Las enfermedades cardiovasculares continúan siendo la principal causa de muerte a nivel mundial, con aproximadamente 18,6 millones de muertes anuales, lo que pone de manifiesto la necesidad de mejorar las estrategias de predicción y prevención (1).
A pesar del uso extendido de modelos tradicionales como Framingham o SCORE, estos se basan en un número limitado de variables y no capturan adecuadamente la complejidad y heterogeneidad del riesgo individual (2).
En particular, estos modelos presentan limitaciones al no integrar de forma adecuada factores emergentes como la inflamación, las alteraciones metabólicas o condiciones específicas como el síndrome de ovario poliquístico (SOP), lo que puede conducir a una subestimación del riesgo en poblaciones particulares (3). Esta limitación ha impulsado el desarrollo de nuevos enfoques orientados a una estratificación más precisa y personalizada del riesgo cardiovascular (2).
En los últimos años, la evolución de los modelos de riesgo cardiovascular ha incorporado herramientas como SCORE2, que permiten una estimación más precisa del riesgo de eventos fatales y no fatales ajustada a contextos poblacionales específicos (2). Sin embargo, más allá de los modelos clásicos, la tendencia actual se orienta hacia la integración de variables adicionales que reflejen el riesgo cardiometabólico global (4).
En este contexto, condiciones como el síndrome de ovario poliquístico han emergido como modelos clínicos relevantes para comprender la discordancia entre factores de riesgo y eventos cardiovasculares. Un estudio prospectivo reciente con seguimiento a 10 años en mujeres con SOP mostró un incremento significativo de factores de riesgo cardiovasculares —incluyendo obesidad, diabetes tipo 2, hipertensión y dislipidemia— sin un aumento proporcional en eventos cardiovasculares mayores, lo que evidencia la complejidad en la estratificación del riesgo en estas pacientes (3).
Estos hallazgos refuerzan la necesidad de incorporar nuevas variables, como la grasa epicárdica, biomarcadores y parámetros metabólicos dinámicos, que permitan una evaluación más integral y precisa del riesgo cardiovascular (3,4). Asimismo, el concepto de riesgo residual cobra relevancia al evidenciar que pacientes aparentemente controlados pueden continuar presentando eventos, lo que subraya las limitaciones de los enfoques tradicionales (4).
La incorporación de nuevos criterios de riesgo cardiovascular tiene implicaciones directas en la práctica clínica, particularmente en la identificación de subgrupos de pacientes en los que los modelos tradicionales pueden fallar (3). En prevención primaria, esto permite una mejor selección de pacientes candidatos a intervenciones tempranas, mientras que en prevención secundaria facilita la identificación de riesgo residual y la intensificación terapéutica (4).
Además, estos avances favorecen una transición hacia la medicina personalizada, en la que la toma de decisiones se basa en perfiles individuales que integran múltiples dimensiones del riesgo, incluyendo factores metabólicos, hormonales y estructurales (3). Este enfoque es especialmente relevante en poblaciones específicas, como mujeres con SOP, donde la evolución del riesgo cardiovascular no sigue patrones tradicionales (3).
En conjunto, la evolución hacia nuevos perfiles de riesgo cardiovascular representa un cambio de paradigma que busca superar las limitaciones de los modelos clásicos mediante una aproximación más dinámica, multidimensional e individualizada (2).
|
Dimensión |
Modelos tradicionales |
Nuevos enfoques |
|
Variables |
Edad, PA, lípidos, tabaquismo |
Biomarcadores, metabolismo, grasa epicárdica |
|
Enfoque |
Estático |
Dinámico |
|
Población |
General |
Subgrupos específicos (ej. SOP) |
|
Precisión |
Moderada |
Mejorada |
|
Riesgo residual |
No considerado |
Integrado |
|
Ejemplo clínico |
Riesgo promedio poblacional |
Discordancia riesgo-evento en SOP |
Referencias