medigraphic.com
ISSN 2954-3835 (Digital)
ISSN 2683-2828 (Impreso)

2026, Número S1

<< Anterior

Cardiovasc Metab Sci 2026; 37 (S1)


Consenso multisocietario mexicano sobre la integración del riesgo poligénico en la estratificación del riesgo cardiovascular: implicaciones para la medicina cardiovascular de precisión en México

Parcero-Valdés JJ, Magaña-Serrano A, Arias-Mendoza MA, Narváez-Oriani C, Altamirano-Cardoso E, Barrios V, Díaz-Barreiro LA, Pavia-López A, Gómez-Álvarez E

Idioma: Inglés [English version]
Referencias bibliográficas: 41
Paginas: s23-33
Archivo PDF: 926.33 Kb.


RESUMEN

Introducción: las enfermedades cardiovasculares siguen siendo la principal causa de mortalidad en México, ya que representan aproximadamente una de cada cuatro muertes en todo el país. La transición epidemiológica se caracteriza por una elevada prevalencia de obesidad, diabetes mellitus tipo 2, hipertensión y dislipidemia aterogénica desde las primeras etapas de la vida, lo que da lugar a una exposición cardiometabólica acumulada prolongada y a una aparición más temprana de eventos ateroscleróticos. Los modelos de riesgo tradicionales, basados en variables fenotípicas y fuertemente dependientes de la edad cronológica, tienden a subestimar la susceptibilidad biológica en individuos más jóvenes. Objetivo: establecer una postura conjunta de varias sociedades sobre el uso clínico de las puntuaciones de riesgo poligénico (PRS) en México y definir una estrategia nacional de implementación vinculada a la generación de evidencia del mundo real a través del Registro PRS-MX. Material y métodos: este documento de consenso se elaboró mediante una revisión de la literatura estructurada y una metodología Delphi modificada, en la que participaron expertos nacionales en cardiología clínica, cardiología intervencionista, lipidología, genética y salud pública. Resultados: el PRS es independiente de los factores de riesgo tradicionales, mejora la reclasificación del riesgo en la prevención primaria e identifica a las personas que obtienen un mayor beneficio absoluto de los tratamientos hipolipemiantes. Se propone un modelo tridimensional que integra el fenotipo, la anatomía y el genotipo. Conclusiones: la implementación selectiva de la PRS en México supone un paso hacia la medicina cardiovascular de precisión y debería llevarse a cabo de forma gradual, ligada a la generación de evidencia a nivel nacional.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Instituto Nacional de Estadística y Geografía. Estadísticas de mortalidad en México 2023. Aguascalientes: INEGI; 2024.

  2. Instituto Nacional de Salud Pública. Encuesta Nacional de Salud y Nutrición 2022: Resultados nacionales. Cuernavaca: INSP; 2023.

  3. Bello-Chavolla OY, Vargas-Vázquez A, Antonio-Villa NE et al. A high incidence of metabolic syndrome traits in mexicans points at obesity-related metabolic dysfunction. Diabetes Metab Syndr Obes. 2021; 14: 1073-1082. doi: 10.2147/DMSO.S266568.

  4. Petermann-Rocha F, Apolinar E, Nazar G et al. Associations of diabesity with all-cause and cardiovascular disease mortality: findings from the Mexico City Prospective Study. Diabetes Obes Metab. 2024; 26 (6): 2199-2208.

  5. Barquera S, Hernández-Barrera L, Oviedo-Solís C et al. Obesidad en adultos. Salud Publica Mex. 2024; 66: 414-424.

  6. SCORE2 Working Group and ESC Cardiovascular Risk Collaboration. SCORE2 risk prediction algorithms: new models to estimate 10-year risk of cardiovascular disease in Europe. Eur Heart J. 2021; 42 (25): 2439-2454.

  7. Visseren FLJ, Mach F, Smulders YM et al. 2021 ESC Guidelines on cardiovascular disease prevention in clinical practice. Eur Heart J. 2021; 42 (34): 3227-3337.

  8. Ference BA, Yoo W, Alesh I et al. Effect of long-term exposure to lower LDL cholesterol on the risk of coronary heart disease. J Am Coll Cardiol. 2012; 60 (25): 2631-2639.

  9. Ference BA, Ginsberg HN, Graham I et al. Low-density lipoproteins cause atherosclerotic cardiovascular disease. Eur Heart J. 2017; 38 (32): 2459-2472.

  10. Natarajan P, Young R, Stitziel NO et al. Polygenic risk score identifies subgroup with higher risk for coronary artery disease. Circulation. 2017; 135 (22): 2091-2101.

  11. Mega JL, Stitziel NO, Smith JG et al. Genetic risk, coronary heart disease events, and the clinical benefit of statin therapy. Lancet. 2015; 385 (9984): 2264-2271.

  12. Inouye M, Abraham G, Nelson CP et al. Genomic risk prediction of coronary artery disease in 480,000 adults. J Am Coll Cardiol. 2018; 72 (16): 1883-1893.

  13. Khera AV, Chaffin M, Aragam KG et al. Genome-wide polygenic scores for common diseases identify individuals with risk equivalent to monogenic mutations. Nat Genet. 2018; 50 (9): 1219-1224.

  14. Nikpay M, Goel A, Won HH et al. A comprehensive genome-wide association meta-analysis of coronary artery disease. Nat Genet. 2015; 47 (10): 1121-1130.

  15. Torkamani A, Wineinger NE, Topol EJ. The personal and clinical utility of polygenic risk scores. Nat Rev Genet. 2018; 19 (9): 581-590.

  16. Piepoli MF, Hoes AW, Agewall S et al. 2016 European Guidelines on cardiovascular disease prevention in clinical practice. Eur Heart J. 2016; 37 (29): 2315-2381.

  17. Mach F, Baigent C, Catapano AL et al. 2019 ESC/EAS Guidelines for the management of dyslipidaemias: lipid modification to reduce cardiovascular risk. Eur Heart J. 2020; 41 (1): 111-188.

  18. Grundy SM, Stone NJ, Bailey AL et al. 2018 AHA/ACC/AACVPR/AAPA/ABC/ACPM/ADA/AGS/APhA/ASPC/NLA/PCNA guideline on the management of blood cholesterol: a report of the American College of Cardiology/American Heart Association Task Force on clinical practice guidelines. Circulation. 2019; 139 (25): e1082-e1143.

  19. Budoff MJ, Young R, Burke G et al. Ten-year association of coronary artery calcium with atherosclerotic cardiovascular disease (ASCVD) events: the multi-ethnic study of atherosclerosis (MESA). Eur Heart J. 2018; 39 (25): 2401-2408.

  20. Greenland P, Blaha MJ, Budoff MJ, Erbel R, Watson KE. Coronary calcium score and cardiovascular risk. J Am Coll Cardiol. 2018; 72 (4): 434-447.

  21. Mach F, Baigent C, Catapano AL et al. 2020 ESC/EAS dyslipidaemia focused update. Eur Heart J. 2020; 41 (1): 111-188.

  22. Iribarren C, Lu M, Elosua R et al. Interplay between family history and polygenic risk for coronary heart disease. Am J Prev Cardiol. 2026; 26: 101497. doi: 10.1016/j.ajpc.2026.101497.

  23. Mosley JD, Gupta DK, Tan J et al. Predictive accuracy of a polygenic risk score compared with a clinical risk score for incident coronary heart disease. JAMA. 2020; 76 (18): 2117-2127.

  24. Iribarren C, Lu M, Elosua R et al. Polygenic risk and incident coronary heart disease in a large multiethnic cohort. Am J Prev Cardiol. 2024; 18: 100661.

  25. Lloyd-Jones DM, Braun LT, Ndumele CE et al. Use of risk assessment tools to guide decision-making in the primary prevention of atherosclerotic cardiovascular disease: a special report from the American Heart Association and American College of Cardiology. J Am Coll Cardiol. 2019; 73 (24): 3153-3167. doi: 10.1016/j.jacc.2018.11.005.

  26. Sabatine MS, Giugliano RP, Keech AC et al. Evolocumab and clinical outcomes in patients with cardiovascular disease. N Engl J Med. 2017; 376 (18): 1713-1722.

  27. Schwartz GG, Steg PG, Szarek M et al. Alirocumab and cardiovascular outcomes after acute coronary syndrome. N Engl J Med. 2018; 379 (22): 2097-2107.

  28. Gaziano TA, Young CR, Fitzmaurice G et al. Laboratory-based versus non-laboratory-based cardiovascular risk assessment. Circulation. 2008; 117 (5): 541-548.

  29. Kim JJ, Patel MR, Blaha MJ et al. Coronary artery calcium scoring in primary prevention. JAMA Cardiol. 2021; 6 (10): 1165-1173.

  30. Sniderman AD, Tsimikas S, Fazio S. The severe hypercholesterolemia phenotype: clinical diagnosis, management, and emerging therapies. J Am Coll Cardiol. 2014; 63 (19): 1935-1947.

  31. Bolli A, Di Domenico P, Pastorino R et al. Risk of coronary artery disease conferred by LDL cholesterol depends on polygenic background. Circulation. 2021; 143: 1452-1454.

  32. Iribarren C, Lu M, Elosua R et al. Joint consideration of LDL-C and polygenic risk. JACC Adv. 2025; 4 (11): 102228.

  33. Harper C, Misra A, Patel AP et al. Polygenic risk scores enhance LDL cholesterol-based risk stratification. Am J Prev Cardiol. 2026; 26: 101487.

  34. Moreno-Estrada A, Gignoux CR, Fernández-López JC et al. Human genetics. The genetics of Mexico recapitulates Native American substructure and affects biomedical traits. Science. 2014; 344 (6189): 1280-1285.

  35. Martin AR, Kanai M, Kamatani Y et al. Clinical use of current polygenic risk scores may exacerbate health disparities. Nat Genet. 2019; 51 (4): 584-591.

  36. Duncan L, Shen H, Gelaye B et al. Analysis of polygenic risk score usage in diverse populations. Nat Commun. 2019; 10 (1): 3328.

  37. Peterson RE, Kuchenbaecker K, Walters RK et al. Genome-wide association studies in ancestrally diverse populations: opportunities, methods, pitfalls, and recommendations. Cell. 2019; 179 (3): 589-603.

  38. Khera AV, Emdin CA, Drake I et al. Genetic risk, adherence to a healthy lifestyle, and coronary disease. Circulation. 2016; 134 (20): 1570-1580.

  39. Hollands GJ, French DP, Griffin SJ et al. The impact of communicating genetic risks of disease on risk-reducing health behaviour: systematic review with meta-analysis. BMJ. 2016; 352: i1102.

  40. Iribarren C, Lu M, Gulati M et al. Interplay between lifestyle factors and polygenic risk. Int J Cardiol Cardiovasc Risk Prev. 2024; 23: 200350.

  41. Nilsen P. Making sense of implementation theories, models and frameworks. Implement Sci. 2015; 10: 53.




2020     |     www.medigraphic.com