Síndrome metabólico y su correlación con ecuaciones de predicción del riesgo global de enfermedad cardiovascular

Introducción: El síndrome metabólico constituye un hito en la investigación de evaluar mejor y de manera óptima el riesgo de enfermedad cardiovascular aterosclerótica.

Objetivo: Analizar la correlación entre la capacidad predictiva del riesgo global de enfermedad cardiovascular aterosclerótica del síndrome metabólico y las tablas de riesgo: Framingham Risk Score, la tabla de la OMS/ISH y las de Gaziano, la ecuación PROCAM y el algoritmo QRISK2.

Métodos: Se realizó una revisión documental, para lo cual se empleó la bibliografía nacional e internacional, especialmente la publicada en los últimos 5 años. Se utilizó el motor de búsqueda Google Académico y se consultaron artículos de libre acceso en las bases de datos Pubmed y SciELO desde marzo 2020 hasta el mes de enero 2021. Se emplearon como palabras clave: “síndrome metabólico”, “riesgo cardiovascular global”, “método de estimación de riesgo” y sus equivalentes en inglés. Las unidades de análisis fueron artículos originales, de revisión, incluyendo revisiones sistemáticas publicadas en los idiomas español e inglés. Fueron seleccionados 38 artículos (23 en idioma español, 15 en inglés) y 31 (81,5 %) corresponden a los últimos 5 años.

Conclusiones: El síndrome metabólico y los sistemas de estimación del riesgo global de enfermedad cardiovascular aterosclerótica no deben ser utilizados como equivalentes a causa de que su concordancia, en sentido general, es muy cuestionable. No obstante, se puede considerar como una herramienta útil en prevención primaria de la enfermedad cardiovascular aterosclerótica, siempre y cuando no sustituyan el juicio clínico y se contemplen todas las excepciones y precauciones posibles en el momento de su aplicación.


José Miguel Rodríguez Perón, Mario Miguel Rodríguez Izquierdo
 PDF
 
Modelo predictivo de enfermedad cardiovascular basado en inteligencia artificial en la atención primaria de salud

Introducción: En Cuba y en el resto del mundo, las enfermedades cardiovasculares son reconocidas como un problema de salud pública mayúsculo y creciente, que provoca una alta mortalidad.

Objetivo: Diseñar un modelo predictivo para estimar el riesgo de enfermedad cardiovascular basado en técnicas de inteligencia artificial.

Métodos: La fuente de datos fue una cohorte prospectiva que incluyó 1633 pacientes, seguidos durante 10 años, fue utilizada la herramienta de minería de datos Weka, se emplearon técnicas de selección de atributos para obtener un subconjunto más reducido de variables significativas, para generar los modelos fueron aplicados: el algoritmo de reglas JRip y el meta algoritmo Attribute Selected Classifier, usando como clasificadores el J48 y el Multilayer Perceptron. Se compararon los modelos obtenidos y se aplicaron las métricas más usadas para clases desbalanceadas.

Resultados: El atributo más significativo fue el antecedente de hipertensión arterial, seguido por el colesterol de lipoproteínas de alta densidad y de baja densidad, la proteína c reactiva de alta sensibilidad y la tensión arterial sistólica, de estos atributos se derivaron todas las reglas de predicción, los algoritmos fueron efectivos para generar el modelo, el mejor desempeño fue con el Multilayer Perceptron, con una tasa de verdaderos positivos del 95,2 % y un área bajo la curva ROC de 0,987 en la validación cruzada.

Conclusiones: Fue diseñado un modelo predictivo mediante técnicas de inteligencia artificial, lo que constituye un valioso recurso orientado a la prevención de las enfermedades cardiovasculares en la atención primaria de salud.

 

Jorge Baudilio Vega Abascal, Alberto Rubén Piriz Assa, Diego Nápoles Riaño
 PDF
 
Jhonatan Betancourt Peña, Kirby Gutiérrez-Arce, Rosa Virginia Mora-Guerra, Diana Carolina Zamudio-Espinosa, Juan Carlos Ávila-Valencia
 PDF
 
Jéssica López Peláez, Natalia Barberena Borja, Catalina Estrada Gonzalez
 PDF
 
Elementos 1 - 4 de 4

Consejos de búsqueda:

  • Los términos de búsqueda no distinguen entre mayúsculas y minúsculas
  • Las palabras comunes serán ignoradas
  • Por defecto, sólo aquellos artículos que contengantodos los términos en consulta, serán devueltos (p. ej.: Y está implícito)
  • Combine múltiples palabras conO para encontrar artículos que contengan cualquier término; p. ej., educación O investigación
  • Utilice paréntesis para crear consultas más complejas; p. ej., archivo ((revista O conferencia) NO tesis)
  • Busque frases exactas introduciendo comillas; p.ej, "publicaciones de acceso abierto"
  • Excluya una palabra poniendo como prefijo - o NO; p. ej. -política en línea o NO política en línea
  • Utilice * en un término como comodín para que cualquier secuencia de caracteres concuerde; p. ej., soci* moralidad hará que aparezcan aquellos documentos que contienen "sociológico" o "social"