Calculadora Web para estimar riesgo cardiovascular a 10 años
Palabras clave:
Factores de Riesgo Cardiometabólico, Acceso a Internet, Sistemas de Tablero, Automatización, Diseño Centrado en el UsuarioResumen
Introducción: Las enfermedades cardiovasculares representan un serio problema de salud pública, las herramientas digitales representan una oportunidad para calcular el Riesgo Cardiovascular (RCV) en adultos. Objetivo: describir el diseño y el flujo de uso y la parte analítica por edades mediante una calculadora web de RCV la cual esta alojada en un servidor para brindar el servicio en línea cuenta con módulo de administración. Metodología: Se propone una arquitectura funcional con las rutas de interacción de usuario y administrador, dentro de ella, se analiza un conjunto de registros sintéticos de prueba (n=100) para validar la coherencia entre variables clínicas y la salida de RCV. Resultados: El sistema integra un formulario donde la edad se selecciona por rangos de edades, sexo, IMC, presión arterial sistólica, tabaquismo, colesterol y diabetes; al final genera un porcentaje de RCV ilustrado con cinco colores, de los cuales cada color representa una categoría. El acceso al área de monitoreo requiere de autentificación la cual permite consultar una tabla de registros y gráficos por grupos etarios. Conclusión: la herramienta permite llevar una un control del riesgo del usuario y el seguimiento agregado por edades.
Descargas
Referencias
Alegría Ezquerra, E., Alegría Barrero, A., & Alegría Barrero, E. (2012). Estratificación del riesgo cardiovascular: Importancia y aplicaciones. Cardiocore, 47(2), 8–11. https://doi.org/10.1016/S1131-3587(12)70039-0
American Heart Association. (2024). Heart disease and stroke statistics—2024 update: A report from the American Heart Association. Circulation, 149(8), e347–e913. https://doi.org/10.1161/CIR.0000000000001209
Arnett, D. K., Blumenthal, R. S., Albert, M. A., Buroker, A. B., Goldberger, Z. D., Hahn, E. J., … Ziaeian, B. (2019). 2019 ACC/AHA guideline on the primary prevention of cardiovascular disease. Journal of the American College of Cardiology, 74(10), e177–e232. https://doi.org/10.1016/j.jacc.2019.03.010
European Society of Cardiology. (2021). ESC Guidelines on cardiovascular disease prevention in clinical practice. European Heart Journal, 42(34), 3227–3337. https://doi.org/10.1093/eurheartj/ehab484
Kaptoge, S., Pennells, L., De Bacquer, D., Cooney, M. T., Kavousi, M., Stevens, G., … Di Angelantonio, E. (2019). World Health Organization cardiovascular disease risk charts: Revised models to estimate risk in 21 global regions. The Lancet Global Health, 7(10), e1332–e1345. https://doi.org/10.1016/S2214-109X(19)30318-3
Organización Mundial de la Salud. (2023). Enfermedades cardiovasculares (ECV): Datos y cifras. https://www.who.int/es/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds)
Organización Panamericana de la Salud. (2023). Enfermedades cardiovasculares en las Américas. https://www.paho.org/es/temas/enfermedades-cardiovasculares
Quesada, J. A., López-Pineda, A., Gil-Guillén, V. F., et al. (2019). Machine learning to predict cardiovascular risk. International Journal of Clinical Practice, 73, e13389. https://doi.org/10.1111/ijcp.13389
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Revista Científica FEMUAS

Esta obra está bajo una licencia internacional Creative Commons Atribución-SinDerivadas 4.0.