Frailty Index Dynamic Changes and Incident Cardiovascular Disease in Middle-Aged and Older Adults: Dose-Response, Effect Modification, and Clinical Translation for Primary Care Screening — A Nationwide Prospective Cohort Study

Resumen Técnico: Cambios Dinámicos en el Índice de Fragilidad y la Incidencia de Enfermedades Cardiovasculares en Adultos de Mediana Edad y Adultos Mayores

Planteamiento del Problema
Las enfermedades cardiovasculares (ECV) siguen siendo la principal causa de muerte a nivel mundial, con una carga significativa en la población envejecida de China. Si bien los factores de riesgo tradicionales (hipertensión, diabetes, dislipidemia) están bien establecidos, persiste un riesgo residual sustancial entre los adultos mayores. Investigaciones previas han vinculado el Índice de Fragilidad (IF) con el riesgo de ECV, pero se han basado predominantemente en mediciones de un solo punto en el tiempo. Este enfoque no logra capturar la trayectoria dinámica de la fragilidad, lo que limita su utilidad para el monitoreo de la salud poblacional y la estratificación del riesgo. Además, existe una falta de evidencia cuantitativa sobre el valor predictivo incremental de los cambios dinámicos de la fragilidad en poblaciones asiáticas, y una escasez de herramientas de detección simplificadas y rentables adecuadas para entornos de atención primaria con recursos limitados.

Metodología
Este estudio utilizó datos del Estudio Longitudinal de Salud y Envejecimiento en China (CHARLS), una cohorte prospectiva representativa a nivel nacional.

• Población del Estudio: Se incluyeron 7,999 adultos de mediana edad y adultos mayores (≥45 años) sin ECV al inicio del estudio, con un seguimiento mediano de 7.0 años (2011–2020).
• Construcción del Índice de Fragilidad: Se construyó un IF de 41 ítems basado en el modelo de déficit acumulativo de Rockwood, que abarca enfermedades crónicas, síntomas de dolor, función física/sensorial y participación social.
• Análisis Dinámico: El estudio analizó tanto el IF basal como los cambios dinámicos ($\Delta$IF) calculados como la diferencia entre la Ola 4 (2018) y la Ola 1 (2011). Los participantes fueron categorizados en clases de trayectoria (p. ej., robustez estable, deterioro, deterioro persistente) y grupos de $\Delta$IF (mejora, estabilidad, deterioro leve, deterioro significativo).
• Enfoques Estadísticos:
  • Asociación: Se utilizaron modelos de riesgos proporcionales de Cox y modelos de riesgos competitivos de Fine-Gray (contabilizando la muerte) para evaluar la asociación del IF basal y las trayectorias con la incidencia de ECV.
  • No linealidad: Se emplearon splines cúbicos restringidos para identificar relaciones dosis-respuesta y umbrales óptimos.
  • Descomposición: La descomposición de valores de Shapley cuantificó la contribución independiente de los déficits no cardiovasculares frente a los factores de riesgo cardiovascular tradicionales.
  • Valor Predictivo: La regresión logística, la Mejora de la Clasificación Neta (NRI), la Mejora de la Discriminación Integrada (IDI) y las comparaciones del Área Bajo la Curva (AUC) evaluaron el valor incremental de añadir el $\Delta$IF a los modelos basales.
  • Desarrollo de la Herramienta: Una regresión LASSO con validación cruzada de diez pliegues identificó las variables centrales para un IF simplificado. El rendimiento del modelo se validó mediante la corrección de optimismo de Bootstrap y el Análisis de la Curva de Decisión (DCA).
  • Robustez: Los análisis de sensibilidad incluyeron definiciones estrictas de ECV, imputación múltiple (MICE) y evaluaciones de sesgo de deserción.

Resultos Clave

• Asociación Basal: Cada incremento de 0.1 en el IF basal se asoció con un aumento del 42% en el riesgo de ECV (HR = 1.42, IC 95%: 1.374–1.468).
• Dosis-Respuesta: Se observó una relación no lineal significativa ($P < 0.0001$), identificándose un umbral óptimo en 0.24. Por debajo de este umbral, el gradiente de riesgo fue más pronunciado (HR = 1.567) en comparación con el nivel por encima de este (HR = 1.245).
• Descomposición de Shapley: Los déficits no cardiovasculares contribuyeron con un 15.8% del valor predictivo independiente para la ECV, incluso tras ajustar por enfermedades crónicas cardiovasculares, edad y sexo.
• Trayectoria y Cambios Dinámicos:
  • Los individuos con "deterioro persistente" en el estado de fragilidad enfrentaron un riesgo de ECV 11.4 veces mayor en comparación con el grupo de "robustez estable".
  • El análisis dinámico mostró que el "deterioro significativo" ($\Delta$IF $\ge$ 0.10) se asoció con una probabilidad 11.55 veces mayor de incidencia de ECV en comparación con la "mejora significativa".
• Valor Predictivo Incremental: Añadir la clasificación de $\Delta$IF a un modelo básico (edad, sexo, IF basal) aumentó el AUC de 0.634 a 0.761 ($\Delta$AUC = +0.127). El modelo demostró un IDI de 10.89% y un NRI de 20.18% en un umbral de riesgo del 20%.
• Herramienta Simplificada: LASSO identificó siete variables de alta estabilidad (hipertensión, dislipidemia, asma, circunferencia de la cintura elevada, mala percepción de la salud, dolor lumbar, artritis). El IF simplificado resultante de 7 ítems requirió <2 minutos para su evaluación, necesitó solo una cinta métrica de cintura y alcanzó un AUC corregido por Bootstrap de 0.646, superando al puntaje de riesgo ASCVD tradicional (AUC = 0.600) en este contexto.

Significancia y Reivindicaciones
Los autores afirman que este estudio proporciona la primera evidencia cuantitativa en una población asiática respecto al valor predictivo incremental de los cambios dinámicos de la fragilidad para la ECV. Las contribuciones clave incluyen:

1. Cuantificación del Riesgo Dinámico: Demostrar que el seguimiento de las trayectorias y cambios de la fragilidad ofrece un poder predictivo sustancial (mejora del AUC de 0.127) que supera ampliamente a los biomarcadores convencionales, lo que sugiere que prevenir el deterioro de la fragilidad es una prioridad de salud pública crítica.
2. Perspectiva Mecanística: Establecer que "la fragilidad misma" (déficits no cardiovasculares) explica aproximadamente un sexto del riesgo de ECV de forma independiente de los factores tradicionales, lo que respalda la integración del manejo del dolor y la rehabilitación funcional en la prevención de la ECV.
3. Traducción Clínica: Validar una herramienta de detección simplificada de 7 ítems que es factible para la atención primaria en entornos con recursos limitados. Esta herramienta aborda las brechas de implementación al requerir ningún equipo de laboratorio y ofrecer un tiempo de evaluación rápido (<2 minutos).
4. Intervención Estratificada: Proponer una vía clínica estratificada basada en los umbrales identificados (IF < 0.10 para monitoreo de rutina; 0.10–0.24 para intervención en el estilo de vida; $\ge$ 0.24 para intervención intensiva multimodal) para optimizar la asignación de recursos en la gestión de la salud poblacional.

El estudio concluye que integrar el monitoreo dinámico de la fragilidad en la estratificación del riesgo cardiovascular rutinaria y utilizar el IF simplificado como una herramienta de detección escalable puede mejorar la identificación temprana de individuos de alto riesgo y reducir la carga de ECV en las poblaciones que envejecen.