Introducción

En Colombia, las enfermedades cardiovasculares (ECV) y la diabetes mellitus (DM) constituyen dos de los problemas principales de salud pública, responsables de una considerable morbilidad y mortalidad en la población adulta (1-4). El aumento sostenido en la prevalencia de los factores de riesgo, como la hipertensión arterial, la obesidad y la inactividad física, están sobrecargando los sistemas de salud del país (4-6). La coexistencia de dichos factores de riesgo, que además han incrementado su prevalencia en el tiempo, resalta la urgencia de desarrollar estrategias preventivas efectivas que logren mitigar su impacto (7). En este contexto, la identificación precoz y precisa de los individuos con riesgo es fundamental para optimizar la planificación de intervenciones de salud pública, mejorar la calidad de vida y reducir los costos asociados al diagnóstico y tratamiento de las complicaciones a largo plazo (7).

La escala Findrisk se ha establecido durante las últimas tres décadas como una herramienta valiosa para la evaluación del riesgo de desarrollar diabetes tipo 2 (8). Esta escala se basa en un modelo de puntuación que integra variables clave como la edad, el IMC, los antecedentes familiares de diabetes y los factores conductuales como los niveles de actividad física y el consumo regular de frutas y verduras (8). Estos parámetros permiten clasificar a los individuos en categorías de riesgo bajo, moderado o alto, lo que resulta útil para la detección temprana de personas con una mayor probabilidad de desarrollar diabetes tipo 2 (9). De manera similar, la Organización Panamericana de la Salud (OPS) ha diseñado una calculadora de riesgo cardiovascular que estima la probabilidad de sufrir eventos cardiovasculares mayores, tales como infartos de miocardio o accidentes cerebrovasculares, a partir de la combinación de los factores de riesgo tradicionales como la presión arterial, el tabaquismo y la presencia de diabetes (10). La aplicación conjunta de estas dos herramientas, permite una evaluación más robusta del riesgo cardiometabólico, ofreciendo una visión más completa del perfil de salud de los individuos.

La combinación de la escala Findrisk y la calculadora del riesgo cardiovascular de la OPS aporta informaciones complementarias sobre el riesgo metabólico y cardiovascular, lo que permite afinar en el diagnóstico y mejorar las intervenciones preventivas (7, 11).

En este estudio se analiza la interrelación de los resultados obtenidos con ambas herramientas en una muestra poblacional amplia de Medellín (Colombia), con el fin de identificar posibles discrepancias y comprender mejor la evaluación conjunta del riesgo metabólico y cardiovascular. El fin de este análisis es el intento de contribuir a optimizar las estrategias de prevención de las enfermedades crónicas no transmisibles en el ámbito colombiano.

Materiales y métodos

Se realizó un estudio observacional y descriptivo desde julio de 2019 hasta junio de 2022, con el objetivo de evaluar la relación entre el riesgo metabólico y cardiovascular en una población amplia y diversa de Medellín, Colombia. La muestra incluyó a 126 113 participantes mayores de 18 años, seleccionados mediante una encuesta voluntaria como parte del programa de la Alcaldía de Medellín “Conoce tu riesgo”, en el entorno de hogar. En estos casos la población femenina es preponderante. Además, se excluyó a los pacientes con diagnósticos previos de enfermedades cardiovasculares graves o diabetes mellitus tipo 1, para evitar sesgos en las evaluaciones del riesgo. Todos los participantes firmaron un consentimiento informado antes de ser incluidos en el estudio.

Para la evaluación del riesgo metabólico, se empleó la escala Findrisk. La puntuación obtenida fue clasificada en tres categorías de riesgo: bajo, moderado y alto. De forma paralela, se utilizó la calculadora de riesgo cardiovascular de la OPS, que estimó el riesgo de padecer eventos cardiovasculares mayores. Los resultados fueron categorizados en cinco niveles de riesgo: bajo, moderado, alto, muy alto y extremadamente alto. Adicionalmente, los parámetros antropométricos se midieron con precisión, tras una rigurosa capacitación del personal de enfermería; el índice de masa corporal (IMC) se calculó según la fórmula conocida: peso (kg)/estatura (m²) y la circunferencia de cintura (CC) se midió en el punto medio del abdomen, entre la parte inferior de las costillas y la parte superior de la cresta ilíaca, utilizando una cinta métrica flexible.

Para el análisis estadístico, se emplearon técnicas descriptivas, con el fin de resumir las características demográficas y clínicas de la muestra. Las variables continuas se describieron mediante las medianas y los rangos intercuartílicos (RIC), debido a la falta de normalidad en la distribución de los datos. Además, las variables categóricas se describieron mediante frecuencias y porcentajes, y la asociación entre las categorías de riesgo de las escalas Findrisk y OPS se evaluó utilizando la prueba de chi-cuadrado, que permitió determinar si las frecuencias observadas diferían significativamente de las esperadas, bajo la hipótesis de independencia. Además, se aplicó un análisis de regresión logística ordinal que evaluó la relación entre una variable dependiente con categorías ordenadas y una o más variables independientes. Se utiliza un modelo ordinal porque la variable desenlace es categórica ordinal. El pseudo R² es una medida que intenta reflejar la bondad de ajuste, similar al R² en modelos lineales. Sin embargo, en un modelo logístico, es más relevante evaluar la significación de los coeficientes y la razón de verosimilitud (LLR) para interpretar correctamente los resultados. Con este método estadístico, se cuantificó la asociación entre la puntuación de la escala Findrisk y las categorías de riesgo cardiovascular de la OPS, empleando la categoría de bajo riesgo de la OPS como referencia. También se calcularon las razones de probabilidades (Odds Ratio: OR) con sus respectivos intervalos de confianza del 95 % (IC 95 %) y el nivel de significancia estadística se estableció en p <0,05. Las categorías de riesgo muy alto y extremadamente alto de la OPS se agruparon en una sola categoría de riesgo alto, debido a su baja frecuencia de observación. Los análisis fueron realizados usando el lenguaje de programación Python 3.12 con las librerías Pandas, Numpy, Statsmodels y Matplotlib.

Dado que se realizó el estudio sobre datos previamente recolectados por una institución pública y es una investigación sin riesgo, no se requiere de comité de ética. La investigación se consideró de bajo riesgo según la Resolución 8430 de 1993, ya que no implicó intervenciones ni modificaciones en las variables biológicas, fisiológicas, psicológicas o sociales de los participantes.

Resultados

Categorías de riesgo

El análisis de chi-cuadrado revela diferencias significativas en la distribución de las categorías de riesgo, según la puntuación de la escala Findrisk y los niveles de riesgo de la escala de la OPS (p <0,001). La tabla de contingencia muestra que, en la categoría de riesgo “bajo” según la OPS, el 65,96 % de los sujetos también se encuentran en la categoría “bajo” de Findrisk, mientras que el 17,38 % se clasifica como “medio” y el 16,66 % como “alto”. En contraste, para los individuos con riesgo “alto” según la OPS, el 51,46 % también pertenece a la categoría “alto” de Findrisk, con solo un 27,55 % de “bajo” y un 20,99 % de “medio” (figura 1). Además, en la categoría “medio” de la OPS, el 53,64 % de los sujetos pertenecen a la categoría “alto” de Findrisk, lo que sugiere una mayor tendencia a riesgos más elevados, es decir, existe una correlación entre las escalas de las clasificaciones de la OPS y de Findrisk, con una tendencia claramente significativa a coincidir en ambos extremos del riesgo, tanto bajos como altos (figura 1).

La prueba de chicuadrado arrojó un estadístico de 8847,20 con cuatro grados de libertad y un valor p <0,001, indicando diferencias altamente significativas entre las categorías de la OPS y las de Findrisk. Las frecuencias observadas y esperadas mostraron discrepancias notables en varias de las categorías. En la categoría “bajo”, la frecuencia observada fue de 75 825 sujetos frente a una frecuencia esperada de 71 926, lo que representó una diferencia de aproximadamente 3900 casos. En la categoría “medio” se incluyeron 440 pacientes, con una frecuencia esperada de 417, mientras que en la categoría “alto”, la discrepancia fue aún mayor, la frecuencia observada fue de 4522 frente a una esperada de 1738, lo que dio una diferencia de alrededor de 2800 casos. Estas discrepancias indicaron una asociación considerable entre las clasificaciones de la OPS y la de Findrisk, lo que confirmó unos patrones de riesgo consistentes, especialmente en los extremos de las escalas (figura 2).

Figura 1: Proporción de clasificaciones de Findrisk por cada categoría de la OPS

Fuente: elaboración propia

Figura 2: Frecuencias observadas de las escalas de Findrisk vs. OPS (mapa de calor)

Fuente: elaboración propia.

Asociaciones

El modelo de regresión ordinal mostró una convergencia significativa, con un valor final de la función objetivo de 0,303325 tras ocho iteraciones exitosas. El pseudo R-cuadrado fue de 0,1195, lo que sugiere una capacidad predictiva moderada del modelo. Para la categoría de riesgo “moderado” de la OPS, la puntación de Findrisk se asoció de forma positiva y significativamente con un coeficiente de 0,2060 (IC 95 %: 0,199, 0,213). Esto se traduce en un incremento del 22,9 % en la probabilidad de pertenecer a esta categoría por cada unidad adicional de la escala de Findrisk (OR: 1,229, IC 95 %: 1,220, 1,238) (figura 3).

Figura 3: Probabilidad de transición de riesgos en función de la puntuación de la escala Findrisk

Fuente: elaboración propia.

En cuanto a la categoría de riesgo “alto” de la OPS, la puntuación de Findrisk también mostró una asociación positiva y significativa, con un coeficiente de 0,1868 (IC 95 %: 0,183, 0,191), lo que significó un incremento del 20,5 % en la probabilidad de pertenecer a esta categoría por cada unidad adicional de Findrisk (OR: 1,205, IC 95 %: 1,196, 1,214) (figura 3).

Finalmente, los coeficientes de las intersecciones fueron estadísticamente significativos en ambas categorías, lo que indicó que el modelo capturó bien las diferencias entre los grupos de riesgo, independientemente de los valores observados de Findrisk (tabla 2).

Tabla 2: Asociación entre las escalas de Findrisk y OPS

Categoría PAHO	Coeficiente	OR	IC 95%	Valor p
Medio	0,206	1,229	1,220-1,238	<0,001
Alto	0,187	1,205	1,201-1,210	<0,001

Nota: IC: intervalo de confianza; OR: odds ratio (razón de probabilidades); PAHO: Pan American Health Organization (Organización Panamericana de la Salud).

Fuente: elaboración propia

Discusión

Las características basales de la población evaluada proporcionan una visión clara del perfil de riesgo cardiometabólico, lo que resulta clave para la planificación de intervenciones preventivas (7). La mediana de edad de 43 años significó que la mayoría de los individuos evaluados se encontraban en una etapa de la vida en la que los factores de riesgo comenzaron a manifestarse y que, en muchos casos, aún eran prevenibles o manejables (12). La mediana del IMC de 26,08 kg/m² reveló una prevalencia de sobrepeso clara en la población estudiada y señaló la necesidad de intervenciones de salud pública centradas en la promoción de hábitos saludables y en la reducción del riesgo de obesidad, desde las etapas tempranas de la vida adulta (13). La CC, que es un indicador robusto del riesgo cardiovascular, tuvo una mediana de 87 cm, por lo tanto, una parte considerable de la muestra presentó un riesgo alto de desarrollar eventos cardiovasculares (14). Estos resultados concordaron con los estudios previos que destacaron el papel central de la obesidad abdominal como predictor independiente de enfermedad cardiovascular, al margen del IMC (14-15).

Por su parte, el análisis de chi-cuadrado reveló una asociación significativa entre las clasificaciones del riesgo de Findrisk y la OPS, señalando que ambas herramientas miden el riesgo metabólico y cardiovascular de manera complementaria. La correlación significativa observada en los extremos del riesgo es de gran relevancia práctica, porque indica que las personas identificadas con riesgo alto de padecer diabetes tipo 2, también presentaron riesgo alto de tener eventos cardiovasculares. Esto refuerza la hipótesis de que tanto el riesgo metabólico como el cardiovascular están interrelacionados y, por lo tanto, la utilización conjunta de ambas herramientas puede mejorar la precisión diagnóstica (16); sin embargo, las discrepancias en las categorías intermedias, donde la escala de Findrisk parece más sensible que la de la OPS para detectar el riesgo metabólico, sugieren que el uso de una sola herramienta podría subestimar el riesgo cardiovascular en algunos individuos. Este hallazgo tiene implicaciones importantes en la identificación precoz de personas con riesgo moderado, que podrían beneficiarse de intervenciones precoces antes de progresar a niveles más altos de riesgo (17).

La literatura existente ha documentado que el riesgo cardiovascular no siempre ha seguido un patrón lineal con respecto al riesgo metabólico, y los resultados de este estudio refuerzan dicho concepto (18-21). Algunos estudios han sugerido que la combinación de varias herramientas de evaluación, como las escalas de Findrisk y de la OPS, puede mejorar la identificación de individuos con riesgo, porque cada herramienta está diseñada para capturar diferentes tipos de riesgo (22-24).

El análisis de regresión logística multinomial da un enfoque cuantitativo a la interpretación de los resultados. El hecho de que el aumento de una unidad en la puntuación de Findrisk incremente en un 22,9 % la probabilidad de clasificarse como riesgo cardiovascular moderado y en un 20,5 % la probabilidad de clasificarse como riesgo cardiovascular alto según la OPS, tiene implicaciones prácticas claras. Estos resultados sugieren que cada incremento en el riesgo de padecer diabetes tipo 2 está asociado con un aumento proporcional en el riesgo cardiovascular. Este tipo de relación es particularmente útil para los clínicos, porque permite realizar intervenciones más específicas basadas en el grado de riesgo. Por ejemplo, un paciente con una puntuación elevada para padecer diabetes tipo 2 podría beneficiarse, por una parte, de una evaluación más detallada de su riesgo cardiovascular y, por otra, de la aplicación de medidas preventivas más enérgicas, como de un tratamiento más intensivo de la presión arterial o de intervenciones sobre el estilo de vida, para reducir el peso y mejorar la condición metabólica.

Además, en la práctica clínica, saber que un aumento en la escala Findrisk puede predecir un incremento del 20% o más del riesgo cardiovascular, puede implicar un cambio en la forma de diagnosticar y tratar a los pacientes en la asistencia primaria. Esta información permite a los médicos identificar a aquellos con riesgo elevado de padecer diabetes y cumplimentar las medidas de seguimiento que prevengan eventos cardiovasculares en los pacientes con prediabetes o riesgo metabólico moderado. Además, el uso de la escala de Findrisk para el seguimiento de los pacientes podría permitir una monitorización más precisa y dinámica, adaptando intervenciones de forma más precoz y eficaz; no obstante, aunque los hallazgos descritos sean prometedores, es necesario profundizar en la investigación para establecer sólidamente su aplicabilidad en distintas poblaciones, contextos y desenlaces clínicos.

En definitiva, integrar esta predicción en la rutina de la asistencia primaria podría significar un cambio en la prevención de las complicaciones cardiometabólicas; sin embargo, se hacen necesarios los estudios prospectivos a largo plazo que evalúen y sigan a muestras poblaciones amplias de sujetos por tiempo suficiente.

Un aspecto que merece la pena mencionar de este estudio es la decisión de agrupar las categorías de riesgo alto y extremadamente alto de la escala de la OPS, lo que simplifica la interpretación sin afectar a la precisión de los resultados. La agrupación de estas categorías en una sola facilita su uso en la práctica clínica, especialmente en ámbitos de recursos limitados y cuando se necesita decidir de forma ágil y práctica. Además, este agrupamiento concuerda con varios estudios previos que sugieren que las diferencias entre el riesgo alto y extremadamente alto son de menor relevancia, desde el punto de vista clínico, teniendo en cuenta que ambos grupos requieren intervenciones intensivas para reducir el riesgo cardiovascular (25-26).

Conclusión

Los resultados de este estudio confirman la utilidad de las escalas de Findrisk y de la OPS para evaluar el riesgo cardiometabólico; además, sugieren que una puntuación mayor del riego de padecer diabetes tipo 2 se asocia, de forma directa, con un incremento significativo del riesgo cardiovascular. Estos resultados aportan seguridad para que los clínicos utilicen la escala Findrisk como una herramienta para detectar el riesgo de diabetes tipo 2 y para anticipar posibles eventos cardiovasculares, lo que podría cambiar la prevención cardiometabólica en la asistencia primaria.

Como un incremento en la escala Findrisk puede predecir un aumento en el riesgo cardiovascular, los médicos pueden personalizar las estrategias de seguimiento, particularmente en pacientes con prediabetes o con riesgo metabólico moderado, es decir, la escala Findrisk se podría utilizar como un marcador de seguimiento del riesgo global en la práctica clínica diaria, permitiendo intervenciones preventivas más precisas y oportunas; no obstante, se requieren estudios prospectivos, bien diseñados y de seguimiento a largo plazo, para validar su aplicabilidad en contextos clínicos y poblacionales diferentes, que corroboren así su uso continuado como una herramienta importante en la prevención de las enfermedades cardiometabólicas.

Agradecimientos

Este artículo ha sido posible gracias al aporte de información base de los programas de la secretaria de salud distrital, de la Alcaldía de la ciudad de Medellín.

Contribución de los autores

Carmen Clavijo: conceptualización, investigación, metodología, redacción del borrador original; Mateo Tamayo: conceptualización, análisis formal, investigación, metodología, redacción del borrador original; Cortés David: conceptualización, análisis formal, redacción del borrador original; Varela Daniela: conceptualización, análisis formal; Lina Bedoya: conceptualización, análisis formal, investigación, metodología; Verónica Lopera Velásquez: conceptualización, análisis formal, investigación; Daily Maturana: conceptualización, análisis formal, investigación, redacción del borrador original Hernández Eder: conceptualización, análisis formal; Juan Pablo Polanco: conceptualización, análisis formal, metodología redacción del borrador original; Ricardo Rosero: conceptualización, análisis formal, investigación, metodología, redacción del borrador original.

Declaración de fuentes de financiación

Los autores declaran que se utilizaron recursos públicos en el marco del plan indicativo, establecido en el plan de desarrollo local de la Alcaldía de Medellín.

Conflicto de intereses

Los autores declaran que no presentan conflictos de intereses en relación con este trabajo.

Implicaciones éticas

Este estudio observacional basado en encuestas garantizó el consentimiento informado de todos los participantes, protegiendo su privacidad y confidencialidad mediante el manejo anónimo de los datos. Se informó claramente a los participantes sobre los objetivos del estudio, los posibles riesgos y beneficios, y su derecho a retirarse en cualquier momento, minimizando cualquier riesgo potencial para su bienestar.