Comparative Validation of ASCVD, Framingham Risk Score, Globorisk, and PREVENT for 10-Year Cardiovascular Risk Prediction in the UK Biobank

Resumen Técnico: Validación Comparativa de ASCVD, Framingham Risk Score, Globorisk y PREVENT en el UK Biobank

Planteamiento del Problema
La enfermedad cardiovascular (ECV) sigue siendo la principal causa de mortalidad mundial, lo que requiere modelos de predicción de riesgo precisos para una prevención primaria eficaz. Aunque existen varios modelos —incluyendo las ecuaciones de cohorte combinadas de la Enfermedad Cardiovascular Aterosclerótica (ASCVD), el Framingham Risk Score (FRS), Globorisk y el recientemente introducido modelo PREVENT— su rendimiento varía significativamente entre diferentes poblaciones. Los modelos tradicionales suelen depender de variables basales estáticas y pueden no generalizarse bien a cohortes contemporáneas y diversas. Específicamente, las discrepancias en el rendimiento predictivo entre grupos demográficos (como mujeres y adultos mayores) y la falta de una comparación sistemática de cuatro vías que incluya el nuevo modelo PREVENT dentro de una gran cohorte del Reino Unido representan una brecha en la evidencia actual. Este estudio aborda la necesidad de evaluar la discriminación, la calibración y la utilidad clínica de estos cuatro modelos dentro de la misma población contemporánea del Reino Unido para informar la toma de decisiones clínicas.

Metodología
El estudio utilizó datos del UK Biobank, una gran cohorte basada en la población. La cohorte analítica consistió en 183,124 participantes de entre 40 y 69 años de edad que estaban libres de enfermedad cardiovascular al inicio del estudio. Los participantes fueron seguidos durante hasta 10 años para identificar eventos cardiovasculares incidentes (infarto de miocardio y accidente cerebrovascular fatal y no fatal), definidos mediante códigos CIE-10.

Se aplicaron cuatro modelos de predicción de riesgo utilizando variables clínicas basales:

1. ASCVD (2013 ACC/AHA): Utiliza ecuaciones específicas por sexo y raza que incluyen la edad, el sexo, la presión arterial sistólica, el colesterol total y el HDL, la diabetes, el tabaquismo y el estado de tratamiento de la presión arterial.
2. FRS (2008 General CVD): Utiliza modelos de supervivencia de Weibull específicos por sexo con variables similares a ASCVD pero sin ajuste por raza.
3. Globorisk: Aplicado con coeficientes de calibración específicos del Reino Unido para ajustar la incidencia de enfermedades a nivel nacional.
4. PREVENT (2023 AHA): Incorpora parámetros metabólicos adicionales, incluyendo la función renal (eGFR) y el uso de estatinas.

El rendimiento de los modelos fue evaluado rigurosamente mediante:

• Discriminación: Análisis de la curva característica operativa del receptor (ROC) y el área bajo la curva (AUC) con intervalos de confianza del 95%.
• Calibración: Comparación de las probabilidades medias predichas frente a las tasas de eventos observadas a través de los deciles de riesgo.
• Métricas de Clasificación: Sensibilidad, especificidad, valor predictivo positivo (VPP) y valor predictivo negativo (VPN) en los umbrales óptimos determinados por el índice de Youden.
• Utilidad Clínica: Análisis de la curva de decisión (DCA) para evaluar el beneficio clínico neto a través de los umbrales de decisión (1%–50%).
• Reclasificación: Mejora de la reclasificación neta (NRI) en un umbral del 7.5%.
• Estratificación: Los análisis se estratificaron por sexo y grupo de edad (mediana edad ≤59 años frente a adultos mayores >59 años).

Resultados Clave

• Rendimiento General: Durante el seguimiento de 10 años, se registraron 10,560 eventos incidentes (tasa de eventos del 5.8%). ASCVD demostró la mejor discriminación general (AUC = 0.717), seguida de cerca por FRS (AUC = 0.715). PREVENT mostró un rendimiento intermedio (AUC = 0.668), mientras que Globorisk exhibió la menor discriminación (AUC = 0.605).
• Calibración: ASCVD mostró la mejor calibración en los estratos de riesgo. FRS subestimó sistemáticamente el riesgo, particularmente en niveles moderados a altos. PREVENT sobreestimó el riesgo en niveles intermedios, mientras que Globorisk divergió progresivamente en los umbrales de riesgo más altos.
• Hallazgos Estratificados por Sexo: Entre las mujeres, ASCVD (AUC = 0.709) y PREVENT (AUC = 0.701) funcionaron de manera comparable, con PREVENT mostrando una mayor sensibilidad (66.5% frente a 38.2% para ASCVD). Entre los hombres, todos los modelos mostraron AUCs más bajos (0.647–0.677), con FRS exhibiendo la mayor sensibilidad pero la menor especificidad (32.4%).
• Hallazgos Estratificados por Edad: El rendimiento discriminativo disminuyó significamente en los adultos mayores (>59 años) en todos los modelos. ASCVD y FRS cayeron a AUCs de ~0.65, mientras que Globorisk se acercó a una discriminación casi aleatoria (AUC = 0.527).
• Utilidad Clínica (DCA): ASCVD proporcionó el mayor beneficio clínico neto a través del rango más amplio de umbrales clínicamente relevantes (aproximadamente 5–20%). FRS mostró un beneficio neto negativo en umbrales intermedios (8–25%), lo que sugiere un daño potencial por su aplicación en este rango.
• Reclasificación (NRI): Ningún modelo demostró un NRI general positivo consistente sobre los demás en el umbral del 7.5%. Sin embargo, PREVENT mostró un Nonevent NRI positivo respecto a FRS, lo que indica una mejor reclasificación de los individuos de bajo riesgo hacia abajo.

Contribuciones Clave
Este estudio proporciona una validación comparativa de cuatro vías de los principales modelos de riesgo de ECV dentro de una misma cohorte contemporánea y grande del Reino Unido. Sus principales contribuciones incluyen:

1. Comparación Directa: Es el primer estudio que compara simultáneamente ASCVD, Frs, Globorisk y el recién introducido modelo PREVENT utilizando los mismos datos y definiciones de resultados.
2. Evaluación Integral: El análisis va más allá de las métricas estándar de discriminación (AUC) para incluir el Análisis de la Curva de Decisión y la Mejora de la Reclasificación Neta, ofreciendo una visión más matizada de la utilidad clínica y las capacidades de reclasificación.
3. Perspectivas de Subgrupos: El estudio destaca las disparidades críticas de rendimiento, específicamente la disminución de la precisión de los modelos en adultos mayores y los perfiles de rendimiento variables entre sexos, desafiando la aplicación de "talla única" de estos modelos.
4. Evidencia para la Selección de Modelos: Los hallazgos proporcionan evidencia empírica que respalda el uso continuo de ASCVD y FRS para la estratificación del riesgo de 10 años en el Reino Unido, identificando al mismo tiempo las limitaciones específicas de Globorisk y el rendimiento intermedio de PREVENT en esta población específica.

Significancia y Afirmaciones
Los autores afirman que ASCVD y FRS siguen siendo las herramientas más fiables para la predicción del riesgo de 10 años de ECV en la cohorte contemporánea del Reino Unido, con ASCVD demostrando una mejor calibración y beneficio clínico neto. El estudio subraya que, si bien PREVENT es prometedor, particularmente para identificar mujeres de alto riesgo y reclasificar a individuos de bajo riesgo, aún no supera a los modelos establecidos en la discriminación general dentro de esta población.

Crucialmente, el artículo enfatiza que la disminución sustancial del rendimiento de los modelos en adultos mayores de 59 años resalta las limitaciones de los modelos basados en variables estáticas iniciales para las poblaciones de mayor edad. Los autores concluyen que los futuros marcos de riesgo deben incorporar factores de riesgo dinámicos, datos longitudinales y una calibración específica de la población para mejorar la precisión en todo el espectro de edad. El estudio aboga por la inclusión del Análisis de la Curva de Decisión como un componente estándar en el reporte de modelos de predicción clínica para evaluar mejor la utilidad clínica en el mundo real.