CIPCI Prevención de Enfermedad Isquémica Cardíaca

Paola Ulacia Flores A00952240 IMD

Roberto López López A01124880 IBT

Rodrigo Angel Delgado Lacarriere A01214849 IBT

Jorge Eduardo Peña Velasco A01214772 IBT

María del Carmen Alarcón Nava A01127891 IBT

Paulette B. Guerrero Escobedo A00991556 MC

Roberto Eduardo Flores Ruiz A01334144 MC

Regina Mirella Coronado Sosa A01212235 IBT

Jorge Carlos Estudillo López A01335783 IMD

Ana Cristina Chávez Antuna A01215101 LNB

Nicole Horta Guerra A01330883 MC

Alonso Damián Jiménez Trejo A01334529 MC

(Calculadora de Índice Predictivo de Cardiopatía Isquémica)

Introducción La cardiopatía isquémica es una patología caracterizada por el desequilibrio entre el

aporte de oxígeno y la demanda del mismo en el miocardio, por lo general, causado por un ataque ateroesclerótico. (Lilly, 2011)

La cardiopatía isquémica es una de las principales causas de muerte y discapacidad en México y el mundo, ocupando el segundo lugar como causa de muerte en México, con tasa de prevalencia de 43.5 a 55.8 por 100 000 habitantes. (Gónzalez, 2010)

El cribado de los factores de riesgo cardiovascular es importante para la prevención de cardiopatía isquémica, sin embargo existen limitaciones en la sensibilidad y valor predictivo positivo en los instrumentos existentes. (Baena-Díez, 2010)

Gónzalez, R. (2010). Enfermedad Isquémica del Corazón, Epidemiología

y Prevención. Departamento de Salud Pública, Facultad de Medicina,

UNAM. 35-43. Vol. 53

Baena-Díez J, Ramos Rafael, Marrugat J. Capacidad predictiva de las

funciones de riesgo cardiovascular: Limitaciones y oportunidades. Rev

Esp Cardiol Vol 9

Lilly, L. (2011). Pathophsyology of Heart Disease. Boston,

Massachussetts: Wolters Kluwer/Lippincot Williams & Wilkins

Soluciones existentes ● Heart Attack Risk Assessment

o Hecha por American Heart Association o Considera edad, género, tabaquismo, antecedentes CV familiares, antecedentes CV y

metabólicos personales, talla, peso, circunferencia de cintura, PA, tratamiento HTA, perfil básico de lípidos (CT, LDL, HDL, TG).

● Heart Disease Risk Calculator o Hecha por Mayo Clinic o Considera edad, género, talla, peso, raza.

● 10-year CVD Risk Calculator o Hecha por National Heart, Lung, and Blood Institute & American College of

Cardiology o Considera edad, género, colesterol total, tabaquismo, PAS, medicamento HTA.

National Heart, Lung, and Blood Institute. Risk Assessment Tool for Estimating Your 10-year Risk of Having a Heart Attack. http://cvdrisk.nhlbi.nih.gov/

Mayo Foundation for Medical Education and Research. Heart Disease Risk Calculator. http://www.mayoclinic.org/heart-disease-risk/itt-20084942

American Heart Association. Heart Attack Risk Assessment. http://www.heart.org/HEARTORG/Conditions/HeartAttack/HeartAttackToolsResources/Heart-Attack-

Risk-Assessment_UCM_303944_Article.jsp

Áreas de oportunidad

Propuesta de solución Partimos de la necesidad de evaluar de forma rápida, segura y eficaz el riesgo de la población en general de padecer cardiopatía isquémica para disminuir la mortalidad asociada a la misma.

Así, se propone construir un nuevo índice que sea más sensible y efectivo que los utilizados actualmente. Esto se logra considerando otros factores que pueden aumentar o disminuir el riesgo de padecer cardiopatía isquémica.

Se propone tomar los criterios de factores de riesgo establecidos por Framingham, y extender estos puntajes a otros factores, como función renal. perfil genético y factores psicosociales.

Además de estos criterios, se propone un programa que tenga la capacidad de calcular el índice de riesgo que tiene el paciente de padecer esta enfermedad.

Como resultado, la combinación de los factores de riesgo clásicos con factores genéticos, función renal y factores psicosociales, debe proveernos de un índice de predicción con un mayor porcentaje de éxito diagnóstico.

Propuesta de solución Se consideran los diferentes factores de riesgo propuestos por los criterios de Framingham, REGICOR y SCORE, asignando puntajes de riesgo conforme a estas escalas. ● Sexo ● Edad ● Niveles de HDL ● Niveles de colesterol ● Presión arterial (sistólica y diastólica) ● Otros factores de riesgo

○ Tabaquismo ○ Diabetes ○ HVI (Hipertrofia ventricular izquierda)

Propuesta de solución Para los factores genéticos se consideran los SNPs (Single Nucleotide Polymorphisms), que son variaciones de un solo nucleótido en el genoma que se han relacionado con un aumento en el índice de riesgo de padecer cardiopatía isquémica. Se consideran también los haplotipos (conjuntos de genes o de estos SNPs que se transmiten en grupo) que son relevantes para evaluar el riesgo a padecer la enfermedad. Para aunar el puntaje a los criterios de Framingham, se utilizan los ORs (Odds Rate) caracterizados para cada mutación o haplotipo. Se asigna el mismo puntaje a aquellas mutaciones que presenten el mismo riesgo que factores de riesgo ya puntuados, como diabetes.

SNP (INMEGEN)

http://www.inmegen.gob.mx/divulgacion/glosario-de-terminos/snp/

Haplotipo (INMEGEN)

http://www.inmegen.gob.mx/divulgacion/glosario-de-terminos/haplotipo/

Propuesta de solución Para considerar la función renal, se considera el último valor de creatinina del paciente, y con ella (considerando también su sexo y edad) se calcula su tasa de filtrado glomerular. Este valor se relaciona de manera directa con el riesgo a padecer cardiopatía isquémica, y es rápido de medir.. Para aunar el puntaje a los criterios de Framingham, se realizó el procedimiento descrito anteriormente, y utilizando el criterio establecido por la Sociedad Internacional de Nefrología (CKD-EPI), se identificó la relación contra los puntajes definidos. Además, se han considerado factores psicosociales, asignando un puntaje válido en correlación con la escala de Framingham, basado en los tipos de personalidad, definidos en el año 1950 por los Meyer Friedman y Ray Rosenman.

CKD-EPI

http://www.kdigo.org/clinical_practice_guidelines/pdf/CKD/KDIGO_2012_CKD_GL.pdf

Type A Behavior Pattern and Coronary Heart Disease

http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3477961/

Desarrollo de la solución

Desarrollo de la solución

Desarrollo de la solución

Desarrollo de la solución

Contribuciones innovadoras ● La CIPCI es novedosa porque revoluciona las detecciones basadas

únicamente en estudios clínicos para convertir el índice en algo preciso y personalizado.

● El desarrollo es factible, ya que su costo de producción es mínimo, y su utilización es sencilla e intuitiva. El análisis de las variables es complejo, sin embargo, una vez puntuado, la solución y su elaboración es sencilla.

Ventajas:

● Permite tratar a los pacientes que verdaderamente lo necesitan.

● Permite detectar riesgos en pacientes aparentemente fuera de riesgo.

Desventajas:

● Posible costo de los análisis genéticos.

● Pruebas necesarias para comprobar la robustez de la escala.

Conclusiones ● Los métodos para medir el índice de riesgo cardiaco actuales no toman en

cuenta algunos factores importantes, como factores psicosociales, función renal y perfil genético.

● El diagnóstico actual no es tan preciso (la escala de Framingham sólo es 30% certera). Además, el diagnóstico no es personalizado.

● Consideramos que, un índice que considere estos factores faltantes resultará en una predicción más acertada y exitosa en cuanto al número de personas que sufren infarto por enfermedad cardiaca isquémica.

● Se propone que, para este nuevo índice, existan dispositivos (la calculadora CIPCI propuesta) capaces de calcular estos riesgos de manera no restrictiva. Es decir, se puede realizar un análisis de Framingham sin contar con los valores de función renal o factores genéticos.

Referencias American Heart Association. Heart Attack Risk Assessment. http://www.heart.org/HEARTORG/Conditions/HeartAttack/HeartAttackToolsResources/Heart-Attack-Risk-Assessment_UCM_303944_Article.jsp

Aulchenko YS, Ripatti S, Lindqvist I, Boomsma D, Heid IM, Pramstaller PP, Penninx BW, Janssens AC, Wilson JF, Spector T, Martin NG, Pedersen NL, Kyvik KO, Kaprio J, Hofman A, Freimer NB, Jarvelin MR, Gyllensten U,

Campbell H, Rudan I, Johansson A, Marroni F, Hayward C, Vitart V, Jonasson I, Pattaro C,Wright A, Hastie N, Pichler I, Hicks AA, Falchi M, Willemsen G, Hottenga JJ, de Geus EJ, Montgomery GW, Whitfield J, Magnusson

P, Saharinen J, Perola M,Silander K, Isaacs A, Sijbrands EJ, Uitterlinden AG, Witteman JC, Oostra BA, Elliott P, Ruokonen A, Sabatti C, Gieger C, Meitinger T, Kronenberg F, Döring A,Wichmann HE, Smit JH, McCarthy MI,

van Duijn CM, Peltonen L; ENGAGE Consortium. (2009). Loci influencing lipid levels and coronary heart disease risk in 16 European population cohorts. Nature Genetics, 47-55

Aulchenko YS1, Ripatti S, Lindqvist I, Boomsma D, Heid IM, Pramstaller PP, Penninx BW, Janssens AC, Wilson JF, Spector T, Martin NG, Pedersen NL, Kyvik KO, Kaprio J, Hofman A, Freimer NB, Jarvelin MR, Gyllensten

U, Campbell H, Rudan I, Johansson A, Marroni F, Hayward C, Vitart V, Jonasson I, Pattaro C,Wright A, Hastie N, Pichler I, Hicks AA, Falchi M, Willemsen G, Hottenga JJ, de Geus EJ, Montgomery GW, Whitfield J,

Magnusson P, Saharinen J, Perola M,Silander K, Isaacs A, Sijbrands EJ, Uitterlinden AG, Witteman JC, Oostra BA, Elliott P, Ruokonen A, Sabatti C, Gieger C, Meitinger T, Kronenberg F, Döring A,Wichmann HE, Smit JH,

McCarthy MI, van Duijn CM, Peltonen L; ENGAGE Consortium. (2009). Loci influencing lipid levels and coronary heart disease risk in 16 European population cohorts. Nature Genetics. Enero; 41 (7): 47-55

Baena-Díez J, Ramos Rafael, Marrugat J. Capacidad predictiva de las funciones de riesgo cardiovascular: Limitaciones y oportunidades. Rev Esp Cardiol Vol 9

CKD-EPI http://www.kdigo.org/clinical_practice_guidelines/pdf/CKD/KDIGO_2012_CKD_GL.pdf

Chida Y, Steptoe A. The association of anger and hostility with future coronary heart disease: a meta-analytic review of prospective evidence. J Am Coll Cardiol. 2009;53(11):936-46.

Dichgans M, Malik R, König IR, Rosand J, Clarke R, Gretarsdottir S, Thorleifsson G, Mitchell BD, Assimes TL, Levi C, O'Donnell CJ, Fornage M, Thorsteinsdottir U, Psaty BM, Hengstenberg C, Seshadri S, Erdmann J, Bis

JC, Peters A, Boncoraglio GB, März W, Meschia JF, Kathiresan S, Ikram MA, McPherson R,Stefansson K, Sudlow C, Reilly MP, Thompson JR, Sharma P, Hopewell JC, Chambers JC, Watkins H, Rothwell PM, Roberts R,

Markus HS, Samani NJ, Farrall M, Schunkert H; METASTROKE Consortium; CARDIoGRAM Consortium; C4D Consortium; International Stroke Genetics Consortium. (2014). Shared genetic susceptibility to ischemic stroke

and coronary artery disease: a genome-wide analysis of common variants. Shared genetic susceptibility to ischemic stroke and coronary artery disease: a genome-wide analysis of common variants. 24-36

Dichgans M, Malik R, König IR, Rosand J, Clarke R, Gretarsdottir S, Thorleifsson G, Mitchell BD, Assimes TL, Levi C, O'Donnell CJ, Fornage M, Thorsteinsdottir U, Psaty BM, Hengstenberg C, Seshadri S, Erdmann J, Bis

JC, Peters A, Boncoraglio GB, März W, Meschia JF, Kathiresan S, Ikram MA, McPherson R,Stefansson K, Sudlow C, Reilly MP, Thompson JR, Sharma P, Hopewell JC, Chambers JC, Watkins H, Rothwell PM, Roberts R,

Markus HS, Samani NJ, Farrall M, Schunkert H; METASTROKE Consortium; CARDIoGRAM Consortium; C4D Consortium; International Stroke Genetics Consortium. (2014). Stroke, a journal of cerebral circulation. Enero;

45(1): 24-36

Gónzalez, R. (2010). Enfermedad Isquémica del Corazón, Epidemiología y Prevención. Departamento de Salud Pública, Facultad de Medicina, UNAM. 35-43. Vol. 53

Haplotipo (INMEGEN) http://www.inmegen.gob.mx/divulgacion/glosario-de-terminos/haplotipo/

Kunnas, T., Silander, K., Karvanen, J., Valkeapää, M., Salomaa, V., & Nikkari, S. (2010). ESR1 genetic variants, haplotypes and the risk of coronary heart disease and ischemic stroke in the Finnish population: A prospective

follow-up study. Atherosclerosis, 200-202.

Lilly, L. (2011). Pathophsyology of Heart Disease. Boston, Massachussetts: Wolters Kluwer/Lippincot Williams & Wilkins Luke MM, Kane JP, Liu DM, Rowland CM, Shiffman D, Cassano J, Catanese JJ, Pullinger CR, Leong

DU, Arellano AR, Tong CH, Movsesyan I, Naya-Vigne J,Noordhof C, Feric NT, Malloy MJ, Topol EJ, Koschinsky ML, Devlin JJ, Ellis SG. (2007). A polymorphism in the protease-like domain of apolipoprotein(a) is associated

with severe coronary artery disease. Arteriosclerosis, thrombosis, and vascular biology. 2030-6

Mayo Foundation for Medical Education and Research. Heart Disease Risk Calculator. http://www.mayoclinic.org/heart-disease-risk/itt-20084942

Mehta, N. (2011). Large-Scale Association Analysis Identifies 13 New Susceptibility Loci for Coronary Artery Disease. Circulation: Cardiovascular Genetics, 327-329.

National Heart, Lung, and Blood Institute. Risk Assessment Tool for Estimating Your 10-year Risk of Having a Heart Attack. http://cvdrisk.nhlbi.nih.gov/

Peden JF, Hopewell JC, Saleheen D, Chambers JC, Hager J, Soranzo N, Collins R, Danesh J, Elliott P, Farrall M, Stirrups K, Zhang W, Hamsten A,Parish S, Lathrop M, Watkins H, Clarke R, Deloukas P, Kooner JS,

Goel A, Ongen H, Strawbridge RJ, Heath S, Mälarstig A, Helgadottir A, Öhrvik J,Murtaza M, Potter S, Hunt SE, Delepine M, Jalilzadeh S, Axelsson T, Syvanen AC, Gwilliam R, Bumpstead S, Gray E, Edkins S,

Folkersen L,Kyriakou T, Franco-Cereceda A, Gabrielsen A, Seedorf U, MuTHER Consortium, Eriksson P, Offer A, Bowman L, Sleight P, Armitage J, Peto R,Abecasis G, Ahmed N, Caulfield M, Donnelly P, Froguel P,

Kooner AS, McCarthy MI, Samani NJ, Scott J, Sehmi J, Silveira A, Hellénius ML, van't Hooft FM, Olsson G, Rust S, Assman G, Barlera S, Tognoni G, Franzosi MG, Linksted P, Green FR, Rasheed A, Zaidi M, Shah

N, Samuel M,Mallick NH, Azhar M, Zaman KS, Samad A, Ishaq M, Gardezi AR, Fazal-ur-Rehman M, Frossard PM, Spector T, Peltonen L, Nieminen MS, Sinisalo J, Salomaa V, Ripatti S, Bennett D, Leander K,

Gigante B, de Faire U, Pietri S, Gori F, Marchioli R, Sivapalaratnam S, Kastelein JJ, Trip MD,Theodoraki EV, Dedoussis GV, Engert JC, Yusuf S, Anand SS. (2011). Nature Genetics. 2011 Marzo 6; 43(4): 339-44

Petticrew, M; Lee, K et al McKee. M. (2012). Type A Behavior Pattern and Coronary Heart Disease. Am J Public Health. Volume 102(11)

Schunkert H, König IR, Kathiresan S, Reilly MP, Assimes TL, Holm H, Preuss M, Stewart AF, Barbalic M, Gieger C, Absher D, Aherrahrou Z, Allayee H,Altshuler D, Anand SS, Andersen K, Anderson JL, Ardissino D,

Ball SG, Balmforth AJ, Barnes TA, Becker DM, Becker LC, Berger K, Bis JC, Boekholdt SM,Boerwinkle E, Braund PS, Brown MJ, Burnett MS, Buysschaert I; Cardiogenics, Carlquist JF, Chen L, Cichon S, Codd V,

Davies RW, Dedoussis G, Dehghan A,Demissie S, Devaney JM, Diemert P, Do R, Doering A, Eifert S, Mokhtari NE, Ellis SG, Elosua R, Engert JC, Epstein SE, de Faire U, Fischer M, Folsom AR,Freyer J, Gigante B,

Girelli D, Gretarsdottir S, Gudnason V, Gulcher JR, Halperin E, Hammond N, Hazen SL, Hofman A, Horne BD, Illig T, Iribarren C, Jones GT,Jukema JW, Kaiser MA, Kaplan LM, Kastelein JJ, Khaw KT, Knowles JW,

Kolovou G, Kong A, Laaksonen R, Lambrechts D, Leander K, Lettre G, Li M, Lieb W,Loley C, Lotery AJ, Mannucci PM, Maouche S, Martinelli N, McKeown PP, Meisinger C, Meitinger T, Melander O, Merlini PA,

Mooser V, Morgan T, Mühleisen TW, Muhlestein JB, Münzel T, Musunuru K, Nahrstaedt J, Nelson CP, Nöthen MM, Olivieri O, Patel RS, Patterson CC, Peters A, Peyvandi F, Qu L, Quyyumi AA,Rader DJ, Rallidis LS,

Rice C, Rosendaal FR, Rubin D, Salomaa V, Sampietro ML, Sandhu MS, Schadt E, Schäfer A, Schillert A, Schreiber S, Schrezenmeir J,Schwartz SM, Siscovick DS, Sivananthan M, Sivapalaratnam S, Smith A, Smith

TB, Snoep JD, Soranzo N, Spertus JA, Stark K, Stirrups K, Stoll M, Tang WH,Tennstedt S, Thorgeirsson G, Thorleifsson G, Tomaszewski M, Uitterlinden AG, van Rij AM, Voight BF, Wareham NJ, Wells GA,

Wichmann HE, Wild PS,Willenborg C, Witteman JC, Wright BJ, Ye S, Zeller T, Ziegler A, Cambien F, Goodall AH, Cupples LA, Quertermous T, März W, Hengstenberg C, Blankenberg S,Ouwehand WH, Hall AS,

Deloukas P, Thompson JR, Stefansson K, Roberts R, Thorsteinsdottir U, O'Donnell CJ, McPherson R, Erdmann J; CARDIoGRAM Consortium, Samani NJ. (2011). Large-scale association analysis identifies 13 new

susceptibility loci for coronary artery disease. Nature Genetics. 43(4), 333-8

Shiffman, D., Louie, J., Rowland, C., Malloy, M., Kane, J., & Devlin, J. (2010 Single variants can explain the association between coronary heart disease and haplotypes in the apolipoprotein(a) locus. Atherosclerosis,

193-196.

Shuo, P., & Ma, Y. (2014). GW25-e2291 A Novel Haplotype in the GOSR2 Gene is Associated With Coronary Artery Disease in Chinese Han population. Journal of the American College of Cardiology, 64(16).

SNP (INMEGEN) http://www.inmegen.gob.mx/divulgacion/glosario-de-terminos/snp/

Wang, M., Lang, X., Zou, L., Huang, S., & Xu, Z. (2011). Four genetic polymorphisms of paraoxonase gene and risk of coronary heart disease: A meta-analysis based on 88 case–control studies. Atherosclerosis, 377-

385.