Las ecuaciones predictivas de riesgo cardiovascular desarrolladas en Framingham [1], han sido unas herramientas muy útiles para la toma de decisiones en la práctica clínica para la prevención y control de los factores de riesgo cardiovasculares. Sin embargo, estas ecuaciones se pensaron en el marco de una población con alto riesgo cardiovascular, y su validez en la población mediterránea, con una incidencia de enfermedad cardiovascular mucho más baja, era cuestionable. Por este motivo y siguiendo la metodología propuesta en [2] para adaptar la ecuación de riesgo a otras poblaciones con incidencias y prevalencias de factores de riesgo diferentes de la de Framingham, se adaptó esta ecuación a la población Española. Para hacerlo se sustituyó la incidencia de la ecuación de Framingham por la observada en la población de Girona mediante el registro poblacional (REGICOR) de enfermedad cardíaca, y se cogieron las prevalencias observadas en la cohorte de gente libre de enfermedad cardiovascular reclutada en 1995 [3]. A partir de la ecuación adaptada se construyeron tablas de uso fácil en la práctica clínica con los riesgos de infarto a 10 años según las características de los factores de riesgo (colesterol, tensión arterial, etc).

Poco tiempo después se diseñó el estudio VERIFICA [4] para validar la adaptación de la ecuación de Framingham a la población española. Para hacerlo se recogió la información de participantes de todo el estado español con diferentes perfiles de riesgo. Los resultados fueron satisfactorios y se observó que el riesgo predicho por la ecuación adaptada era muy similar al riesgo observado, mientras que la ecuación original de Framingham sobrestimaba claramente el riesgo, tal y como se sospechaba.

El siguiente paso fue incorporar nuevas variables a las existentes en la ecuación de Framingham. Una de las propuestas fue el tratamiento para la hipertensión y la hipercolesterolemia puesto que en el momento que se desarrolló la ecuación original de Framingham se suministraba tratamiento a muy poca gente. El estudio FRESCO [5] tiene como objetivo, entre otros, construir nuevas funciones incorporando los tratamientos. Por otro lado, con el creciente conocimiento y recopilación de datos genéticos en los últimos años, también se está evaluando en qué grado se puede mejorar la predicción cuando en la ecuación se incorporan a los factores de riesgo tradicional variantes genéticas [6, 7]. Con el mismo propósito, actualmente se están considerando otros biomarcadores relacionados con el metabolismo, la inflamación, la hemodinámica, la hemostasia y el daño del miocardio.

Para poder verificar adecuadamente las ecuaciones de riesgo y evaluar el grado de mejora en la incorporación de nuevas variables predictivas, se han incorporado técnicas estadísticas apropiadas, entre las cuales está la modificación del test de Hosmer y Lemeshow para seguimiento de cohorte (respuesta con información censurada) [8]. También se han utilizado estadísticas para medir el grado de mejora en la predicción cuando se incorporan nuevas variables a una ecuación de riesgo. Entre ellos, el Net Reclassification Improvement Index (NRI) que mide la proporción de individuos que tienen el evento re-asignados a un grupo de riesgo más elevado, el Integrated Discriminant Improvement (IDI) [9]. Ambas estadísticas también se han adaptado a los estudios de cohorte.

Bibliografía:

  1. Wilson PW, D'Agostino RB, Levy D, Belanger AM, Silbershatz H, Kannel WB. Prediction of coronary heart disease using risk factor categories. Circulation. 1998 May 12;97(18):1837-47. PubMed PMID: 9603539.
  2. D'Agostino RB Sr, Grundy S, Sullivan LM, Wilson P; CHD Risk Prediction Group. Validation of the Framingham coronary heart disease prediction scores: results of a multiple ethnic groups investigation. JAMA. 2001 Jul 11;286(2):180-7. PubMed PMID: 11448281.
  3. Marrugat J, Solanas P, D'Agostino R, Sullivan L, Ordovas J, Cordón F, Ramos R, Sala J, Masiá R, Rohlfs I, Elosua R, Kannel WB[Coronary risk estimation in Spain using a calibrated Framingham function]. Rev Esp Cardiol 2003; 56: 253-61
  4. Marrugat J, Subirana I, Comín E, Cabezas C, Vila J, Elosua R, Nam BH, Ramos R, Sala J, Solanas P, Cordón F, Gené-Badía J, D'Agostino RB Validity of an adaptation of the Framingham cardiovascular risk function: the VERIFICA Study. J Epidemiol Community Health 2007; 61: 40-7
  5. Marrugat J. et al. Derivation and validation of a set of 10-year cardiovascular risk predictive functions in 11 population Spanish cohorts: the FRESCO Study. Not yet submitted.
  6. Lluis-Ganella C, Subirana I, Lucas G, Tomás M, Muñoz D, Sentí M, Salas E, Sala J, Ramos R, Ordovas JM, Marrugat J, Elosua R. Assessment of the value of a genetic risk score in improving the estimation of coronary risk. Atherosclerosis. 2012 Jun;222(2):456-63. doi: 10.1016/j.atherosclerosis.2012.03.024. Epub 2012 Mar 30. PubMed PMID: 22521901.
  7. Lluís-Ganella C, Lucas G, Subirana I, Sentí M, Jimenez-Conde J, Marrugat J, Tomás M, Elosua R. Additive effect of multiple genetic variants on the risk of coronary artery disease. Rev Esp Cardiol. 2010 Aug;63(8):925-33. English, Spanish. PubMed PMID: 20738937.
  8. D'Agostino R B, Sr, Nam B H. Evaluation of the performance of survival analysis models: discrimination and calibration measures. In: Balakrishnan N, Rao C, eds. Advances in survival analysis: handbook of statistics. Vol 23. Amsterdam: Elsevier, 2004. 1–25.25.
  9. Pencina MJ, D'Agostino RB Sr, Steyerberg EW. Extensions of net reclassification improvement calculations to measure usefulness of new biomarkers. Stat Med. 2011 Jan 15;30(1):11-21. doi: 10.1002/sim.4085. Epub 2010 Nov 5. PubMed PMID: 21204120; PubMed Central PMCID: PMC3341973.

Herrera S, Guelar A, Sorlì L, Vila J, Molas E, Grau M, Marrugat J, Esteve E, Güerri-Fernández R, Montero M, Knobel H

The Framingham function overestimates the risk of ischemic heart disease in HIV-infected patients from Barcelona.

HIV Clin Trials 2016 07; 17 (4): 131-9, PMID: 27169692

Abstract

Grau M, Subirana I, Vila J, Elosua R, Ramos R, Sala J, Dégano IR, Tresserras R, Bielsa O, Marrugat J

Validation of a population coronary disease predictive system: the CASSANDRA model.

J Epidemiol Community Health 2014 Nov; 68 (11): 1012-9, PMID: 24619990

Abstract

Grau M, Baena-Díez JM, Félix-Redondo FJ, Fernández-Bergés D, Comas-Cufí M, Forès R, Marrugat J, Ramos R

Estimating the risk of peripheral artery disease using different population strategies.

Prev Med 2013 Oct; 57 (4): 328-33, PMID: 23769902

Abstract

Marrugat J, Vila J, Baena-Díez JM, Grau M, Sala J, Ramos R, Subirana I, Fitó M, Elosua R

[Relative validity of the 10-year cardiovascular risk estimate in a population cohort of the REGICOR study].

Rev Esp Cardiol 2011 May; 64 (5): 385-94, PMID: 21482004

Abstract