Impacto pronóstico de la hiperuricemia en pacientes con insuficiencia cardíaca y FEVI deprimida

Abstract

Introducción: Como es ampliamente conocido, la insuficiencia cardiaca es un problema sanitario importante cuya morbimortalidad continúa aumentando a medida que la población envejece. Varios biomarcadores han emergido para evaluar el pronóstico y la progresión de la IC, sin embargo su rigor en etapas tempranas ha sido cuestionado en los últimos tiempos de tal modo que no se utiliza ninguno de ellos en la toma de decisiones clínicas. Objetivo: Analizar a la hiperuricemia como factor predictor o de riesgo, de mayor morbimortalidad en una población mediterránea que presenta insuficiencia cardíaca con Fracción de Eyección del Ventrículo Izquierdo (FEVI) deprimida. Material y métodos: Se trata de un estudio multicéntrico observacional y analítico de cohortes. Tras un muestreo consecutivo se seleccionarán los pacientes que cumplan los criterios de inclusión, pertenecientes a varios hospitales de la Comunidad Valenciana. Se realizará un primer análisis de las características basales de la población y posteriormente se les hará un seguimiento anual. Durante el mismo, se registrarán eventos clínicos relevantes ocurridos, tales como el número de descompensaciones cardíacas diferenciando entre las que requieran de ingreso hospitalario de las que no, así como muerte cardiovascular y muerte por todas las causas. Los datos se recogerán en una base de datos para posteriormente ser introducidos y procesados mediante el programa SPSS con el que se realizará el análisis estadístico. Los datos de las variables cuantitativas (continuas) se presentarán como media ± desviación estándar y las proporciones como porcentajes. Las diferencias entre las variables continuas se analizarán mediante la prueba de la t de Student para muestras independientes, y las diferencias entre proporciones se analizarán mediante la prueba X2 de Pearson. Los contrastes se plantearon bilateralmente y se consideraron significativos los valores de p < 0,05. Para el análisis multivariante de las diferencias en la variable respuesta se utilizará un modelo de regresión logística, así como una regresión de Cox.