¿Cuál es la mejor primera línea de tratamiento para la hipertensión?
¿Cuál es la mejor terapia para la hipertensión? Aunque la pregunta pueda parecer simple, la respuesta es mucho más compleja de lo que parece a primera vista. Los investigadores han aplicado algoritmos complejos para averiguarlo y los resultados son sorprendentes.
Las pautas actuales aconsejan sobre cinco clases de medicamentos entre los que los médicos pueden elegir como primera línea de tratamiento para la hipertensión, pero ¿cuáles son los criterios que sustentan este rango?
Un nuevo artículo, cuyo primer autor es el Dr. Marc A. Suchard, del departamento de bioestadística de la Universidad de California en Los Ángeles, muestra algunas de las dificultades que hay detrás de decidir cuál es la mejor primera línea de tratamiento para la hipertensión.
En primer lugar, la literatura existente en la que organizaciones como el American College of Cardiology y la American Heart Association (AHA) han basado sus directrices son ensayos clínicos aleatorizados con un número insuficiente de participantes, muy pocos de los cuales recién están comenzando su tratamiento, explica el Dr. Suchard y colegas.
En segundo lugar, los estudios observacionales que a veces se utilizan para compensar las lagunas de conocimiento en los ensayos tienen sus propios sesgos y limitaciones de las muestras.
Por lo tanto, las opiniones de los expertos tienden a ser el motor de las recomendaciones clínicas, más que la evidencia sólida. Para rectificar esto, el Dr. Suchard y sus colegas han utilizado big data y un método excepcionalmente confiable para generar y analizar evidencia a gran escala con el fin de evaluar la efectividad de las opciones de tratamiento de primera línea.
Los investigadores han publicado sus hallazgos en la revista. La lanceta.
La falta de fiabilidad de la evidencia existente
El coautor del estudio, el Dr. George Hripcsak, presidente del Departamento de Informática Biomédica de la Universidad de Columbia, en Nueva York, explica con más detalle la motivación de la investigación.
Él dice: "Los ensayos clínicos aleatorios demuestran la eficacia y seguridad de un fármaco en una población de pacientes muy definida, pero no son buenos para hacer comparaciones entre varias clases de fármacos en un grupo diverso de pacientes con los que se encontraría en el mundo real".
“De forma involuntaria o no, las revistas y los autores tienden a publicar estudios que tienen resultados interesantes, y los investigadores pueden incluso seleccionar los métodos analíticos que mejor se adapten a obtener los resultados que se ajusten a sus hipótesis”, agrega el Dr. Hripcsak.
"Todo se reduce a un ejercicio selectivo, lo que hace que los resultados sean menos fiables".
¿Qué es LEYENDA y cómo ayuda?
Para superar esto, el Dr. Suchard, el Dr. Hripcsak y sus colegas utilizaron un método desarrollado para corregir y prevenir los sesgos de los estudios observacionales. El método se denomina Generación y evaluación de pruebas a gran escala a través de una red de bases de datos (LEYENDA).
“LEGEND proporciona un marco sistemático que puede generar evidencia de manera reproducible mediante la aplicación de análisis avanzados en una red de bases de datos dispares para una amplia gama de exposiciones y resultados”, explica el coautor del estudio Patrick Ryan, Ph.D.
LEYENDA también “nos ayuda a entender cuánto podemos confiar en la evidencia que hemos producido”, dice Ryan.
Ryan es profesor asistente adjunto de informática biomédica en la Universidad de Columbia y vicepresidente de análisis de datos de salud observacionales en la compañía farmacéutica Janssen Research & Development.
Él, junto con sus colegas Dr. Suchard y Martijn Schuemie, Ph.D., otro coautor del nuevo estudio, presentó los beneficios de LEGEND en nombre del equipo que lo creó en el simposio de la Iniciativa Observational Health Data Science Initiative en 2018.
En la presentación, establecieron los principios rectores del nuevo método, mostrando cómo puede utilizar las ventajas de los estudios observacionales a gran escala y aplicar sus resultados a afecciones como la depresión y la hipertensión en un entorno del mundo real.
Los inhibidores de la ECA no son tan eficaces como otros fármacos
En el nuevo estudio, los autores aplicaron LEGEND a los datos de 4.9 millones de personas en cuatro países diferentes que acababan de comenzar a tomar un medicamento para la presión arterial alta.
Después de aplicar el complejo algoritmo LEGEND y tener en cuenta aproximadamente 60.000 variables, los investigadores identificaron varios casos de ataques cardíacos, hospitalizaciones por insuficiencia cardíaca, accidentes cerebrovasculares y una gran cantidad de efectos secundarios de los medicamentos para la hipertensión de primera línea.
El estudio reveló que los inhibidores de la enzima convertidora de angiotensina (ECA), que son los medicamentos de primera línea más comúnmente recetados, tenían más efectos secundarios que los diuréticos tiazídicos, una clase de medicamentos que no se recetan con tanta frecuencia.
Más específicamente, en este análisis, los médicos prescribieron inhibidores de la ECA el 48% de las veces, mientras que los médicos prescribieron diuréticos tiazídicos como primera línea de tratamiento a solo el 17% de las personas con hipertensión recién diagnosticada.
A pesar de esto, los diuréticos tiazídicos se relacionaron con un 15% menos de ataques cardíacos, hospitalizaciones por insuficiencia cardíaca y accidentes cerebrovasculares. Además, los inhibidores de la ECA causaron tasas más altas de 19 efectos secundarios, en comparación con otros tratamientos de primera línea.
Además, los bloqueadores de los canales de calcio no dihidropiridínicos fueron el tratamiento de primera línea menos efectivo que identificaron los autores del estudio.
Finalmente, los autores estiman que 3.100 eventos cardiovasculares adversos podrían haberse prevenido si los médicos hubieran recetado diuréticos tiazídicos en lugar de inhibidores de la ECA.
