Un equipo de profesionales del Servicio Navarro de Salud-Osasunbidea (SNS-O) y del centro de investigación biomédica Navarrabiomed ha determinado cuáles son los modelos más fiables para predecir el riesgo de infarto o ictus en personas con diabetes tipo 2.
Tras analizar 18 modelos internacionales, los expertos han concluido que los sistemas DIAL2, DIAL2-extended, SCORE2-diabetes y ADVANCE son los más precisos para evaluar el riesgo cardiovascular en la población navarra.
El estudio, liderado por el Servicio Científico-Técnico de Metodología – Evaluación de Servicios Sanitarios de Navarrabiomed, refuerza la importancia de utilizar datos reales del sistema sanitario para mejorar la atención médica. Sus conclusiones muestran que estos modelos permiten detectar antes a los pacientes de alto riesgo, orientar mejor la toma de decisiones clínicas y aplicar medidas preventivas adaptadas a cada caso.
La investigación se ha basado en datos de 20.793 pacientes navarros incluidos en la cohorte CARDIANA (CARdiovascular Risk in DIAbetes in NAvarra), lo que ha permitido validar los modelos con información local.
Según la investigadora Berta Ibáñez, “estos modelos permiten clasificar mejor a los pacientes según su riesgo. Un paciente de bajo riesgo puede tener un seguimiento menos intensivo, mientras que otro de alto riesgo puede beneficiarse de controles más frecuentes y tratamientos más específicos”.
Más allá de los medicamentos o las operaciones innovadoras, el avance de la medicina también pasa por aprender de los datos que genera el propio sistema sanitario. Ese es el trabajo del equipo de Metodología de Navarrabiomed, liderado por Berta Ibáñez y Julián Librero, que acompaña a los profesionales del SNS-O en todas las fases de un proyecto científico, desde el diseño hasta la publicación de resultados.
Su labor no se limita a la investigación académica: el objetivo es evaluar cómo funcionan los servicios sanitarios, detectar áreas de mejora y aportar soluciones basadas en evidencia. Este enfoque, conocido como Health Learning System o sistema sanitario de autoaprendizaje, busca que la propia red de salud aprenda de sí misma para mejorar de forma constante.
Una de las principales conclusiones del estudio es que los modelos internacionales no siempre son válidos en todos los territorios. Las diferencias epidemiológicas, de hábitos de vida o de organización sanitaria hacen que las herramientas desarrolladas en países como Estados Unidos o Suecia necesiten ser recalibradas.
Por eso, el equipo de Navarrabiomed ha adaptado los modelos al contexto navarro, un trabajo que ha sido publicado en la revista European Journal of Preventive Cardiology bajo el título External validation of cardiovascular risk scores in patients with Type 2 diabetes using the Spanish population-based CARDIANA cohort.
El Servicio Navarro de Salud ya trabaja en la implantación de modelos predictivos en la historia clínica electrónica. Esta herramienta permitirá que los médicos de Atención Primaria calculen de forma personalizada el riesgo cardiovascular de cada paciente y tomen decisiones más precisas sobre tratamientos, derivaciones o seguimiento.
“Se podrá mostrar al propio paciente su riesgo y cómo mejoraría si dejara de fumar o tomara la medicación, de forma cuantitativa y personalizada”, ha explicado Ibáñez, quien ha destacado que el uso inteligente de los datos puede traducirse en un sistema sanitario más eficiente y humano.
El servicio de Metodología forma parte de la Red RICAPPS, que agrupa a 26 grupos de investigación de toda España centrados en cronicidad y promoción de la salud. Esta colaboración permite comparar estrategias entre comunidades y avanzar en campos como la minería de datos aplicada a la sanidad.
Entre sus proyectos más destacados se encuentra CONCEPT-DIABETES, que analiza cómo se atiende la diabetes en distintas comunidades autónomas y evalúa la eficiencia de los tratamientos.
El equipo de Navarrabiomed tiene previsto ampliar la cohorte CARDIANA hasta los 10 años de seguimiento e incorporar variables sociales y económicas, como nivel de estudios, ingresos u origen, para integrar la perspectiva de equidad y género en los modelos de predicción. “Incluir factores sociales, económicos y ambientales puede hacer que los modelos sean todavía más precisos y útiles”, ha señalado Ibáñez.
