ISSN: 0300-8932 Factor de impacto 2023 7,2
Vol. 71. Núm. 11.
Páginas 910-916 (Noviembre 2018)

Artículo original
Valor predictivo de la albúmina plasmática, la vitamina D y las apolipoproteínas A y B como biomarcadores de riesgo coronario en el estudio REGICOR

Analysis of Plasma Albumin, Vitamin D, and Apolipoproteins A and B as Predictive Coronary Risk Biomarkers in the REGICOR Study

Gabriel Vázquez-OlivaabAlberto ZamorabcdRafel RamosbefIsaac SubiranaghMaría GraudgIrene R. DéganodgiDaniel MuñozjkMontserrat FitójkRoberto ElosuadgiJaume Marrugatdg

Opciones

Resumen
Introducción y objetivos

La inclusión de biomarcadores en las funciones de riesgo clásicas puede mejorar la estimación del riesgo. Los objetivos del estudio son determinar la asociación entre las concentraciones de apolipoproteína A1 (apoA1), apolipoproteína B (apoB), albúmina y 25–OH-vitamina D circulantes y la incidencia de eventos coronarios y analizar si estos biomarcadores mejoran la capacidad predictiva de la función REGICOR.

Métodos

Estudio de cohorte de casos. De una cohorte inicial de 5.404 participantes con edades entre los 35 y los 74 años y 5 años de seguimiento, se seleccionó a todos los que presentaron un evento coronario (n = 117) y una subcohorte elegida al azar de 667 participantes. Finalmente, se incluyó a 105 casos y 651 participantes de la subcohorte con muestra biológica disponible. Los eventos de interés fueron la aparición de angina, infarto de miocardio mortal o no mortal y muerte por enfermedad coronaria.

Resultados

Los casos eran de más edad, tenían mayores proporciones de varones y factores de riesgo clásicos y concentraciones de apoB, y menores concentraciones de apoA1, cociente apoA1/apoB, 25-OH-vitamina D y albúmina que el grupo control. Al ajustar por los factores de riesgo clásicos, el único biomarcador que mantuvo la asociación con eventos coronarios fue la albúmina plasmática (HR = 0,73; p = 0,002). Además, las concentraciones de albúmina permitieron reclasificar correctamente a un número significativo de participantes, especialmente en la categoría de riesgo moderado (mejora neta en la reclasificación = 32,3; p = 0,048).

Conclusiones

La albúmina plasmática se asocia independiente e inversamente con el riesgo de eventos coronarios y mejora la capacidad predictiva de la función de riesgo REGICOR.

Palabras clave

Albúmina
Vitamina D
Apolipoproteína A1
Apolipoproteína B
Funciones de riesgo
INTRODUCCIÓN

La estimación del riesgo cardiovascular mediante funciones de riesgo adaptadas y validadas en la población en las que van a ser utilizadas, es un elemento esencial para definir la intensidad de la estrategia preventiva más adecuada a nivel individual1,2. Se ha demostrado la validez de las funciones de riesgo, pero tienen como limitación su baja sensibilidad, de manera que gran parte de los eventos coronarios y cardiovasculares se presentan en la población clasificada como en riesgo moderado3,4. La inclusión de biomarcadores en las funciones de riesgo clásicas puede mejorar la precisión de la estimación del riesgo5.

Se han propuesto y se han analizado varios tipos de biomarcadores (p. ej., genéticos6, bioquímicos7,8, de imagen9). Entre los biomarcadores bioquímicos, se puede señalar la apolipoproteína A1 (apoA1) y la apolipoproteína B (apoB), o su cociente, como biomarcador de riesgo cardiovascular y de la relación entre lipoproteínas antiaterogénicas y proaterogénicas10, la albúmina plasmática, que en varios estudios se ha asociado inversamente con el riesgo cardiovascular11 y se relaciona inversamente con el estado oxidativo e inflamatorio, y la vitamina D que también se ha asociado inversamente con la incidencia de eventos cardiovasculares12 y con varios factores de riesgo cardiovascular clásicos13. Sin embargo, hay pocos estudios que hayan analizado la capacidad predictiva de eventos coronarios de estos biomarcadores solos o en conjunto.

Los objetivos de este estudio son: a) determinar la asociación entre las concentraciones plasmáticas de apoA, apoB y albúmina y séricas de vitamina D y la incidencia de eventos coronarios en el seguimiento de una cohorte poblacional, y b) analizar si estos biomarcadores mejoran la capacidad predictiva de la función de riesgo REGICOR en la población de 35 a 74 años.

MÉTODOSDiseño y participantes

Se diseñó un estudio de cohorte de casos en el marco del seguimiento de la cohorte poblacional del estudio REGICOR (Registre GIroní del COR)14. En este estudio, se reclutó en 2005 una cohorte poblacional de 6.352 participantes, con una proporción de participación > 70%. De estos participantes, 5.404 tenían entre 35 y 74 años y no presentaban enfermedad cardiovascular en el momento de la inclusión. Se siguió a todos los participantes en el periodo 2009-2013.

Atendiendo al diseño de cohorte de casos, se incluyó a todos los participantes que presentaron un evento coronario (n = 117), y se seleccionó al azar una subcohorte de los participantes incluidos en la visita basal en proporción aproximada de 1:6 (n = 667). Finalmente, se incluyó en el estudio a los participantes con muestra biológica disponible (105 y 651, respectivamente). El tamaño muestral del estudio (n = 756), considerando la incidencia del evento de interés del 2,7% en la muestra original de 5.404 participantes y asumiendo un error de tipo I del 5%, proporciona una potencia estadística del 80% para identificar como estadísticamente significativo un riesgo relativo ≥ 1,58 por cada desviación estándar del biomarcador. Para calcular esta potencia estadística, se ha utilizado la función «ccsize» del paquete «gap» de R. Se incluyeron también 43 eventos competitivos cardiovasculares no coronarios.

Se informó a todos los participantes de los objetivos del estudio y firmaron un consentimiento. El estudio había sido aprobado por el comité de ética de la investigación clínica local.

Biomarcadores

Las muestras biológicas se obtuvieron en ayunas de 10-14 h. Una vez centrifugada la sangre y tras la formación del coágulo en el caso del suero, las muestras de suero y EDTA (ácido etilendiaminotetraacético) plasma se alicuotaron y se congelaron a –80°C hasta su análisis. La glucosa, el colesterol total y los triglicéridos se determinaron en suero por métodos enzimáticos y el colesterol unido a lipoproteínas de alta densidad, por método directo (Roche Diagnostics; Basilea, Suiza) en un autoanalizador Cobas Mira Plus (Roche Diagnostics). El colesterol unido a lipoproteínas de baja densidad se estimó mediante la ecuación de Friedewald si la concentración de triglicéridos era < 300 mg/dl.

La vitamina D también se determinó en suero mediante un ELISA competitivo para determinar 25-hidroxivitamina D (Immuno Diagnostics System; Boldon, Reino Unido). En plasma se determinó la concentración de albúmina por el método colorimétrico del verde de bromocresol (ABX Diagnostic; Montpellier, Francia) y las concentraciones de apoA1 y apoB, por immunoturbidimetría (ABX Diagnostic) en un autoanalizador Cobas Mira Plus.

Se realizó un control de calidad externo para las variables analizadas en el autoanalizador Covas Mira Plus (albúmina, apoA1 y apoB) mediante controles de la Sociedad Española de Química Clínica. Los coeficientes de variación internos de albúmina, apoA1, apoB y 25-OH-vitamina D fueron del 3,19, el 3,37, el 3,21 y el 5,72% respectivamente.

Seguimiento y eventos de interés

En el seguimiento de la cohorte se utilizaron varias fuentes de información: contacto telefónico regular siguiendo una entrevista estructurada y una visita de revaluación para identificar los eventos no mortales de interés, y cruce con el registro de mortalidad oficial para los mortales. Se consideró evento de interés la aparición de angina, infarto de miocardio mortal o no mortal y muerte por enfermedad coronaria.

Para la validación de los eventos no mortales se revisaron los informes médicos de los participantes que declararon haber tenido angina de pecho o un infarto de miocardio. Para identificar los eventos mortales causados por enfermedad coronaria, se utilizaron los códigos de la CIE (Clasificación Internacional de Enfermedades) CIE-9 410-414 y CIE-10 I20-I22, I24, I25. Un comité categorizó todos los eventos utilizando criterios estandarizados: la angina de pecho se definió por la presencia de síntomas y la demostración objetiva de isquemia en el electrocardiograma o la presencia de estenosis coronaria > 50% en una angiografía coronaria; el infarto de miocardio se definió siguiendo los criterios internacionales estandarizados15.

También se registraron otros eventos cardiovasculares competitivos (mortalidad cardiovascular diferente de enfermedad coronaria, enfermedad cerebrovascular no mortal).

Otras variables

Los factores de riesgo cardiovascular clásicos necesarios para la estimación del riesgo cardiovascular (presión arterial sistólica y diastólica, colesterol total, colesterol unido a lipoproteínas de alta densidad, consumo de tabaco, estado diabético) se determinaron utilizando cuestionarios y métodos estandarizados14. Se consideró fumador al participante que fumaba en ese momento o que había dejado de fumar en el último año. La diabetes se definió por una glucemia basal ≥ 126 mg/dl o tratamiento con antidiabéticos orales o insulina. Para estimar el riesgo cardiovascular, se utilizó la función REGICOR validada para la población española3.

Análisis estadístico

Cuando los biomarcadores de interés no seguían una distribución normal, se realizó una transformación logarítmica. En el caso de la vitamina D, se definieron también 3 categorías utilizadas convencionalmente en la literatura médica (< 30, 30-49 y ≥ 50 nmol/l)12. Para estimar las diferencias en variables sociodemográficas, factores de riesgo y biomarcadores entre el grupo de casos y el grupo subcohorte, se utilizó el método de Lin y Ying16 para estudios de cohorte de casos. Para estimar el riesgo relativo de enfermedad coronaria asociado con incrementar 1 desviación estándar cada uno de los biomarcadores de interés, se utilizó el método propuesto por Pintilie et al.17 que tiene en cuenta los riesgos competitivos. Se definieron 2 modelos multivariables: el primero ajustado por edad y sexo y el segundo ajustado también por presión arterial sistólica y diastólica, colesterol total, colesterol unido a lipoproteínas de alta densidad, diabetes y consumo de tabaco. Además, cada biomarcador se analizó por separado; posteriormente se incluyeron todos los biomarcadores en el modelo multivariable y solo se mantuvieron aquellos que se asociaron con el evento de interés de manera estadísticamente significativa. Se analizó la presunción de proporcionalidad de riesgos. Todas las variables la cumplían excepto la diabetes. Se comprobó que el análisis estratificado por esta variable no modificara significativamente las magnitudes de la asociación de los biomarcadores de interés con el evento coronario.

La contribución neta de los biomarcadores a la capacidad predictiva de los factores de riesgo clásicos se evaluó mediante la mejora en la discriminación, analizando la diferencia del estadígrafo C adaptado a estudios de cohorte de casos18. Además, se evaluó la correcta reclasificación estimando la mejora neta en la reclasificación (net reclassification improvement [NRI]) categórica y continua. Para definir las categorías para la NRI categórica, se eligieron los puntos de corte estándar (5 y 10%) para el riesgo de evento coronario a 10 años en la población española3. Además, se calculó el número de eventos a 10 años en cada categoría de riesgo mediante estimaciones de curvas de supervivencia libre de eventos. Para calcular los intervalos de confianza de la NRI teniendo en cuenta la incertidumbre de las estimaciones, se utilizaron técnicas de remuestreo bootstrap19. En la estimación de la NRI en el grupo de riesgo moderado, se utilizó el método propuesto por Paynter y Cook20 para corregir la sobrestimación al utilizar una única categoría de riesgo.

Los análisis estadísticos se realizaron con la version 3.0.1 del software R (R: a language and environment for statistical computing R Foundation for Statistical Computing; Viena, Austria). Concretamente, se usó la función desarrollada por Pintilie et al.17 para estimar la asociación en estudios de cohorte de casos considerando la presencia de riesgos competitivos, y se escribieron funciones en código R para el cálculo del índice C para este tipo de estudios.

RESULTADOS

La subcohorte incluyó a 13 participantes con evento coronario y 11 con evento cardiovascular no coronario competitivo. En la tabla 1 se presentan las características basales de la población estudiada: 105 casos con eventos coronarios, 43 con eventos cardiovasculares no coronarios y 627 participantes de la subcohorte libres de eventos coronarios y cardiovasculares al final del seguimiento. El grupo de casos de enfermedad coronaria era de mayor edad, tenía mayor proporción de varones, mayor prevalencia de factores de riesgo clásicos y mayor riesgo cardiovascular estimado con la función REGICOR que la población libre de eventos. El grupo de casos también presentaba mayores cifras de apoB y menores de apoA1, cociente apoA1/apoB, 25-OH-vitamina D y albúmina que la subcohorte libre de eventos (tabla 1).

Tabla 1.

Características de la población en estudio, estratificada por la aparición de eventos coronarios o cardiovasculares no coronarios

  Subcohorte libre de eventos
(n = 627) 
Enfermedad coronaria
(n = 105) 
Enfermedad cardiovascular no coronaria
(n = 43) 
Edad (años)  53,7 ± 10,6  61,1 ± 9,7  63,6 ± 8,5  < 0,001 
Varones  288 (45,9)  72 (68,6)  26 (60,5)  < 0,001 
Consumo de tabaco  132 (21,4)  40 (38,5)  8 (19,0)  < 0,001 
Diabetes mellitus  80 (12,8)  33 (31,4)  13 (30,2)  < 0,001 
Hipertensión  99 (16,3)  39 (37,5)  16 (40,0)  < 0,001 
Presión arterial sistólica (mmHg)  79,1 ± 9,7  137 ± 20,1  138 ± 17.8  < 0,001 
Presión arterial diastólica (mmHg)  125 ± 18,1  82,3 ± 11,5  82,1 ± 12,3  0,013 
Glucosa (mg/dl)  93 [86-102]  100 [90-125]  103 [88-114]  < 0,001 
Colesterol total (mg/dl)  212 ± 43,6  227 ± 42,1  218 ± 42,9  < 0,001 
cLDL (mg/dl)  138 (30,0)  150 (37,9)  140 (36.3)  0,002 
cHDL (mg/dl)  53,1 (13,1)  45,9 (15,1)  49,9 (11,9)  < 0,001 
Triglicéridos (mg/dl)  93 [67-128]  123 [94-190]  123 [81-159]  < 0,001 
Tratamiento para hipercolesterolemia  80 (12,8)  25 (23,8)  11 (25,6)  0,004 
Índice de masa corporal  27,2 ± 4,66  28,6 ± 4,73  28,9 ± 5,10  0,012 
Riesgo REGICOR (%)  3,76 ± 3,44  8,03 ± 5,6  6,91 ± 4,94  < 0,001 
Biomarcadores de interés
ApoA1 (g/l)  1,44 ± 0,26  1,31 ± 0,27  1,42 ± 0,27  < 0,001 
ApoB (g/l)  1,05 ± 0,23  1,16 ± 0,22  1,18 ± 0,25  < 0,001 
ApoA1/apoB  1,44 ± 0,42  1,17 ± 0,34  1,24 ± 0,30  < 0,001 
Albúmina (g/l)  42,2 ± 2,49  41,3 ± 2,59  41,7 ± 2,41  < 0,001 
25-OH vitamina D (nmol/l)  50,0 ± 16,5  45 ± 12,9  51,1 ± 17,8  0,002 
25-OH vitamina D < 30 nmol/l  59 (9,44)  12 (11,40)  8 (18,60)  0,023 
25-OH vitamina D 30-49 nmol/l  267 (42,7)  57 (54,3)  13 (30,2)   
25-OH vitamina D ≥ 50 nmol/l  299 (47,8)  36 (34,3)  22 (51,2)   

ApoA1: apolipoproteína A1; ApoB: apolipoproteína B; cHDL: colesterol unido a lipoproteínas de alta densidad; cLDL: colesterol unido a lipoproteínas de baja densidad.

Los valores expresan n (%), media ± desviación estándar o mediana [intervalo intercuartílico].

Las curvas de la función de incidencia acumulada de eventos coronarios teniendo en cuenta los riesgos competitivos se presentan en la figura. En el análisis individual de los biomarcadores de interés, se observó que todos se asociaban con la incidencia de eventos coronarios en el modelo ajustado por edad y sexo (tabla 2-A, modelo 1). Sin embargo, al ajustar además por los factores de riesgo clásicos, los únicos biomarcadores que mantuvieron la asociación con eventos coronarios fueron las concentraciones plasmáticas de albúmina y apoA1 (tabla 2-A, modelo 2). Al analizar todos los biomarcadores en un mismo modelo multivariable, únicamente la albúmina mantuvo la asociación estadísticamente significativa al ajustar por edad, sexo y factores de riesgo clásicos (tabla 2-B, modelo 2).

Figura.

Curva de la función de incidencia acumulada de eventos coronarios considerando la presencia de riesgos competitivos con eventos cardiovasculares no coronarios. Datos insuficientes: datos de albúmina plasmática no disponibles; 651 subcohorte + 105 eventos coronarios + 43 eventos cardiovasculares no coronarios = 799; 799 - 13 eventos coronarios en la subcohorte - 11 eventos cardiovasculares no coronarios en la subcohorte = 775.

(0.18MB).
Tabla 2.

Asociación entre los biomarcadores de interés (por cada 1 desviación estándar) y la incidencia de eventos coronarios utilizando diferentes aproximaciones y modelos multivariables y teniendo en cuenta riesgos competitivos

Variables  Modelo 1Modelo 2
  HR (IC95%)  HR (IC95%) 
A. Análisis multivariable considerando en el modelo cada biomarcador por separado
ApoA1 (1 DE)  0,58 (0,44-0,75)  < 0,001  0,67 (0,45-0,98)  0,041 
ApoB (1 DE)  1,32 (1,12-1,57)  0,001  1,03 (0,80-1,34)  0,799 
Cociente apoA1/apoB (1 DE)  0,49 (0,37-0,65)  < 0,001  0,69 (0,45-1,05)  0,083 
25-OH vitamina D (1 DE)  0,71 (0,58-0,88)  0,001  0,90 (0,73-1,11)  0,334 
Albúmina (1 DE)  0,75 (0,61-0,91)  0,005  0,73 (0,59-0,89)  0,002 
B. Análisis multivariable considerando en el modelo todos los biomarcadores
ApoA1 (1 DE)  —  —  —  — 
ApoB (1 DE)  —  —  —  — 
Cociente apoA1/apoB (1 DE)  0,47 (0,35-0,62)  < 0,001  —  — 
25-OH vitamina D (1 DE)  0,72 (0,58-0,88)  0,001  —  — 
Albúmina (1 DE)  0,71 (0,58-0,87)  0,001  0,73 (0,59-0,89)  0,002 

ApoA1: apolipoproteína A1; ApoB; apolipoproteína B; DE: desviación estándar; HR: hazard ratio; IC95%: intervalo de confianza del 95%.

Modelo 1, ajustado por edad y sexo. Modelo 2, ajustado por edad, sexo, tabaquismo, diabetes mellitus, presión arterial sistólica, presión arterial diastólica, colesterol total y colesterol unido a lipoproteínas de alta densidad.

La inclusión de las concentraciones plasmáticas de albúmina en la función de riesgo REGICOR no mejoró la capacidad de discriminación (tabla 3). Sin embargo, al analizar la reclasificación se observó una mejora en la clasificación de los casos y la subcohorte en las categorías de riesgo, que fue estadísticamente significativa al considerar la NRI continua y la NRI en los individuos clasificados como en riesgo moderado (NRI clínica), y marginalmente no significativa al analizar la NRI categórica en toda la muestra (p = 0,051) (tabla 3). Las tablas de reclasificación con el movimiento de individuos entre las categorías de riesgo con la función clásica e incluyendo la albúmina se presentan en la tabla del material suplementario.

Tabla 3.

Mejora en la capacidad predictiva de la aparición de eventos coronarios de la función de riesgo REGICOR al incluir como biomarcador las concentraciones plasmáticas de albumina: discriminación y reclasificación

Discriminación  Estadístico C (IC95%) 
Con factores de riesgo clásicos  79,80 (75,82-83,79)   
Con factores de riesgo clásicos + albúmina  79,94 (75,70-84,17)   
Diferencia  0,14 (–1,19 a 1,46)  0,841 
Reclasificación  Estimador (IC95%) 
NRI continua  37,29 (6,25-67,00)  0,018 
NRI categórica  13,79 (–0,08 a 27,66)  0,051 
Casos  11,79 (–0,43 a 24,01)  0,059 
No casos  2,00 (–0,47 a 4,47)  0,113 
NRI clínica  32,30 (0,29-64,31)  0,048 
Casos  19,30 (–2,60 a 41,21)  0,084 
No casos  13,00 (–2,04 a 28,04)  0,090 

IC95%: intervalo de confianza del 95%; NRI: mejora neta en la reclasificación (net reclassification improvement).

DISCUSIÓN

En este estudio se observa que la concentración de albúmina en plasma se asocia inversa e independientemente con el riesgo de presentar un evento coronario. Además, mejora la capacidad predictiva de la función REGICOR, lo cual mejora la clasificación de la población en las categorías de riesgo, especialmente de los individuos con riesgo moderado. Las concentraciones de 25-OH-vitamina D, apoA1 y apoB o el cociente apoA1/apoB no muestran asociación independiente con el riesgo de eventos coronarios.

Albúmina y riesgo cardiovascular

Los hallazgos obtenidos refuerzan los resultados de varios estudios que analizaron la relación entre la albúmina y los riesgos coronario y cardiovascular y la mortalidad total. Un metanálisis publicado en 1998 que incluyó datos de 8 estudios ya confirmaba la asociación entre concentraciones de albúmina bajas y mayor riesgo de enfermedad coronaria11. En grandes estudios epidemiológicos posteriores, como el ARIC21 o el de Framingham22, también se ha repetido esta asociación. Un estudio reciente concluyó que las concentraciones de albúmina bajas explican el 41% del riesgo poblacional atribuible de un primer infarto agudo de miocardio23. El riesgo asociado con las bajas concentraciones de albúmina también se observa en otras enfermedades cardiovasculares como el ictus24 y el riesgo cardiovascular total25. También hay estudios que identifican un mayor riesgo de mortalidad, ya que en 1989, en el British Regional Heart Study, se observó una mayor mortalidad cardiovascular en los varones con bajas concentraciones sistémicas de albúmina26. Estos resultados se confirmaron en la población de varones que participaron en el Paris Health Study27 y el estudio National Health and Nutrition Examination Survey I28, aunque no en otros29.

Aunque no hay consenso sobre si la concentración de albúmina es solo una variable inespecífica o tiene una relación causal con la enfermedad cardiovascular30, sí hay datos que apoyan diferentes mecanismos biológicos y pueden explicar esta relación: a) la albúmina tiene capacidad antioxidante y antiinflamatoria, aporta más del 50% del total de la actividad plasmática antioxidante debido a sus grupos sulfidrilo capaces de unirse a radicales libres31, se une además a la bilirrubina no conjugada formando una molécula que inhibe la peroxidación lipídica32 e interacciona con factores que regulan el grado de inflamación arterial33; b) la albúmina transporta ácidos grasos libres y colesterol libre y participa en el transporte inverso de colesterol34, y c) inhibe la apoptosis endotelial y mejora la función endotelial35. Sin embargo, también hay que admitir cierta falta de especificidad en la asociación, ya que también se ha comprobado que las bajas concentraciones de albúmina se asocian con mortalidad no cardiovascular y cáncer36.

En este estudio y por primera vez, se ha evaluado la capacidad predictiva de la albúmina como biomarcador de riesgo. Se ha observado que la inclusión de las concentraciones plasmáticas de albúmina en la función de riesgo REGICOR mejora la estimación del riesgo coronario, y reclasifica adecuadamente a un porcentaje significativo de la población. La magnitud de la reclasificación es superior a la observada con otros biomarcadores bioquímicos7 o genéticos6, y similar a la del calcio intracoronario9. Estos resultados respalda la utilidad de la albúmina como biomarcador predictivo de riesgo. De todos modos, estos resultados deben confirmarse en otros estudios de cohortes que también deben analizar la capacidad predictiva de la combinación de diferentes tipos de biomarcadores.

Cociente apolipoproteína A1/B y riesgo cardiovascular

El segundo biomarcador que se analizó en este estudio es el cociente apoA1/apoB. Este cociente —o el inverso apoB/apoA1— se asoció con la aparición de eventos coronarios en varios estudios prospectivos10,37. En el estudio INTERHEART38, el cociente apoB/apoA1 fue el biomarcador que aportaba mayor riesgo atribuible poblacional, y se señaló que la ApoB era un marcador de riesgo cardiovascular más preciso que el colesterol no unido a lipoproteínas de alta densidad39. En el presente estudio se observó que el cociente apoA1/apoB tenía asociación inversa con el riesgo de presentar un evento coronario, pero esta asociación desaparecía cuando se ajustaba por los factores de riesgo clásicos (colesterol total y colesterol unido a lipoproteínas de alta densidad).

Al no darse asociación con el riesgo de eventos coronarios, no se analizó su contribución a la mejora en la capacidad predictiva de una función de riesgo clásica. En un estudio previo se observó que la inclusión del cociente apoA1/apoB mejora muy ligeramente la capacidad de discriminación y la reclasificación de la función de riesgo clásica10.

Vitamina D y riesgo cardiovascular

Por último, la vitamina D es mucho más que un simple regulador del metabolismo del calcio y el fosforo, y se relaciona con muchos factores de riesgo cardiovascular, como la dislipemia, la hipertensión y la diabetes40–42. Sin embargo, la relación entre las concentraciones de vitamina D y el riesgo coronario es muy controvertida; aunque en los estudios epidemiológicos se ha observado una relación inversa43, los estudios experimentales con suplementación de vitamina D no demostraron eficacia en la prevención cardiovascular44. En el presente estudio se observó que las concentraciones de vitamina D tenían asociación inversa con el riesgo de presentar un evento coronario, pero esta asociación desaparecía cuando se ajustaba por los factores de riesgo clásicos. Al no haber asociación con el riesgo de eventos coronarios, no se analizó su contribución a la mejora en la capacidad predictiva de una función de riesgo clásica. En otros estudios en los que sí se observó asociación, incluir la vitamina D en la función de riesgo no mejoraba su capacidad predictiva43.

Fortalezas y limitaciones

Entre las fortalezas del estudio hay que señalar su diseño prospectivo y su base poblacional, además de evaluarse la asociación y la capacidad predictiva de eventos coronarios de varios biomarcadores.

Entre las limitaciones hay que indicar que el número de eventos coronarios es pequeño, lo que limita la potencia estadística del estudio. También hay que tener en cuenta que, en el caso de la vitamina D, se han descrito variaciones estacionales que pueden influir en los resultados observados45. Sin embargo, las revaluaciones se realizaron en todas las estaciones del año, por lo que es difícil pensar en un efecto estacional.

CONCLUSIONES

Las concentraciones de albúmina en plasma tienen asociación inversa e independiente con el riesgo de eventos coronarios y, además, mejoran la capacidad predictiva de la función de riesgo REGICOR en la población general. Ni las concentraciones de vitamina D ni el cociente apoA1/apoB se asocian con la incidencia de eventos coronarios independientemente de los factores de riesgo clásicos. Son necesarios estudios poblacionales de mayor tamaño que puedan confirmar estos hallazgos.

FINANCIACIÓN

Este estudio recibió financiación del Ministerio de Economía e Innovación a través del Instituto de Salud Carlos III-Fondo Europeo de Desarrollo Regional (Red de Investigación Cardiovascular RD12/0042, FIS 99/0655, FIS 94/0540, FIS 99/0013-01, FIS 99/9342, FIS PI020471, INTRASALUD PI11/01801, CIBER (Centro de Investigación Biomédica en Red) de Enfermedades Cardiovasculares, CIBER de Fisiopatología de la Obesidad y Nutrición, y CIBER de Epidemiología y Salud Pública), beca Sociedad Española de Cardiología-Fundación Española del Corazón-Fuente Liviana 2011, y por la Agència de Gestió d’Ajuts Universitaris i de Recerca (SGR 2014-1195). I.R. Degano recibió financiación del programa RECERCAIXA, Obra Social “la Caixa” (RE087465). M. Grau recibió financiación de un contrato del Instituto de Salud Carlos III-Fondo Europeo de Desarrollo Regional (FIS CP12/03287).

CONFLICTO DE INTERESES

No se declara ninguno.

¿QUÉ SE SABE DEL TEMA?

  • La estimación del riesgo cardiovascular es un elemento esencial para definir la intensidad de la estrategia preventiva más adecuada a cada individuo.

  • La validez de las funciones de riesgo está demostrada, pero tienen escasa sensibilidad.

  • La inclusión de nuevos biomarcadores en las funciones de riesgo puede mejorar su capacidad predictiva.

  • Las concentraciones de albúmina, apoA1, apoB y 25-OH-vitamina D son potenciales biomarcadores de interés.

¿QUÉ APORTA DE NUEVO?

  • Las concentraciones plasmáticas de albúmina tienen asociación inversa e independiente con el riesgo de eventos coronarios.

  • La inclusión de las concentraciones plasmáticas de albúmina en la función de riesgo REGICOR mejora su capacidad predictiva; lo cual mejora la reclasificación, especialmente en el grupo con riesgo moderado.

Agradecimientos

Los autores agradecen la contribución de los investigadores y los participantes del estudio REGICOR.

Bibliografía
[1]
M.F. Piepoli, A.W. Hoes, S. Agewall, et al.
2016 European Guidelines on cardiovascular disease prevention in clinical practice: The Sixth Joint Task Force of the European Society of Cardiology and Other Societies on Cardiovascular Disease Prevention in Clinical Practice.
Eur Heart J., (2016), 37 pp. 2315-2381
[2]
N.J. Stone, J.G. Robinson, A.H. Lichtenstein, et al.
2013 ACC/AHA guideline on the treatment of blood cholesterol to reduce atherosclerotic cardiovascular risk in adults: a report of the ACC/AHA Task Force on Practice Guidelines.
Circulation., (2014), 129 pp. S49-S73
[3]
J. Marrugat, J. Vila, J.M. Baena-Díez, et al.
Relative validity of the 10-year cardiovascular risk estimate in a population cohort of the REGICOR study.
Rev Esp Cardiol., (2011), 64 pp. 385-394
[4]
M.F. Jiménez Navarro.
Comments on the 2016 ESC Guidelines on Cardiovascular Disease Prevention in Clinical Practice.
Rev Esp Cardiol., (2016), 69 pp. 894-899
[5]
M.A. Hlatky, P. Greenland, D.K. Arnett, et al.
Criteria for evaluation of novel markers of cardiovascular risk: a scientific statement from the American Heart Association.
Circulation., (2009), 119 pp. 2408-2416
[6]
C. Iribarren, M. Lu, E. Jorgenson, et al.
Clinical Utility of Multimarker Genetic Risk Scores for Prediction of Incident Coronary Heart Disease: A Cohort Study Among Over 51 Thousand Individuals of European Ancestry.
Circ Cardiovasc Genet., (2016), 9 pp. 531-540
[7]
S. Blankenberg, T. Zeller, O. Saarela, et al.
Contribution of 30 biomarkers to 10-year cardiovascular risk estimation in 2 population cohorts: the MONICA, risk, genetics, archiving, and monograph (MORGAM) biomarker project.
Circulation., (2010), 121 pp. 2388-2397
[8]
D. Fernández-Bergés, L. Consuegra-Sánchez, J. Peñafiel, et al.
Metabolic and Inflammatory Profiles of Biomarkers in Obesity, Metabolic Syndrome, and Diabetes in a Mediterranean Population. DARIOS Inflammatory Study.
Rev Esp Cardiol., (2014), 67 pp. 624-631
[9]
A.D. Gepner, R. Young, J.A. Delaney, et al.
Comparison of Carotid Plaque Score and Coronary Artery Calcium Score for Predicting Cardiovascular Disease Events: The Multi-Ethnic Study of Atherosclerosis.
J Am Heart Assoc., (2017), 6 pp. e005179
[10]
E. Di Angelantonio, P. Gao, L. Pennells, Emerging Risk Factors Collaboration, et al.
Lipid-related markers and cardiovascular disease prediction.
JAMA., (2012), 307 pp. 2499-2506
[11]
J. Danesh, R. Collins, P. Appleby, et al.
Association of fibrinogen. C-reactive protein, albumin, or leukocyte count with coronary heart disease: meta-analysis of prospective studies.
JAMA., (1998), 279 pp. 1477-1482
[12]
L. Perna, B. Schöttker, B. Holleczek, H. Brenner.
Serum 25-hydroxyvitamin D and incidence of fatal and nonfatal cardiovascular events: a prospective study with repeated measurements.
J Clin Endocrinol Metab., (2013), 98 pp. 4908-4915
[13]
G. Muscogiuri, C. Annweiler, G. Duval, et al.
Vitamin D and cardiovascular disease: From atherosclerosis to myocardial infarction and stroke.
Int J Cardiol., (2017), 230 pp. 577-584
[14]
M. Grau, I. Subirana, R. Elosua, et al.
Trends in cardiovascular risk factor prevalence (1995-2000-2005) in northeastern Spain.
Eur J Cardiovasc Prev Rehabil., (2007), 14 pp. 653-659
[15]
R.V. Luepker, F.S. Apple, R.H. Christenson, Case definitions for acute coronary heart disease in epidemiology and clinical research studies: a statement from the AHA Council on Epidemiology and Prevention; AHA Statistics Committee; World Heart Federation Council on Epidemiology and Prevention; the European Society of Cardiology Working Group on Epidemiology and Prevention; Centers for Disease Control and Prevention; and the National Heart, Lung, and Blood Institute, et al.
Circulation., (2003), 108 pp. 2543-2549
[16]
D. Lin, Z. Ying.
Cox regression with incomplete covariate measurements.
J Am Stat Assoc., (1993), 88 pp. 1341-1349
[17]
M. Pintilie, Y. Bai, L. Yun, D.C. Hodgson.
The analysis of case cohort design in the presence of competing risks with application to estimate the risk of delayed cardiac toxicity among Hodgkin lymphoma survivors.
Stat Med., (2010), 29 pp. 2802-2810
[18]
J. Sanderson, S.G. Thompson, I.R. White, T. Aspelund, L. Pennells.
Derivation and assessment of risk prediction models using case-cohort data.
BMC Med Res Methodol., (2013), 13 pp. 113
[19]
E.W. Steyerberg, M.J. Pencina.
Reclassification calculations for persons with incomplete follow-up.
Annals Intern Med., (2010), 152 pp. 195-196
[20]
N.P. Paynter, N.R. Cook.
A bias-corrected net reclassification improvement for clinical subgroups.
Med Decis Making., (2013), 33 pp. 154-162
[21]
J.J. Nelson, D. Liao, A.R. Sharrett, et al.
Serum albumin level as a predictor of incident coronary heart disease: the Atherosclerosis Risk in Communities (ARIC) Study.
Am J Epidemiol., (2000), 151 pp. 468-477
[22]
L. Djousse, K.J. Rothman, L.A. Cupples, et al.
Serum albumin and risk of myocardial infarction and all-cause mortality in the Framingham Offspring Study.
Circulation., (2002), 106 pp. 2919-2924
[23]
Q. Yang, Y.M. He, D.P. Cai, X.J. Yang, H.F. Xu.
Risk burdens of modifiable risk factors incorporating lipoprotein (a) and low serum albumin concentrations for first incident acute myocardial infarction.
Sci Rep., (2016), 6 pp. 35463
[24]
W.H. Xu, C. Dong, T. Rundek, M.S.V. Elkind, R.L. Sacco.
Serum Albumin Levels Are Associated With Cardioembolic and Cryptogenic Ischemic Strokes Northern Manhattan Study.
[25]
B.W. Schalk, M. Visser, M.A. Bremmer, B.W. Penninx, L.M. Bouter, D.J. Deeg.
Change of Serum Albumin and Risk of Cardiovascular Disease and All-Cause Mortality Longitudinal Aging Study Amsterdam.
Am J Epidemiol., (2006), 164 pp. 969-977
[26]
A. Phillips, A.G. Shaper, P.H. Whincup.
Association between serum albumin and mortality from cardiovascular disease, cancer, and other causes.
Lancet., (1989), 2 pp. 1434-1436
[27]
B. Darne, P. Ducimetiere, L. Guize.
Serum albumin and mortality.
Lancet., (1990), 335 pp. 350-351
[28]
R.F. Gillum, D.M. Makuc.
Serum albumin, coronary heart disease, and death.
Am Heart J., (1992), 123 pp. 507-513
[29]
M.R. Law, J.K. Morris, N.J. Wald, A.K. Hale.
Serum Albumin and Mortality in the BUPA Study.
Int J Epidemiol., (1994), 23 pp. 38-41
[30]
R.F. Gillum.
Assessment of serum albumin concentration as a risk factor for stroke and coronary disease in African Americans and whites.
J Natl Med Assoc., (2000), 92 pp. 3-9
[31]
M. Roche, P. Rondeau, N.R. Singh, E. Tarnus, E. Bourdon.
The antioxidant properties of serum albumin.
FEBS Lett., (2008), 582 pp. 1783-1787
[32]
J. Neuzil, R. Stocker.
Free and albumin-bound bilirubin are efficient coantioxidants for a-tocopherol, inhibiting plasma and low density lipoprotein lipid peroxidation.
J Biol Chem., (1994), 269 pp. 16712-16719
[33]
D.G. Levitt, M.D. Levitt.
Human serum albumin homeostasis: a new look at the roles of synthesis, catabolism, renal and gastrointestinal excretion, and the clinical value of serum albumin measurements.
Int J Gen Med., (2016), 9 pp. 229-255
[34]
S. Sankaranarayanan, M. De la Llera-Moya, D. Drazul-Schrader, M.C. Phillips, G. Kellner-Weibel, G.H. Rothblat.
Serum albumin acts as a shuttle to enhance cholesterol efflux from cells.
J Lipid Res., (2013), 54 pp. 671-676
[35]
H. Zoellner, M. Höfler, R. Beckmann, et al.
Serum albumin is a specific inhibitor of apoptosis in human endothelial cells.
J Cell Sci., (1996), 109 pp. 2571-2580
[36]
A. Phillips, A.G. Shaper, P.H. Whincup.
Association between serum albumin and mortality from cardiovascular disease, cancer, and other causes.
Lancet., (1989), 2 pp. 1434-1436
[37]
S. Parish, A. Offer, R. Clarke, et al.
Lipids and Lipoproteins and Risk of Different Vascular Events in the MRC/BHF Heart Protection Study.
Circulation., (2012), 125 pp. 2469-2478
[38]
S. Yusuf, S. Hawken, S. Ounpuu, et al.
Effect of potentially modifiable risk factors associated with myocardial infarction in 52 countries (the INTERHEART study): case-control study.
Lancet., (2004), 364 pp. 937-952
[39]
A.D. Sniderman, S. Islam, S. Yusuf, M.J. McQueen.
Discordance analysis of apolipoprotein B and non-high density lipoprotein cholesterol as markers of cardiovascular risk in the INTERHEART study.
Atherosclerosis., (2012), 225 pp. 444-449
[40]
M. Baz-Hecht, A.B. Goldfine.
The impact of vitamin D deficiency on diabetes and cardiovascular risk.
Curr Opin Endocrinol Diabetes Obes., (2010), 17 pp. 113-119
[41]
D. Martins, M. Wolf, D. Pan, et al.
Prevalence of cardiovascular risk factors and the serum levels of 25-hydroxyvitamin D in the United States: data from the Third National Health and Nutrition Examination Survey.
Arch Intern Med., (2007), 167 pp. 1159-1165
[42]
J.P. Forman, E. Giovannucci, M.D. Holmes, et al.
Plasma 25-hydroxyvitamin D levels and risk of incident hypertension.
Hypertension., (2007), 49 pp. 1063-1069
[43]
H. Tunstall-Pedoe, M. Woodward, M. Hughes, et al.
MORGAM Investigators. Prime mover or fellow traveller: 25-hydroxy vitamin D's seasonal variation, cardiovascular disease and death in the Scottish Heart Health Extended Cohort (SHHEC).
Int J Epidemiol, (2015), 44 pp. 1602-1612
[44]
R. Scragg, A.W. Stewart, D. Waayer, et al.
Effect of Monthly High-Dose Vitamin D Supplementation on Cardiovascular Disease in the Vitamin D Assessment Study: A Randomized Clinical Trial.
JAMA Cardiol., (2017), 2 pp. 608-616
[45]
P. Bonelli, R. Buonocore, R. Aloe, G. Lippi.
Blood Sampling Seasonality as an Important Preanalytical Factor for Assessment of Vitamin D Status.
J Med Biochem., (2016), 35 pp. 113-117
Copyright © 2018. Sociedad Española de Cardiología
¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?