<link rel="stylesheet" href="/res/styles.39be4579664c3a48.css">
Artículo

A New Approach to Studying the Cardiovascular Health Index Using Satellite Tools and Machine Learning

Campero, Micaela Natalia Icon; Scavuzzo, Carlos Matias Icon; Gómez, Mauro ; Oberto, María Georgina ; Baraquet, María Lucía Icon; Defagó, María Daniela Icon

Otros responsables

Fecha

11/2025

Editorial

Fundación Universitaria María Cano

Revista

Revista de Investigación e Innovación en Ciencias de la Salud

Título del libro

Nombre del evento

Fecha del evento

Institución organizadora

ISSN

eISSN

2665-2056

ISBN

Idioma

Inglés

Tipo del evento

Clasificación temática

Resumen

Introduction. Cardiovascular diseases are the leading cause of morbidity and mortality worldwide, and their occurrence is linked to behavioral and modifiable risk factors, such as the built environment (BEs). The objective of this study was to characterize the spatial distribution of the Ideal Cardiovascular Health Index (ICHI) and its association with BEs among individuals attending the Non-Invasive Cardiology Service at the Hospital Nacional de Clínicas in Córdoba, Argentina, during the period 2018-2020. Methods. An observational, correlational, and cross-sectional study was conducted. Clinical, anthropometric, and lifestyle variables used to determine ICHI were collected through validated instruments. A spatial XGBoost was used for modelling the possibility of having poor ICHI. The associations between variables were evaluated by multivariated logistic regression analyses (p<0.05). Results. Overall, 91.36% of participants had a "poor" ICHI, and no participants were classified as "ideal." A spatial pattern emerged showing participants with a "poor" ICHI towards the northwest of the study area. The distribution of "intermediate" ICHI cases showed relative spatial homogeneity. Lower educational levels and certain occupations were associated with an increased likelihood of having a "poor" ICHI. An F1= 0.75 was obtained with the XGBoost model. Conclusions. There is a need for multifaceted interventions addressing both individual and contextual determinants of cardiovascular health. Machine learning tools are novel, useful approaches for detecting ICHI in cardiovascular health.
Introducción. Las enfermedades cardiovasculares son la principal causa de morbilidad y mortalidad a nivel mundial, y su incidencia está vinculada a factores de riesgo conductuales y evitables, como el entorno construido. El objetivo de este estudio fue caracterizar la distribución espacial del Índice Ideal de Salud Cardiovascular (ICHI) y su asociación con los entornos construidos (EC) de las personas que acudieron al Servicio de Cardiología No Invasiva del Hospital Nacional de Clínicas de Córdoba, Argentina, durante el período 2018-2020. Métodos. Se realizó un estudio observacional, correlacional y transversal. Se recopilaron variables clínicas, antropométricas y de estilo de vida empleadas para determinar el ICHI mediante instrumentos validados. Se utilizó un XGBoost espacial para modelar la posibilidad de tener un ICHI deficiente. La asociación entre las variables se evaluó mediante análisis de regresión logística multivariada (p < 0,05). Resultados. El 91,36 % de los participantes presentó un ICHI deficiente y ningún participante fue clasificado como ideal. Se observó un patrón espacial que mostraba a los participantes con un ICHI “bajo” hacia el noroeste del área de estudio. La distribución de los casos de ICHI “intermedio” mostró una relativa homogeneidad espacial. Un menor nivel educativo y ciertas ocupaciones se asociaron con una mayor probabilidad de tener un ICHI deficiente. Se obtuvo un puntaje F1 de 0,75 con el modelo XGBoost. Conclusiones. Se necesitan intervenciones multifacéticas que aborden los determinantes individuales y contextuales de la salud cardiovascular. Las herramientas de aprendizaje automático son enfoques novedosos y útiles para detectar patrones asociados al ICHI en la salud cardiovascular.

Aprobación

Revisión

Complementado por

Referenciado por

Licencia Creative Commons

Excepto donde se indique lo contrario, la licencia de este ítem se describe como by-nc-nd