Selección, implementación y validación de modelos de predicción de riesgo para enfermedades cardiovasculares en pacientes con problemas de sueño

Abstract

Según la Organización Mundial de la Salud (OMS), las Enfermedades Cardiovascula- res (ECV) son la principal causa de muerte en todo el mundo, aún cuando la mayoría de ellas pueden prevenirse actuando sobre ciertos factores de riesgo. Para su prevención son fundamentales la detección precoz y el tratamiento temprano, por medio de cambios en hábitos de consumo y estilo de vida o por medio de la administración de fármacos. Existen varias formas estándar de estimar el riesgo de enfermedad cardiovascular, sien- do el índice de Framingham la más reconocida. Aunque en general estos métodos dan bue- nos resultados, en muchos casos no son suficientemente precisos en su predicción, lo cual podría derivar en eventos cardiovasculares graves que podrían haberse evitado. Por otro lado, existen factores de riesgo que no se consideran y que podrían implicar una predicción más precisa. En particular, en pacientes con problemas de sueño, una forma de mejorar la predicción de ECV podría ser en base al nivel de saturación de oxígeno en la sangre durante el sueño, que puede ser medido a través un examen médico llamado oximetría nocturna. El objetivo de esta memoria es precisamente contribuir a la detección temprana de este tipo de enfermedades en este tipo de pacientes de forma mas confiable, por lo que se dise- ña un modelo preventivo en base a factores de riesgo tradicionales y además información recogida de una oximetría nocturna. El modelo se entrena y valida a través de una base de datos que contiene 5.804 oximetrías y el historial clínico de los pacientes en cuanto a las enfermedades cardiovasculares sufridas durante los 10 años posteriores a la oximetría. La versión final del modelo de predicción tiene un desempeño en términos de AUC de un 0,775 contra un 0,739 del índice de Framingham, por lo que efectivamente se da una mejora estadísticamente significativa. Sin embargo, el aporte de la oximetría nocturna al poder de predicción es mínimo y el alza se debe a otros factores, entre los que se cree estaría la especificidad del modelo en cuanto a su capacidad de realizar predicciones particular- mente precisas en pacientes con problemas de sueño . Se realiza además una evaluación económica y social para dar una idea aproximada del impacto que produciría la implantación del modelo en producción, resultando en un beneficio potencial para todo el país de entre 10 y 13 billones de pesos y 160.000 y 200.000 Disability-Adjusted Life-Years (DALYS) y en 10 años. Con el fin de facilitar la divulgación de los resultados, se desarrolla además un primer prototipo de un módulo de visualización del indicador de riesgo del modelo.