Estudio que utilizó registros médicos electrónicos recopilados de forma rutinaria (EMR) de 680 consultas de atención primaria en Australia (programa Lumos, vinculados a registros hospitalarios y de defunción) en 850.216 pacientes de 30 a 74 años sin antecedentes de enfermedad cardiovascular (ECV). Durante un seguimiento medio de 4,9 años, se produjeron 33.578 eventos cardiovasculares. Los modelos de Cox específicos por sexo con 28 predictores alcanzaron un índice C de Harrell de 0,803 (IC 95 %: 0,801-0,804) en mujeres y de 0,772 (IC 95 %: 0,770-0,773) en hombres; los modelos LASSO más sencillos con 12 a 15 predictores mostraron un rendimiento similar. Los modelos presentaron una buena calibración en función de la edad, los estratos socioeconómicos y el estado tabáquico, con una discriminación constante en las 10 redes regionales de atención primaria de salud. La mejora neta en la reclasificación fue de hasta 0,185 en comparación con las variables AusCVDRisk existentes. Los modelos basados en EMR son adecuados para su integración automatizada en el software de atención primaria para la evaluación del riesgo de ECV en tiempo real, lo que constituye un paso importante hacia la escalabilidad de la prevención primaria.
Las ecuaciones recientes de riesgo cardiovascular de Estados Unidos y el Reino Unido utilizan los registros electrónicos de salud (RES) recopilados de forma rutinaria, mientras que las ecuaciones actuales utilizadas en Australia (AusCVDRisk) no han sido validadas localmente. Evaluamos la viabilidad y el rendimiento del uso de RES recopilados de forma rutinaria de los sistemas de software de atención primaria en Australia para predecir el riesgo absoluto de enfermedad cardiovascular (ECV).
Utilizamos datos de RES de atención primaria del programa New South Wales Health Lumos, que abarca 680 consultas generales, vinculados con registros hospitalarios y de defunción. Se incluyeron individuos de 30–74 años de edad el 1 de enero de 2017 sin historial previo de ECV y con al menos un registro de una medición antropométrica o una prueba de patología. Se utilizaron modelos de riesgos proporcionales de Cox específicos por sexo para estimar el riesgo a 5 años de un evento cardiovascular fatal o no fatal. Los predictores incluidos fueron datos demográficos, tabaquismo, afecciones crónicas, variables clínicas y medicamentos. El modelado utilizó un enfoque de validación cruzada 5x2. Se evaluaron la discriminación, la calibración y el rendimiento de reclasificación.
Durante un seguimiento medio de 4,91 años, se registraron 33 578 eventos de ECV en 850 216 pacientes. Los modelos completos con 28 predictores tuvieron un C de Harrell de 0,803 (IC 95% 0,801 a 0,804) para las mujeres y 0,772 (IC 95% 0,770 a 0,773) para los hombres. Los modelos de operador de reducción y selección de la mínima suma absoluta (LASSO) con 12–15 predictores tuvieron un rendimiento similar. Los modelos estaban bien calibrados en todas las estratificaciones por edad, nivel socioeconómico y tabaquismo. La validación geográfica (interna-externa) en 10 Redes de Atención Primaria confirmó una discriminación constante (rango del índice C de 0,747–0,788 para los hombres; 0,772–0,827 para las mujeres). La mejora neta de reclasificación basada en percentiles mostró una mejor detección de eventos en comparación con un modelo basado en variables de AusCVDRisk (mejora neta de reclasificación de eventos de hasta 0,185).
Las ecuaciones de riesgo de ECV basadas en datos rutinarios de atención primaria en Australia tuvieron un rendimiento sólido y se generalizaron bien en diversos entornos. Estos modelos ofrecen potencial para su integración automatizada en el software de las consultas generales, con el fin de apoyar la evaluación del riesgo de ECV en tiempo real.
