Subgrupos de pacientes con enfermedad cardíaca isquémica por medio del algoritmo de clúster de Markov

Área de la Ciencia:

• Cardiología
• Biología computacional
• La genética

Sus antecedentes:

• La enfermedad isquémica del corazón (IHD) presenta diversas trayectorias clínicas.
• La identificación de distintos subgrupos de pacientes es crucial para el tratamiento personalizado.
• El agrupamiento sin supervisión ofrece un método para descubrir patrones ocultos en enfermedades complejas.

Objetivo del estudio:

• Aplicar la agrupación sin supervisión para identificar agrupaciones de multimorbilidad clínicamente relevantes en pacientes con EII.
• Para caracterizar estos grupos basados en características clínicas, resultados y predisposiciones genéticas.
• Estratificar a los pacientes con EII en subgrupos con características y pronósticos similares.

Principales métodos:

• Se utilizó una cohorte de 72.249 pacientes con EII sometidos a angiografía coronaria (CAG) o CCTA.
• Se aplicó el algoritmo de Cluster de Markov a los códigos de diagnóstico de pacientes (n=3046) para formar grupos.
• Clusters caracterizados utilizando regresiones de Cox para eventos isquémicos y mortalidad, y análisis de enriquecimiento para fenotipos y resultados de laboratorio.

Principales resultados:

• Se identificaron 31 grupos de pacientes distintos (C1-31).
• Siete grupos mostraron riesgos significativamente alterados para nuevos eventos isquémicos.
• 18 y 23 agrupaciones presentaron riesgos modificados para la mortalidad no IHD y por cualquier causa, respectivamente.
• Se observaron diferencias significativas en los resultados de las pruebas de laboratorio y en las enfermedades cardiovasculares/inflamatorias enriquecidas entre los grupos.
• Se observaron mayores puntuaciones de riesgo poligénico en 15 grupos.

Conclusiones:

• La agrupación sin supervisión estratifica efectivamente a los pacientes con enfermedad cardíaca isquémica en subgrupos.
• Estos subgrupos presentan características clínicas distintas y resultados asociados.
• Esta estratificación ayuda a comprender la heterogeneidad de IHD y a personalizar la atención al paciente.