Rojas PIC, Vergara LY, Gaviria CJ

Language: Spanish
References: 14
Page:
PDF size: 489.83 Kb.

ABSTRACT

Introduction: Cardiovascular risk is currently considered one of the most dangerous triggers of chronic diseases, as it is the cause of thousands of deaths worldwide.
Objective: To create a logistic regression model for a desktop application that estimates cardiovascular risk using anthropometric measures and different formulas, and thus identify the prevalence of cardiovascular risk in the study population.
Methods: A descriptive, observational and cross-sectional study was carried out with 169 workers from a university in southwestern Colombia, to whom anthropometric measurements such as weight, height and waist circumference were taken, applying the protocol of the International Society for the Advancement of Kinanthropometry. In addition, a structured survey was applied to collect sociodemographic data. The data were analyzed with a Minitab statistical package, using univariate description for qualitative variables as absolute and relative frequencies, as well as mean and standard deviation for quantitative variables. The resulting desktop application was made with the JAVA platform.
Results: In a population of 93 women and 76 men, a logistic regression model was found, using the quantitative predictor variables of weight and waist circumference, significantly related to the cardiovascular risk response variable, as well as the qualitative variable of gender. Applying the model, prevalence of cardiovascular risk was found to be 53.85 % in the working population of the university institution.
Conclusions: Cardiovascular risk is a phenomenon that is gaining more and more strength, while measuring weight and waist circumference is a way for determining such risk, a fact that will facilitate the prevention and control of cardiovascular diseases in the primary care level.

REFERENCES

1. Organización Mundial de la salud. OMS: Las 10 principales causas de defunción. 2020 [acceso: 08/08/2020]. Disponible en: Disponible en: https://www.who.int/es/news-room/fact-sheets/detail/the-top-10-causes-of-death 1.

2. Global Health Metrics. 2016 Mortality Collaborators. Global, regional, and national age-sex specific mortality for 264 causes of death, 1980-2016: a systematic analysis for the Global Burden of Disease Study 2016. In The Lancet. 2017 DOI: https://doi.org/10.1016/S0140-6736(17)32152-92.

3. Organización Mundial de la salud. OMS: Obesidad y sobrepeso. 2019 [acceso: 08/08/2020]. Disponible en: Disponible en: https://www.who.int/es/news-room/fact-sheets/detail/obesity-and-overweight 3. .

4. . Ministerio de Salud y Protección Social. Resolución 2465 de 2016. Colombia. 2016 [acceso: 08/08/2020]. Disponible en: Disponible en: https://www.minsalud.gov.co/Normatividad_Nuevo/Forms/DispForm.aspx?ID=4909 4.

5. Remón I, González O, Arpa C. El índice cintura-talla como variable de acumulación de grasa para valorar riesgo cardiovascular. Revista Cubana de Medicina Militar. 2013 [acceso: 08/08/2020];42(4):444-50. Disponible en Disponible en http://www.scielo.sld.cu/pdf/mil/v42n4/mil04413.pdf 5.

6. Esparza-Ros F, Vaquero-Cristobal R, Marfell-Jones M. Protocolo internacional para la valoración antropométrica. 1ra ed. Murcia España: Sociedad internacional para el avance de la cineantropometría; 2019.

7. . Declaración de Helsinki de la Asociación Médica Mundial. Principios éticos para la investigación médica en seres humanos. Anales de la Facultad de Medicina. 2001 [acceso: 08/08/2020];62(1):82-4. Disponible en Disponible en https://www.redalyc.org/articulo.oa?id=37962112 7.

8. . Ministerio de Salud y Protección Social. Resolución 8430 de 1993. Colombia. 1993 [acceso: 08/08/2020]. Disponible en: Disponible en: https://minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/DIJ/RESOLUCION-8430-DE-1993.pdf 8.

9. Fornasini M, Merriam PA, Ockene I, Flores N, Rosal M, Zevallos JC, et al. Factores claves de colaboración institucional en la implementación exitosa de un modelo de intervención para reducir los factores de riesgo de enfermedades cardio-metabólicas de Ecuador. Rev Eugenio Espejo. 2019;7(12). DOI: https://doi.org/10.23936/ree.v7i129.

10. Segura-Fragoso A, Rodríguez-Padial L, Alonso-Moreno FJ, Villarín-Castro A, Rojas M, Rodríguez Roca GC, et al. Medidas antropométricas de obesidad general y central y capacidad discriminativa sobre el riesgo cardiovascular: estudio RICARTO. Rev Med Fam SEMERGEN. 2019;45(5). DOI: https://doi.org/10.1016/j.semerg.2019.02.01310.

11. Ruiz N, Lazo L, González L, Ricardo M, Sánchez M. Indicadores antropométirco-nutricionales en la estratificación de riesgo cardiovascular en una población adulta. Rev Ciencias méd Pinar del Rio. 2019 [acceso: 18/08/2020];23(5). Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?pid=S1561-31942019000500716&script=sci_arttext&tlng=pt 11.

12. Espinosa M, Yaruquí K, Espinosa F, Ordóñez V. Prevalencia de factores de riesgo cardiovascular y síndrome metabólico en trabajadores universitarios de Loja-Ecuador. Rev. Med. FCMUCSG. 2014 [acceso: 18/08/2020];18(3). Disponible en: Disponible en: https://dialnet.unirioja.es 12.

13. Wilches-Luna E. Hernández N. Chavarro P. Bernal-Sánchez J. Perfiles de riesgo cardiovascular y condición física en docentes y empleados no docentes de una facultad de salud. Rev. salud pública. 2016;18(6). DOI: http://dx.doi.org/10.15446/rsap.v18n6.4270813.

14. Rojas Padilla IC, Vergara López Y. Educación para la prevención de enfermedad cardiovascular en trabajadores de una institución de Educación Superior: ¡Evitando la ausencia laboral! Revista Internacional de Humanidades Médicas. 2020;8(1). DOI: https://doi.org/10.37467/gka-revmedica.v8.189614.