en el análisis multivariado. Para eventos de enfermedad coronaria la CAC resultó ser la más fuerte asociación, seguido por la NT-proBNP  y la hs-TnT, y no hubo asociación con ECG-HVI ni con hs-PCR.

Como conclusión los autores consideran que una estrategia multimodal de estimación de riesgo de ECV con el agregado de estos marcadores no redundantes mejora sustancialmente la estratificación del riesgo global de ECV y del riesgo de EASCV entre individuos de la población general libres de ECV al ingreso. (6)  Cabe señalar que el tamaño de las muestras y el número de eventos son relativamente pequeños para este tipo de relevamiento, lo cual quitaría peso a las conclusiones.

Hace más de medio siglo que el Estudio Framingham (9) dejó claramente establecido el valor de los tradicionales FR para la predicción del riesgo de ECV.  Posteriormente múltiples grupos de investigación han intentado perfeccionar la capacidad de predecir el riesgo de ECV.  Así las cosas han sido muchos los distintos marcadores utilizados.(2,10-11) Sin entrar en un análisis exhaustivo, por un lado han sido evaluados marcadores clínicos (índice de masa corporal, perímetro de cintura, historia familiar de enfermedad coronaria, índice brazo-tobillo), marcadores inflamatorios (hs-PCR, interleukina-6, sICAM-1, fibrinógeno), marcadores relacionados con lípidos (Apolipoproteína A-1, Apolipoproteína B-100, Lp(a), la lipoproteína relacionada a la fosfolipasa A2 y la fosfolipasa secretoria A2), marcadores cardioespecíficos (NT-proBNP, troponinas T e I), marcadores de la función renal (creatinina, cistatina C) y marcadores metabólicos (hemoglobina A1c, homocisteína). También se han utilizado imágenes como expresión de daño aterosclerótico subclínico (Intima-media carotidea, CAC). Por último están los marcadores genéticos que tienen rasgos muy complejos y si bien se han identificado un importante número de locus asociados con ECV, hasta el momento la asociación con cualquier único genotipo solo ha reflejado, a lo sumo, un modesto aumento del riesgo.  La esperanza estaría puesta en una futura validación de marcadores genéticos más robustos.

Como en el caso que nos ocupa, también otros investigadores han utilizado la combinación de múltiples biomarcadores que independientemente han mostrado la capacidad de predecir futuros eventos de ECV para elaborar un escore integrado o un algoritmo en el intento de incrementar la capacidad de estratificación del riesgo. (12-17)  Sin embargo, si comparamos el peso de los escore derivados de los FR tradicionales con aquellos que incluyen estos nuevos marcadores su contribución para discriminar el riesgo en el mejor de los casos es modesta, especialmente cuando se evalúan poblaciones de bajo riesgo inicial.  Si esta nueva contribución de de Lemos et al. (6) es validada por nuevos estudios poblacionales se abriría una importante expectativa. 

Para el médico asistencial la prevención primaria sigue siendo un complejo desafío en donde la performance de los escore de riesgo habitualmente utilizados resulta muchas veces desalentadora. (1-5)  Por una parte resulta muy difícil manejar el riesgo de poblaciones presuntamente sanas donde la tasa de eventos anuales es muy baja y por otra parte desde el punto de vista de la salud pública debemos tener más claro “donde hay que poner el dinero”.  Si las estrategias de prevención que se aplican no logran la consiguiente reducción de la morbi-mortalidad no serían costo-efectivas, ocasionando erogaciones innecesarias.  Por el contrario, si no se identifican las personas en riesgo y no se aplican las medidas de prevención necesarias perderemos la oportunidad de evitar la enfermedad y la muerte.  El año pasado en este mismo espacio (18) al comentar los trabajos Mortensen et al. (19) y de Muntner et al. (20) respecto de la validación del uso de estatinas en prevención primaria, ellos habían comprobado que hasta el momento el calculador de PCEs emanado de las Guías ACC/AHA 2013 era un instrumento práctico que tenía una razonable capacidad de discriminar quienes debían recibir estatinas y quiénes no.

Estas nuevas propuestas que incluyen además de los FR tradicionales el agregado de otros marcadores, nos alertan que se está extendiendo el horizonte para la estimación del riesgo de ECV y que debemos mantener nuestras mentes abiertas para la recepción de conceptos novedosos al momento de la toma de decisiones de prevención primaria.

 

Bibliografía

  1. Goff DC Jr, Lloyd-Jones DM, Bennett G, Coady S, D’Agostino RB, Gibbons R, Greenland P, Lackland DT, Levy D, O’Donnell CJ, Robinson JG, Schwartz JS, Shero ST, Smith SC Jr, Sorlie P, Stone NJ, Wilson PW, Jordan HS, Nevo L, Wnek J, Anderson JL, Halperin JL, Albert NM, Bozkurt B, Brindis RG, Curtis LH, DeMets D, Hochman JS, Kovacs RJ, Ohman EM, Pressler SJ, Sellke FW, Shen WK, Smith SC Jr, Tomaselli GF; American College of Cardiology/American Heart Association Task Force on Practice Guidelines. 2013 ACC/AHA guideline on the assessment of cardiovascular risk: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines. Circulation. 2014;129(25 Suppl 2):S49-S73.
  2. D’Agostino RB, Sr., Vasan RS, Pencina MJ et al. General cardiovascular risk profile for use in primary care: The Framingham Heart Study. Circulation 2008;117:743-753.
  3. Assmann G, Cullen P, Schulte H. Simple scoring scheme for calculating the risk of acute coronary events based on the 10-year follow-up of the prospective cardiovascular Münster (PROCAM) study. Circulation 2002;105:310-315.
  4. Hippisley-Cox J, Coupland C, Vinogradova Y, et al. Derivation and validation of QRISK, a new cardiovascular disease risk score for the United Kingdom: prospective open cohort study. BMJ 2007;335:136.
  5. Conroy RM, Pyorala K, Fitzgerald AP et al. Estimation of ten-year risk of fatal cardiovascular disease in Europe: the SCORE project. Eur Heart J 2003;24:987-1003.
  6. de Lemos JA, Ayers CR, Levine B, deFilippi CR, Wang TJ, Hundley WG, Berry JD, Seliger SL McGuire DK, Ouyang P, Drazner MH, Budoff M, Greenland P, Ballantyne CM, Khera A. Multimodality Strategy for Cardiovascular Risk Assessment. Performance in 2 Population-Based Cohorts. Circulation. 2017;135:2119-2132.
  7. Bild DE, Bluemke DA, Burke GL, et al. Multi-Ethnic Study of Atherosclerosis: objectives and design. Am J Epidemiol. 2002;156:871-881.
  8. Victor RG, Haley RW, Willett DL et al. Dallas Heart Study Investigators. The Dallas Heart Study: a population-based probability sample for the multidisciplinary study of ethnic differences in cardiovascular health. Am J Cardiol. 2004;93:1473-1480.
  9. Kannel WB, Dawber TR, Kagan A, et al. Factors of risk in the development of coronary heart disease-six year follow-up experience: the Framingham Study. Ann Intern Med. 1961;55:33-50.
  10. Wang TJ. Assessing the Role of Circulating, Genetic, and Imaging Biomarkers in Cardiovascular Risk Prediction. Circulation. 2011;123:551-565.
  11. Fava C, Montagnana M, Guidi GC, & Melander O. From circulating biomarkers to genomics and imaging in the prediction of cardiovascular events in the general population. Annals of Medicine. 2012;44(5):433-447.
  12. Wang TJ, Gona P, Larson MG, et al. Multiple biomarkers for the prediction of fi rst major cardiovascular events and death. N Engl J Med. 2006;355:2631-2639.
  13. Zethelius B, Berglund L, Sundstrom J, et al. Use of multiple biomarkers to improve the prediction of death from cardiovascular causes. N Engl J Med. 2008;358:2107-2116.
  14. Melander O, Newton-Cheh C, Almgren P, et al. Novel and conventional biomarkers for prediction of incident cardiovascular events in the community. JAMA. 2009;302:49-57.
  15. Blankenberg S, Zeller T, Saarela O, et al. Contribution of 30 biomarkers to 10-year cardiovascular risk estimation in 2 population cohorts: the MONICA, risk, genetics, archiving, and monograph (MORGAM) biomarker project. Circulation. 2010; 121:2388-2397.
  16. Ridker PM, Buring JE, Rifal N, & Cook NR. Development and validation of improved algorithms for the assessment of global cardiovascular risk in women: the Reynolds Risk Score. JAMA 2007;297(6):611-619.
  17. Ridker PM, Paynter NP, Rifai N, et al. C-reactive protein and parental history improve global cardiovascular risk prediction: the Reynolds Risk Score for men. Circulation 2008;118:2243-51.
  18. Humphreys JD. Prevención primaria con estatinas. ¿A quién sí y a quién no? https://www.siacardio.com/editoriales/prevencion-cardiovascular/prevencion-primaria-con-estatinas-a-quien-si-y-a-quien-no/ (Último acceso 03/09/2017).
  19. Mortensen MB, Afzal S, Nordestgaard BG & Falk E. Primary prevention with statins: ACC/AHA risk-based approach versus trial-based approaches to guide statin therapy. J Am Coll Cardiol 2015;66:2699-2709.
  20. Muntner P, Colantonio LD, Cushman M, et al. Validation of the Atherosclerotic Cardiovascular Disease Pooled Cohort Risk Equations. JAMA 2014;311:1406-1415.
5 comments

Posts Carousel

Deje un comentario

Registrese para comentar. Sus e-mail no será publicados

Cancel reply

5 Comments

  • Washington Macias
    septiembre 19, 2017, 9:07 pm

    Y la variable Frecuencia Cardiaca? Y las variables de estrés cardiaco como ergometría (prueba de esfuerzo) o ecocardiograma de estrés? Y las variables extrasistoles ventriculares y padrón de fibrosis miocardica aisladas en RMN Cardiaca sin previo SICAceST?

    REPLY
  • Juan D. Humphreys
    octubre 6, 2017, 9:05 pm

    Estimado Dr. Washington Macias:
    Agradezco sus observaciones. Debo aclarar que en el trabajo editorializado de Lemos et al. no se abordan estos puntos y por lo tanto se escapa la posibilidad de incluir comentarios sobre estos temas.
    Sin embargo usted trae a consideración cuestiones de sumo interés. La relación entre riesgo cardiovascular y frecuencia cardíaca ya fue observada hace muchos años por los investigadores del Estudio Framingham (1) y para más datos recomiendo la excelente actualización del doctor Arocha Rodulfo (2). Si bien esta relación no entra en las tabulaciones generalmente utilizadas, creo que todos nosotros debemos tomar en cuenta este dato al momento de estratificar el riesgo en prevención primaria.
    En cuanto las variables de estrés cardiaco como ergometría o eco-estrés; extrasistolia ventricular y patrón de fibrosis miocárdica aislada en RMN Cardiaca sin previo SICAceST, son indudablemente marcadores de mayor riesgo, pero por tratarse de hallazgos patológicos ya no entrarían dentro del concepto de prevención primaria.
    Juan D. Humphreys

    REPLY
  • Juan D. Humphreys
    octubre 6, 2017, 9:08 pm

    Referencias
    1. Kannel W, Kannel C, Paffenbarger R, Cupples L. Heart rate and cardiovascular mortality: The Framingham study. Am Heart J. 1987;113:1489-1494.
    2. Arocha Rodulfo I, Mendoza Mujica I, Ponte Negretti CI. La frecuencia cardíaca como factor y marcador de riesgo cardiovascular. Avances Cardiol 2015;35(2):104-119.

    REPLY
  • Juan D. Humphreys
    octubre 6, 2017, 9:08 pm

    Referencias
    1. Kannel W, Kannel C, Paffenbarger R, Cupples L. Heart rate and cardiovascular mortality: The Framingham study. Am Heart J. 1987;113:1489-1494.
    2. Arocha Rodulfo I, Mendoza Mujica I, Ponte Negretti CI. La frecuencia cardíaca como factor y marcador de riesgo cardiovascular. Avances Cardiol 2015;35(2):104-119.

    REPLY
  • Fernando Bravo
    septiembre 21, 2018, 4:59 pm

    Estimado Dr. Humphreys:
    Tal vez no sea éste el mejor lugar donde realizar una pregunta que tal vez sea considerada de "divulgación masiva". Me anima a dejar el presente comentario, la la pedagogía y claridad de sus explicaciones que están al alcance de personas como yo, un simple ingeniero con algo de sentido común. Resulta que mi madre (de 84 años) está presentando una presión arterial sistólica de 153 mmHg. Y una diastólica de 65 mmHg. Con lo cual la diferencia entre ambas es de 88 mmHg. Por una RX se observa la aorta calcificada. El cardiólogo que vimos quiso realizarle un estudio de "Perfusión miocárdica con estres farmacológico" (dipiridamol). Pero mi madre se negó a realizárselo por miedo a sufrir un infarto durante el estudio (debido al estres farmacológico). Mi consulta es la siguiente: ¿hay otro estudio que reemplace a éste para saber el estado de las coronarias? (alguien me habló de una cámara gamma). ¿Es grave tener 88 mmHg? Muchas gracias!

    REPLY