Cuantificar en las áreas sanitarias seleccionadas la prevalencia de pacientes con dislipemias graves y su geolocalización para implementar estrategias de prevención cardiovascular en atención primaria.
MétodosSe realizó un estudio de cohorte retrospectivo con datos de laboratorio para los niveles de triglicéridos, colesterol unido a lipoproteínas de baja densidad y lipoproteína (a) posterior a la incorporación de algoritmos bioquímicos durante los años 2019 y 2020. Se estudió la existencia de clústeres de agrupación geográfica por códigos postales para cada parámetro junto con representación de mapas coropléticos.
ResultadosLos datos analíticos incluidos en el estudio fueron triglicéridos (n = 301.069), lipoproteínas de baja densidad (n = 91.316) y lipoproteína a lipoproteína (a) (n = 667). Se identificaron las áreas con mayor y menor porcentaje de casos para cada parámetro. Se detectaron dos clústeres de agrupación con significación estadística, uno para pacientes con niveles de triglicéridos > 150 mg/dl de 16,47 km de radio y otro para pacientes con colesterol unido a lipoproteínas de baja densidad > 190 mg/dl de 6,23 km, con un riesgo relativo de 1,08 y 1,23, respetivamente.
ConclusionesLos estudios con uso de geolocalización han sido ampliamente usados en enfermedades infecciosa por la necesidad de conocer la epidemiología de enfermedades con rápida capacidad de propagación. En cambio, no han tenido tanto uso en otras patologías que cursan de modo silente como son las relacionadas con el riesgo cardiovascular. Estas nuevas herramientas pueden ayudar al control de dislipemias graves y a una mejor prevención cardiovascular desde atención primaria.
To quantify in selected health areas the prevalence of patients with severe dyslipidemia and their geolocation in order to implement cardiovascular prevention strategies in primary care.
MethodsA retrospective cohort study was performed with laboratory data for triglyceride, low-density lipoprotein cholesterol and lipoprotein (a) levels following the incorporation of biochemical algorithms during 2019 and 2020. The existence of geographic clustering clusters by zip codes was studied for each parameter along with choropleth map representation.
ResultsThe analytical data included in the study were triglycerides (n = 301069), low density lipoproteins (n = 91316) and lipoprotein to lipoprotein (a) (n = 667). Areas with the highest and lowest percentage of cases were identified for each parameter. Two grouping clusters with statistical significance were detected, one for patients with triglyceride levels > 150 mg/dL of 16.47 km radius and another for patients with low-density lipoprotein-bound cholesterol > 190 mg/dL of 6.23 km, with a relative risk of 1.08 and 1.23 respectively.
ConclusionsStudies using geolocation have been widely used in infectious diseases because of the need to know the epidemiology of diseases with a rapid capacity to spread. However, they have not been used as much in other pathologies that occur silently, such as those related to cardiovascular risk. These new tools can help to control severe dyslipidemia and improve cardiovascular prevention in primary care.
Artículo
REC: CardioClinics
Use datos de acceso a SEC en el menú Acceder.
Si es socio de la Sociedad Española de Cardiología y no puede acceder con sus claves, escriba a rec@cardioclinics.org.
Use the Society's website login and password here.
If you are member of SEC and you have some problems with your login data, please contact with rec@cardioclinics.org.
Si ya tiene sus datos de acceso, clique aquí.
Si olvidó su clave de acceso puede recuperarla seleccionando la opción "He olvidado mi contraseña".Comprando el artículo el PDF del mismo podrá ser descargado
Precio 19,34 €
Comprar ahora