¿Cuáles son las calculadoras de riesgo cardiovascular más convenientes?
Cuáles son las calculadoras de riesgo cardiovascular más convenientes
Resumen
Las calculadoras de riesgo cardiovascular más convenientes dependen del propósito clínico (poblacional vs individual, prevención primaria vs evaluación aguda) y del contexto geográfico; entre las más recomendadas para práctica clínica están: SCORE/ESC (Europa) para riesgo de muerte cardiovascular a 10 años; ASCVD Pooled Cohort Equations (AHA/ACC) para riesgo aterosclerótico a 10 años en EE. UU.; Framingham/REGICOR para estimaciones generales y adaptación regional; QRISK3 para Reino Unido con variables ampliadas; Globorisk-LAC / Globorisk recalibrado para América Latina y el Caribe; y las tablas y la app HEARTS/WHO para atención primaria en países de renta media/baja. Estas herramientas tienen diferencias en variables requeridas, desenlaces predichos y necesidad de recalibración local, por lo que la elección debe basarse en población objetivo, disponibilidad de datos y objetivo clínico[1][2][3][4][5].
Herramientas recomendadas y por qué
- SCORE / European Society of Cardiology — útil para estimar riesgo absoluto de muerte cardiovascular a 10 años en poblaciones europeas; diseñada para guiar intervenciones poblacionales y clínicas en Europa[6][7].
- ASCVD Pooled Cohort Equations (AHA/ACC) — calcula riesgo de enfermedad cardiovascular aterosclerótica (infarto y accidente cerebrovascular) a 10 años y se usa ampliamente en EE. UU. para decisiones sobre estatinas y prevención primaria[8][9].
- Framingham (y adaptaciones como REGICOR) — ampliamente usada históricamente; buena para estimaciones generales y tiene versiones recalibradas para distintas poblaciones (p. ej. REGICOR en España)[5][10].
- QRISK3 — incorpora más variables (por ejemplo, etnia, enfermedades crónicas, medicaciones) y está validada en población británica, siendo particularmente útil cuando se dispone de historia clínica electrónica completa[5].
- Globorisk / Globorisk-LAC — desarrollada y recalibrada para América Latina y el Caribe para mejorar precisión en esas regiones cuando las ecuaciones importadas sobre- o subestiman riesgo[2].
- Tablas WHO / app HEARTS — diseñadas para entornos de atención primaria y países con recursos limitados; permiten estimar riesgo con y sin colesterol y están integradas en la aplicación clínica HEARTS promovida por OMS/OPS[1][11][12].
Qué considerar al escoger una calculadora
- Desenlace predicho: muerte CV (SCORE) vs enfermedad CV aterosclerótica no fatal + fatal (ASCVD, Framingham). El objetivo terapéutico varía según eso[6][8][5].
- Población de derivación y validación: preferir ecuaciones desarrolladas o recalibradas para la región del paciente (p. ej. Globorisk-LAC para América Latina)[2][5].
- Variables requeridas: algunas necesitan lípidos (colesterol total/HDL), otras permiten sustituir IMC o funcionan sin laboratorio (WHO/HEARTS) — útil en atención primaria sin pruebas disponibles[1][2].
- Necesidad de recalibración: muchas ecuaciones sobreestiman o subestiman riesgo en poblaciones distintas; la recalibración local mejora exactitud[8][2].
- Uso en decisiones terapéuticas: elegir la calculadora recomendada por las guías locales/nacionales (p. ej. AHA/ACC, ESC, semFYC/PAPPS) para decisiones sobre estatinas, antihipertensivos y prevención[3][4][6].
Precisión y limitaciones
- Muchas calculadoras tienen limitada exactitud individual y mejor desempeño poblacional; agregados como calcio coronario (CAC) o biomarcadores (p. ej. PCR) pueden refinar el riesgo en pacientes de riesgo intermedio[8][13].
- En países de bajos/medios ingresos, usar herramientas simples (HEARTS/WHO) o ecuaciones recalibradas localmente mejora aplicabilidad[1][11][2].
- Comparaciones de calculadoras online muestran variabilidad entre estimaciones; por ello, las guías recomiendan usar la calculadora que la guía local respalde y, cuando sea posible, recalibrada para la población atendida[14][3][2].
Recomendación práctica para clínicos
- Atención primaria en Europa: usar SCORE (ESC) para riesgo de mortalidad CV y seguir guías ESC para objetivos terapéuticos[6].
- Atención primaria en EE. UU.: usar ASCVD (AHA/ACC) para decisiones sobre estatinas y prevención primaria[8].
- América Latina / Caribe: considerar Globorisk-LAC o herramientas recalibradas localmente; si no disponible, usar HEARTS/WHO en entornos con recursos limitados[2][1][11].
- Paciente con datos clínicos completos y múltiples comorbilidades: QRISK3 (si población similar a la británica) o ASCVD según guía local; en riesgo intermedio, valorar CAC o biomarcadores para reestratificar[5][8][13].
- Para cribado rápido sin laboratorio: usar las tablas WHO/HEARTS (disponibles en la app) o versiones de riesgo que emplean IMC en lugar de lípidos[1][11][2].
Evidencia y guías citadas
- HEARTS / WHO: descripción y uso de calculadora y app para atención primaria, validación y enfoque para países de renta media/baja[1][11][12].
- Globorisk-LAC: derivación y recalibración para América Latina y el Caribe (cohortes agrupadas, validación interna)[2].
- Guías europeas (SCORE/ESC) y guías PAPPS semFYC (España): recomendaciones sobre uso de tablas de riesgo y elección según contexto[6][3][4].
- ASCVD / AHA/ACC y Framingham/REGICOR: uso en prevención primaria y necesidad de recalibración regional descrita en la literatura y revisiones regionales[8][5][10].
Si desea, puedo:
- Recomendar la calculadora más apropiada para su país o contexto clínico concreto (indique país y si tiene accesibles datos de lípidos).
- Proveer la lista de variables requeridas y el desenlace predicho por cada calculadora para facilitar su implementación en la consulta.
Fuentes
- https://pmc.ncbi.nlm.nih.gov/articles/PMC9097924/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC9107390/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC7801219/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC9705225/
- https://www.lamjol.info/index.php/alerta/article/view/10269
- https://pmc.ncbi.nlm.nih.gov/articles/PMC7676052/
- https://www.semanticscholar.org/paper/b82dba75db230b1868f267122aacbbf0edcdb238
- https://www.actamedicacolombiana.com/ojs/index.php/actamed/article/view/4883
- https://abccardiol.org/wp-content/uploads/articles_xml/0066-782X-abc-120-06-e20220552/0066-782X-abc-120-06-e20220552.pdf
- http://scielo.iics.una.py/pdf/spmi/v3n1/v3n1a06.pdf
- https://iris.paho.org/bitstream/10665.2/55959/1/v46e462022.pdf
- https://iris.paho.org/bitstream/10665.2/55962/1/v46e502022.pdf
- https://pmc.ncbi.nlm.nih.gov/articles/PMC11160552/
- https://www.semanticscholar.org/paper/42952749d62849991814cbfb995174ad5792ba93
- https://sct.ageditor.ar/index.php/sct/article/view/890
- https://revistanefrologia.org/index.php/rcn/article/view/943
- https://www.semanticscholar.org/paper/517663208d0ae0c353d8ad4e8454d94bdc26f625
- https://www.semanticscholar.org/paper/58402b0794a6922f8c2e09fcbc3f8018af7f79aa
- http://revistas.unisimon.edu.co/index.php/innovacionsalud/article/view/4258
- https://www.semanticscholar.org/paper/8669d5b5d07de6cba4289b91bb5a31dc26406468
- https://pmc.ncbi.nlm.nih.gov/articles/PMC9801683/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC11571759/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC11682700/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC8310722/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC11370882/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC10781428/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC7679574/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC10202337/
- https://linkinghub.elsevier.com/retrieve/pii/S0212656720302791
- http://remcb-puce.edu.ec/remcb/article/download/560/506
- https://pmc.ncbi.nlm.nih.gov/articles/PMC9590817/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC9368872/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC11567069/
- https://revistas.uis.edu.co/index.php/revistasaluduis/article/download/12338/12469
- https://pmc.ncbi.nlm.nih.gov/articles/PMC7268884/
Respuesta generada por inteligencia artificial a partir de las fuentes citadas. Verifica las fuentes antes de aplicarla.