Usando los datos del Indice de Masa Corporal de una Historia Clínica Electrónica para calcular el Riesgo Cardiovascular Using Body Mass Index Data in the Electronic Health Record to Calculate Cardiovascular Risk Beverly B. Green, MD, MPH, Melissa L. Anderson, MS, Andrea J. Cook, PhD,Sheryl Catz, PhD, Paul A. Fishman, PhD, Jennifer B. McClure, PhD, Robert Reid, MD Group Health Permanente (Green, Group Health Research Institute, School of Medicine, the School of Public Health, and the Department of Biostatistics, University of Washington, Seattle, Washington

Am J Prev Med. 2012 Apr;42(4):342-7.

Dr. Sergio Daniel Montenegro

A T E N E O

2 71

Medico Asociado al Servicio de Informática Médica del Hospital Italiano Responsable de Área de Informática Médica Hospital Escuela de Agudos Dr. Ramón Madariaga [email protected]

Introducción •Las enfermedades cardiovasculares (ECV) son la principal causa de muerte y discapacidad en los EEUU y en el mundo. •La evaluación de riesgo de enfermedad coronaria o ECV, está recomendada por el ATP III (Expert Panel on Detection and Evaluation and Treatment of High Blood Cholesterol in Adults) y la USPTF (the U.S. Preventive Services Task Force) como un medio para detectar poblacion de riesgo asintomática que se beneficiaría de tratamiento. •Los modelos que combinan factores de riesgo cardiovascular (edad, sexo, TA, nivel de lipidos, uso de tabaco y diabetes) predicen futuros eventos CV con mayor exactitud que los que consideran factores aislados. •La reciente adopción de HCE permite nuevas oportunidades de recolectar eficientemente los datos e identificar a poblaciones de riesgo.

2

Introducción Causas de Mortalidad en EEUU

3

Introducción Causas de Mortalidad en Argentina

4

Introducción •Un estudio previo (Persell and col.) halló que los datos de una HCE podrían ser usados para calcular el riesgo CV en mas del 77% de los adultos entre 20 y 79 años. •Además, que es posible utilizar el valor del BMI (Body Mass Index) en lugar del colesterol total y HDL, sin perder la discriminación predictiva. •Otro estudio (Gaziano et al.) confirmó estos hallazgos, con mediciones de riesgo basados en laboratorio y BMI, con similar discriminación predictiva entre eventos cardiovasculares fatales y no fatales. •El estudio de D’Agostino et al, señaló que el modelo basado en BMI puede ser usado en escenario de bajos recursos, sin acceso a laboratorio, o en poblaciones de planes de salud. 5

Introducción Framingham Heart Study

http://www.framinghamheartstudy.org/index.html

6

Objetivo

Determinar la proporción de paciente de una HCE, con datos suficientes para calcular el riesgo CV basados en laboratorio o BMI y la concordancia entre ambos métodos

7

Contexto Group Health Organization •Este trabajo se realizó en Group Health. •Es una cooperativa de Salud, que data de 1947 y que brinda cobertura a mas de 670.000 residente de las ciudades de Washington. • Tiene 26 Centros Médicos en toda su red. •En esta organización trabajan mas de 1350 médicos generales y mas de 500 especialistas formados en aprox. 70 especialidades.

8

Contexto Group Health Organization

9

Método •Este trabajo de tipo corte transversal. •Criterio de Inclusión de la muestra: •Pacientes atendidos en los centro de salud de Group Health. •De 30 a 74 años. •Que estuvieran enrolados continuamente en los últimos 2 años, antes del 1 de abril del 2010. •Criterio de Exclusión • Pacientes sin una visita en los últimos 2 años. •Diagnóstico previo de ECV (IAM, angina, cirugia de enfermedad coronaria, ACV, TIA, IC, enfermedad vascular periférica) •Los factores de riesgo CV de la HCE incluyeron: edad, sexo, ultima TA, BMI, colesterol total, HDL (hasta 5 años antes), tratamiento de HTA, DBT, estatus tabáquico. •El uso de medicación antihipertensiva o hipolipemiante se definió como tener alguna receta previa en el año anterior.

10

Análisis de Datos •Periodo de Análisis: abril de 2010 a septiembre de 2011. •El calculo de riesgo basado en laboratorio o BMI, fue calculado usando las ecuaciones de RCV global a 10 años de Framingham en base a: edad, TAS, tratamiento de la HTA, estatus tabáquico, HDL, colesterol total y BMI. •Se clasificaron los pacientes por categoría de riesgo (ATP): •Bajo: 20%.

•Para el análisis de datos se usó el software Stata/SE 10.1

11

Análisis de Datos Calculadores Interactivos de Framingham

12

Análisis de Datos •Se calculó la proporción de pacientes en los que se podia calcular el riesgo por: •Por ambos métodos (tenían BMI, HDL y colesterol Total). •Sólo por resultados de laboratorio (no tenian BMI). •Sólo por BMI(no HDL, colesterol total o ambos). •Por ninguna método (no tenían BMI, HDL y colesterol Total). •En los que se podían medir por ambos métodos se calculó el coeficiente de concordancia. •Se calculó la diferencia entre las puntuaciones generales por ambos métodos estratificado por características de los pacientes. •También se calculó el nivel de concordancia entre las categorías de riesgo. 13

Resultados

•Pacientes de 30 a 74 años •Total: 221.128 (Pacientes inicial sin criterios de exclusión) •Excluidos: •46.631: sin enrolamiento continuado en los 2 años previos. •8749: no tuvieron consultan en el ultimo año. •43478: tuvieron alguna ECV previa •Restantes: 122.270 (Pacientes incluidos en el estudio)

14

Resultados

•Calculo de Riesgo CV (n = 122.270) •73.023 (59,7%): Calculo de riesgo mediante Laboratorio. •102.795 (88,1%): Calculo de riesgo mediante BMI. •71.280 (58,3%): Cálculo con ambos métodos. •1.743 (1,4%): Calculo de riesgo sólo por Laboratorio. •31.515 (25,8): Calculo de riesgo solo por BMI. •17.732 (14,5%): no se pudo calcular el riesgo por ningún método. •Datos faltantes más comunes: •Colesterol (37,8%) •Talla, peso o ambos (11,5%) •TA (8,6%) •Estatus Tabáquico (3,6%) 15

Resultados Calculo de Riesgo según características de los pacientes

16

Resultados Comparación de Riesgos según ambos métodos

•Las categorías de riesgo fueron concordantes en 78,2% (55.764/71.280). •Cuando diferían, el score basado en BMI: •En 14.495 (20,3%) lo posicionaba en una categoría mayor. •En 1,4% en una categoría Menor. •En la mayoría de los casos difería en una categoría. •En 162/71.280 (0,2%), lo puntuó como de alto riesgo cuando eran de bajo riesgo según el laboratorio, y solo en 2 caso 17 ocurrió lo contrario.

Resultados Comparación de Riesgo por características de pacientes, estratificado por sexo

•Las categorias de riesgo fueron concordantes en 78,2% (55.764/71.280)

18

Resultados Diferencias entre Población de Group health y Framingham

19

Discusión •Los datos comúnmente disponibles en una HCE podrían ser utilizados para calcular el RCV en la mayoría de los adultos entre 30 a 74 años con las ecuaciones de Framingham. •La correlación general entre ambos métodos fue buena, sobre todo en jóvenes, mujeres, sin DBT y sin tto. para HTA ni DLP. •Cuando las categorías de riesgo no concordaban, el calculo según el BMI lo posicionaba en una categoría mayor, con lo cual había poco riesgo de perder a personas de riesgo medio o alto que se beneficiarían de testeos o tratamientos adicionales. •Entre aquellos de bajo riesgo según BMI, la mayoría (>99%) coincidía con el calculo de riesgo según el laboratorio, con lo cual podían evitarse estudios innecesarios en este grupo. 20

Discusión •El calculo de riesgo basado en BMI podría utilizarse en aquellos casos en que no se dispone de datos de laboratorio, quedando solo un 15% de la población elegible sin calcular. •La concordancia entre ambos métodos fue menor entre personas mas viejas, obesas, con DBT o con medicación para la HTA o DLP. •Esta concordancia mejora si no se tiene en cuenta los tratamientos previos para el colesterol. •Para aquellos de bajo riesgo según BMI, se podría repetir la estimación de riesgo, y la recomendación de testeo de laboratorio ser actualizada con la edad o la presencia de nuevos factores.

21

Rastreo de la Hipercolesterolemia Estado de las Recomendaciones •La SPSTF no recomienda el rastreo con mediciones de colesterol a mujeres < de 45años, y hombres < de 35 años, sin factores de RCV mayores (DBT, HTA, TBQ, BMI >30 e historia familiar ECV prematura). •El ATPIII recomienda el testeo universal a todos los mayores de 20 años, al menos cada 5 años. •El ATP IV recomienda el rastreo de colesterol para todos los niños de 9 a 11 años, con inicio de tratamientos con estatinas en aquellos con LDL persistentemente alto, luego de iniciar cambios en el estilo de vida. •En contraste, el SPSTF en el 2009, concluyó que hay insuficiente evidencia para recomendar el rastreo de rutina del colesterol en niños y adultos. •El uso futuro de los datos de una HCE, podría ayudar a entender mejor la efectividad de los rastreo y tratamientos recomendados. 22

Limitaciones •Las poblaciones de Group Health y Framingham, tenían características diferentes. •La población de Framingham tenia mayor tasa de tabaquismo y menor de tto antihipertensivo y DBT. •Periodos de seguimientos diferentes. •Las ecuaciones de Framingham requieren recalibracion cuando se usan en población racial y geográfica diferente. •En este estudio no fue posible, porque los datos no estaban en bases de datos antes del uso de la HCE. •En este estudio, toda la población tenia seguro de salud. •En este estudio se utilizó las ecuaciones de RCV y no las de Riesgo 23 de enfermedad Coronaria que se usan en el ATPIII.

Conclusiones •Los datos de una HCE pueden ser usados para calcular el RCV en la mayoría de los adultos de 30 a 74 años. •El calculo de riesgo según BMI podría ser usado para identificar a las personas de bajo riesgo y potencialmente reducir la tasa de pedidos de laboratorio innecesarios. •La puntuaciones de riesgo en las diferente categorías eran altamente concordantes.

24

Comentarios Personales •Este trabajo plantea la potencial utilidad de los calculadores de RCV embebidos en las HCE. •Seria muy útil, poner este tipo de herramientas al alcance de todos los médicos para homogeneizar y dirigir las estrategias de prevención hacia las enfermedades de mayor prevalencia y que causan mayor mortalidad. •Por otro lado también abre la posibilidad de poder estratificar a la población que se asiste, en grupos de riesgo, para poder dirigir las estrategias de intervención a la población que más se beneficiaría de este tipo de intervenciones. •Resalta la importancia del BMI, como un dato a utilizar para los casos en los cuales, no se cuente con los datos de resultados de laboratorio. 25

Criterios de Calidad

Significancia Calidad Científica Originalidad Cobertura de la literatura Claridad y organización

26

Muchas Gracias!! Dr. Sergio Daniel Montenegro Responsable de Área de Informática Médica Hospital Escuela de Agudos Dr. Ramón Madariaga [email protected]