Castel Feced, Sara
Rabanaque Hernández, María José (dir.)
Universidad de Zaragoza,
2024
Resumen: Introducción
La enfermedad cardiovascular supone un desafío para la salud pública debido a su alta incidencia y gravedad. Las guías de práctica clínica actuales destacan la importancia del cálculo preciso del riesgo cardiovascular para implementar medidas preventivas y tratamientos efectivos. El análisis longitudinal de factores de riesgo cardiovascular (FRCV), mediante herramientas como el análisis de clusters, proporciona una nueva visión y contribuye a mejorar la estimación del riesgo y al desarrollo de estrategias preventivas más personalizadas. Además, las técnicas de aprendizaje automático ofrecen un enfoque prometedor para mejorar la precisión en las estimaciones, aprovechando datos de vida real (RWD). Las diferencias entre sexos también afectan al campo de la enfermedad cardiovascular y el análisis contrafactual puede ser utilizado para identificar causas de estas diferencias. Este enfoque integral proporciona información valiosa para desarrollar políticas de salud pública dirigidas a reducir el riesgo y la frecuencia de enfermedades cardiovasculares e implementar estrategias preventivas más personalizadas.
Objetivos
Estimar la frecuencia de factores de riesgo cardiovascular en dos poblaciones diferentes de Aragón, cohortes Aragon Workers' Health Study (AWHS) y CArdiovascular Risk factors for hEalth Service research (CARhES), describiendo su evolución en función de perfiles de pacientes; estudiar la adherencia a tratamientos; aplicar diferentes técnicas para estimar el riesgo de enfermedad cardiovascular, y analizar las diferencias entre sexos en la incidencia de evento cardiovascular mayor (MACE), estudiando posibles factores que influyen en las mismas.
Metodología
El trabajo de tesis se ha desarrollado en el contexto de dos cohortes: la cohorte AWHS y la cohorte CARhES. Dentro de los estudios realizados en los hombres incluidos en el AWHS, se implementaron técnicas de machine learning, integrando variables de riesgo cardiovascular y aquellas que miden la adherencia a tratamientos para explorar su impacto en la ocurrencia de eventos cardiovasculares. Además, se han aplicado técnicas de clustering longitudinal para identificar grupos de individuos según la evolución de factores de riesgo cardiovascular.
La segunda parte de la tesis se centra en la cohorte CARhES, que abarca tanto a hombres como mujeres aragonesas con algún factor de riesgo cardiovascular: hipertensión, hipercolesterolemia o diabetes. En esta fase, también se aplicaron técnicas de machine learning para analizar la relación entre factores de riesgo cardiovascular y la incidencia de MACE, aportando información que permite enfoques más personalizados en la prevención. También se utilizaron técnicas contrafactuales para estudiar los factores que influyen en las diferencias en la frecuencia de eventos cardiovasculares entre hombres y mujeres.
Resultados
En el análisis realizado con datos del AWHS, la hipercolesterolemia fue el factor de riesgo cardiovascular más prevalente y la incidencia acumulada de enfermedad cardiovascular resultó del 7,9% en 10 años. Los modelos predictivos, destacaron la edad y la exposición al tratamiento como principales predictores de la incidencia de evento cardiovascular. Finalmente, los varones del AWHS se agregaron en dos clusters atendiendo a la evolución de sus factores de riesgo y nivel de riesgo cardiovascular (utilizando la herramienta SCORE). En comparación al cluster 2, el cluster 1 estuvo formado por trabajadores más jóvenes, con valores medios de índice de masa corporal, perímetro de cintura, glucemia y SCORE más bajos, y valores medios de colesterol HDL más altos.
En la cohorte CARhES, la hipertensión fue el FRCV más común entre los individuos de la cohorte, todos ellos con algún FRCV. La incidencia de MACE fue del 1,1% en 4 años. Los modelos predictivos resaltaron la edad y la adherencia a antidiabéticos como factores clave en la incidencia de MACE. La incidencia de MACE fue mayor en hombres, sujetos con diabetes y jubilados que ganaban menos de 18,000€ al año. Finalmente, diabetes y nivel socioeconómico fueron los mayores factores contribuyentes a las diferencias observadas entre sexos.
Conclusiones
Los modelos predictivos desarrollados tanto en la cohorte AWHS como en la cohorte CARhES destacan la influencia de la edad y la adherencia al tratamiento en el riesgo de sufrir un evento cardiovascular. El análisis por clusters realizado con los trabajadores de la cohorte AWHS evidenció dos grupos de individuos según la evolución de factores de riesgo y nivel de riesgo cardiovascular. Uno con peor evolución de factores de riesgo y mayor aumento de riesgo que el otro. Finalmente, la diabetes y el nivel socioeconómico parecen ser dos factores contribuyentes a las diferencias en la incidencia de MACE entre hombres y mujeres de la cohorte CARhES.
Resumen (otro idioma):
La enfermedad cardiovascular supone un desafío para la salud pública debido a su alta incidencia y gravedad. Las guías de práctica clínica actuales destacan la importancia del cálculo preciso del riesgo cardiovascular para implementar medidas preventivas y tratamientos efectivos. El análisis longitudinal de factores de riesgo cardiovascular (FRCV), mediante herramientas como el análisis de clusters, proporciona una nueva visión y contribuye a mejorar la estimación del riesgo y al desarrollo de estrategias preventivas más personalizadas. Además, las técnicas de aprendizaje automático ofrecen un enfoque prometedor para mejorar la precisión en las estimaciones, aprovechando datos de vida real (RWD). Las diferencias entre sexos también afectan al campo de la enfermedad cardiovascular y el análisis contrafactual puede ser utilizado para identificar causas de estas diferencias. Este enfoque integral proporciona información valiosa para desarrollar políticas de salud pública dirigidas a reducir el riesgo y la frecuencia de enfermedades cardiovasculares e implementar estrategias preventivas más personalizadas.
Objetivos
Estimar la frecuencia de factores de riesgo cardiovascular en dos poblaciones diferentes de Aragón, cohortes Aragon Workers' Health Study (AWHS) y CArdiovascular Risk factors for hEalth Service research (CARhES), describiendo su evolución en función de perfiles de pacientes; estudiar la adherencia a tratamientos; aplicar diferentes técnicas para estimar el riesgo de enfermedad cardiovascular, y analizar las diferencias entre sexos en la incidencia de evento cardiovascular mayor (MACE), estudiando posibles factores que influyen en las mismas.
Metodología
El trabajo de tesis se ha desarrollado en el contexto de dos cohortes: la cohorte AWHS y la cohorte CARhES. Dentro de los estudios realizados en los hombres incluidos en el AWHS, se implementaron técnicas de machine learning, integrando variables de riesgo cardiovascular y aquellas que miden la adherencia a tratamientos para explorar su impacto en la ocurrencia de eventos cardiovasculares. Además, se han aplicado técnicas de clustering longitudinal para identificar grupos de individuos según la evolución de factores de riesgo cardiovascular.
La segunda parte de la tesis se centra en la cohorte CARhES, que abarca tanto a hombres como mujeres aragonesas con algún factor de riesgo cardiovascular: hipertensión, hipercolesterolemia o diabetes. En esta fase, también se aplicaron técnicas de machine learning para analizar la relación entre factores de riesgo cardiovascular y la incidencia de MACE, aportando información que permite enfoques más personalizados en la prevención. También se utilizaron técnicas contrafactuales para estudiar los factores que influyen en las diferencias en la frecuencia de eventos cardiovasculares entre hombres y mujeres.
Resultados
En el análisis realizado con datos del AWHS, la hipercolesterolemia fue el factor de riesgo cardiovascular más prevalente y la incidencia acumulada de enfermedad cardiovascular resultó del 7,9% en 10 años. Los modelos predictivos, destacaron la edad y la exposición al tratamiento como principales predictores de la incidencia de evento cardiovascular. Finalmente, los varones del AWHS se agregaron en dos clusters atendiendo a la evolución de sus factores de riesgo y nivel de riesgo cardiovascular (utilizando la herramienta SCORE). En comparación al cluster 2, el cluster 1 estuvo formado por trabajadores más jóvenes, con valores medios de índice de masa corporal, perímetro de cintura, glucemia y SCORE más bajos, y valores medios de colesterol HDL más altos.
En la cohorte CARhES, la hipertensión fue el FRCV más común entre los individuos de la cohorte, todos ellos con algún FRCV. La incidencia de MACE fue del 1,1% en 4 años. Los modelos predictivos resaltaron la edad y la adherencia a antidiabéticos como factores clave en la incidencia de MACE. La incidencia de MACE fue mayor en hombres, sujetos con diabetes y jubilados que ganaban menos de 18,000€ al año. Finalmente, diabetes y nivel socioeconómico fueron los mayores factores contribuyentes a las diferencias observadas entre sexos.
Conclusiones
Los modelos predictivos desarrollados tanto en la cohorte AWHS como en la cohorte CARhES destacan la influencia de la edad y la adherencia al tratamiento en el riesgo de sufrir un evento cardiovascular. El análisis por clusters realizado con los trabajadores de la cohorte AWHS evidenció dos grupos de individuos según la evolución de factores de riesgo y nivel de riesgo cardiovascular. Uno con peor evolución de factores de riesgo y mayor aumento de riesgo que el otro. Finalmente, la diabetes y el nivel socioeconómico parecen ser dos factores contribuyentes a las diferencias en la incidencia de MACE entre hombres y mujeres de la cohorte CARhES.
Resumen (otro idioma):
Pal. clave: salud pública ; patología cardiovascular ; técnicas de predicción estadística ; bioestadística
Titulación: Programa de Doctorado en Medicina
Plan(es): Plan 497
Área de conocimiento: Ciencias de la Salud
Nota: Presentado: 22 03 2024
Nota: Tesis-Univ. Zaragoza, , 2024
Aportación del TFG/M a la Sostenibilidad: Garantizar una vida saludable y promover el bienestar para todos y todas en todas las edades. Alcanzar la igualdad entre los géneros y empoderar a todas las mujeres y niñas. Reducir las desigualdades entre países y dentro de ellos.
Enlace permanente:
Visitas y descargas
Registro creado el 2024-06-12, última modificación el 2024-06-12
