Primary Care Gaps in Stroke-Prevention Risk-Factor Control Among Young Black and Hispanic Adults: A Cross-Sectional Machine-Learning Analysis of NHANES (1999–2018)

Resumo Técnico: Lacunas no Cuidado Primário no Controle de Fatores de Risco para Prevenção de AVC entre Jovens Adultos Negros e Hispânicos

Definição do Problema
Jovens adultos negros e hispânicos nos Estados Unidos enfrentam uma carga desproporcional de fatores de risco cardiovascular para acidente vascular cerebral (AVC), incluindo hipertensão, dislipidemia, diabetes e tabagismo. Embora a prevalência e o controle desses fatores variem significamente entre diferentes grupos raciais e étnicos, há uma necessidade de quantificar essas disparidades especificamente na faixa etária de 18 a 55 anos, um grupo subestudado, apesar das crescentes taxas de incidência de AVC isquêmico. Além disso, permanece incerto se características não clínicas prontamente observáveis — como demografia, status socioeconômico (SSE) e acesso à saúde — podem identificar efetivamente indivíduos com controle deficiente de fatores de risco sem depender dos biomarcadores clínicos que definem os próprios desfechos.

Metodologia
Este estudo realizou uma análise transversal de dados agrupados de 10 ciclos do National Health and Nutrition Examination Survey (NHANES), abrangendo o período de 1999 a 2018. A população do estudo consistiu em 32.567 adultos de 18 a 55 anos (coorte principal) e um subgrupo de 31.056 com dados laboratoriais completos (coorte laboratorial). A análise utilizou pesos de amostragem complexos, estratos e unidades primárias de amostragem para garantir estimativas nacionalmente representativas.

Dois desfechos compostos foram definidos para avaliar o "controle deficiente":

1. Desfecho Principal: Pressão arterial elevada (PAS ≥130 mm Hg ou PAD ≥80 mm Hg) ou tabagismo atual.
2. Desfecho Laboratorial: Presença de ≥2 de 4 componentes: os critérios do desfecho principal mais HbA1c ≥6,5% ou LDL-C ≥130 mg/dL.

O estudo empregou um pipeline de aprendizado de máquina utilizando quatro algoritmos: regressão logística, random forest, XGBoost e LightGBM. Para evitar o vazamento de dados (data leakage), os modelos foram treinados em conjuntos de características que excluíram deliberadamente as variáveis utilizadas para construir os rótulos dos desfechos.

• Modelo A: Utilizou 9 características compreendendo demografia, SSE e acesso à saúde (ex: idade, raça/etnia, razão renda-pobreza, status de seguro saúde, fonte habitual de cuidados, saúde autorreferida).
• Modelo B: Incluiu todas as características do Modelo A mais biomarcadores lipídicos não relacionados ao desfecho (HDL-C, colesterol total, triglicerídeos).

Os modelos foram avaliados em um conjunto de teste estratificado e mantido fora da amostra (20% dos dados) usando AUROC (Área Sob a Curva ROC) ponderada por amostragem e não ponderada, AUPRC (Área Sob a Curva de Precisão-Recall) e escores de Brier. Foram realizadas análises de sensibilidade em relação a restrições de idade (18–45 anos), limiares clínicos alternativos e inclusão de histórico de visitas de saúde.

Principais Resultados

• Disparidades no Controle: A prevalência ponderada pela amostragem de controle deficiente (principal) foi de 45,8% no total. Adultos negros não hispânicos apresentaram a maior prevalência, com 52,0%, representando uma razão de prevalência de 1,10 (diferença absoluta de +4,7 pontos percentuais) em comparação com adultos brancos não hispânicos (47,3%). Por outro lado, adultos mexicano-americanos (37,0%) e outros hispânicos (38,2%) mostraram taxas de prevalência inferiores ao grupo de referência de brancos não hispânicos.
• Disparidades na Coorte Laboratorial: Na coorte laboratorial, adultos negros não hispânicos tiveram uma prevalência de 19,8% para controle deficiente, resultando em uma razão de prevalência de 1,29 em relação aos adultos brancos não hispânicos (15,4%).
• Desempenho do Modelo:
  • Modelo A (Apenas Acesso/Socioeconômico): O XGBoost alcançou a maior discriminação, com um AUROC ponderado pela amostragem de 0,716 (não ponderado de 0,743). A análise de subgrupos mostrou que o modelo teve melhor desempenho para negros não hispânicos (AUROC 0,733) e para o grupo de raça "Outros" (0,759), e o menor desempenho para brancos não hispânicos (0,696).
  • Modelo B (Adição de Biomarcadores Lipídicos): A inclusão de biomarcadores lipídicos não relacionados ao desfecho melhorou substancialmente o desempenho, com o XGBoost atingindo um AUROC ponderado pela amostragem de 0,822.
• Importância das Características: No Modelo A, as características mais preditivas para o controle deficiente incluíram saúde autorreferida (especificamente "Ruim"), status de seguro saúde, razão renda-pobreza e local habitual de cuidados. Raça/etnia (Negro não hispânico) também foi um preditor significativo.
• Estratos de Seguro: As disparidades persistiram através do status de seguro. Entre os participantes sem seguro, adultos negros não hispânicos tiveram uma prevalência de 49,8% comparada a 43,9% para adultos brancos não hispânicos.

Significância e Alegações
O autor postula que características demográficas, socioeconômicas e de acesso à saúde estão associadas ao controle deficiente de fatores de risco cardiovascular e fornecem discriminação moderada (AUROC ~0,72) na identificação de indivíduos em risco, mesmo sem biomarcadores clínicos. O estudo destaca que jovens adultos negros não hispânicos carregam uma carga significativamente maior de controle deficiente de fatores de risco em comparação com seus pares brancos, uma disparidade que persiste mesmo quando estratificada pelo status de seguro.

O artigo afirma explicitamente que esses achados não estabelecem efeitos causais devido ao desenho transversal. Em vez disso, a significância reside na utilidade potencial desses "perfis de risco relacionados ao acesso" para ajudar a identificar grupos que poderiam se beneficiar de ações de alcance preventivo direcionadas. O autor alerta que a discriminação moderada do Modelo A limita a aplicabilidade clínica em nível individual e enfatiza que avaliações prospectivas e validação externa independente são necessárias antes que essas características possam orientar a tomada de decisão clínica ou do sistema de saúde. O estudo também observa o "paradoxo epidemiológico" observado nas populações hispânicas, onde indicadores socioeconômicos mais baixos não correlacionaram com taxas mais altas de controle deficiente neste grupo de idade específico, embora os mecanismos permaneçam não mensurados.