Modelo Predictivo Diagnóstico para Hipertensión en Poblaciones Han y Yugur de la Encuesta Nacional de Salud de China (CNHS)

Introducción

La hipertensión sigue siendo un factor de riesgo prevenible clave en la morbilidad y mortalidad por enfermedades cardiovasculares (ECV) a nivel mundial. En 2010, aproximadamente 1.380 millones de adultos presentaban hipertensión, representando el 31,1% de la población adulta global. En China, la carga es particularmente grave, con una prevalencia del 23,2% (244,5 millones de adultos) y un 41,3% adicional (435,3 millones) clasificados como prehipertensos. A pesar de los esfuerzos globales, la concienciación y el manejo en China son inferiores a los de países desarrollados: solo el 46,9% de los hipertensos conocen su condición.

La minoría étnica Yugur en la provincia de Gansu, noroeste de China, exhibe hábitos dietéticos únicos, con alto consumo de carne roja y alcohol, lo que contribuye a una mayor prevalencia de hipertensión comparada con la mayoría Han. Esta disparidad subraya la necesidad de estrategias preventivas específicas. Estudios previos en China han desarrollado modelos predictivos, pero persisten limitaciones como la falta de herramientas visuales, calibración insuficiente y escasa representación de minorías. Este estudio aborda estas brechas mediante un modelo predictivo diagnóstico para hipertensión en poblaciones Han y Yugur, integrando factores demográficos, de estilo de vida y antropométricos.

Métodos

Diseño del Estudio y Participantes

Los datos provienen de la Encuesta Nacional de Salud de China (CNHS) 2016–2017, que incluyó a 9.699 participantes Han y Yugur de 20–80 años en Gansu y Hebei. Los criterios de exclusión fueron mediciones de presión arterial faltantes o historial no registrado. Los participantes se dividieron de forma no aleatoria en conjuntos de entrenamiento, validación interna y externa según ubicación geográfica:

• Entrenamiento: 2.845 Han y 1.108 Yugur de Gansu.
• Validación interna: 1.402 Han y 522 Yugur de otras áreas de Gansu.
• Validación externa: 3.822 Han de Hebei.

Recopilación de Datos y Definiciones

La presión arterial se midió tres veces con un dispositivo Omron HEM-907. La hipertensión se definió como presión sistólica ≥140 mmHg, diastólica ≥90 mmHg, diagnóstico autorreportado o uso de medicación antihipertensiva. El historial familiar de hipertensión (HFH) clasificó a los participantes en FH0 (sin historial), FH1 (una generación afectada) o FH2+ (≥2 generaciones). Otras variables incluyeron edad, género, IMC, residencia, estado civil, educación, tabaquismo, consumo de alcohol, actividad física, ingresos y frecuencia cardíaca.

Análisis Estadístico

La selección de variables empleó regresión Lasso para identificar predictores clave. Se desarrolló un modelo de regresión logística multivariable, visualizado como un nomograma y alojado en un sitio web interactivo para uso clínico. El rendimiento se evaluó mediante discriminación (Índice C), calibración (prueba de Hosmer-Lemeshow, bandas de calibración GiViTI) y utilidad clínica (análisis de curva de decisión). Se comparó con un modelo previo del norte de China.

Resultados

Características de los Participantes

El conjunto de entrenamiento (n=3.953) y validación interna (n=1.924) mostraron prevalencias similares de hipertensión (29,4% vs. 30,6%, P=0,349), mientras que la validación externa (n=3.822) tuvo mayor prevalencia (39,9%, P<0,001). Se observaron diferencias significativas en edad, género, IMC, ingresos, residencia y factores de estilo de vida entre conjuntos (P<0,05), validando el diseño no aleatorio.

Desarrollo del Modelo

La regresión Lasso identificó ocho predictores: edad, género femenino, IMC, residencia rural, ingresos anuales ≥20.000 CNY, frecuencia cardíaca ≥80 lpm, FH1 y FH2+. El modelo de regresión logística generó odds ratios (OR) con intervalos de confianza del 95% (IC95%):

• Edad: OR=1,08 por año (IC95%: 1,07–1,09).
• Género femenino: OR=0,57 (0,48–0,67).
• IMC: OR=1,20 por kg/m² (1,17–1,23).
• FH1: OR=2,06 (1,70–2,50).
• FH2+: OR=4,83 (3,89–6,00).

Rendimiento del Modelo

Discriminación:

• Índice C en entrenamiento: 0,802 (IC95%: 0,788–0,817).
• Validación interna: 0,789 (0,768–0,810).
• Validación externa: 0,829 (0,816–0,842).

Calibración:

• La prueba de Hosmer-Lemeshow mostró ajuste adecuado (P≥0,114).
• Las bandas de calibración GiViTI confirmaron alineación entre probabilidades predichas y observadas (P≥0,114).

Utilidad Clínica:
El análisis de curva de decisión demostró beneficio neto estandarizado (BNE) superior frente a estrategias de tratar-todos o tratar-ninguno. Con un umbral de riesgo del 40%, el modelo alcanzó BNE=0,473 en validación externa, indicando intervención efectiva en 47,3% de los casos sin tratamientos innecesarios.

Comparación con Modelos Existentes:
El modelo superó a un modelo diagnóstico previo del norte de China (Du et al., 2018) en área bajo la curva (AUC):

• Entrenamiento: 0,802 vs. 0,741 (P<0,001).
• Validación externa: 0,829 vs. 0,725 (P<0,001).

Discusión

Hallazgos Clave

Este estudio presenta el primer modelo predictivo diagnóstico para hipertensión en poblaciones Han y Yugur, abordando factores de riesgo étnico-específicos y disparidades regionales. La incorporación de HFH multigeneracional y herramientas visuales (nomograma, calculadora web) mejora la aplicabilidad clínica. El modelo demostró discriminación robusta, calibración precisa y utilidad clínica en validaciones diversas.

Fortalezas e Innovaciones

1. Representación Étnica: Inclusión de la población Yugur, ausente en modelos previos centrados en Han.
2. Herramientas Dinámicas: El nomograma y la calculadora en línea (https://chris-yu.shinyapps.io/hypertension_risk_prediction/) permiten estratificación de riesgo en tiempo real.
3. Rigor en Validación: Divisiones geográficas no aleatorias y validación externa en Hebei fortalecen la generalización.
4. Impacto Clínico: El análisis de curva de decisión cuantifica beneficios netos, guiando asignación de recursos en subgrupos de alto riesgo.

Limitaciones

1. Variables no Medidas: Factores como ingesta de sal o aspectos psicosociales no fueron incluidos por limitaciones de datos.
2. Generalización: La aplicabilidad a otros grupos étnicos o edades extremas (<20, >80 años) no está validada.
3. Diseño Transversal: Se requieren datos longitudinales para evaluar utilidad pronóstica.

Conclusión

Este estudio establece un modelo diagnóstico validado para hipertensión en poblaciones Han y Yugur, integrando variables clínicas y demográficas de fácil acceso. El nomograma y la herramienta web facilitan la evaluación individualizada del riesgo, apoyando prevención dirigida en regiones de alta carga. Futuras investigaciones deben ampliar la representación étnica e incluir biomarcadores para optimizar la precisión predictiva.

doi.org/10.1097/CM9.0000000000001989