Desarrollo y evaluación de modelos de predicción del riesgo de enfermedad cardiovascular en pacientes con diabetes tipo 2

Por qué esta investigación importa a las personas con diabetes

Las enfermedades del corazón son la principal causa de muerte en personas con diabetes tipo 2, sin embargo los médicos siguen usando calculadoras de riesgo diseñadas para la población general. Este estudio plantea una pregunta simple con grandes consecuencias: ¿podemos hacerlo mejor para las personas con diabetes construyendo una herramienta de riesgo a su medida, y puede esa herramienta funcionar de manera justa para personas de distintos sexos y orígenes raciales y étnicos?

Los problemas cardíacos y la diabetes van de la mano

Los adultos con diabetes tipo 2 afrontan probabilidades mucho mayores de sufrir infartos, ictus e insuficiencia cardíaca que las personas sin diabetes. Las herramientas de predicción existentes, como las ampliamente usadas Pooled Cohort Equations y las más recientes puntuaciones PREVENT, estiman quién es probable que desarrolle enfermedad cardiovascular durante la próxima década. No obstante, estas herramientas no fueron diseñadas específicamente para personas con diabetes tipo 2, pueden no reflejar los tratamientos y estilos de vida actuales, y en su mayoría se construyeron con datos de adultos blancos y negros. Eso deja preguntas abiertas sobre cuán precisas y justas son para el diverso grupo de pacientes que realmente acuden a las consultas.

Una nueva forma de estimar el riesgo cardíaco a corto plazo

Para abordar esta brecha, los investigadores recurrieron al programa All of Us de los Institutos Nacionales de Salud, un estudio de salud grande y extraordinariamente diverso que incluye registros electrónicos extensos, resultados de laboratorio y encuestas. Se centraron en 23.795 adultos de 40 años o más con diabetes tipo 2 y los siguieron durante varios años para ver quiénes desarrollaban problemas cardíacos mayores, incluidos infartos, ictus o insuficiencia cardíaca. Con esta información, construyeron un modelo estadístico de supervivencia diseñado para predecir la probabilidad de cada persona de experimentar uno de estos eventos dentro de los próximos tres años, basándose en factores como edad, presión arterial, pruebas de laboratorio, antecedentes médicos, medicación y condiciones sociales como la estabilidad de la vivienda y los ingresos.

Qué resultó ser lo más importante

Cuando el equipo examinó el modelo para ver qué factores tenían mayor peso, emergió un patrón claro. Para el conjunto completo de pacientes, un historial previo de enfermedad cardiovascular fue con mucho la señal de alarma más potente de otro evento futuro. Entre las personas sin enfermedad cardíaca previa, la edad se convirtió en el factor principal. Medidas relacionadas con el riñón, como antecedentes de enfermedad renal y pruebas sanguíneas como creatinina y calcio, también alcanzaron gran relevancia, destacando el estrecho vínculo entre la salud renal y los problemas cardíacos en personas con diabetes. Sorprendentemente, varias características sociales y económicas, incluida la situación laboral, el nivel educativo y el tipo de vivienda, también resultaron altamente influyentes, subrayando cómo las condiciones de vida cotidianas moldean los riesgos de salud junto a la biología.

Poniendo a prueba el nuevo modelo

Los investigadores preguntaron entonces cómo se comparaba su nuevo modelo enfocado en la diabetes frente a las ecuaciones PREVENT. En el grupo de prueba de casi 4.800 pacientes, el nuevo modelo clasificó con mayor precisión quién tenía mayor o menor riesgo, tanto en la muestra completa como entre quienes no tenían enfermedad cardíaca previa. También produjo estimaciones de riesgo que se alinearon estrechamente con lo que realmente ocurrió en tres años, mientras que PREVENT tendía a sobreestimar el riesgo, especialmente para pacientes con menor probabilidad de experimentar un evento. Para evaluar la equidad, el equipo usó medidas especiales que tienen en cuenta a las personas que abandonan el estudio o que presentan problemas de salud competidores. Entre los diferentes grupos por sexo y por raza o etnia, el nuevo modelo mostró en general mayor precisión y brechas de rendimiento similares o menores que PREVENT.

Equilibrando precisión y equidad

El estudio también exploró si incluir la raza y la etnia como variables de entrada ayudaba o perjudicaba la equidad. Cuando los investigadores eliminaron estas variables del modelo, su precisión global cayó y el rendimiento empeoró para la mayoría de los subgrupos. Mantener la raza y la etnia en el modelo, combinado con información rica sobre condiciones sociales y económicas, produjo mejores predicciones y un rendimiento más uniforme entre los grupos en este conjunto de datos. Los autores advierten que se trata de un tema complejo y dependiente del contexto, pero sus resultados sugieren que, al menos en este entorno, usar raza y etnia puede ayudar a evitar subestimar el riesgo en algunos pacientes.

Qué significa esto para pacientes y clínicos

En términos sencillos, el trabajo muestra que una calculadora de riesgo diseñada específicamente para personas con diabetes tipo 2, utilizando datos modernos y diversos, puede hacer un mejor trabajo estimando el riesgo cardíaco a corto plazo que una herramienta de talla única para todos. Al capturar la salud renal y las circunstancias sociales junto a los factores de riesgo tradicionales, el nuevo modelo puede ayudar a los clínicos a identificar con mayor precisión qué pacientes necesitan una prevención más agresiva y quiénes pueden evitar tratamientos innecesarios. Aunque aún requiere pruebas en otros sistemas de salud, este enfoque representa un paso hacia una evaluación del riesgo cardíaco más precisa y más equitativa para los millones de adultos que viven con diabetes tipo 2.

Cita: Yang, Y., Liu, T., Liao, CY. et al. Development and evaluation of cardiovascular disease risk prediction models for patients with type 2 diabetes. Sci Rep 16, 15574 (2026). https://doi.org/10.1038/s41598-026-45129-5

Palabras clave: enfermedad cardiovascular, diabetes tipo 2, predicción de riesgo, equidad en salud, modelado de supervivencia