Latest / Inercia Cero: Corazón, Riñón y Metabolismo / Modelo de riesgo EMPEROR-Preserved en FINEARTS-HF Trial (JAMA 2026)

Transcript

Modelo de riesgo EMPEROR-Preserved en FINEARTS-HF Trial (JAMA 2026) · Inercia Cero: Corazón, Riñón y Metabolismo

0:00
Imaginemos la típica mañana en la clínica llega al consultorio
0:04
un paciente de 72 años, entra caminando despacio, se sienta,
0:08
respira con cierta dificultad. El clásico cuadro que vemos a
0:12
diario. Exacto, revisamos su
0:14
ecocardiograma reciente y trae una fracción de eyección del
0:18
Ventrículo Izquierdo del 52% y claro, ya está con su
0:22
tratamiento diurético de asa para controlar la congestión
0:25
venosa. Y ahí las guías clínicas nos dan
0:29
un mapa, digamos bastante claro, sobre la terapia fundacional que
0:33
debemos seguir. En teoría sí, pero al tener a
0:36
esa persona enfrente, bajo ese inmenso paraguas que llamamos
0:39
insuficiencia cardíaca, con fracción de eyección preservada
0:43
o ligeramente reducida, pues surge la duda real, es una
0:47
auténtica bolsa de gatos. Totalmente.
0:50
¿Porque metemos ahí fenotipos clínicos que por fuera se ven
0:53
idénticos, pero por dentro tienen trayectorias abismalmente
0:56
distintas, no? Sí, o sea, un asinti puede estar
1:00
estable en su casa durante años, mientras que otro ingresa a
1:03
urgencias cada 3 meses ahogándose.
1:06
¿Frente a esta heterogeneidad tan marcada, cómo sabemos su
1:10
riesgo real e individual de morir o determinar hospitalizado
1:13
a corto plazo? Esa es la gran pregunta.
1:15
Y para resolverla, vamos a meternos de lleno en este
1:18
análisis de llama cardiology, que toma datos del ensayo
1:22
Finance y chef. Nuestra misión de hoy es
1:24
decodificar si esta herramienta de estratificación realmente nos
1:28
ayuda a decidir quién necesita iniciar finerenona de urgencia.
1:31
Pues para entender si este modelo, el Empire Research,
1:34
cumple con esa misión, primero hay que contextualizar a la
1:38
población a la que estamos analizando.
1:40
¿Claro, quiénes son estos pacientes?
1:42
Este análisis secundario tomó a 6001 pacientes del fin arts AGE.
1:47
Hablamos de personas de 40 años o más con una fracción de
1:51
eyección mayor o igual al 40%, y ojo aquí con péptidas
1:56
natriuréticos elevados. ¿Qué es el criterio que define
1:59
la patología hoy en día? Así es.
2:01
Tradicionalmente, pues, la cardiología usaba escalas como
2:04
el score magic para predecir estos eventos, pero esos modelos
2:08
antiguos se quedan cortos de visión en la era moderna.
2:11
¿Se sienten ya un poco obsoletos para este grupo?
2:13
¿Verdad? Sí, bastante.
2:14
Por eso el emperor preserve da este salto evolutivo, deja de
2:18
ser puramente clínico y se convierte en un modelo bio
2:21
clínico. Incorpora biomarcadores
2:23
contemporáneos. A ver, vamos a abrir la caja
2:25
negra de este modelo porque seguramente si un médico en
2:29
plena consulta escucha. Calculadora bioclínica, su voz
2:32
interna va a decir, no tengo tiempo de buscar 20
2:35
laboratorios. Claro, la consulta es un caos,
2:38
pero no son 20 = 12 variables específicas y casi todas son de
2:43
rutina. 12. ¿A ver, anotenle mentalmente
2:46
cuáles son las más pesadas? Los 2 pilares con mayor peso
2:49
predictivo son el NT pro BNPY, la troponina t de alta
2:54
sensibilidad. O K los biomarcadores al frente.
2:57
Exacto, y de ahí sumamos historia clínica.
3:00
La clase funcional de la NYH, antecedente de EPOC, ser una
3:05
persona que vive con diabetes, el uso de insulina, la edad y
3:10
los niveles de hemoglobina. Ojo, un apunte rápido y
3:13
fundamental sobre la hemoglobina para no regarla en la
3:15
calculadora, pide la hemoglobina estándar.
3:18
La de la biometría mática de toda la vida.
3:21
Sí, porque a veces, al ver que te preguntas sobre diabetes e
3:23
insulina justo arriba, la mente te traiciona y quieres meter la
3:27
hemoglobina glicada, pero no es la normal.
3:30
Es una distinción superimportante para no
3:33
sobreestimar riesgos por un error de dedo y bueno.
3:36
Las últimas cuatro variables son el nivel de albúmina, el tiempo
3:40
desde el diagnóstico de insuficiencia cardiaca, el
3:43
tiempo desde la última hospitalización por esta causa y
3:46
el uso de inhibidores de SGLT 2. Y justo en esa última variable,
3:51
la de los ISGLT 2, me surge una incomodidad metodológica fuerte
3:56
por la. Confusión por indicación.
3:58
Exactamente. Incluir un tratamiento en un
4:01
modelo predictivo suena a trampa estadística.
4:04
O sea, es una intervención, no es tener EPOC o la edad.
4:08
Solemos recetar estos fármacos a los pacientes que vemos más
4:11
deteriorados. Claro, el que toma la pastilla,
4:14
asumimos que está peor. ¿No sesgará eso el modelo en el
4:17
mundo real? ¿Pues los investigadores
4:19
anticiparon exactamente eso, sabían que esta variable
4:23
actuaría como un proxy de gravedad?
4:25
Y para demostrar que el algoritmo no dependía de este
4:28
sesgo, hicieron un análisis de sensibilidad muy riguroso.
4:32
O sea, corrieron el modelo sin esa variable.
4:35
Así es, volvieron a simular todo, pero eliminando por
4:38
completo el uso de inhibidores de ese GLT 2 de la ecuación
4:41
matemática. ¿Si se le quitas una pata a una
4:43
mesa de 12 patas, qué pasó? Se tambalió la predicción.
4:47
Para nada, la estructura ni tembló.
4:50
La discriminación estadística y la calibración se mantuvieron.
4:53
Supersólidas, qué interesante. Sí, los gradientes de riesgo
4:57
siguieron trazándose con la misma precisión.
4:59
Esto nos dice que el peso real del modelo recae sobre los
5:03
biomarcadores y el estado del ventrículo, no sobre las
5:05
recetas. Pues detengámonos en esos
5:07
biomarcadores, porque aquí hay que desaprender algunas cosas.
5:11
El ente pro BNP ya lo conocemos. Es nuestro medidor de
5:15
congestión. Sí, el estiramiento.
5:17
Pero la troponina t de alta sensibilidad asignarle tanto
5:21
poder predictivo en consulta externa en alguien estable, pues
5:24
implica cambiar el chip. Es un cambio de paradigma
5:26
obligatorio en la insuficiencia cardiaca crónica, no estamos
5:30
buscando el pico enzimático de un infarto agudo.
5:33
Claro, no estamos descartando isquemia en urgencias.
5:35
Exacto, aquí la troponina es como una ventana de alta
5:39
resolución hacia el estrés microscópico continuo del
5:41
ventrículo. Refleja apoptosis, micro
5:44
lesiones por presiones de llenado, altas progresión de
5:47
fibrosis. O sea, el daño estructural del
5:49
día a día flotando en la sangre tal cual.
5:52
Eso ilumina mucho el panorama. Si tengo alguien con fracción de
5:55
eyección del 50% sin dolor de pecho pero con troponina, harta
6:00
crónicamente su miocardio se está micro desgarrando en.
6:04
Y el riesgo se dispara por las nubes.
6:06
Sabiendo esto, hablemos de la utilidad real.
6:09
Porque si la calculadora solo separa a los que tienen un 2%
6:13
más de riesgo a 10 años, pues no vale la pena el esfuerzo.
6:16
Bueno, dividieron a los 6000 pacientes en 5 quintiles de
6:19
riesgo y las diferencias no son nada sutiles.
6:23
A ver el quintil 5 contra el uno.
6:25
Sí. Al enfrentar al quintil 5, los
6:27
más graves contra el uno, el hasar raisso para el compuesto
6:31
de hospitalización o muerte cardiovascular fue de 10.49
6:35
Guau. 10 veces más riesgo. Y agárrate, porque al aislar
6:38
sólo la mortalidad cardiovascular, el hasar raisso
6:42
escaló hasta 13.47. O sea, casi 14 veces mayor, esto
6:48
nos da la dimensión real de esa bolsa de gratos que
6:50
mencionábamos. Totalmente. 2 pacientes sentados
6:54
en la misma sala de espera, mismo diagnóstico aparente, pero
6:58
uno tiene 14 veces más probabilidades biológicas de una
7:02
muerte inminente. Y aquí viene la pregunta del
7:04
1000000, frente a ese quintil 5 de altísimo riesgo, la
7:08
finerenona salvó a más personas en comparación con los casos
7:12
leves. Estadísticamente hablando de
7:14
riesgo relativo, el efecto fue constante en todos los
7:17
quintiles. El valor p de interacción fue de
7:19
0.68. O sea, no significativo.
7:23
Exacto, proporcionalmente la finerenona redujo los eventos
7:26
entre un 12 y un 19% de manera uniforme en todos los grupos.
7:30
¿Y funciona igual? Pues estratificar pedir
7:33
albúmina, calcular el score parece pura academia.
7:37
Esa es la trampa del riesgo relativo, y es donde este
7:41
análisis cambia la narrativa por completo.
7:44
¿Porque la gente no opera en proporciones, no?
7:46
Exacto, los pacientes operan en eventos reales que prevenimos el
7:51
riesgo absoluto. Es como la analogía financiera
7:54
del cupón de descuento. A ver cuéntala.
7:57
El riesgo relativo es como tener un cupón del 20% de descuento.
8:01
Funciona igual en toda la tienda, pero si lo usas para
8:04
comprar unas gasas en el quintil uno te ahorras unos centavos,
8:07
claro, pero si usas el mismo 20% para comprar una camilla de alta
8:11
gama en el quintil 5. El ahorro absoluto es de cientos
8:15
de dólares. El esfuerzo del cupón es igual,
8:18
pero el beneficio absoluto explota dependiendo del precio
8:21
base. Esa analogía lo ilustra
8:24
perfecto, en el quintil uno la tasa de eventos es tan baja que
8:28
necesitas tratar a muchísimos pacientes para evitar un solo
8:32
evento. ¿Sabes cuál fue el número
8:34
necesario a tratar el NNT para el quintil uno?
8:37
Me imagino que altísimo. 272. Darle el fármaco a 272 pacientes
8:43
estables para evitar que uno solo se complique.
8:46
Así es, pero si aplicamos esa misma reducción relativa al
8:50
quintil 5, donde las descompensaciones son el pan de
8:53
cada día, el nnt se desploma drásticamente, cae a tan solo
8:58
23. Guau, de 272 a 23.
9:02
Eso es un abismo terapéutico. Tratar a 23 pacientes para
9:06
prevenir un hospitalización mayor o una muerte es un éxito
9:10
enorme en cardiología hoy en día.
9:12
Totalmente. Y conocer este nivel de
9:15
reducción de riesgo absoluto en quienes más lo necesitan.
9:18
Esto es lo que realmente logra la inercia cero en nuestra
9:22
consulta diaria. Así es, no hay espacio para el
9:25
famoso vamos a ver cómo sigue el próximo mes.
9:28
El riesgo absoluto te exige optimizar ya perfecto.
9:32
¿Entonces, qué hacemos mañana en la clínica?
9:35
Usar el score para priorizar y sobre la receta médica, el final
9:39
6 chef nos da pautas guiadas por función renal.
9:42
A ver las dosis. Si la tasa de filtración
9:45
glomerular estimada es menor o igual a 60 ml por minuto,
9:49
arrancamos conservador, con 10 miligramos al día.
9:52
Y titulamos hasta cuanto. Hasta un máximo de mantenimiento
9:55
de 20 miligramos diarios. O KY si la filtración es mayor a
9:59
60. Ahí podemos iniciar con 20
10:02
miligramos al día, buscando titular hasta los 40 miligramos
10:07
diarios. Pero a ver, como clínico
10:10
prudente tengo que encender una alarma aquí.
10:12
Si nos enfocamos en este quintil 5 de alto riesgo, hablamos de
10:16
pacientes mayores con riñones desgastados que seguro ya toman
10:20
diuréticos o inhibidores de SGLT. 2 y el miedo a la
10:24
hiperpotasemia entra a la fiesta.
10:26
Exacto, darles finerenona. Un modulador del eje mineral o
10:30
corticoide con este NNT de 23 no es desatar una crisis de potasio
10:35
generalizada. Es un miedo real, pero los datos
10:39
de seguridad son muy claros. Sí, la incidencia de
10:43
hiperpotasemia clínica fue mayor con finer en una que con
10:47
placebo. Es hora de esperarse.
10:48
Pero el hallazgo clave es que ese aumento del riesgo de
10:52
eventos adversos se mantuvo completamente plano a través de
10:56
los 5 quintiles. O sea.
10:58
El riesgo de que el potasio se dispare no se multiplica por 14
11:01
en el quintil 5, como sí lo hace la mortalidad.
11:04
Exactamente tienes un riesgo adverso que sube de forma
11:08
marginal y lineal frente a un beneficio de supervivencia que
11:12
crece exponencialmente en los más graves.
11:15
El beneficio neto sobrepasa abrumadoramente el riesgo.
11:17
Así es, la conducta no es evitar el fármaco, sino monitorizar
11:22
proactivamente el potasio y la función renal.
11:25
Sobre todo en las primeras 3 o cuatro semanas.
11:28
Queda clarísimo, un beneficio masivo y un riesgo monitoreable.
11:32
Pero bueno, no hay que romantizar el ensayo.
11:34
Necesitamos buscar los puntos débiles porque ningún modelo es
11:37
una bola de cristal. Tienes.
11:39
Toda la razón y la limitación más visible está en una de las
11:43
12:00 variables, la albúmina sérica.
11:45
¿Qué pasó con la albúmina? Pues resulta que no se midió
11:48
sistemáticamente en los 6001 pacientes del finer tagef
11:52
original. Espera.
11:53
¿Si el modelo exige 12 valores y le das 11, cómo corrió la
11:58
estadística? Tuvieron que imputar la
12:00
estadística mente, tomaron el valor mediano de la corte
12:04
original del Emper reserve y se lo asignaron matemáticamente a
12:08
los del final tagef. Uy, o sea como cuando en un
12:12
salón de clases se pierden los exámenes y el profe le pone un 7
12:15
de calificación a todos porque era el promedio de la escuela.
12:19
Exacto, una excelente analogía. Matemáticamente todos se vuelven
12:23
idénticos al promedio borras, a los que sacaron 10 y a los que
12:26
sacaron cero. Se aplanan los fenotipos
12:29
extremos. Claro, invisibilizas al paciente
12:32
con desnutrición severa o con un Estado pro inflamatorio crónico
12:36
altísimo. Rellenar con mediana seguro le
12:38
quita FILO a la predicción en la vida.
12:40
Real, reduce artificialmente la variabilidad biológica.
12:44
Aunque los autores dicen que el impacto fue marginal porque los
12:48
biomarcadores mantuvieron el timón, sigue siendo un punto
12:51
ciego. ¿Y leí por ahí que el algoritmo
12:54
también tuvo un comportamiento inusual en los extremos, como
12:57
que sobreestimó el riesgo en el quintil más alto, no?
13:00
Sí, fue un poco fatalista, con los más graves, predijo más
13:04
hospitalizaciones en el quintil 5 de las que realmente
13:07
ocurrieron. ¿Y por qué pasó eso?
13:09
Porque al revisar quiénes formaban ese quintil 5.
13:12
Casi el 80% compartían algo, tenían una hospitalización por
13:17
insuficiencia cardíaca muy reciente.
13:19
¿Ah, y esa variable es un peso pesado en la calculadora?
13:22
Exacto, el algoritmo asume que el mayor predictor de
13:26
hospitalizarse a futuro es haberse hospitalizado en el
13:29
pasado reciente entonces. Infló matemáticamente el riesgo
13:32
de todo ese grupo. Así es esto nos deja una lección
13:36
clave, las calculadoras identifican patrones, pero no
13:40
entienden el contexto completo. El humano tiene que interpretar
13:44
si el número hace sentido clínico.
13:46
Claro, aterrizando todo esto, vemos que la estratificación de
13:50
riesgo e insuficiencia cardiaca ya no es para decidir si
13:53
diagnosticamos o no ni para negar tratamiento.
13:56
Es para saber qué tan agresivos debemos ser.
13:59
Determinar con qué velocidad vamos a titular la finerenona
14:02
sabiendo que los pacientes de más riesgo nos van a dar las
14:05
mayores victorias absolutas con SNNT de 23.
14:08
Y te digo algo más. Evaluar el riesgo con estos
14:11
modelos bioclínicos pronto dejará de ser opcional.
14:14
¿Crees que se vuelva obligatorio?
14:16
Con las terapias avanzadas y los dispositivos de monitorización
14:19
tan costosos, es muy probable que las aseguradoras y el
14:23
sistema de salud exijan este cálculo para probar coberturas.
14:27
La estratificación va a ser la llave de acceso a los recursos.
14:30
Totalmente. Pues una proyección inminente.
14:33
Y para cerrar y dejar una idea provocadora a quienes nos
14:36
escuchan, me regreso al tema de la troponina t de alta
14:39
sensibilidad. El segundo predictor más
14:41
potente. Exacto si en este estudio
14:44
demostró ser el segundo predictor más fuerte de
14:46
mortalidad cardiovascular, solo por detrás del NT pro BNP.
14:50
¿Que no es poca cosa? Para nada, porque nuestra
14:53
práctica diaria la seguimos tratando exclusivamente como un
14:56
marcador de isquemia aguda en urgencias.
14:58
Buena pregunta. ¿Ya es momento de empezar a
15:01
medir la troponina ultra sensible de forma rutinaria en
15:04
las consultas ambulatorias, solo así sabremos a nivel
15:07
microscópico qué tan estresado está el corazón de esa persona
15:10
que tenemos sentada enfrente?