La mortalidad por enfermedades cardiovasculares (ECV) continúa siendo elevada a pesar de su tendencia descendente desde 20121.

Tanto el estudio Framingham como otros trabajos publicados han permitido identificar los principales factores de riesgo cardiovascular (CV), como la hipertensión, la dislipemia, el tabaquismo, la diabetes mellitus, la obesidad, el sedentarismo y el historial familiar, algunos de ellos modificables2,3. El control de estos factores modificables es clave para la prevención de las ECV4. Entre ellos, las dislipemias cobran una gran importancia, ya que es posible manejarlas desde la prevención, con un estilo de vida saludable, o tratarlas con ayuda del arsenal terapéutico disponible5. En esta línea, hay que destacar los avances en el tratamiento farmacológico de las dislipemias, encontrando actualmente fármacos que logran una reducción media del 50% en los niveles de c-LDL, factor de riesgo CV y agente causal de la aterosclerosis6.

Desde finales de los años 90, se impulsa un modelo asistencial centrado en el paciente7, lo que ha llevado a la farmacia hospitalaria a evolucionar hacia la creación del modelo de atención farmacéutica (AF) capacidad-motivación-oportunidad (CMO), basado en una atención individualizada a través de 3 pilares fundamentales8. Gracias a la iniciativa del proyecto «Mapa estratégico de atención al paciente externo» (MAPEX) de la Sociedad Española de Farmacia Hospitalaria (SEFH), en los últimos años se han publicado adaptaciones del modelo CMO a distintas enfermedades9. La más reciente es la adaptación del modelo para pacientes con ECV, cuyo objetivo es servir de guía para avanzar conjuntamente hacia el abordaje de 2 problemas de salud: las ECV y la AF personalizada10,11. Esta nueva adaptación, al igual que los modelos publicados previamente, ofrece intervenciones personalizadas en el entorno de las ECV y adaptadas al nivel del paciente. Estas intervenciones le permitirán alcanzar los objetivos farmacoterapéuticos previamente acordados durante la entrevista10.

La aplicación del modelo CMO en la práctica clínica habitual ha demostrado proporcionar beneficios a los pacientes en las consultas de farmacia hospitalaria12. Existen artículos publicados, como el de Asensi et al.13, que tratan de demostrar la aplicabilidad de los modelos existentes. Sin embargo, la herramienta de estratificación incluida en el modelo CMO para pacientes con ECV no ha sido todavía validada en la práctica.

El objetivo principal de este estudio fue analizar la concordancia entre la estratificación ofrecida por el modelo (teórica) y la obtenida al aplicarlo, a fin de validar su aplicabilidad.

Estudio observacional, transversal y unicéntrico, con aplicación consecutiva de la herramienta durante los meses de enero a marzo de 2025.

Se incluyeron pacientes en tratamiento activo con alirocumab, evolocumab o inclisirán para prevención secundaria de enfermedad aterosclerótica o prevención primaria, atendidos en una consulta de farmacia hospitalaria durante los meses del estudio. Se excluyeron aquellos cuya información no se encontraba disponible para la recogida de datos y aquellos que participaron con anterioridad en ensayos clínicos. No se realizó el cálculo del tamaño muestral al ser un estudio observacional que incluyó a los pacientes que acudían a la consulta y cumplían los criterios de inclusión.

Para la estratificación, se utilizó la adaptación del modelo CMO en pacientes con ECV, publicada en diciembre de 202410. Las variables recogidas fueron las incluidas dentro del modelo (tabla 1). Antes de la llegada del paciente a la consulta, se realizó una preestratificación con la información disponible en la historia clínica digital (Diraya®). Las variables que no se pudieron obtener de este modo fueron recogidas dentro de la práctica clínica habitual, en una entrevista con el paciente o el familiar que acudía en su nombre.

Para comparar la distribución observada por niveles de prioridad con la teórica propuesta por el modelo, se utilizó la prueba de chi-cuadrado para una muestra14. Para ello, se estableció la hipótesis nula: «los porcentajes obtenidos en nuestra muestra concuerdan con los porcentajes teóricos». Para aceptar la hipótesis nula, fue necesario un valor de p > 0,05. No fue posible calcular el coeficiente kappa de Cohen, la sensibilidad, la especificidad ni los valores predictivos, ya que el modelo publicado no proporciona una clasificación individual de pacientes que pueda emplearse como referencia.

El análisis estadístico se llevó a cabo con el programa IBM SPSS v. 30.

Durante el periodo del estudio, se estratificaron 126 pacientes con una mediana de edad de 63,2 años (RIQ = 58,9–72,5); 78 (69,2%) eran hombres. En la tabla 2 se muestran las características basales de la población de estudio. Un total de 98 pacientes (77,8%) estaban en tratamiento con alirocumab, 16 (12,7%) con evolocumab y 12 con inclisirán (9,5%).

En la tabla 3 se muestran las puntuaciones medianas, los rangos intercuartílicos (RIQ), los porcentajes e intervalos de confianza por grupo de prioridad y del total de pacientes. Se observó una puntuación descendente desde la P1 hasta la P3. La mayoría de los pacientes se concentró en la P3, seguida de la P2, siendo la P1 la de menor proporción (fig. 1).

Figura 1.

Comparativa entre la distribución porcentual ofrecida por el modelo y la obtenida al aplicar la herramienta de estratificación sobre el grupo de pacientes de este estudio.

Teniendo en cuenta que la distribución porcentual esperada por el modelo es que el 10% de los pacientes pertenezca a P1, el 30% a P2 y el 60% a P312, el análisis de los datos mediante la prueba de chi-cuadrado para una muestra proporcionó un valor de p = 0,342 (p > 0,05).

Este estudio es el primero en validar en la práctica clínica la herramienta de estratificación para pacientes con ECV recientemente publicada en el contexto del proyecto MAPEX 2024–2027. El análisis estadístico realizado permite afirmar que existe buena concordancia entre los porcentajes ofrecidos por el modelo y la distribución porcentual observada al aplicar la herramienta de estratificación sobre un grupo de pacientes reales (p = 0,342).

Teniendo en cuenta el estudio piloto llevado a cabo por de Dios López et al., 2025, durante el desarrollo de la herramienta de estratificación, aunque las distribuciones porcentuales se acercan gratamente entre ambos trabajos (6,3% P1, 33,3% P2 y 60,3% P3 frente a 10% P1, 30% P2 y 60% P3 del modelo), es importante señalar la ligera diferencia observada en el grupo de pacientes P111. Esta explicación podría estar en el tipo de pacientes incluido en cada estudio. En nuestro caso, presentan una alta complejidad clínica y farmacoterapéutica (39,7% 7–10 PA; 36,5% ≥ 10 PA), que podría desplazar los resultados hacia una prioridad más alta.

Confirmar la aplicabilidad de esta herramienta permitirá a los farmacéuticos hospitalarios optimizar recursos sanitarios y de agenda, priorizando pacientes de mayor complejidad, además de facilitar el empleo de intervenciones adaptadas y telemonitorizar pacientes. Aunque el primer paso hacia la AF personalizada se encuentra en el pilar «capacidad» con la estratificación, no podemos dejar de lado los pilares «motivación» y «oportunidad». Como presentan Van den Berg et al. en su estudio publicado en 20194, la mejora de la comunicación con el paciente y la motivación, contribuyen al abandono del hábito tabáquico, uno de los factores de riesgo clave en el desarrollo de ECV y por tanto una mejora del pronóstico. De este modo, los resultados obtenidos en este estudio justifican la aplicación del modelo CMO para este grupo de pacientes a fin de guiar las intervenciones farmacéuticas para lograr una mejora en la adherencia, el control de los niveles de c-LDL y la disminución de la probabilidad de experimentar eventos CV.

Como limitaciones, el trabajo realizado se trata de un estudio unicéntrico, desempeñado en un periodo breve (3 meses) y centrado en pacientes en tratamiento con iPCSK9 o inclisirán para la prevención secundaria o primaria de enfermedad aterosclerótica, por tanto, la generalización de los resultados obtenidos podría verse limitada. La importancia de la adaptación del modelo CMO a pacientes con ECV, se encuentra en poder realizar intervenciones personalizadas. Sin embargo, el presente estudio se limita a la estratificación y al análisis de su concordancia con la herramienta original, por tanto, no es posible evaluar si la aplicación completa del modelo consigue una mejora en los resultados clínicos, la adherencia, ni la existencia de mejoras en la calidad de vida. Por último, la ligera desviación de nuestro grupo de pacientes hacia P1 podría reflejar sesgos de selección o bien las peculiaridades de nuestra población de estudio al tratarse de pacientes en tratamiento con medicación subcutánea.

Futuras investigaciones podrían centrarse en validar la herramienta en cohortes multicéntricas y más heterogéneas. Sería apropiado analizar si la estratificación de este grupo de pacientes predice resultados clínicos, como la aparición de eventos CV, probabilidad de ingreso, mejoras en la calidad de vida y adherencia. Esto permitirá a los profesionales anticiparse a la aparición de complicaciones y realizar intervenciones proactivas. Otra línea de investigación podría centrarse en aplicar las intervenciones según el nivel de prioridad, lo que permitiría analizar el impacto sobre la mejora de la adherencia, el control del c-LDL y la reducción de eventos CV, además del impacto sobre la educación sanitaria, crucial en el pronóstico de la enfermedad.

La herramienta de estratificación para pacientes con ECV coincide con la distribución teórica esperada, esto respalda su utilidad para priorizar pacientes. Su implementación y ampliación podrían mejorar la eficiencia asistencial y facilitar la AF personalizada.

Los autores declaran que el estudio se llevó a cabo dentro de la práctica clínica habitual y sin intervención sobre pacientes, no siendo necesario el consentimiento informado (CEI Sevilla Sur – SICEIA-2025-003781).

Los autores declaran que el estudio no ha necesitado ningún tipo de financiación.

Los autores declaran no tener ningún conflicto de intereses.

Los auotores declaran el empleo de la inteligencia NotebookLM como herramienta de ayuda para discernir si un artículo era o no susceptible de ser leído para, posteriormente, incluirlo en la bibliografía. Además, el empleo de Connected Papers para buscar artículos relacionados con otros previamente encontrados tras una búsqueda bibliográfica en PubMed.

Cecilia Solís-Martín: Writing – original draft, Formal analysis, Data curation, Conceptualization. Ramón Morillo-Verdugo: Writing – review & editing, Validation, Supervision, Methodology, Formal analysis, Conceptualization.