Rendimiento de la estimación del riesgo cardiovascular en España mediante la utilización de distintas funciones / Estimating cardiovascular risk in Spain using different algorithms

RESUMEN

Introducción y objetivos. A pesar de que presentan una baja incidencia, las enfermedades cardiovasculares son la causa más frecuente de morbimortalidad en España. Se dispone de diversas funciones para calcular el riesgo cardiovascular en la prevención primaria, cuya capacidad para identificar a los pacientes que desarrollarán acontecimientos cardiovasculares es poco conocida. Comparamos el rendimiento de las funciones de Framingham original, adaptada de REGICOR (Registre Gironí del Cor) y SCORE (Systematic COronary Risk Evaluation) para países de bajo riesgo. Métodos. Se registraron todos los acontecimientos cardiovasculares en un seguimiento de 5 años de una cohorte sin enfermedad coronaria en 9 comunidades autónomas. Se midieron los factores de riesgo cardiovascular entre 1995 y 1998. Se consideró que el riesgo era elevado a los 10 años en ≥ 20% para Framingham, ≥ 10, ≥ 15 y ≥ 20% para REGICOR y ≥ 5% para SCORE. Resultados. Se produjeron 180 (3,1%) acontecimientos coronarios (112 en varones y 68 en mujeres) en las 5.732 personas (57,3% de mujeres) en las que se realizó el seguimiento. Se produjo muerte cerebrovascular en 43 personas, así como 24 acontecimientos vasculares no coronarios. Con la función REGICOR se obtuvo el mayor valor predictivo positivo para enfermedad coronaria y cardiovascular a cualquier edad, y, tomando un límite de 10% de riesgo a los 10 años, se clasificó a menos población de alto riesgo de 35-74 años (12,4%) que con la función de Framingham (22,4%). SCORE y Framingham clasificaron al 8,4 y al 16,6% de la población de 35-64 años como de alto riesgo cardiovascular y REGICOR, al 7,5%. Conclusiones. La función adaptada de REGICOR es la opción aplicable hasta los 74 años que muestra el mejor equilibrio en la capacidad de clasificación de riesgo de acontecimientos cardiovasculares. Su aplicación permite la clasificación de alto riesgo a individuos con un perfil más adecuado para ser candidatos a tratamiento hipolipemiante (AU)

ABSTRACT

Introduction and objectives. Although its incidence is low, cardiovascular disease is the most common cause of morbidity and mortality in Spain. A number of different algorithms can be used to calculate cardiovascular disease risk for primary prevention, but their ability to identify patients who will experience a cardiovascular event is not well understood. The objective of this study was to compare the results of using the original Framingham algorithm and two adaptations for low-risk countries the REGICOR (Registre Gironí del cor) and SCORE (Systematic COronary Risk Evaluation) algorithms. Methods. All cardiovascular events during 5-year follow-up in a cohort of patients without coronary disease in nine autonomous Spanish regions were recorded. The levels of different cardiovascular risk factors were measured between 1995 and 1998. Participants were considered high-risk if their 10-year risk was ≥20% with the Framingham algorithm, ≥10%, ≥15% or ≥20% with REGICOR, and ≥5% with SCORE. Results. In total, 180 (3.1%) coronary events (112 in men and 68 in women) occurred among the 5732 (57.3% female) participants during follow-up. Of these, 43 died from cerebrovascular disease, and 24 had a non-coronary vascular event. The REGICOR algorithm had the highest positive predictive value for coronary and cardiovascular disease in all age groups. Moreover, with a 10-year risk limit of 10%, it classified less of the population aged 35-74 years as high-risk (i.e., 12.4%) than the Framingham algorithm (i.e., 22.4%). The SCORE and Framingham algorithms classified 8.4% and 16.6% of the population aged 35-64 years, respectively, as having a high cardiovascular disease risk; with REGICOR, the figure was 7.5%. Conclusions. The REGICOR adapted algorithm was the best predictor of cardiovascular events and classified a smaller proportion of the Spanish population aged 35-74 years as high risk than alternative algorithms (AU)