Vol. 13/ Núm. 1 2026 pág. 478
https://doi.org/10.69639/arandu.v13i1.1928
Impacto de los Biomarcadores Avanzados en la Predicción y
Prevención de Eventos Cardiovasculares: Una Revisión
Sistemática
Impact of Advanced Biomarkers on the Prediction and Prevention of Cardiovascular
Events: A Systematic Review
Kevin Alexander Mosquera Restrepo
kevalmore95@gmail.com
https://orcid.org/0009-0008-4722-7030
Investigador Independiente
Colombia – Bello, Antioquia
Santiago Pinzon Jaramillo
santiagopinzon9@gmail.com
https://orcid.org/0009-0005-7473-1724
Investigador Independiente
Colombia – Tulua
Laura Vanessa Toasura Villero
Lauratoasura@gmail.com
https://orcid.org/0009-0009-8573-5105
Investigador Independiente
Colombia – Bogotá D.C.
Alejandro Ramirez Rayo
Alejo_rayo@hotmail.com
https://orcid.org/0009-0000-7392-3883
Investigador Independiente
Colombia – Tulua
Juan Pablo Alzate Granados
juanpabloalzategranados@gmail.com
https://orcid.org/0000-0001-8344-494X
Investigador Independiente
Colombia – Bogotá D.C.
Artículo recibido: 10 diciembre 2025 -Aceptado para publicación: 18 enero 2026
Conflictos de intereses: Ninguno que declarar.
RESUMEN
Introducción: La enfermedad cardiovascular (ECV) sigue siendo una de las principales causas de
muerte a nivel mundial. Aunque los biomarcadores tradicionales como la troponina y el BNP son
útiles en contextos clínicos definidos, tienen limitaciones en la predicción a largo plazo y en fases
subclínicas. Recientes avances han propuesto biomarcadores más sensibles, como la troponina de
alta sensibilidad y mediadores inflamatorios, que podrían mejorar la estratificación del riesgo.
Objetivo: Evaluar el impacto de los biomarcadores avanzados en la predicción y prevención de
eventos cardiovasculares en adultos, comparándolos con los biomarcadores tradicionales.
Métodos: Se realizó una revisión sistemática siguiendo PRISMA. Se incluyeron estudios
observacionales y ensayos clínicos que analizaron biomarcadores avanzados relacionados con
Vol. 13/ Núm. 1 2026 pág. 479
eventos cardiovasculares mayores. La búsqueda se llevó a cabo en MEDLINE, EMBASE y otras
bases. La calidad metodológica se evaluó mediante la escala de Newcastle-Ottawa y la
herramienta Cochrane RoB 2. Resultados: De 1,379 registros, se incluyeron 28 estudios con
61,330 participantes. Biomarcadores como NT-proBNP, troponina I y TMAO mostraron mejor
capacidad predictiva que los modelos tradicionales. Por ejemplo, NT-proBNP tuvo un HR
ajustado de 6.03 para eventos cardiovasculares mayores (p<0.001). Además, el uso combinado
de múltiples biomarcadores aumentó la discriminación del riesgo (estadístico C hasta 0.82).
Discusión: Los biomarcadores avanzados permiten una predicción más precisa del riesgo
cardiovascular y podrían optimizar las estrategias preventivas. Sin embargo, se requiere mayor
validación en poblaciones diversas.
Palabras clave: biomarcadores cardiovasculares, estratificación del riesgo, prevención
cardiovascular, troponina de alta sensibilidad, nt-probnp
ABSTRACT
Introduction: Cardiovascular disease (CVD) remains one of the leading causes of death
worldwide. Although traditional biomarkers such as troponin and BNP are useful in defined
clinical settings, they have limitations in long-term prediction and in subclinical phases. Recent
advances have proposed more sensitive biomarkers, such as high-sensitivity troponin and
inflammatory mediators, which may improve risk stratification. Objective: To evaluate the impact
of advanced biomarkers on the prediction and prevention of cardiovascular events in adults,
compared to traditional biomarkers. Methods: A systematic review was conducted following
PRISMA guidelines. Observational studies and clinical trials analyzing advanced biomarkers in
relation to major cardiovascular events were included. The search was carried out in MEDLINE,
EMBASE, and other databases. Study quality was assessed using the Newcastle-Ottawa Scale
and the Cochrane Risk of Bias 2 tool. Results: Out of 1,379 initial records, 28 studies with a total
of 61,330 participants were included. Biomarkers such as NT-proBNP, troponin I, and TMAO
demonstrated superior predictive ability compared to traditional models. For instance, NT-
proBNP showed an adjusted hazard ratio (HR) of 6.03 for major cardiovascular events (p<0.001).
Additionally, the combined use of multiple advanced biomarkers improved risk discrimination
(C-statistic up to 0.82). Discussion: Advanced biomarkers allow for more accurate prediction of
cardiovascular risk and could help optimize preventive strategies. However, further validation in
diverse populations is required.
Keywords: cardiovascular biomarkers, risk stratification, cardiovascular prevention,
high-sensitivity troponin, nt-probnp
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
eventos cardiovasculares mayores. La búsqueda se llevó a cabo en MEDLINE, EMBASE y otras
bases. La calidad metodológica se evaluó mediante la escala de Newcastle-Ottawa y la
herramienta Cochrane RoB 2. Resultados: De 1,379 registros, se incluyeron 28 estudios con
61,330 participantes. Biomarcadores como NT-proBNP, troponina I y TMAO mostraron mejor
capacidad predictiva que los modelos tradicionales. Por ejemplo, NT-proBNP tuvo un HR
ajustado de 6.03 para eventos cardiovasculares mayores (p<0.001). Además, el uso combinado
de múltiples biomarcadores aumentó la discriminación del riesgo (estadístico C hasta 0.82).
Discusión: Los biomarcadores avanzados permiten una predicción más precisa del riesgo
cardiovascular y podrían optimizar las estrategias preventivas. Sin embargo, se requiere mayor
validación en poblaciones diversas.
Palabras clave: biomarcadores cardiovasculares, estratificación del riesgo, prevención
cardiovascular, troponina de alta sensibilidad, nt-probnp
ABSTRACT
Introduction: Cardiovascular disease (CVD) remains one of the leading causes of death
worldwide. Although traditional biomarkers such as troponin and BNP are useful in defined
clinical settings, they have limitations in long-term prediction and in subclinical phases. Recent
advances have proposed more sensitive biomarkers, such as high-sensitivity troponin and
inflammatory mediators, which may improve risk stratification. Objective: To evaluate the impact
of advanced biomarkers on the prediction and prevention of cardiovascular events in adults,
compared to traditional biomarkers. Methods: A systematic review was conducted following
PRISMA guidelines. Observational studies and clinical trials analyzing advanced biomarkers in
relation to major cardiovascular events were included. The search was carried out in MEDLINE,
EMBASE, and other databases. Study quality was assessed using the Newcastle-Ottawa Scale
and the Cochrane Risk of Bias 2 tool. Results: Out of 1,379 initial records, 28 studies with a total
of 61,330 participants were included. Biomarkers such as NT-proBNP, troponin I, and TMAO
demonstrated superior predictive ability compared to traditional models. For instance, NT-
proBNP showed an adjusted hazard ratio (HR) of 6.03 for major cardiovascular events (p<0.001).
Additionally, the combined use of multiple advanced biomarkers improved risk discrimination
(C-statistic up to 0.82). Discussion: Advanced biomarkers allow for more accurate prediction of
cardiovascular risk and could help optimize preventive strategies. However, further validation in
diverse populations is required.
Keywords: cardiovascular biomarkers, risk stratification, cardiovascular prevention,
high-sensitivity troponin, nt-probnp
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 13/ Núm. 1 2026 pág. 480
INTRODUCCIÓN
La enfermedad cardiovascular (ECV) continúa siendo una de las principales causas de
muerte a nivel mundial, representando una proporción significativa de hospitalizaciones,
discapacidad y costos asociados a la atención sanitaria. Este panorama resalta la necesidad de
estrategias eficaces para prevenir y manejar el riesgo cardiovascular (RCV), especialmente en
poblaciones vulnerables. En este contexto, los biomarcadores han emergido como herramientas
esenciales que permiten a los clínicos evaluar objetivamente el estado cardiovascular de los
pacientes (5).
Entre los biomarcadores tradicionales más comúnmente utilizados, destacan la troponina y
el péptido natriurético tipo B (BNP) por su capacidad para detectar lesión miocárdica e
insuficiencia cardíaca, respectivamente. Estos marcadores han sido validados en múltiples
estudios clínicos, y su utilidad está bien establecida en el manejo de eventos cardíacos agudos y
en la estratificación del riesgo en enfermedades cardiovasculares crónicas. No obstante, a pesar
de su efectividad en escenarios clínicos específicos, estos biomarcadores presentan limitaciones
importantes. Por ejemplo, no siempre son eficaces para identificar riesgos en fases subclínicas de
la enfermedad o para predecir eventos cardiovasculares a largo plazo con alta precisión. Esto ha
impulsado el interés en explorar nuevas herramientas biomarcadoras que puedan superar estas
barreras y proporcionar una evaluación más integral del RCV (6).
En los últimos años, los avances en biología molecular y tecnologías analíticas han
facilitado el desarrollo de biomarcadores avanzados. Estas nuevas moléculas incluyen proteínas
de alta sensibilidad, como la troponina de alta sensibilidad (hs-Tn), y mediadores implicados en
procesos inflamatorios, metabólicos y de disfunción endotelial. Estas innovaciones tienen el
potencial de ofrecer una visión más amplia de los mecanismos subyacentes a las enfermedades
cardiovasculares, integrando múltiples dimensiones fisiopatológicas. Sin embargo, aunque los
estudios iniciales sugieren que estos biomarcadores avanzados podrían mejorar la predicción de
eventos cardiovasculares, los datos sobre su desempeño en la práctica clínica siguen siendo
limitados y heterogéneos (5,13).
No está claro si estos biomarcadores avanzados ofrecen beneficios significativos sobre los
tradicionales en términos de sensibilidad, especificidad y aplicabilidad clínica. Además, la falta
de comparaciones sistemáticas y directas entre biomarcadores tradicionales y avanzados dificulta
determinar su verdadero impacto en la prevención y el manejo de la ECV. Esta brecha en el
conocimiento destaca la necesidad de estudios integrales que evalúen críticamente estas
herramientas emergentes, aclaren su valor añadido y faciliten su integración en la práctica clínica.
Esta revisión sistemática se centra en responder a la pregunta: ¿En pacientes adultos con
riesgo cardiovascular, el uso de biomarcadores avanzados mejora la predicción y prevención de
eventos cardíacos en comparación con biomarcadores tradicionales como la troponina y el BNP?
INTRODUCCIÓN
La enfermedad cardiovascular (ECV) continúa siendo una de las principales causas de
muerte a nivel mundial, representando una proporción significativa de hospitalizaciones,
discapacidad y costos asociados a la atención sanitaria. Este panorama resalta la necesidad de
estrategias eficaces para prevenir y manejar el riesgo cardiovascular (RCV), especialmente en
poblaciones vulnerables. En este contexto, los biomarcadores han emergido como herramientas
esenciales que permiten a los clínicos evaluar objetivamente el estado cardiovascular de los
pacientes (5).
Entre los biomarcadores tradicionales más comúnmente utilizados, destacan la troponina y
el péptido natriurético tipo B (BNP) por su capacidad para detectar lesión miocárdica e
insuficiencia cardíaca, respectivamente. Estos marcadores han sido validados en múltiples
estudios clínicos, y su utilidad está bien establecida en el manejo de eventos cardíacos agudos y
en la estratificación del riesgo en enfermedades cardiovasculares crónicas. No obstante, a pesar
de su efectividad en escenarios clínicos específicos, estos biomarcadores presentan limitaciones
importantes. Por ejemplo, no siempre son eficaces para identificar riesgos en fases subclínicas de
la enfermedad o para predecir eventos cardiovasculares a largo plazo con alta precisión. Esto ha
impulsado el interés en explorar nuevas herramientas biomarcadoras que puedan superar estas
barreras y proporcionar una evaluación más integral del RCV (6).
En los últimos años, los avances en biología molecular y tecnologías analíticas han
facilitado el desarrollo de biomarcadores avanzados. Estas nuevas moléculas incluyen proteínas
de alta sensibilidad, como la troponina de alta sensibilidad (hs-Tn), y mediadores implicados en
procesos inflamatorios, metabólicos y de disfunción endotelial. Estas innovaciones tienen el
potencial de ofrecer una visión más amplia de los mecanismos subyacentes a las enfermedades
cardiovasculares, integrando múltiples dimensiones fisiopatológicas. Sin embargo, aunque los
estudios iniciales sugieren que estos biomarcadores avanzados podrían mejorar la predicción de
eventos cardiovasculares, los datos sobre su desempeño en la práctica clínica siguen siendo
limitados y heterogéneos (5,13).
No está claro si estos biomarcadores avanzados ofrecen beneficios significativos sobre los
tradicionales en términos de sensibilidad, especificidad y aplicabilidad clínica. Además, la falta
de comparaciones sistemáticas y directas entre biomarcadores tradicionales y avanzados dificulta
determinar su verdadero impacto en la prevención y el manejo de la ECV. Esta brecha en el
conocimiento destaca la necesidad de estudios integrales que evalúen críticamente estas
herramientas emergentes, aclaren su valor añadido y faciliten su integración en la práctica clínica.
Esta revisión sistemática se centra en responder a la pregunta: ¿En pacientes adultos con
riesgo cardiovascular, el uso de biomarcadores avanzados mejora la predicción y prevención de
eventos cardíacos en comparación con biomarcadores tradicionales como la troponina y el BNP?
Vol. 13/ Núm. 1 2026 pág. 481
Nuestra hipótesis es que los biomarcadores avanzados ofrecen una mayor precisión predictiva al
integrar múltiples aspectos fisiopatológicos, lo que podría traducirse en estrategias preventivas
más eficaces y personalizadas. Al abordar esta cuestión, el objetivo principal es esclarecer la
relevancia clínica y el posible impacto de los biomarcadores avanzados en la práctica
cardiovascular moderna (6).
Para alcanzar este objetivo, se llevará a cabo una revisión sistemática que sintetizará y
evaluará críticamente la evidencia disponible. Este enfoque permitirá comparar la precisión
diagnóstica y predictiva de los biomarcadores tradicionales frente a los avanzados, destacando
sus respectivas fortalezas y limitaciones en el contexto de la predicción y prevención de eventos
cardiovasculares. Este análisis proporcionará una base sólida para orientar futuras investigaciones
y la toma de decisiones clínicas en este campo en rápida evolución.
MATERIALES Y MÉTODOS
Tipo de estudio
Se realizó una revisión sistemática de la literatura para evaluar el impacto de los
biomarcadores avanzados en la predicción y prevención de eventos cardiovasculares. La
metodología se basó en las directrices PRISMA (Preferred Reporting Items for Systematic
Reviews and Meta-Analyses).
Criterios de selección
Tipos de estudios
Se incluyeron estudios observacionales (cohortes y casos y controles) y ensayos clínicos
aleatorizados que analizaran la asociación entre biomarcadores avanzados y la ocurrencia de
eventos cardiovasculares. Se excluyeron revisiones, editoriales y cartas al editor.
Tipos de participantes
Se consideraron estudios que incluyeran adultos de 18 años o más, con o sin antecedentes
de enfermedad cardiovascular. Se excluyeron estudios centrados en poblaciones pediátricas o
animales.
Tipos de intervenciones/exposiciones
Se incluyeron estudios que evaluaran biomarcadores avanzados (por ejemplo,
biomarcadores inflamatorios, metabólicos y genéticos) como predictores o intervenciones para la
prevención de eventos cardiovasculares.
Tipos de desenlaces
• Eventos cardiovasculares mayores (por ejemplo, infarto de miocardio, accidente
cerebrovascular, muerte cardiovascular).
• Variables intermedias, como cambios en el perfil lipídico, niveles específicos de
biomarcadores y hospitalizaciones relacionadas con eventos cardiovasculares.
Nuestra hipótesis es que los biomarcadores avanzados ofrecen una mayor precisión predictiva al
integrar múltiples aspectos fisiopatológicos, lo que podría traducirse en estrategias preventivas
más eficaces y personalizadas. Al abordar esta cuestión, el objetivo principal es esclarecer la
relevancia clínica y el posible impacto de los biomarcadores avanzados en la práctica
cardiovascular moderna (6).
Para alcanzar este objetivo, se llevará a cabo una revisión sistemática que sintetizará y
evaluará críticamente la evidencia disponible. Este enfoque permitirá comparar la precisión
diagnóstica y predictiva de los biomarcadores tradicionales frente a los avanzados, destacando
sus respectivas fortalezas y limitaciones en el contexto de la predicción y prevención de eventos
cardiovasculares. Este análisis proporcionará una base sólida para orientar futuras investigaciones
y la toma de decisiones clínicas en este campo en rápida evolución.
MATERIALES Y MÉTODOS
Tipo de estudio
Se realizó una revisión sistemática de la literatura para evaluar el impacto de los
biomarcadores avanzados en la predicción y prevención de eventos cardiovasculares. La
metodología se basó en las directrices PRISMA (Preferred Reporting Items for Systematic
Reviews and Meta-Analyses).
Criterios de selección
Tipos de estudios
Se incluyeron estudios observacionales (cohortes y casos y controles) y ensayos clínicos
aleatorizados que analizaran la asociación entre biomarcadores avanzados y la ocurrencia de
eventos cardiovasculares. Se excluyeron revisiones, editoriales y cartas al editor.
Tipos de participantes
Se consideraron estudios que incluyeran adultos de 18 años o más, con o sin antecedentes
de enfermedad cardiovascular. Se excluyeron estudios centrados en poblaciones pediátricas o
animales.
Tipos de intervenciones/exposiciones
Se incluyeron estudios que evaluaran biomarcadores avanzados (por ejemplo,
biomarcadores inflamatorios, metabólicos y genéticos) como predictores o intervenciones para la
prevención de eventos cardiovasculares.
Tipos de desenlaces
• Eventos cardiovasculares mayores (por ejemplo, infarto de miocardio, accidente
cerebrovascular, muerte cardiovascular).
• Variables intermedias, como cambios en el perfil lipídico, niveles específicos de
biomarcadores y hospitalizaciones relacionadas con eventos cardiovasculares.
Vol. 13/ Núm. 1 2026 pág. 482
Métodos de búsqueda para la identificación de estudios
Se realizaron búsquedas sistemáticas en las bases de datos MEDLINE (vía PubMed),
EMBASE, Scopus y la Cochrane Library. Se utilizaron palabras clave y términos MeSH
relacionados con "biomarcadores", "eventos cardiovasculares", "prevención" y "predicción".
Se revisaron las listas de referencias de los estudios seleccionados y resúmenes relevantes
de congresos. Además, se realizaron búsquedas de literatura gris en repositorios institucionales.
Recolección y análisis de datos
Selección de estudios
Dos revisores independientes evaluaron los títulos y resúmenes para identificar estudios
potencialmente relevantes. Los textos completos de los estudios seleccionados se revisaron para
determinar su elegibilidad, y las discrepancias se resolvieron por consenso.
Extracción de datos
Se desarrolló un formulario estandarizado de extracción de datos para recopilar
información sobre autores, año de publicación, diseño del estudio, población, biomarcadores
evaluados, desenlaces primarios y secundarios.
Evaluación de la calidad
Se utilizó la Escala de Newcastle-Ottawa para evaluar la calidad de los estudios
observacionales, y la herramienta Cochrane Risk of Bias 2 para los ensayos clínicos aleatorizados.
RESULTADOS Y DISCUSIÓN
Se recuperaron un total de 1,379 registros de las bases de datos electrónicas. Tras eliminar
duplicados, se examinaron 1,248 registros. De estos, 1,188 fueron excluidos tras la revisión de
títulos y resúmenes. Posteriormente, se seleccionaron 60 registros para su recuperación en texto
completo, pero no se logró acceder a 11 de ellos. Finalmente, se evaluaron 49 artículos para
determinar su elegibilidad, y 23 fueron excluidos por razones relacionadas con la población (n =
13) o la intervención/exposición (n = 10). En última instancia, 28 estudios cumplieron con los
criterios de inclusión para esta revisión.
El diagrama de flujo PRISMA ilustra el proceso de selección de los estudios (ver Figura
1).
Estudios incluidos
Esta revisión incluyó 28 estudios con un total de 61,330 participantes, realizados en
diversos países y con distintos diseños metodológicos. La mayoría de los estudios se llevaron a
cabo en Estados Unidos (4 estudios) y China (3 estudios), seguidos por España, Países Bajos,
Reino Unido, Dinamarca y otros países europeos y asiáticos. La mayoría de los estudios utilizaron
un diseño de cohorte para investigar la relación entre biomarcadores específicos y la predicción
de eventos cardiovasculares en poblaciones de pacientes diversas.
Métodos de búsqueda para la identificación de estudios
Se realizaron búsquedas sistemáticas en las bases de datos MEDLINE (vía PubMed),
EMBASE, Scopus y la Cochrane Library. Se utilizaron palabras clave y términos MeSH
relacionados con "biomarcadores", "eventos cardiovasculares", "prevención" y "predicción".
Se revisaron las listas de referencias de los estudios seleccionados y resúmenes relevantes
de congresos. Además, se realizaron búsquedas de literatura gris en repositorios institucionales.
Recolección y análisis de datos
Selección de estudios
Dos revisores independientes evaluaron los títulos y resúmenes para identificar estudios
potencialmente relevantes. Los textos completos de los estudios seleccionados se revisaron para
determinar su elegibilidad, y las discrepancias se resolvieron por consenso.
Extracción de datos
Se desarrolló un formulario estandarizado de extracción de datos para recopilar
información sobre autores, año de publicación, diseño del estudio, población, biomarcadores
evaluados, desenlaces primarios y secundarios.
Evaluación de la calidad
Se utilizó la Escala de Newcastle-Ottawa para evaluar la calidad de los estudios
observacionales, y la herramienta Cochrane Risk of Bias 2 para los ensayos clínicos aleatorizados.
RESULTADOS Y DISCUSIÓN
Se recuperaron un total de 1,379 registros de las bases de datos electrónicas. Tras eliminar
duplicados, se examinaron 1,248 registros. De estos, 1,188 fueron excluidos tras la revisión de
títulos y resúmenes. Posteriormente, se seleccionaron 60 registros para su recuperación en texto
completo, pero no se logró acceder a 11 de ellos. Finalmente, se evaluaron 49 artículos para
determinar su elegibilidad, y 23 fueron excluidos por razones relacionadas con la población (n =
13) o la intervención/exposición (n = 10). En última instancia, 28 estudios cumplieron con los
criterios de inclusión para esta revisión.
El diagrama de flujo PRISMA ilustra el proceso de selección de los estudios (ver Figura
1).
Estudios incluidos
Esta revisión incluyó 28 estudios con un total de 61,330 participantes, realizados en
diversos países y con distintos diseños metodológicos. La mayoría de los estudios se llevaron a
cabo en Estados Unidos (4 estudios) y China (3 estudios), seguidos por España, Países Bajos,
Reino Unido, Dinamarca y otros países europeos y asiáticos. La mayoría de los estudios utilizaron
un diseño de cohorte para investigar la relación entre biomarcadores específicos y la predicción
de eventos cardiovasculares en poblaciones de pacientes diversas.
Vol. 13/ Núm. 1 2026 pág. 483
Las poblaciones estudiadas fueron muy heterogéneas, incluyendo desde pacientes con
condiciones específicas como cardiopatía congénita del adulto (ACHD, por sus siglas en inglés)
y síndrome coronario agudo (SCA), hasta adultos asintomáticos e individuos con factores de
riesgo cardiovascular. Los tamaños muestrales oscilaron entre 112 y 9,223 participantes, y los
periodos de seguimiento variaron entre 18 meses y 21.4 años, lo que permitió evaluar tanto
desenlaces a corto como a largo plazo.
Varios estudios evaluaron biomarcadores avanzados como NT-proBNP, troponina I y
TMAO, y su asociación con eventos cardiovasculares mayores y mortalidad. Por ejemplo, Baggen
et al. (2018) y Kistorp et al. (2005) analizaron el papel del NT-proBNP en diferentes poblaciones,
mientras que estudios recientes como los de Li et al. (2022) y Kimenai et al. (2023) exploraron la
utilidad de otros biomarcadores, como lnc-MALAT1 y la troponina I, en la predicción de
desenlaces cardiovasculares adversos en poblaciones específicas.
La duración promedio del seguimiento varió entre los estudios. Por ejemplo, Lin et al.
(2020) realizaron un estudio con hasta 14 años de seguimiento, mientras que Watson et al. (2020)
se centró en periodos medianos de seguimiento más cortos (2.5 años) para biomarcadores
específicos. En todos los estudios, los criterios de inclusión y exclusión estuvieron claramente
definidos, lo que permitió la comparación y el análisis de los biomarcadores avanzados en relación
con los factores de riesgo cardiovascular tradicionales (ver Tabla 1).
Tabla 1
Características de estudios incluidos
Autor Año País Diseño Objetivo N Características
Martínez-
Quintana, et
al (14)
2020 España Casos y
controles
Evaluar el papel de la
amplitud de distribución
eritrocitaria (RDW) como
predictor independiente de
eventos cardiovasculares en
pacientes con cardiopatía
congénita (CC).
561 pacientes
con CC,
2,128
controles
Pacientes con CC estable
>14 años; excluidos con
insuficiencia renal grave,
anemia, cianosis o
tratamiento con hierro.
Baggen, et
al (18) 2018 Países Bajos Cohorte
Investigar cambios
temporales en NT-proBNP
en pacientes con CC del
adulto y su relación con
eventos cardiovasculares
adversos.
602
Adultos con CC
moderada/compleja; 58%
hombres; mediana edad 33
años (RIC 25–41); 90%
NYHA I. Excluidos <18
años, lesiones leves,
embarazo, insuf. renal.
Pickhardt, et
al (8) 2020 EE. UU. Cohorte
Comparar biomarcadores
de composición corporal
por TC con parámetros
clínicos (FRS e IMC) para
eventos CV mayores y
supervivencia.
9,223
Adultos asintomáticos
(edad media: 57.1 años)
sometidos a TC para
tamizaje de cáncer
colorrectal.
Veeranna, et
al (23) 2013 EE. UU. Cohorte
Evaluar la influencia de la
etnicidad en la asociación
entre biomarcadores
avanzados y eventos CV en
adultos asintomáticos.
6,067
Adultos de 4 etnias
(blancos, afroamericanos,
hispanos, chinos); 45–84
años; sin ECV clínica.
Las poblaciones estudiadas fueron muy heterogéneas, incluyendo desde pacientes con
condiciones específicas como cardiopatía congénita del adulto (ACHD, por sus siglas en inglés)
y síndrome coronario agudo (SCA), hasta adultos asintomáticos e individuos con factores de
riesgo cardiovascular. Los tamaños muestrales oscilaron entre 112 y 9,223 participantes, y los
periodos de seguimiento variaron entre 18 meses y 21.4 años, lo que permitió evaluar tanto
desenlaces a corto como a largo plazo.
Varios estudios evaluaron biomarcadores avanzados como NT-proBNP, troponina I y
TMAO, y su asociación con eventos cardiovasculares mayores y mortalidad. Por ejemplo, Baggen
et al. (2018) y Kistorp et al. (2005) analizaron el papel del NT-proBNP en diferentes poblaciones,
mientras que estudios recientes como los de Li et al. (2022) y Kimenai et al. (2023) exploraron la
utilidad de otros biomarcadores, como lnc-MALAT1 y la troponina I, en la predicción de
desenlaces cardiovasculares adversos en poblaciones específicas.
La duración promedio del seguimiento varió entre los estudios. Por ejemplo, Lin et al.
(2020) realizaron un estudio con hasta 14 años de seguimiento, mientras que Watson et al. (2020)
se centró en periodos medianos de seguimiento más cortos (2.5 años) para biomarcadores
específicos. En todos los estudios, los criterios de inclusión y exclusión estuvieron claramente
definidos, lo que permitió la comparación y el análisis de los biomarcadores avanzados en relación
con los factores de riesgo cardiovascular tradicionales (ver Tabla 1).
Tabla 1
Características de estudios incluidos
Autor Año País Diseño Objetivo N Características
Martínez-
Quintana, et
al (14)
2020 España Casos y
controles
Evaluar el papel de la
amplitud de distribución
eritrocitaria (RDW) como
predictor independiente de
eventos cardiovasculares en
pacientes con cardiopatía
congénita (CC).
561 pacientes
con CC,
2,128
controles
Pacientes con CC estable
>14 años; excluidos con
insuficiencia renal grave,
anemia, cianosis o
tratamiento con hierro.
Baggen, et
al (18) 2018 Países Bajos Cohorte
Investigar cambios
temporales en NT-proBNP
en pacientes con CC del
adulto y su relación con
eventos cardiovasculares
adversos.
602
Adultos con CC
moderada/compleja; 58%
hombres; mediana edad 33
años (RIC 25–41); 90%
NYHA I. Excluidos <18
años, lesiones leves,
embarazo, insuf. renal.
Pickhardt, et
al (8) 2020 EE. UU. Cohorte
Comparar biomarcadores
de composición corporal
por TC con parámetros
clínicos (FRS e IMC) para
eventos CV mayores y
supervivencia.
9,223
Adultos asintomáticos
(edad media: 57.1 años)
sometidos a TC para
tamizaje de cáncer
colorrectal.
Veeranna, et
al (23) 2013 EE. UU. Cohorte
Evaluar la influencia de la
etnicidad en la asociación
entre biomarcadores
avanzados y eventos CV en
adultos asintomáticos.
6,067
Adultos de 4 etnias
(blancos, afroamericanos,
hispanos, chinos); 45–84
años; sin ECV clínica.
Vol. 13/ Núm. 1 2026 pág. 484
Autor Año País Diseño Objetivo N Características
Kistorp, et
al (8) 2005 Dinamarca Cohorte
Evaluar el valor pronóstico
de NT-proBNP frente a
PCR y albúmina/creatinina
para mortalidad y eventos
CV.
764
Adultos 50–89 años sin IC,
ERC ni ECV previa, en
Copenhague.
Kimenai, et
al (20) 2023
RU, Noruega,
Países Bajos,
Francia
Cohorte
Evaluar la trayectoria de
troponina I y si las
mediciones seriadas
permiten monitorizar el
riesgo CV.
7,293
(Whitehall
II); 9,711
(HUNT)
Edad media 58 ± 7 años;
29.4% mujeres; incluidos
HTA, diabetes, uso de
estatinas y
antihipertensivos.
Li, et al (9) 2022 China Cohorte
Explorar lnc-MALAT1 en
el riesgo de enfermedad,
características clínicas y
predicción de ECVM en
IAM.
160 pacientes
con IAM, 50
con angina
IAM reciente >18 años;
excluidos cáncer,
enfermedades
inflamatorias,
embarazo/lactancia.
Le Wang, et
al (24) 2022 China Cohorte
Evaluar biomarcadores
múltiples en pacientes con
SCA sin factores de riesgo
CV estándar.
621
SCA sin HTA, diabetes,
dislipidemia, tabaquismo.
Edad media: 63.9 años;
51.7% hombres.
Dregoesc, et
al (19) 2022 Rumanía,
Países Bajos Cohorte
Evaluar proteómica
plasmática y riesgo de
eventos CV en enfermedad
coronaria estable.
229
Edad media: 64.9 años;
68.5% hombres; HTA 90%,
DM2 35%.
Witkowski,
et al (25) 2021 EE. UU. Cohorte
Evaluar hs-cTnT en
prediabéticos como
predictor de ECVM y
mortalidad.
2,631
Adultos prediabéticos sin
tratamiento, sometidos a
angiografía coronaria
electiva.
Mise, et al
(16) 2021 Japón Cohorte
Evaluar lectinas urinarias
para predecir eventos CV
en DM2.
680
Edad media 63 años; 61%
hombres; 24% con ECV
previa; 70% con HTA.
Watson, et
al (4) 2020 Irlanda, EE.
UU. Cohorte Evaluar cambios en sST2 y
BNP para predecir ECVM. 282
Asintomáticos con factores
de riesgo CV (cohorte
STOP-HF).
Lin, et al
(18) 2020 EE. UU. Cohorte
Evaluar un modelo ML con
biomarcadores y TC para
predicción a largo plazo de
eventos cardíacos.
1,069
Edad media 58 ± 8 años;
52% hombres; CAC +
biomarcadores.
Turgunova,
et al (19) 2020 Kazajistán Cohorte
Evaluar CXCL16, endocan
y H-FABP en población sin
ECV previa.
363 Adultos 30–65 años sin
antecedentes de ECV.
Saely, et al
(20) 2019 Liechtenstein,
Austria, Suiza Cohorte
Evaluar si proBNP predice
eventos CV en pacientes
con ECV estable con/sin
DM2.
900
ECV estable: 591 con
enfermedad coronaria; 309
con enfermedad arterial
periférica.
Lan, et al
(11) 2019 Australia Cohorte
Evaluar valor adicional de
hs-cTnI al FRS en hombres
mayores sin ECV.
1,151
Hombres 70–89 años de la
comunidad (registro
electoral).
Vassallo, et
al (22) 2019 RU, Suiza Cohorte
Evaluar si biomarcadores
avanzados mejoran la
predicción de riesgo y
selección de pacientes en
112
Edad mediana 71.1 años;
eGFR mediana 27.4
mL/min/1.73m².
Autor Año País Diseño Objetivo N Características
Kistorp, et
al (8) 2005 Dinamarca Cohorte
Evaluar el valor pronóstico
de NT-proBNP frente a
PCR y albúmina/creatinina
para mortalidad y eventos
CV.
764
Adultos 50–89 años sin IC,
ERC ni ECV previa, en
Copenhague.
Kimenai, et
al (20) 2023
RU, Noruega,
Países Bajos,
Francia
Cohorte
Evaluar la trayectoria de
troponina I y si las
mediciones seriadas
permiten monitorizar el
riesgo CV.
7,293
(Whitehall
II); 9,711
(HUNT)
Edad media 58 ± 7 años;
29.4% mujeres; incluidos
HTA, diabetes, uso de
estatinas y
antihipertensivos.
Li, et al (9) 2022 China Cohorte
Explorar lnc-MALAT1 en
el riesgo de enfermedad,
características clínicas y
predicción de ECVM en
IAM.
160 pacientes
con IAM, 50
con angina
IAM reciente >18 años;
excluidos cáncer,
enfermedades
inflamatorias,
embarazo/lactancia.
Le Wang, et
al (24) 2022 China Cohorte
Evaluar biomarcadores
múltiples en pacientes con
SCA sin factores de riesgo
CV estándar.
621
SCA sin HTA, diabetes,
dislipidemia, tabaquismo.
Edad media: 63.9 años;
51.7% hombres.
Dregoesc, et
al (19) 2022 Rumanía,
Países Bajos Cohorte
Evaluar proteómica
plasmática y riesgo de
eventos CV en enfermedad
coronaria estable.
229
Edad media: 64.9 años;
68.5% hombres; HTA 90%,
DM2 35%.
Witkowski,
et al (25) 2021 EE. UU. Cohorte
Evaluar hs-cTnT en
prediabéticos como
predictor de ECVM y
mortalidad.
2,631
Adultos prediabéticos sin
tratamiento, sometidos a
angiografía coronaria
electiva.
Mise, et al
(16) 2021 Japón Cohorte
Evaluar lectinas urinarias
para predecir eventos CV
en DM2.
680
Edad media 63 años; 61%
hombres; 24% con ECV
previa; 70% con HTA.
Watson, et
al (4) 2020 Irlanda, EE.
UU. Cohorte Evaluar cambios en sST2 y
BNP para predecir ECVM. 282
Asintomáticos con factores
de riesgo CV (cohorte
STOP-HF).
Lin, et al
(18) 2020 EE. UU. Cohorte
Evaluar un modelo ML con
biomarcadores y TC para
predicción a largo plazo de
eventos cardíacos.
1,069
Edad media 58 ± 8 años;
52% hombres; CAC +
biomarcadores.
Turgunova,
et al (19) 2020 Kazajistán Cohorte
Evaluar CXCL16, endocan
y H-FABP en población sin
ECV previa.
363 Adultos 30–65 años sin
antecedentes de ECV.
Saely, et al
(20) 2019 Liechtenstein,
Austria, Suiza Cohorte
Evaluar si proBNP predice
eventos CV en pacientes
con ECV estable con/sin
DM2.
900
ECV estable: 591 con
enfermedad coronaria; 309
con enfermedad arterial
periférica.
Lan, et al
(11) 2019 Australia Cohorte
Evaluar valor adicional de
hs-cTnI al FRS en hombres
mayores sin ECV.
1,151
Hombres 70–89 años de la
comunidad (registro
electoral).
Vassallo, et
al (22) 2019 RU, Suiza Cohorte
Evaluar si biomarcadores
avanzados mejoran la
predicción de riesgo y
selección de pacientes en
112
Edad mediana 71.1 años;
eGFR mediana 27.4
mL/min/1.73m².
Vol. 13/ Núm. 1 2026 pág. 485
Autor Año País Diseño Objetivo N Características
enfermedad renovascular
aterosclerótica.
Altay, et al
(12) 2017 Turquía Cohorte
Evaluar el valor pronóstico
a largo plazo de PTX3 en
IAM.
140 pacientes
IAM, 60
controles
sanos
Adultos con IAM
(STEMI/NSTEMI);
controles sin eventos ni
biomarcadores elevados.
Li, Xinmin
S., et al (10) 2017 EE. UU., Suiza Cohorte
Evaluar si TMAO predice
ECVM y mortalidad en
SCA, más allá de factores
tradicionales.
530
(Cleveland);
1,683 (Suiza)
Dolor torácico + SCA;
enfermedad coronaria
confirmada.
van der
Leeuw, et al
(21)
2016 Países Bajos Cohorte
Evaluar 23 biomarcadores
nuevos en riesgo de eventos
CV en DM2.
1,002
(SMART);
288 (EPIC-
NL)
DM2, edad media ≈59 años;
62% con enfermedad
vascular previa (SMART).
Cortez-
Dias, et al
(26)
2016 Portugal Cohorte
Evaluar la relación miR-
122-5p/miR-133b como
biomarcador pronóstico
temprano en STEMI.
142 STEMI,
18 controles
no-STEMI
Edad media 62 años; 75.4%
hombres; comunes: HTA,
dislipidemia, diabetes,
tabaquismo.
Kara K., et
al (27) 2015 Alemania Cohorte
Comparar BNP y NT-
proBNP en predicción de
eventos CV en población
europea sin ECV.
3,589
Edad media 59.3 años (45–
75); 52.5% mujeres; sin
ECV ni ERC grave.
Price, et al
(17) 2014 Reino Unido Cohorte
Evaluar NT-proBNP y su
asociación con factores de
riesgo y eventos CV en
adultos mayores con DM2.
1,066 Hombres y mujeres 60–75
años con DM2.
Leistner, et
al (29) 2013 Alemania Cohorte
Evaluar valor predictivo a 5
años de NT-proBNP y hs-
CRP frente a factores
tradicionales.
4,775
Edad media 55.8 años; 62%
mujeres; sin enfermedad
coronaria previa.
Wang,
M.D., et al
(28)
2006 EE. UU. Cohorte
Evaluar si un panel de
biomarcadores mejora la
predicción de muerte y
eventos CV frente a
factores tradicionales.
3,209
Edad media 59 años; 53%
mujeres; se evaluaron
factores de riesgo CV.
Fagel, et al
(30) 2023 Países Bajos Ensayo
clínico
Evaluar biomarcadores en
pacientes con NSTE-ACS
tratados con estrategia
invasiva precoz.
249
NSTE-ACS con al menos
un criterio de alto riesgo (p.
ej., depresión del ST o ECV
previa).
Evaluación del riesgo de sesgo
En el análisis del riesgo de sesgo en los estudios de casos y controles, se obtuvo una
puntuación total de 9/9 estrellas, lo que indica una calidad metodológica adecuada. La selección
de los casos fue clara, con una definición precisa mediante pruebas de imagen clínica, y los
controles fueron emparejados por edad, sexo y factores de riesgo cardiovascular. La
comparabilidad entre los grupos se aseguró mediante el control de factores clave como la
hipertensión y la diabetes, así como de elementos adicionales como la complejidad de la
cardiopatía y los niveles de NT-proBNP en el análisis multivariable. La exposición se determinó
Autor Año País Diseño Objetivo N Características
enfermedad renovascular
aterosclerótica.
Altay, et al
(12) 2017 Turquía Cohorte
Evaluar el valor pronóstico
a largo plazo de PTX3 en
IAM.
140 pacientes
IAM, 60
controles
sanos
Adultos con IAM
(STEMI/NSTEMI);
controles sin eventos ni
biomarcadores elevados.
Li, Xinmin
S., et al (10) 2017 EE. UU., Suiza Cohorte
Evaluar si TMAO predice
ECVM y mortalidad en
SCA, más allá de factores
tradicionales.
530
(Cleveland);
1,683 (Suiza)
Dolor torácico + SCA;
enfermedad coronaria
confirmada.
van der
Leeuw, et al
(21)
2016 Países Bajos Cohorte
Evaluar 23 biomarcadores
nuevos en riesgo de eventos
CV en DM2.
1,002
(SMART);
288 (EPIC-
NL)
DM2, edad media ≈59 años;
62% con enfermedad
vascular previa (SMART).
Cortez-
Dias, et al
(26)
2016 Portugal Cohorte
Evaluar la relación miR-
122-5p/miR-133b como
biomarcador pronóstico
temprano en STEMI.
142 STEMI,
18 controles
no-STEMI
Edad media 62 años; 75.4%
hombres; comunes: HTA,
dislipidemia, diabetes,
tabaquismo.
Kara K., et
al (27) 2015 Alemania Cohorte
Comparar BNP y NT-
proBNP en predicción de
eventos CV en población
europea sin ECV.
3,589
Edad media 59.3 años (45–
75); 52.5% mujeres; sin
ECV ni ERC grave.
Price, et al
(17) 2014 Reino Unido Cohorte
Evaluar NT-proBNP y su
asociación con factores de
riesgo y eventos CV en
adultos mayores con DM2.
1,066 Hombres y mujeres 60–75
años con DM2.
Leistner, et
al (29) 2013 Alemania Cohorte
Evaluar valor predictivo a 5
años de NT-proBNP y hs-
CRP frente a factores
tradicionales.
4,775
Edad media 55.8 años; 62%
mujeres; sin enfermedad
coronaria previa.
Wang,
M.D., et al
(28)
2006 EE. UU. Cohorte
Evaluar si un panel de
biomarcadores mejora la
predicción de muerte y
eventos CV frente a
factores tradicionales.
3,209
Edad media 59 años; 53%
mujeres; se evaluaron
factores de riesgo CV.
Fagel, et al
(30) 2023 Países Bajos Ensayo
clínico
Evaluar biomarcadores en
pacientes con NSTE-ACS
tratados con estrategia
invasiva precoz.
249
NSTE-ACS con al menos
un criterio de alto riesgo (p.
ej., depresión del ST o ECV
previa).
Evaluación del riesgo de sesgo
En el análisis del riesgo de sesgo en los estudios de casos y controles, se obtuvo una
puntuación total de 9/9 estrellas, lo que indica una calidad metodológica adecuada. La selección
de los casos fue clara, con una definición precisa mediante pruebas de imagen clínica, y los
controles fueron emparejados por edad, sexo y factores de riesgo cardiovascular. La
comparabilidad entre los grupos se aseguró mediante el control de factores clave como la
hipertensión y la diabetes, así como de elementos adicionales como la complejidad de la
cardiopatía y los niveles de NT-proBNP en el análisis multivariable. La exposición se determinó
Vol. 13/ Núm. 1 2026 pág. 486
mediante análisis sanguíneos estandarizados, aplicando los mismos métodos en ambos grupos,
sin pérdidas de participantes reportadas (11).
En cuanto al riesgo de sesgo en los ensayos clínicos, se identificaron preocupaciones en
varios dominios, aunque en general el juicio global de sesgo se mantuvo como “Algunas
preocupaciones”. La secuencia de asignación fue aleatorizada y ocultada hasta el momento de la
inclusión, lo que mejora la validez del proceso de aleatorización, sin diferencias significativas en
las características basales. Sin embargo, tanto los participantes como el personal conocían las
intervenciones asignadas, lo que podría introducir desviaciones, aunque no se considera que estas
afecten de manera significativa el resultado. En el dominio de los datos de desenlace, no se
dispuso de información completa para todos los participantes, pero la proporción de datos
faltantes se consideró similar entre los grupos. La medición de los desenlaces fue adecuada y
consistente entre los grupos. Finalmente, el análisis se llevó a cabo siguiendo un plan
preespecificado, aunque permanece la posibilidad de selección entre múltiples análisis posibles
(30).
En los estudios de cohortes incluidos, el riesgo de sesgo se evaluó en tres dominios
principales: selección, comparabilidad y desenlaces. En cuanto a la selección, la mayoría de las
cohortes fueron representativas de la población de interés, como adultos con diversos factores de
riesgo cardiovascular, pacientes asintomáticos o sujetos con condiciones específicas como
cardiopatía congénita o infarto agudo de miocardio. Sin embargo, algunos estudios carecían de
una cohorte no expuesta claramente definida, lo que podría limitar la capacidad para realizar
comparaciones directas.
En el dominio de la comparabilidad, la mayoría de los estudios controlaron adecuadamente
factores clave como la edad, el sexo, la presión arterial y otros factores de riesgo cardiovascular.
Además, varios estudios incluyeron ajustes adicionales por biomarcadores específicos y
características clínicas relevantes, mejorando así la validez de los análisis multivariables y
reduciendo el sesgo potencial al comparar cohortes expuestas y no expuestas.
Finalmente, en el dominio de los desenlaces, los estudios generalmente utilizaron métodos
validados y criterios estandarizados para la evaluación de los desenlaces cardiovasculares, como
los eventos cardiovasculares adversos mayores (MACE) y la mortalidad. Los tiempos de
seguimiento fueron adecuados en la mayoría de los estudios, lo que permitió la observación de
eventos cardiovasculares a largo plazo en poblaciones diversas. No obstante, algunos estudios
presentaron periodos de seguimiento relativamente cortos o una tasa moderada de pérdida de
participantes, lo que podría introducir sesgo en la evaluación de los desenlaces a largo plazo (ver
Tabla 2).
mediante análisis sanguíneos estandarizados, aplicando los mismos métodos en ambos grupos,
sin pérdidas de participantes reportadas (11).
En cuanto al riesgo de sesgo en los ensayos clínicos, se identificaron preocupaciones en
varios dominios, aunque en general el juicio global de sesgo se mantuvo como “Algunas
preocupaciones”. La secuencia de asignación fue aleatorizada y ocultada hasta el momento de la
inclusión, lo que mejora la validez del proceso de aleatorización, sin diferencias significativas en
las características basales. Sin embargo, tanto los participantes como el personal conocían las
intervenciones asignadas, lo que podría introducir desviaciones, aunque no se considera que estas
afecten de manera significativa el resultado. En el dominio de los datos de desenlace, no se
dispuso de información completa para todos los participantes, pero la proporción de datos
faltantes se consideró similar entre los grupos. La medición de los desenlaces fue adecuada y
consistente entre los grupos. Finalmente, el análisis se llevó a cabo siguiendo un plan
preespecificado, aunque permanece la posibilidad de selección entre múltiples análisis posibles
(30).
En los estudios de cohortes incluidos, el riesgo de sesgo se evaluó en tres dominios
principales: selección, comparabilidad y desenlaces. En cuanto a la selección, la mayoría de las
cohortes fueron representativas de la población de interés, como adultos con diversos factores de
riesgo cardiovascular, pacientes asintomáticos o sujetos con condiciones específicas como
cardiopatía congénita o infarto agudo de miocardio. Sin embargo, algunos estudios carecían de
una cohorte no expuesta claramente definida, lo que podría limitar la capacidad para realizar
comparaciones directas.
En el dominio de la comparabilidad, la mayoría de los estudios controlaron adecuadamente
factores clave como la edad, el sexo, la presión arterial y otros factores de riesgo cardiovascular.
Además, varios estudios incluyeron ajustes adicionales por biomarcadores específicos y
características clínicas relevantes, mejorando así la validez de los análisis multivariables y
reduciendo el sesgo potencial al comparar cohortes expuestas y no expuestas.
Finalmente, en el dominio de los desenlaces, los estudios generalmente utilizaron métodos
validados y criterios estandarizados para la evaluación de los desenlaces cardiovasculares, como
los eventos cardiovasculares adversos mayores (MACE) y la mortalidad. Los tiempos de
seguimiento fueron adecuados en la mayoría de los estudios, lo que permitió la observación de
eventos cardiovasculares a largo plazo en poblaciones diversas. No obstante, algunos estudios
presentaron periodos de seguimiento relativamente cortos o una tasa moderada de pérdida de
participantes, lo que podría introducir sesgo en la evaluación de los desenlaces a largo plazo (ver
Tabla 2).
Vol. 13/ Núm. 1 2026 pág. 487
Tabla 2
Evaluación del riesgo de sesgo en los estudios de cohorte
Estudio Represent
atividad
Selección Determinació
n de la
exposición
Evento
no
presente
al inicio
Compara
bilidad de
cohortes
Evaluación
del
desenlace
Tiempo
de
seguimi
ento
Adecuación
del
seguimient
o
M.
Baggen,
et al
(18)
Represent
ativa de
adultos
con
cardiopatí
a
congénita
(★)
Fuente
diferente (b)
Registro
seguro (NT-
proBNP) (★)
Sí (★) Edad,
sexo,
clase
NYHA,
medicació
n, función
ventricula
r (★);
ajuste por
eGFR,
saturación
O2,
reinterven
ciones (★)
Evaluación
ciega e
independien
te (★)
Mediana
de 4.4
años
(★)
99.2%
seguimiento
completo
(★)
J.
Pickhar
dt, et al
(8)
Represent
ativa de
adultos
asintomáti
cos (★)
Sin cohorte
no expuesta
(d)
Datos TC
automatizados
(★)
Sí (★) Edad,
sexo (★);
ajuste por
FRS e
IMC (★)
Registros
clínicos y
algoritmos
validados
(★)
Mediana
8.8 años
(★)
Seguimiento
completo,
exclusión
<1% (★)
Veerann
a, et al
(23)
Represent
ativa de
adultos
asintomáti
cos de
varias
etnias (★)
Sin cohorte
no expuesta
(d)
ELISA y
métodos
validados (★)
Sí (★) Edad,
sexo, PA,
colesterol,
tabaquism
o (★);
ajuste por
etnia (★)
Evaluación
ciega,
criterios
MESA (★)
Media
4.6 años
(★)
Sistema
estandarizad
o, baja
pérdida de
datos (★)
Kistorp,
et al (8)
Adultos
50–89
años en
comunida
d urbana
(★)
Sin cohorte
no expuesta
(d)
Inmunoensayo
s validados
(★)
Sí (★) Edad,
sexo,
HTA,
DM,
creatinina
(★);
ajuste por
FEVI y
eventos
intercurre
ntes (★)
Registros
estandarizad
os,
validación
con CIE-10
(★)
5 años
(★)
94%
incluidos,
seguimiento
robusto con
registros
nacionales
(★)
Kimenai
, et al
(20)
Población
general
adulta,
funcionari
os UK (★)
Sin cohorte
no expuesta
(d)
Troponina
ultrasensible
con
protocolos
estandarizados
(★)
Sí (★) Edad,
sexo, PA,
lípidos,
tabaquism
o, DM
(★);
troponinas
seriadas
(★)
Registros
nacionales
estandarizad
os (★)
>20
años
(Whiteh
all II)
(★)
Medición en
3 puntos,
ajuste
estadístico
por pérdida
de datos (★)
Li, et al
(9)
AMI
recién
diagnostic
ado en
múltiples
centros en
China (★)
Controles
con angina
(★)
Entrevistas y
qPCR para
lnc-MALAT1
(★)
Sí (★) Edad,
sexo,
HTA,
lípidos,
DM (★);
IL-6,
TNF-α,
PCR (★)
Criterios
estandarizad
os y
laboratorio
independien
te (★)
Corto
plazo,
insuficie
nte para
eventos
a largo
plazo
Seguimiento
limitado;
impacto de
pérdidas no
especificado
Le
Wang,
et al
(24)
SCAC sin
factores
de riesgo
modificabl
Sin cohorte
no expuesta
(d)
Electroquimio
luminiscencia
(NT-proBNP,
Sí (★) FEVI,
eGFR
(★); NT-
proBNP,
Registros
clínicos y
análisis
Mediana
de 5
años
(★)
Baja
exclusión,
datos
Tabla 2
Evaluación del riesgo de sesgo en los estudios de cohorte
Estudio Represent
atividad
Selección Determinació
n de la
exposición
Evento
no
presente
al inicio
Compara
bilidad de
cohortes
Evaluación
del
desenlace
Tiempo
de
seguimi
ento
Adecuación
del
seguimient
o
M.
Baggen,
et al
(18)
Represent
ativa de
adultos
con
cardiopatí
a
congénita
(★)
Fuente
diferente (b)
Registro
seguro (NT-
proBNP) (★)
Sí (★) Edad,
sexo,
clase
NYHA,
medicació
n, función
ventricula
r (★);
ajuste por
eGFR,
saturación
O2,
reinterven
ciones (★)
Evaluación
ciega e
independien
te (★)
Mediana
de 4.4
años
(★)
99.2%
seguimiento
completo
(★)
J.
Pickhar
dt, et al
(8)
Represent
ativa de
adultos
asintomáti
cos (★)
Sin cohorte
no expuesta
(d)
Datos TC
automatizados
(★)
Sí (★) Edad,
sexo (★);
ajuste por
FRS e
IMC (★)
Registros
clínicos y
algoritmos
validados
(★)
Mediana
8.8 años
(★)
Seguimiento
completo,
exclusión
<1% (★)
Veerann
a, et al
(23)
Represent
ativa de
adultos
asintomáti
cos de
varias
etnias (★)
Sin cohorte
no expuesta
(d)
ELISA y
métodos
validados (★)
Sí (★) Edad,
sexo, PA,
colesterol,
tabaquism
o (★);
ajuste por
etnia (★)
Evaluación
ciega,
criterios
MESA (★)
Media
4.6 años
(★)
Sistema
estandarizad
o, baja
pérdida de
datos (★)
Kistorp,
et al (8)
Adultos
50–89
años en
comunida
d urbana
(★)
Sin cohorte
no expuesta
(d)
Inmunoensayo
s validados
(★)
Sí (★) Edad,
sexo,
HTA,
DM,
creatinina
(★);
ajuste por
FEVI y
eventos
intercurre
ntes (★)
Registros
estandarizad
os,
validación
con CIE-10
(★)
5 años
(★)
94%
incluidos,
seguimiento
robusto con
registros
nacionales
(★)
Kimenai
, et al
(20)
Población
general
adulta,
funcionari
os UK (★)
Sin cohorte
no expuesta
(d)
Troponina
ultrasensible
con
protocolos
estandarizados
(★)
Sí (★) Edad,
sexo, PA,
lípidos,
tabaquism
o, DM
(★);
troponinas
seriadas
(★)
Registros
nacionales
estandarizad
os (★)
>20
años
(Whiteh
all II)
(★)
Medición en
3 puntos,
ajuste
estadístico
por pérdida
de datos (★)
Li, et al
(9)
AMI
recién
diagnostic
ado en
múltiples
centros en
China (★)
Controles
con angina
(★)
Entrevistas y
qPCR para
lnc-MALAT1
(★)
Sí (★) Edad,
sexo,
HTA,
lípidos,
DM (★);
IL-6,
TNF-α,
PCR (★)
Criterios
estandarizad
os y
laboratorio
independien
te (★)
Corto
plazo,
insuficie
nte para
eventos
a largo
plazo
Seguimiento
limitado;
impacto de
pérdidas no
especificado
Le
Wang,
et al
(24)
SCAC sin
factores
de riesgo
modificabl
Sin cohorte
no expuesta
(d)
Electroquimio
luminiscencia
(NT-proBNP,
Sí (★) FEVI,
eGFR
(★); NT-
proBNP,
Registros
clínicos y
análisis
Mediana
de 5
años
(★)
Baja
exclusión,
datos
Vol. 13/ Núm. 1 2026 pág. 488
Estudio Represent
atividad
Selección Determinació
n de la
exposición
Evento
no
presente
al inicio
Compara
bilidad de
cohortes
Evaluación
del
desenlace
Tiempo
de
seguimi
ento
Adecuación
del
seguimient
o
es
estándar
(★)
D-dímero)
(★)
Lp(a), D-
dímero
(★)
avanzados
(★)
completos
(★)
Ioana
Dregoes
c, et al
(21)
Enfermed
ad
coronaria
estable
document
ada por
angiografí
a (★)
Sin cohorte
no expuesta
(d)
Proteómica
por ensayo de
extensión de
proximidad
(★)
Sí (★) Edad,
sexo, DM,
eGFR,
PA, LDL,
HTA (★)
Modelo de
Cox y datos
angiográfico
s (★)
18
meses,
limitado
(b)
Métodos
detallados,
pero tiempo
corto (★)
Witkow
ski, et al
(25)
Prediabete
s en centro
especializ
ado en
EE.UU.
(★)
Sin cohorte
no expuesta
(d)
Troponina
ultrasensible
(hs-cTnT) (★)
Sí (★) Edad,
sexo, PA,
lípidos,
tabaquism
o, eGFR
(★);
hsCRP,
HbA1c,
FEVI (★)
Seguimiento
clínico
detallado y
revisión de
eventos (★)
3 años
MACE,
5 años
mortalid
ad (★)
Métodos
robustos, sin
pérdidas
relevantes
(★)
Mise, et
al (16)
DM2
tratados
en
múltiples
centros en
Japón (★)
Sin cohorte
no expuesta
(d)
Lectin
microarray
urinario
validado (★)
Sí (★) Edad,
sexo, PA,
IMC,
HbA1c,
LDL,
UACR,
eventos
previos
(★)
Modelo de
riesgos
proporciona
les de Cox
(★)
Mediana
4.8 años
(★)
Baja tasa de
pérdida,
análisis
estadístico
adecuado
(★)
J.
Watson,
et al (4)
Asintomát
icos con
riesgo
cardiovasc
ular
(STOP-
HF) (★)
Sin cohorte
no expuesta
(d)
sST2 y BNP
con ensayos
validados (★)
Sí (★) Edad,
sexo,
factores
CV; sST2
y BNP
basales y
longitudin
ales (★)
Análisis
Kaplan-
Meier y
Cox,
eventos
adjudicados
(★)
2.5
años,
limitado
(b)
Pocas
pérdidas,
pero tiempo
insuficiente
para eventos
a largo
plazo (b)
Lin, et
al (18)
Represent
ativa de
sujetos
asintomáti
cos del
estudio
EISNER
(★)
Sin cohorte
no expuesta
(d)
Ensayos
validados y
TC
automatizada
por IA (★)
Sí (★) Edad,
sexo,
factores
tradicional
es, calcio
coronario
(★);
biomarcad
ores
novedosos
y grasa
epicárdica
(★)
Eventos
cardíacos
mayores
adjudicados
a largo
plazo (★)
Promedi
o de 14
años
(★)
Seguimiento
robusto
validado
con 10-fold
cross-
validation
(★)
L.
Turguno
va, et al
(19)
Represent
atividad
moderada
(Kazajistá
n), con
riesgo CV
sin
eventos
previos
(★)
Sin cohorte
no expuesta
(d)
Inmunofluores
cencia
magnética (★)
Sí (★) Edad,
sexo,
IMC, PA,
glucosa,
colesterol,
PA
sistólica,
obesidad
abdominal
(★)
Eventos
mayores con
endpoint
compuesto y
seguimiento
telefónico
(★)
4 años
(★)
Pérdida
moderada
(17%) por
datos
incompletos
o traslado
Estudio Represent
atividad
Selección Determinació
n de la
exposición
Evento
no
presente
al inicio
Compara
bilidad de
cohortes
Evaluación
del
desenlace
Tiempo
de
seguimi
ento
Adecuación
del
seguimient
o
es
estándar
(★)
D-dímero)
(★)
Lp(a), D-
dímero
(★)
avanzados
(★)
completos
(★)
Ioana
Dregoes
c, et al
(21)
Enfermed
ad
coronaria
estable
document
ada por
angiografí
a (★)
Sin cohorte
no expuesta
(d)
Proteómica
por ensayo de
extensión de
proximidad
(★)
Sí (★) Edad,
sexo, DM,
eGFR,
PA, LDL,
HTA (★)
Modelo de
Cox y datos
angiográfico
s (★)
18
meses,
limitado
(b)
Métodos
detallados,
pero tiempo
corto (★)
Witkow
ski, et al
(25)
Prediabete
s en centro
especializ
ado en
EE.UU.
(★)
Sin cohorte
no expuesta
(d)
Troponina
ultrasensible
(hs-cTnT) (★)
Sí (★) Edad,
sexo, PA,
lípidos,
tabaquism
o, eGFR
(★);
hsCRP,
HbA1c,
FEVI (★)
Seguimiento
clínico
detallado y
revisión de
eventos (★)
3 años
MACE,
5 años
mortalid
ad (★)
Métodos
robustos, sin
pérdidas
relevantes
(★)
Mise, et
al (16)
DM2
tratados
en
múltiples
centros en
Japón (★)
Sin cohorte
no expuesta
(d)
Lectin
microarray
urinario
validado (★)
Sí (★) Edad,
sexo, PA,
IMC,
HbA1c,
LDL,
UACR,
eventos
previos
(★)
Modelo de
riesgos
proporciona
les de Cox
(★)
Mediana
4.8 años
(★)
Baja tasa de
pérdida,
análisis
estadístico
adecuado
(★)
J.
Watson,
et al (4)
Asintomát
icos con
riesgo
cardiovasc
ular
(STOP-
HF) (★)
Sin cohorte
no expuesta
(d)
sST2 y BNP
con ensayos
validados (★)
Sí (★) Edad,
sexo,
factores
CV; sST2
y BNP
basales y
longitudin
ales (★)
Análisis
Kaplan-
Meier y
Cox,
eventos
adjudicados
(★)
2.5
años,
limitado
(b)
Pocas
pérdidas,
pero tiempo
insuficiente
para eventos
a largo
plazo (b)
Lin, et
al (18)
Represent
ativa de
sujetos
asintomáti
cos del
estudio
EISNER
(★)
Sin cohorte
no expuesta
(d)
Ensayos
validados y
TC
automatizada
por IA (★)
Sí (★) Edad,
sexo,
factores
tradicional
es, calcio
coronario
(★);
biomarcad
ores
novedosos
y grasa
epicárdica
(★)
Eventos
cardíacos
mayores
adjudicados
a largo
plazo (★)
Promedi
o de 14
años
(★)
Seguimiento
robusto
validado
con 10-fold
cross-
validation
(★)
L.
Turguno
va, et al
(19)
Represent
atividad
moderada
(Kazajistá
n), con
riesgo CV
sin
eventos
previos
(★)
Sin cohorte
no expuesta
(d)
Inmunofluores
cencia
magnética (★)
Sí (★) Edad,
sexo,
IMC, PA,
glucosa,
colesterol,
PA
sistólica,
obesidad
abdominal
(★)
Eventos
mayores con
endpoint
compuesto y
seguimiento
telefónico
(★)
4 años
(★)
Pérdida
moderada
(17%) por
datos
incompletos
o traslado
Vol. 13/ Núm. 1 2026 pág. 489
Estudio Represent
atividad
Selección Determinació
n de la
exposición
Evento
no
presente
al inicio
Compara
bilidad de
cohortes
Evaluación
del
desenlace
Tiempo
de
seguimi
ento
Adecuación
del
seguimient
o
C.H.
Saely, et
al (20)
Represent
ativa de
pacientes
con ECV
con y sin
DM2 en
Europa
(★)
Sin cohorte
no expuesta
(d)
NT-proBNP
en suero con
métodos
validados (★)
Sí (★) Edad,
sexo, PA,
lípidos,
IMC,
eGFR
(★);
subgrupos
por DM2
(★)
Eventos CV
mayores
registrados
prospectiva
mente (★)
Promedi
o 6.3
años
(★)
Seguimiento
robusto,
bajo
porcentaje
de pérdida,
ajustes
multivariabl
es
apropiados
(★)
S.R.
Lan, et
al (7)
Represent
ativa de
hombres
mayores
de 70 años
en
Australia
(★)
Sin cohorte
no expuesta
(d)
Troponina I
ultrasensible
con ensayos
validados (★)
Sí (★) Edad, PA,
lípidos,
tabaquism
o, DM,
eGFR
(★); hs-
cTnI
como
predictor
continuo
(★)
Infarto,
ECV,
enfermedad
arterial
periférica
con sistema
de datos
enlazados
(★)
10 años
(★)
Seguimiento
sólido con
mínima
pérdida de
datos y
validación
precisa (★)
Vassallo
, et al
(22)
Represent
ativa
moderada
de
pacientes
con
enfermeda
d
renovascul
ar en UK
(★)
Sin cohorte
no expuesta
(d)
NT-proBNP,
hs-cTnT y
otros con
técnicas
estándar (★)
Sí (★) Edad,
sexo,
eGFR,
proteinuri
a,
comorbili
dades CV,
biomarcad
ores
específico
s (★)
ECV,
enfermedad
renal
terminal,
mortalidad,
adjudicados
(★)
5 años
(★)
Pérdida
moderada
(13
pacientes),
documentad
a y poco
probable
que cause
sesgo (★)
Altay, et
al (12)
Represent
atividad
moderada
(hospital
único,
Turquía)
(★)
Controles
heterogéneo
s sin AMI
(b)
Pentraxina 3
medida por
ELISA (★)
Sí (★) Edad,
sexo,
FEVI, PA,
lípidos,
HbA1c,
NT-
proBNP,
hsCRP,
GRACE,
TIMI (★)
Muerte y
MACE,
definidos y
adjudicados
prospectiva
mente (★)
5 años
(★)
Pérdida
moderada
(10
pacientes),
documentad
a, impacto
limitado en
resultados
(★)
Xinmin
S. Li, et
al (10)
Represent
ativa de
pacientes
con SCA
en
EE.UU. y
Suiza (★)
Sin cohorte
no expuesta
(d)
TMAO
medido por
cromatografía
y
espectrometría
de masas (★)
Sí (★) Edad,
sexo,
lípidos,
antecedent
es CV,
troponina,
CRP,
eGFR
(★);
ajuste por
cohorte
(★)
MACE
(IAM, EVC,
revasculariz
ación,
muerte) con
adjudicació
n
independien
te (★)
Corto
(30 días,
6 meses)
y largo
plazo (7
y 1 año)
(★)
Seguimiento
detallado,
mínimas
pérdidas,
alta calidad
(★)
van der
Leeuw,
et al
(21)
Represent
ativa de
pacientes
con DM2
en Países
Bajos
(SMART
Sin cohorte
no expuesta
(d)
23
biomarcadores
validados
(NT-proBNP,
MMP-3,
osteopontina,
etc.) (★)
Sí (★) Edad,
sexo, PA,
lípidos,
HbA1c,
duración
DM,
eventos
macrovasc
MACE
(IAM, EVC,
muerte CV)
con revisión
independien
te (★)
Mediana
s: 9.2
años
(SMAR
T), 11.3
años
(EPIC-
NL) (★)
Pérdida
baja,
imputación
múltiple
para datos
faltantes
(★)
Estudio Represent
atividad
Selección Determinació
n de la
exposición
Evento
no
presente
al inicio
Compara
bilidad de
cohortes
Evaluación
del
desenlace
Tiempo
de
seguimi
ento
Adecuación
del
seguimient
o
C.H.
Saely, et
al (20)
Represent
ativa de
pacientes
con ECV
con y sin
DM2 en
Europa
(★)
Sin cohorte
no expuesta
(d)
NT-proBNP
en suero con
métodos
validados (★)
Sí (★) Edad,
sexo, PA,
lípidos,
IMC,
eGFR
(★);
subgrupos
por DM2
(★)
Eventos CV
mayores
registrados
prospectiva
mente (★)
Promedi
o 6.3
años
(★)
Seguimiento
robusto,
bajo
porcentaje
de pérdida,
ajustes
multivariabl
es
apropiados
(★)
S.R.
Lan, et
al (7)
Represent
ativa de
hombres
mayores
de 70 años
en
Australia
(★)
Sin cohorte
no expuesta
(d)
Troponina I
ultrasensible
con ensayos
validados (★)
Sí (★) Edad, PA,
lípidos,
tabaquism
o, DM,
eGFR
(★); hs-
cTnI
como
predictor
continuo
(★)
Infarto,
ECV,
enfermedad
arterial
periférica
con sistema
de datos
enlazados
(★)
10 años
(★)
Seguimiento
sólido con
mínima
pérdida de
datos y
validación
precisa (★)
Vassallo
, et al
(22)
Represent
ativa
moderada
de
pacientes
con
enfermeda
d
renovascul
ar en UK
(★)
Sin cohorte
no expuesta
(d)
NT-proBNP,
hs-cTnT y
otros con
técnicas
estándar (★)
Sí (★) Edad,
sexo,
eGFR,
proteinuri
a,
comorbili
dades CV,
biomarcad
ores
específico
s (★)
ECV,
enfermedad
renal
terminal,
mortalidad,
adjudicados
(★)
5 años
(★)
Pérdida
moderada
(13
pacientes),
documentad
a y poco
probable
que cause
sesgo (★)
Altay, et
al (12)
Represent
atividad
moderada
(hospital
único,
Turquía)
(★)
Controles
heterogéneo
s sin AMI
(b)
Pentraxina 3
medida por
ELISA (★)
Sí (★) Edad,
sexo,
FEVI, PA,
lípidos,
HbA1c,
NT-
proBNP,
hsCRP,
GRACE,
TIMI (★)
Muerte y
MACE,
definidos y
adjudicados
prospectiva
mente (★)
5 años
(★)
Pérdida
moderada
(10
pacientes),
documentad
a, impacto
limitado en
resultados
(★)
Xinmin
S. Li, et
al (10)
Represent
ativa de
pacientes
con SCA
en
EE.UU. y
Suiza (★)
Sin cohorte
no expuesta
(d)
TMAO
medido por
cromatografía
y
espectrometría
de masas (★)
Sí (★) Edad,
sexo,
lípidos,
antecedent
es CV,
troponina,
CRP,
eGFR
(★);
ajuste por
cohorte
(★)
MACE
(IAM, EVC,
revasculariz
ación,
muerte) con
adjudicació
n
independien
te (★)
Corto
(30 días,
6 meses)
y largo
plazo (7
y 1 año)
(★)
Seguimiento
detallado,
mínimas
pérdidas,
alta calidad
(★)
van der
Leeuw,
et al
(21)
Represent
ativa de
pacientes
con DM2
en Países
Bajos
(SMART
Sin cohorte
no expuesta
(d)
23
biomarcadores
validados
(NT-proBNP,
MMP-3,
osteopontina,
etc.) (★)
Sí (★) Edad,
sexo, PA,
lípidos,
HbA1c,
duración
DM,
eventos
macrovasc
MACE
(IAM, EVC,
muerte CV)
con revisión
independien
te (★)
Mediana
s: 9.2
años
(SMAR
T), 11.3
años
(EPIC-
NL) (★)
Pérdida
baja,
imputación
múltiple
para datos
faltantes
(★)
Vol. 13/ Núm. 1 2026 pág. 490
Estudio Represent
atividad
Selección Determinació
n de la
exposición
Evento
no
presente
al inicio
Compara
bilidad de
cohortes
Evaluación
del
desenlace
Tiempo
de
seguimi
ento
Adecuación
del
seguimient
o
y EPIC-
NL) (★)
ulares,
eGFR (★)
Wang,
M.D., et
al (28)
Represent
ativa de
adultos sin
ECV del
Framingha
m
Offspring
Study (★)
Sin cohorte
no expuesta
(d)
10
biomarcadores
(NT-proBNP,
hs-CRP,
ACR) con
técnicas
validadas (★)
Sí (★) Edad,
sexo, PA,
lípidos,
tabaquism
o, DM,
creatinina,
IMC,
modelo
multivaria
ble (★)
IAM,
insuficienci
a coronaria,
IC, EVC,
mortalidad
(★)
Mediana
7.4 años
(★)
Seguimiento
robusto
(86% datos
completos),
criterios
estandarizad
os (★)
Síntesis de Resultados
Predicción de Eventos Cardiovasculares Mayores (MACE)
Diversos estudios han demostrado que niveles elevados de NT-proBNP son predictores
consistentes de eventos cardiovasculares mayores (MACE). Por ejemplo, Martínez-Quintana et
al. (2020) y varios otros estudios encontraron que un valor de NT-proBNP >125 pg/mL se asocia
con un riesgo significativamente aumentado de MACE (HR ajustado de hasta 6.028, p<0.001).
Además, estudios como los de Le Wang et al. (2022) y Servet Altay et al. (2017) confirmaron que
el NT-proBNP, junto con otros biomarcadores como el fibrinógeno y el dímero-D, mejora la
estratificación del riesgo al incorporarse en modelos tradicionales.
Otros biomarcadores, como la troponina de alta sensibilidad (hs-cTnI y hs-cTnT), también
mostraron asociaciones significativas con MACE. Dorien M. Kimenai et al. (2023) y Nick S. R.
Lan et al. (2019) reportaron que los aumentos en troponina I y T se asocian con un mayor riesgo
de eventos cardiovasculares, mejorando la capacidad predictiva de los modelos de riesgo
tradicionales.
La proteína C reactiva (CRP) y el fibrinógeno demostraron tener capacidad predictiva
significativa en ciertas poblaciones étnicas. Vikas Veeranna et al. (2013) descubrieron que la CRP
y el fibrinógeno son predictores independientes de MACE en caucásicos, afroamericanos e
hispanos, aunque no en la población china, lo que indica posibles variaciones étnicas en la utilidad
de estos biomarcadores.
Mejora de los Modelos de Riesgo Tradicionales
La integración de biomarcadores avanzados con factores de riesgo tradicionales mejoró
significativamente la discriminación y clasificación del riesgo cardiovascular en múltiples
estudios. Por ejemplo, Le Wang et al. (2022) y Nick D. Fagel et al. (2023) demostraron que la
inclusión de biomarcadores como NT-proBNP, osteopontina y MMP-3 incrementa la estadística
C y el Índice de Reclasificación Neta (NRI), indicando una mejor predicción de eventos
cardiovasculares en comparación con modelos que utilizan solo factores de riesgo tradicionales.
Estudio Represent
atividad
Selección Determinació
n de la
exposición
Evento
no
presente
al inicio
Compara
bilidad de
cohortes
Evaluación
del
desenlace
Tiempo
de
seguimi
ento
Adecuación
del
seguimient
o
y EPIC-
NL) (★)
ulares,
eGFR (★)
Wang,
M.D., et
al (28)
Represent
ativa de
adultos sin
ECV del
Framingha
m
Offspring
Study (★)
Sin cohorte
no expuesta
(d)
10
biomarcadores
(NT-proBNP,
hs-CRP,
ACR) con
técnicas
validadas (★)
Sí (★) Edad,
sexo, PA,
lípidos,
tabaquism
o, DM,
creatinina,
IMC,
modelo
multivaria
ble (★)
IAM,
insuficienci
a coronaria,
IC, EVC,
mortalidad
(★)
Mediana
7.4 años
(★)
Seguimiento
robusto
(86% datos
completos),
criterios
estandarizad
os (★)
Síntesis de Resultados
Predicción de Eventos Cardiovasculares Mayores (MACE)
Diversos estudios han demostrado que niveles elevados de NT-proBNP son predictores
consistentes de eventos cardiovasculares mayores (MACE). Por ejemplo, Martínez-Quintana et
al. (2020) y varios otros estudios encontraron que un valor de NT-proBNP >125 pg/mL se asocia
con un riesgo significativamente aumentado de MACE (HR ajustado de hasta 6.028, p<0.001).
Además, estudios como los de Le Wang et al. (2022) y Servet Altay et al. (2017) confirmaron que
el NT-proBNP, junto con otros biomarcadores como el fibrinógeno y el dímero-D, mejora la
estratificación del riesgo al incorporarse en modelos tradicionales.
Otros biomarcadores, como la troponina de alta sensibilidad (hs-cTnI y hs-cTnT), también
mostraron asociaciones significativas con MACE. Dorien M. Kimenai et al. (2023) y Nick S. R.
Lan et al. (2019) reportaron que los aumentos en troponina I y T se asocian con un mayor riesgo
de eventos cardiovasculares, mejorando la capacidad predictiva de los modelos de riesgo
tradicionales.
La proteína C reactiva (CRP) y el fibrinógeno demostraron tener capacidad predictiva
significativa en ciertas poblaciones étnicas. Vikas Veeranna et al. (2013) descubrieron que la CRP
y el fibrinógeno son predictores independientes de MACE en caucásicos, afroamericanos e
hispanos, aunque no en la población china, lo que indica posibles variaciones étnicas en la utilidad
de estos biomarcadores.
Mejora de los Modelos de Riesgo Tradicionales
La integración de biomarcadores avanzados con factores de riesgo tradicionales mejoró
significativamente la discriminación y clasificación del riesgo cardiovascular en múltiples
estudios. Por ejemplo, Le Wang et al. (2022) y Nick D. Fagel et al. (2023) demostraron que la
inclusión de biomarcadores como NT-proBNP, osteopontina y MMP-3 incrementa la estadística
C y el Índice de Reclasificación Neta (NRI), indicando una mejor predicción de eventos
cardiovasculares en comparación con modelos que utilizan solo factores de riesgo tradicionales.
Vol. 13/ Núm. 1 2026 pág. 491
Asimismo, estudios que emplearon métodos de aprendizaje automático (machine learning)
(Andrew Lin et al., 2020) y aquellos que evaluaron biomarcadores de composición corporal
mediante tomografía computarizada (J. Pickhardt et al., 2020) encontraron que la combinación de
biomarcadores avanzados con técnicas de imagen y algoritmos predictivos mejora la predicción
de eventos cardíacos graves, reflejándose en mayores áreas bajo la curva ROC (AUROC).
Biomarcadores Específicos y Subpoblaciones
Algunos estudios se enfocaron en biomarcadores específicos en subpoblaciones
particulares. Ruirui Li et al. (2022) identificaron lnc-MALAT1 como un biomarcador prometedor
para el riesgo y pronóstico de infarto agudo de miocardio (IAM) en pacientes con angina, mientras
que estudios como el de Koki Mise et al. (2021) sugirieron que las glicanas urinarias de manosa
elevada podrían ser útiles para predecir enfermedad cardiovascular en pacientes con diabetes tipo
2.
Además, estudios como el de L. Turgunova et al. (2020) evaluaron biomarcadores como
CXCL16 y endocan en pacientes sin antecedentes de eventos cardiovasculares, encontrando que
estos biomarcadores están significativamente elevados en los grupos con MACE, lo que sugiere
su posible utilidad en la predicción temprana de eventos cardiovasculares.
Evaluación de Mortalidad y Otros Resultados
El NT-proBNP también se asoció de forma independiente con la mortalidad por cualquier
causa y la progresión a enfermedad renal terminal (ESKD) en estudios como el de Diana Vassallo
et al. (2019). De forma similar, biomarcadores como la troponina de alta sensibilidad y sST2
mostraron asociaciones significativas con la mortalidad cardiovascular y otros desenlaces
adversos, indicando su relevancia en la evaluación pronóstica.
Limitaciones y Consideraciones Éticas
Aunque la mayoría de los estudios demostraron asociaciones significativas entre
biomarcadores avanzados y desenlaces cardiovasculares, algunas diferencias observadas según la
etnia y subpoblaciones sugieren que la aplicabilidad de estos biomarcadores puede variar.
Además, la mayoría de los estudios reportaron mejoras moderadas en la discriminación y
reclasificación del riesgo, lo que indica la necesidad de estudios adicionales para validar estos
hallazgos y determinar su implementación clínica óptima.
Asimismo, estudios que emplearon métodos de aprendizaje automático (machine learning)
(Andrew Lin et al., 2020) y aquellos que evaluaron biomarcadores de composición corporal
mediante tomografía computarizada (J. Pickhardt et al., 2020) encontraron que la combinación de
biomarcadores avanzados con técnicas de imagen y algoritmos predictivos mejora la predicción
de eventos cardíacos graves, reflejándose en mayores áreas bajo la curva ROC (AUROC).
Biomarcadores Específicos y Subpoblaciones
Algunos estudios se enfocaron en biomarcadores específicos en subpoblaciones
particulares. Ruirui Li et al. (2022) identificaron lnc-MALAT1 como un biomarcador prometedor
para el riesgo y pronóstico de infarto agudo de miocardio (IAM) en pacientes con angina, mientras
que estudios como el de Koki Mise et al. (2021) sugirieron que las glicanas urinarias de manosa
elevada podrían ser útiles para predecir enfermedad cardiovascular en pacientes con diabetes tipo
2.
Además, estudios como el de L. Turgunova et al. (2020) evaluaron biomarcadores como
CXCL16 y endocan en pacientes sin antecedentes de eventos cardiovasculares, encontrando que
estos biomarcadores están significativamente elevados en los grupos con MACE, lo que sugiere
su posible utilidad en la predicción temprana de eventos cardiovasculares.
Evaluación de Mortalidad y Otros Resultados
El NT-proBNP también se asoció de forma independiente con la mortalidad por cualquier
causa y la progresión a enfermedad renal terminal (ESKD) en estudios como el de Diana Vassallo
et al. (2019). De forma similar, biomarcadores como la troponina de alta sensibilidad y sST2
mostraron asociaciones significativas con la mortalidad cardiovascular y otros desenlaces
adversos, indicando su relevancia en la evaluación pronóstica.
Limitaciones y Consideraciones Éticas
Aunque la mayoría de los estudios demostraron asociaciones significativas entre
biomarcadores avanzados y desenlaces cardiovasculares, algunas diferencias observadas según la
etnia y subpoblaciones sugieren que la aplicabilidad de estos biomarcadores puede variar.
Además, la mayoría de los estudios reportaron mejoras moderadas en la discriminación y
reclasificación del riesgo, lo que indica la necesidad de estudios adicionales para validar estos
hallazgos y determinar su implementación clínica óptima.
Vol. 13/ Núm. 1 2026 pág. 492
Tabla 3
Hallazgos de los estudios incluidos
Autor Año de
publicació
n
Diseño
metodológico
Biomarcador Comparador Resultados clínicos Resultados
Martínez-
Quintana,
et al (11)
2020 Caso-control NT-proBNP y
RDW (ancho
de distribución
eritrocitaria)
Parámetros
tradicionales de
riesgo
cardiovascular (en
controles sin CHD)
Eventos
cardiovasculares
adversos mayores
(MACE):
mortalidad
total/cardiovascular,
eventos trombóticos
arteriales, arritmias,
insuficiencia
cardíaca, embolia
pulmonar,
hemorragia mayor
En 5.8 años de
seguimiento, 48
pacientes con CHD
tuvieron MACE:
18 eventos
trombóticos (14
ACV, 2 IAM, 2
EAP), 16 muertes
(10 cardíacas), 7
IC, 4 arritmias, 2
embolias
pulmonares, 1
sangrado mayor.
RDW >15% y NT-
proBNP >125
pg/mL fueron
predictores
independientes de
MACE (HR=4.769
y 5.749, p<0.001).
M. Baggen,
et al (18)
2018 Cohorte NT-proBNP Sin comparador
directo; se analizó
el aumento relativo
de NT-proBNP
Evento primario:
muerte, IC,
hospitalización,
arritmia,
tromboembolismo,
intervención.
Secundario: muerte
+ IC.
199 pacientes
(34%) tuvieron
evento primario;
58 (10%) evento
secundario. El NT-
proBNP aumentó
antes de los
eventos: 2.9
pmol/L (vs. 0.3,
p=0.006). HR
ajustado por
duplicación:
primario: 2.05;
secundario: 4.44
(ambos p<0.001).
J.
Pickhardt,
et al (8)
2020 Cohorte Biomarcadores
de
composición
corporal por
TC
Parámetros clínicos
tradicionales
Infarto, ACV, IC, y
mortalidad
AUROC a 5 años:
calcificación
aórtica: 0.743,
densidad muscular:
0.721, grasa
visceral: 0.661,
hígado: 0.619,
vértebras: 0.646,
IMC: 0.499, FRS:
0.688. HR más alto
en cuartiles de
mayor riesgo.
AUROC
multivariable
(combinado):
0.811 a 2 años.
Veeranna,
et al (23)
2013 Cohorte PCR,
fibrinógeno,
IL-6, dímero-
D, PAP, factor
VIII
Factores
tradicionales de
riesgo ajustados
(escala de
Framingham)
Todos los eventos
cardiovasculares:
IAM, muerte CV,
angina, paro
cardíaco
recuperado, ACV
Caucásicos: CRP y
fibrinógeno
predictores
significativos;
Afroamericanos:
IL-6 y fibrinógeno;
Hispanos: solo
fibrinógeno. En
población china,
Tabla 3
Hallazgos de los estudios incluidos
Autor Año de
publicació
n
Diseño
metodológico
Biomarcador Comparador Resultados clínicos Resultados
Martínez-
Quintana,
et al (11)
2020 Caso-control NT-proBNP y
RDW (ancho
de distribución
eritrocitaria)
Parámetros
tradicionales de
riesgo
cardiovascular (en
controles sin CHD)
Eventos
cardiovasculares
adversos mayores
(MACE):
mortalidad
total/cardiovascular,
eventos trombóticos
arteriales, arritmias,
insuficiencia
cardíaca, embolia
pulmonar,
hemorragia mayor
En 5.8 años de
seguimiento, 48
pacientes con CHD
tuvieron MACE:
18 eventos
trombóticos (14
ACV, 2 IAM, 2
EAP), 16 muertes
(10 cardíacas), 7
IC, 4 arritmias, 2
embolias
pulmonares, 1
sangrado mayor.
RDW >15% y NT-
proBNP >125
pg/mL fueron
predictores
independientes de
MACE (HR=4.769
y 5.749, p<0.001).
M. Baggen,
et al (18)
2018 Cohorte NT-proBNP Sin comparador
directo; se analizó
el aumento relativo
de NT-proBNP
Evento primario:
muerte, IC,
hospitalización,
arritmia,
tromboembolismo,
intervención.
Secundario: muerte
+ IC.
199 pacientes
(34%) tuvieron
evento primario;
58 (10%) evento
secundario. El NT-
proBNP aumentó
antes de los
eventos: 2.9
pmol/L (vs. 0.3,
p=0.006). HR
ajustado por
duplicación:
primario: 2.05;
secundario: 4.44
(ambos p<0.001).
J.
Pickhardt,
et al (8)
2020 Cohorte Biomarcadores
de
composición
corporal por
TC
Parámetros clínicos
tradicionales
Infarto, ACV, IC, y
mortalidad
AUROC a 5 años:
calcificación
aórtica: 0.743,
densidad muscular:
0.721, grasa
visceral: 0.661,
hígado: 0.619,
vértebras: 0.646,
IMC: 0.499, FRS:
0.688. HR más alto
en cuartiles de
mayor riesgo.
AUROC
multivariable
(combinado):
0.811 a 2 años.
Veeranna,
et al (23)
2013 Cohorte PCR,
fibrinógeno,
IL-6, dímero-
D, PAP, factor
VIII
Factores
tradicionales de
riesgo ajustados
(escala de
Framingham)
Todos los eventos
cardiovasculares:
IAM, muerte CV,
angina, paro
cardíaco
recuperado, ACV
Caucásicos: CRP y
fibrinógeno
predictores
significativos;
Afroamericanos:
IL-6 y fibrinógeno;
Hispanos: solo
fibrinógeno. En
población china,
Vol. 13/ Núm. 1 2026 pág. 493
Autor Año de
publicació
n
Diseño
metodológico
Biomarcador Comparador Resultados clínicos Resultados
ninguno fue
significativo.
Kistorp, et
al (8)
2005 Cohorte NT-proBNP PCR y razón
albúmina/creatinina
Mortalidad, primer
evento CV mayor,
IC, ACV
isquémico, CHD
NT-proBNP >
percentil 80: HR
mortalidad: 1.96
(p=0.007), riesgo
absoluto +24.5%.
HR para primer
evento CV: 3.24.
HR para IC (con
FEVI ≥50%): 3.21.
PCR no
significativa.
Razón alb/creat
también asociada a
mortalidad
(HR=1.88,
p=0.008).
M.
Kimenai,
et al (20)
2023 Cohorte Troponina I
ultrasensible
(hs-cTnI)
Sin comparador
directo; se evaluó
su aumento
respecto a eventos
Muerte
cardiovascular,
infarto no fatal,
muerte no CV,
mortalidad total
Troponina basal:
4.8 ng/L en
muertes CV vs. 3.3
ng/L en
sobrevivientes.
Aumento absoluto
en 10 años: 1.4
ng/L. Cada
duplicación en hs-
cTnI → HR
ajustado 1.45 (IC
95%: 1.33–1.75).
Validación externa
en estudio HUNT:
HR 1.33 (IC: 1.25–
1.40).
Li, et al (9) 2022 Cohorte lnc-MALAT1
(ARN largo no
codificante)
Grupo control
(angina)
Diferencias de
niveles, correlación
con
biomarcadores/infla
mación, MACE
acumulado
lnc-MALAT1
mayor en IAM:
mediana 2.245 vs.
0.996 (p<0.001).
AUC = 0.823.
Correlaciones
significativas con
CRP, LDL-C,
troponina I,
citoquinas (TNF-α,
IL-6, IL-17A),
moléculas de
adhesión.
Expresión alta →
mayor riesgo de
MACE (p=0.035).
Le Wang,
et al (24)
2022 Cohorte Fibrinógeno,
dímero-D, NT-
proBNP,
lipoproteína(a)
Modelos
tradicionales sin
biomarcadores
MACE: muerte CV,
IAM, ACV
13% tuvo MACE
en 5 años. HR por
aumento de 1-SD:
Dímero-D: 6.03,
NT-proBNP: 2.00,
Fibrinógeno: 1.41,
Lp(a): 1.80. Cuatro
biomarcadores
elevados → HR:
6.008 y 40% de
MACE. Aumento
del C-statistic de
0.592 a 0.707.
Autor Año de
publicació
n
Diseño
metodológico
Biomarcador Comparador Resultados clínicos Resultados
ninguno fue
significativo.
Kistorp, et
al (8)
2005 Cohorte NT-proBNP PCR y razón
albúmina/creatinina
Mortalidad, primer
evento CV mayor,
IC, ACV
isquémico, CHD
NT-proBNP >
percentil 80: HR
mortalidad: 1.96
(p=0.007), riesgo
absoluto +24.5%.
HR para primer
evento CV: 3.24.
HR para IC (con
FEVI ≥50%): 3.21.
PCR no
significativa.
Razón alb/creat
también asociada a
mortalidad
(HR=1.88,
p=0.008).
M.
Kimenai,
et al (20)
2023 Cohorte Troponina I
ultrasensible
(hs-cTnI)
Sin comparador
directo; se evaluó
su aumento
respecto a eventos
Muerte
cardiovascular,
infarto no fatal,
muerte no CV,
mortalidad total
Troponina basal:
4.8 ng/L en
muertes CV vs. 3.3
ng/L en
sobrevivientes.
Aumento absoluto
en 10 años: 1.4
ng/L. Cada
duplicación en hs-
cTnI → HR
ajustado 1.45 (IC
95%: 1.33–1.75).
Validación externa
en estudio HUNT:
HR 1.33 (IC: 1.25–
1.40).
Li, et al (9) 2022 Cohorte lnc-MALAT1
(ARN largo no
codificante)
Grupo control
(angina)
Diferencias de
niveles, correlación
con
biomarcadores/infla
mación, MACE
acumulado
lnc-MALAT1
mayor en IAM:
mediana 2.245 vs.
0.996 (p<0.001).
AUC = 0.823.
Correlaciones
significativas con
CRP, LDL-C,
troponina I,
citoquinas (TNF-α,
IL-6, IL-17A),
moléculas de
adhesión.
Expresión alta →
mayor riesgo de
MACE (p=0.035).
Le Wang,
et al (24)
2022 Cohorte Fibrinógeno,
dímero-D, NT-
proBNP,
lipoproteína(a)
Modelos
tradicionales sin
biomarcadores
MACE: muerte CV,
IAM, ACV
13% tuvo MACE
en 5 años. HR por
aumento de 1-SD:
Dímero-D: 6.03,
NT-proBNP: 2.00,
Fibrinógeno: 1.41,
Lp(a): 1.80. Cuatro
biomarcadores
elevados → HR:
6.008 y 40% de
MACE. Aumento
del C-statistic de
0.592 a 0.707.
Vol. 13/ Núm. 1 2026 pág. 494
Autor Año de
publicació
n
Diseño
metodológico
Biomarcador Comparador Resultados clínicos Resultados
NRI: +54.9%, IDI:
+8.6%.
Dregoesc,
et al (19)
2022 Cohorte 177 proteínas
plasmáticas
inflamatorias
Factores
tradicionales de
riesgo CV
MACE: muerte CV,
SCA, ACV, AIT,
isquemia aguda de
extremidad
Biomarcadores con
HR significativos:
TNFRSF13B
(1.53), CCL3
(1.40), DCN
(1.43), FGF-23
(1.45), TRAIL-R2
(1.61),
TNFRSF10A
(1.52). Todos
p<0.05, tras ajustar
por edad, sexo,
diabetes y eGFR.
Witkowski,
et al (25)
2021 Cohorte Troponina T
ultrasensible
(hs-cTnT)
Factores
tradicionales
ajustados (edad,
sexo, presión
sistólica, colesterol
LDL/HDL,
tabaquismo, eGFR)
Eventos
cardiovasculares
mayores (MACE:
muerte, infarto no
fatal o accidente
cerebrovascular) a 3
años; mortalidad
por todas las causas
a 5 años
MACE a 3 años:•
Cuartil 4 (Q4) vs.
Cuartil 1 (Q1): HR
ajustado = 2.42 [IC
95%: 1.69–3.46],
p<0.001• Q3 vs.
Q1: HR = 1.65
[IC: 1.14–2.39],
p<0.01Mortalidad
a 5 años:• Q4 vs.
Q1: HR = 3.37
[IC: 2.25–5.05],
p<0.001• Q3 vs.
Q1: HR = 2.19
[IC: 1.44–3.34],
p<0.001Prevenció
n primaria (sin
enfermedad CV):•
MACE (Q4 vs.
Q1): HR = 5.46
[1.50–19.89],
p<0.01•
Mortalidad (Q4 vs.
Q1): HR = 9.53
[2.08–
43.73]Prevención
secundaria (con
enfermedad CV):•
MACE (Q4 vs.
Q1): HR = 1.86
[1.31–2.66],
p<0.001•
Mortalidad (Q4 vs.
Q1): HR = 2.7
[1.79–4.08],
p<0.001
Mise et al.
(16)
2021 Cohorte Glicanos
urinarios
(UDA y
Calsepa)
mediante
lectinas
Factores de riesgo
tradicionales (edad,
sexo, IMC, PAS,
HbA1c, LDL,
eGFR,
antecedentes CVD)
Incidencia de ECV,
ACV, EAP,
mortalidad
cardiovascular o
total
UDA: HR = 1.78
(p=0.002);
Calsepa: HR =
1.56 (p=0.001).
Mejora en
AUROC y NRI a 5
años con ambos
marcadores.
Watson et
al. (4)
2020 Cohorte sST2 (ST2
soluble)
BNP basal y
longitudinal
MACE (IC, IAM,
ACV, AIT, muerte
CV)
↑ de sST2 asociado
con 7.99% más
riesgo de MACE
por ng/mL. AUC =
0.60. BNP
Autor Año de
publicació
n
Diseño
metodológico
Biomarcador Comparador Resultados clínicos Resultados
NRI: +54.9%, IDI:
+8.6%.
Dregoesc,
et al (19)
2022 Cohorte 177 proteínas
plasmáticas
inflamatorias
Factores
tradicionales de
riesgo CV
MACE: muerte CV,
SCA, ACV, AIT,
isquemia aguda de
extremidad
Biomarcadores con
HR significativos:
TNFRSF13B
(1.53), CCL3
(1.40), DCN
(1.43), FGF-23
(1.45), TRAIL-R2
(1.61),
TNFRSF10A
(1.52). Todos
p<0.05, tras ajustar
por edad, sexo,
diabetes y eGFR.
Witkowski,
et al (25)
2021 Cohorte Troponina T
ultrasensible
(hs-cTnT)
Factores
tradicionales
ajustados (edad,
sexo, presión
sistólica, colesterol
LDL/HDL,
tabaquismo, eGFR)
Eventos
cardiovasculares
mayores (MACE:
muerte, infarto no
fatal o accidente
cerebrovascular) a 3
años; mortalidad
por todas las causas
a 5 años
MACE a 3 años:•
Cuartil 4 (Q4) vs.
Cuartil 1 (Q1): HR
ajustado = 2.42 [IC
95%: 1.69–3.46],
p<0.001• Q3 vs.
Q1: HR = 1.65
[IC: 1.14–2.39],
p<0.01Mortalidad
a 5 años:• Q4 vs.
Q1: HR = 3.37
[IC: 2.25–5.05],
p<0.001• Q3 vs.
Q1: HR = 2.19
[IC: 1.44–3.34],
p<0.001Prevenció
n primaria (sin
enfermedad CV):•
MACE (Q4 vs.
Q1): HR = 5.46
[1.50–19.89],
p<0.01•
Mortalidad (Q4 vs.
Q1): HR = 9.53
[2.08–
43.73]Prevención
secundaria (con
enfermedad CV):•
MACE (Q4 vs.
Q1): HR = 1.86
[1.31–2.66],
p<0.001•
Mortalidad (Q4 vs.
Q1): HR = 2.7
[1.79–4.08],
p<0.001
Mise et al.
(16)
2021 Cohorte Glicanos
urinarios
(UDA y
Calsepa)
mediante
lectinas
Factores de riesgo
tradicionales (edad,
sexo, IMC, PAS,
HbA1c, LDL,
eGFR,
antecedentes CVD)
Incidencia de ECV,
ACV, EAP,
mortalidad
cardiovascular o
total
UDA: HR = 1.78
(p=0.002);
Calsepa: HR =
1.56 (p=0.001).
Mejora en
AUROC y NRI a 5
años con ambos
marcadores.
Watson et
al. (4)
2020 Cohorte sST2 (ST2
soluble)
BNP basal y
longitudinal
MACE (IC, IAM,
ACV, AIT, muerte
CV)
↑ de sST2 asociado
con 7.99% más
riesgo de MACE
por ng/mL. AUC =
0.60. BNP
Vol. 13/ Núm. 1 2026 pág. 495
Autor Año de
publicació
n
Diseño
metodológico
Biomarcador Comparador Resultados clínicos Resultados
longitudinal no
predictivo.
Lin et al.
(11)
2020 Cohorte Biomarcadores
circulantes y
grasa
epicárdica
(EAT)
Score de riesgo
ASCVD y calcio
coronario (CAC)
IAM y/o muerte
cardíaca
Modelo de ML con
biomarcadores:
AUC = 0.824.
Supera al score
ASCVD (0.755) y
CAC (0.760)
(p<0.05).
Turgunova
et al. (19)
2020 Cohorte CXCL16,
endocan, H-
FABP
Factores de riesgo
tradicionales
MACE: muerte CV,
IAM, ACV, AIT,
angina
↑ CXCL16 y
endocan en grupos
con eventos
(p<0.001). H-
FABP no
significativo tras
ajuste.
Saely et al.
(20)
2019 Cohorte proBNP Factores de riesgo
tradicionales
Incidencia de
eventos
cardiovasculares
Diabéticos:
proBNP más alto y
mayor incidencia
de eventos (50.5%
vs. 35.1%). HR
ajustado: 1.48 en
diabéticos, 1.33 sin
diabetes.
Lan et al.
(7)
2019 Cohorte Troponina I
ultrasensible
(hs-cTnI)
Framingham Risk
Score
Eventos CV a 10
años, mortalidad
total
C-statistic mejoró
de 0.588 a 0.624
(p<0.001). NRI:
0.305.
Reclasificación
significativa de
riesgo.
Vassallo et
al. (22)
2019 Cohorte Panel de 8
biomarcadores
(FGF-23,
Cistatina C,
KIM-1, MPO,
NGAL, NT-
proBNP, hs-
cTnT, anti-
apoA-1 IgG)
Factores de riesgo
tradicionales
Mortalidad total,
ESKD, eventos CV
NT-proBNP
asociado con
mortalidad
(HR=1.62), ESKD
(1.51) y eventos
CV (1.56). Panel
mejoró NRI >0.96.
Altay et al.
(12)
2017 Cohorte Pentraxina-3
(PTX3)
Factores de riesgo
tradicionales
Mortalidad CV,
reinfarto, ACV,
arritmias, IC, TVR
PTX3 ↑ en IAM
(p<0.001).
Predictor
independiente de
muerte CV
(OR=1.12,
p=0.001). AUC
alta en NSTEMI
(0.941).
Autor Año de
publicació
n
Diseño
metodológico
Biomarcador Comparador Resultados clínicos Resultados
longitudinal no
predictivo.
Lin et al.
(11)
2020 Cohorte Biomarcadores
circulantes y
grasa
epicárdica
(EAT)
Score de riesgo
ASCVD y calcio
coronario (CAC)
IAM y/o muerte
cardíaca
Modelo de ML con
biomarcadores:
AUC = 0.824.
Supera al score
ASCVD (0.755) y
CAC (0.760)
(p<0.05).
Turgunova
et al. (19)
2020 Cohorte CXCL16,
endocan, H-
FABP
Factores de riesgo
tradicionales
MACE: muerte CV,
IAM, ACV, AIT,
angina
↑ CXCL16 y
endocan en grupos
con eventos
(p<0.001). H-
FABP no
significativo tras
ajuste.
Saely et al.
(20)
2019 Cohorte proBNP Factores de riesgo
tradicionales
Incidencia de
eventos
cardiovasculares
Diabéticos:
proBNP más alto y
mayor incidencia
de eventos (50.5%
vs. 35.1%). HR
ajustado: 1.48 en
diabéticos, 1.33 sin
diabetes.
Lan et al.
(7)
2019 Cohorte Troponina I
ultrasensible
(hs-cTnI)
Framingham Risk
Score
Eventos CV a 10
años, mortalidad
total
C-statistic mejoró
de 0.588 a 0.624
(p<0.001). NRI:
0.305.
Reclasificación
significativa de
riesgo.
Vassallo et
al. (22)
2019 Cohorte Panel de 8
biomarcadores
(FGF-23,
Cistatina C,
KIM-1, MPO,
NGAL, NT-
proBNP, hs-
cTnT, anti-
apoA-1 IgG)
Factores de riesgo
tradicionales
Mortalidad total,
ESKD, eventos CV
NT-proBNP
asociado con
mortalidad
(HR=1.62), ESKD
(1.51) y eventos
CV (1.56). Panel
mejoró NRI >0.96.
Altay et al.
(12)
2017 Cohorte Pentraxina-3
(PTX3)
Factores de riesgo
tradicionales
Mortalidad CV,
reinfarto, ACV,
arritmias, IC, TVR
PTX3 ↑ en IAM
(p<0.001).
Predictor
independiente de
muerte CV
(OR=1.12,
p=0.001). AUC
alta en NSTEMI
(0.941).
Vol. 13/ Núm. 1 2026 pág. 496
Figura 1
Flujograma PRISMA
CONCLUSIONES
El análisis sistemático identificó que los biomarcadores avanzados, como el NT-proBNP,
la troponina de alta sensibilidad y marcadores inflamatorios como la proteína C reactiva (PCR),
presentan una mayor capacidad para predecir eventos cardiovasculares mayores (MACE) en
comparación con los biomarcadores tradicionales. Además, varios estudios demostraron que la
integración de estos marcadores en modelos predictivos tradicionales mejora significativamente
la discriminación y reclasificación del riesgo, lo que sugiere un valor añadido en la estratificación
del riesgo cardiovascular.
Nuestros hallazgos coinciden con estudios previos que destacan al NT-proBNP como un
predictor sólido de eventos cardiovasculares mayores. Por ejemplo, un estudio publicado en
JAMA en 2023 analizó datos de 164,054 individuos y encontró que niveles elevados de NT-
proBNP se asociaron significativamente con un mayor riesgo de enfermedad cardiovascular
aterosclerótica, con un hazard ratio ajustado de 1.21 por cada desviación estándar de aumento en
NT-proBNP (IC 95%, 1.18–1.24) (12).
Adicionalmente, la troponina de alta sensibilidad ha demostrado ser un marcador predictivo
valioso. Un estudio publicado en la Revista Española de Cardiología evaluó la aplicación del
algoritmo 0 h/1 h de troponina de alta sensibilidad en pacientes con dolor torácico agudo,
demostrando su utilidad en la estratificación del riesgo y la toma de decisiones clínicas (2).Records identified from*:
Databases (n = 1379)
Records removed before
screening:
Duplicate records removed
(n = 131)
Records screened
(n = 1248)
Records excluded**
(n = 1188)
Reports sought for retrieval
(n = 60) Reports not retrieved
(n = 11)
Reports assessed for eligibility
(n = 49) Reports excluded:
Population (n = 13)
Intervention/Exposure (n =
10)
Studies included in review
(n = 26)
Identification of studies via databases and registers
Figura 1
Flujograma PRISMA
CONCLUSIONES
El análisis sistemático identificó que los biomarcadores avanzados, como el NT-proBNP,
la troponina de alta sensibilidad y marcadores inflamatorios como la proteína C reactiva (PCR),
presentan una mayor capacidad para predecir eventos cardiovasculares mayores (MACE) en
comparación con los biomarcadores tradicionales. Además, varios estudios demostraron que la
integración de estos marcadores en modelos predictivos tradicionales mejora significativamente
la discriminación y reclasificación del riesgo, lo que sugiere un valor añadido en la estratificación
del riesgo cardiovascular.
Nuestros hallazgos coinciden con estudios previos que destacan al NT-proBNP como un
predictor sólido de eventos cardiovasculares mayores. Por ejemplo, un estudio publicado en
JAMA en 2023 analizó datos de 164,054 individuos y encontró que niveles elevados de NT-
proBNP se asociaron significativamente con un mayor riesgo de enfermedad cardiovascular
aterosclerótica, con un hazard ratio ajustado de 1.21 por cada desviación estándar de aumento en
NT-proBNP (IC 95%, 1.18–1.24) (12).
Adicionalmente, la troponina de alta sensibilidad ha demostrado ser un marcador predictivo
valioso. Un estudio publicado en la Revista Española de Cardiología evaluó la aplicación del
algoritmo 0 h/1 h de troponina de alta sensibilidad en pacientes con dolor torácico agudo,
demostrando su utilidad en la estratificación del riesgo y la toma de decisiones clínicas (2).Records identified from*:
Databases (n = 1379)
Records removed before
screening:
Duplicate records removed
(n = 131)
Records screened
(n = 1248)
Records excluded**
(n = 1188)
Reports sought for retrieval
(n = 60) Reports not retrieved
(n = 11)
Reports assessed for eligibility
(n = 49) Reports excluded:
Population (n = 13)
Intervention/Exposure (n =
10)
Studies included in review
(n = 26)
Identification of studies via databases and registers
Vol. 13/ Núm. 1 2026 pág. 497
Sin embargo, no todos los biomarcadores avanzados han mostrado una utilidad predictiva
consistente. Algunos estudios han señalado la heterogeneidad en los efectos de los biomarcadores
inflamatorios como la PCR en diferentes subgrupos poblacionales, con sensibilidades y
especificidades variables. Por ejemplo, una revisión publicada en Diabetology & Metabolic
Syndrome en 2022 indicó que, aunque la PCR puede asociarse a eventos cardiovasculares en
pacientes con diabetes tipo 2, su capacidad predictiva es menos consistente en comparación con
el NT-proBNP y las troponinas de alta sensibilidad (15).
Estos hallazgos subrayan la necesidad de una evaluación cuidadosa al considerar la
incorporación de biomarcadores inflamatorios en modelos predictivos universales para
poblaciones con riesgo cardiovascular.
Este trabajo se beneficia de una metodología rigurosa basada en las directrices PRISMA,
lo que asegura la inclusión de estudios de alta calidad. No obstante, se observaron limitaciones
importantes, como la heterogeneidad en los diseños de los estudios incluidos y en las poblaciones
analizadas, lo que puede afectar la generalización de los resultados. Además, algunos
biomarcadores avanzados aún carecen de validación clínica sólida en diversos contextos. A pesar
de ello, la inclusión de múltiples bases de datos y el enfoque en biomarcadores emergentes
fortalecen la aplicabilidad de las conclusiones.
Los biomarcadores avanzados representan una herramienta prometedora para la
personalización de estrategias preventivas en enfermedades cardiovasculares, al permitir una
estratificación del riesgo más precisa. Sin embargo, se requieren estudios adicionales para evaluar
su costo-efectividad y su aplicabilidad en escenarios clínicos reales. Las investigaciones futuras
deberían centrarse en integrar biomarcadores en modelos predictivos basados en inteligencia
artificial y explorar su valor en subpoblaciones vulnerables.
En resumen, los biomarcadores avanzados ofrecen un potencial significativo para mejorar
la predicción y prevención de eventos cardiovasculares, especialmente cuando se combinan con
factores de riesgo tradicionales. Aunque se necesitan más estudios para confirmar su aplicabilidad
clínica, nuestros hallazgos respaldan su incorporación progresiva en modelos predictivos con el
fin de optimizar el manejo del riesgo cardiovascular.
Sin embargo, no todos los biomarcadores avanzados han mostrado una utilidad predictiva
consistente. Algunos estudios han señalado la heterogeneidad en los efectos de los biomarcadores
inflamatorios como la PCR en diferentes subgrupos poblacionales, con sensibilidades y
especificidades variables. Por ejemplo, una revisión publicada en Diabetology & Metabolic
Syndrome en 2022 indicó que, aunque la PCR puede asociarse a eventos cardiovasculares en
pacientes con diabetes tipo 2, su capacidad predictiva es menos consistente en comparación con
el NT-proBNP y las troponinas de alta sensibilidad (15).
Estos hallazgos subrayan la necesidad de una evaluación cuidadosa al considerar la
incorporación de biomarcadores inflamatorios en modelos predictivos universales para
poblaciones con riesgo cardiovascular.
Este trabajo se beneficia de una metodología rigurosa basada en las directrices PRISMA,
lo que asegura la inclusión de estudios de alta calidad. No obstante, se observaron limitaciones
importantes, como la heterogeneidad en los diseños de los estudios incluidos y en las poblaciones
analizadas, lo que puede afectar la generalización de los resultados. Además, algunos
biomarcadores avanzados aún carecen de validación clínica sólida en diversos contextos. A pesar
de ello, la inclusión de múltiples bases de datos y el enfoque en biomarcadores emergentes
fortalecen la aplicabilidad de las conclusiones.
Los biomarcadores avanzados representan una herramienta prometedora para la
personalización de estrategias preventivas en enfermedades cardiovasculares, al permitir una
estratificación del riesgo más precisa. Sin embargo, se requieren estudios adicionales para evaluar
su costo-efectividad y su aplicabilidad en escenarios clínicos reales. Las investigaciones futuras
deberían centrarse en integrar biomarcadores en modelos predictivos basados en inteligencia
artificial y explorar su valor en subpoblaciones vulnerables.
En resumen, los biomarcadores avanzados ofrecen un potencial significativo para mejorar
la predicción y prevención de eventos cardiovasculares, especialmente cuando se combinan con
factores de riesgo tradicionales. Aunque se necesitan más estudios para confirmar su aplicabilidad
clínica, nuestros hallazgos respaldan su incorporación progresiva en modelos predictivos con el
fin de optimizar el manejo del riesgo cardiovascular.
Vol. 13/ Núm. 1 2026 pág. 498
REFERENCIAS
1. Ahluwalia, N., Blacher, J., de Edelenyi, F. S., Faure, P., Julia, C., Hercberg, S., et al. (2013).
Prognostic value of multiple emerging biomarkers in cardiovascular risk prediction in
patients with stable cardiovascular disease. Atherosclerosis, 228(2), 478–484.
2. Aplicación del algoritmo 0 h/1 h de troponina de alta sensibilidad de la ESC para la toma
de decisiones en el servicio de urgencias. (2023). Revista Española de Cardiología, 76(6),
468–472.
3. Automated CT biomarkers for opportunistic prediction of future cardiovascular events and
mortality in an asymptomatic screening population: A retrospective cohort study. (2020).
The Lancet Digital Health. Recuperado el 15 de noviembre de 2024, de
https://www.thelancet.com/journals/landig/article/PIIS2589-7500(20)30025-X/fulltext
4. Comparison of longitudinal change in sST2 vs BNP to predict major adverse cardiovascular
events in asymptomatic patients in the community. (2020). ProQuest. Recuperado el 15 de
noviembre de 2024, de
https://www.proquest.com/openview/e3f3448099532bdc6288bb265e989527
5. Dhir, S., & Dhir, A. (2020). Cardiovascular risk assessment for noncardiac surgery: Are
we ready for biomarkers? Journal of Cardiothoracic and Vascular Anesthesia, 34(7),
1914–1924.
6. Glaser, R., Peacock, W. F., Wu, A. H. B., Muller, R., Möckel, M., & Apple, F. S. (2011).
Placental growth factor and B-type natriuretic peptide as independent predictors of risk
from a multibiomarker panel in suspected acute coronary syndrome (ARROW study).
American Journal of Cardiology, 107(6), 821–826.
7. High-sensitivity cardiac troponin I improves cardiovascular risk prediction in older men:
HIMS (The Health in Men Study). (2019). PubMed. Recuperado el 15 de noviembre de
2024, de https://pubmed.ncbi.nlm.nih.gov/30819029/
8. Kistorp, C., Raymond, I., Pedersen, F., Gustafsson, F., Faber, J., & Hildebrandt, P. (2005).
N-terminal pro-brain natriuretic peptide, C-reactive protein, and urinary albumin levels as
predictors of mortality and cardiovascular events in older adults. JAMA, 293(13), 1609–
1616.
9. Li, R., Jin, J., Liu, E., & Zhang, J. (2022). A novel circulating biomarker lnc-MALAT1 for
acute myocardial infarction: Its relationship with disease risk, features, cytokines, and
major adverse cardiovascular events. Journal of Clinical Laboratory Analysis, 36(12),
e24771.
10. Li, X. S., Obeid, S., Klingenberg, R., Gencer, B., Mach, F., Räber, L., et al. (2017). Gut
microbiota-dependent trimethylamine N-oxide in acute coronary syndromes: A prognostic
REFERENCIAS
1. Ahluwalia, N., Blacher, J., de Edelenyi, F. S., Faure, P., Julia, C., Hercberg, S., et al. (2013).
Prognostic value of multiple emerging biomarkers in cardiovascular risk prediction in
patients with stable cardiovascular disease. Atherosclerosis, 228(2), 478–484.
2. Aplicación del algoritmo 0 h/1 h de troponina de alta sensibilidad de la ESC para la toma
de decisiones en el servicio de urgencias. (2023). Revista Española de Cardiología, 76(6),
468–472.
3. Automated CT biomarkers for opportunistic prediction of future cardiovascular events and
mortality in an asymptomatic screening population: A retrospective cohort study. (2020).
The Lancet Digital Health. Recuperado el 15 de noviembre de 2024, de
https://www.thelancet.com/journals/landig/article/PIIS2589-7500(20)30025-X/fulltext
4. Comparison of longitudinal change in sST2 vs BNP to predict major adverse cardiovascular
events in asymptomatic patients in the community. (2020). ProQuest. Recuperado el 15 de
noviembre de 2024, de
https://www.proquest.com/openview/e3f3448099532bdc6288bb265e989527
5. Dhir, S., & Dhir, A. (2020). Cardiovascular risk assessment for noncardiac surgery: Are
we ready for biomarkers? Journal of Cardiothoracic and Vascular Anesthesia, 34(7),
1914–1924.
6. Glaser, R., Peacock, W. F., Wu, A. H. B., Muller, R., Möckel, M., & Apple, F. S. (2011).
Placental growth factor and B-type natriuretic peptide as independent predictors of risk
from a multibiomarker panel in suspected acute coronary syndrome (ARROW study).
American Journal of Cardiology, 107(6), 821–826.
7. High-sensitivity cardiac troponin I improves cardiovascular risk prediction in older men:
HIMS (The Health in Men Study). (2019). PubMed. Recuperado el 15 de noviembre de
2024, de https://pubmed.ncbi.nlm.nih.gov/30819029/
8. Kistorp, C., Raymond, I., Pedersen, F., Gustafsson, F., Faber, J., & Hildebrandt, P. (2005).
N-terminal pro-brain natriuretic peptide, C-reactive protein, and urinary albumin levels as
predictors of mortality and cardiovascular events in older adults. JAMA, 293(13), 1609–
1616.
9. Li, R., Jin, J., Liu, E., & Zhang, J. (2022). A novel circulating biomarker lnc-MALAT1 for
acute myocardial infarction: Its relationship with disease risk, features, cytokines, and
major adverse cardiovascular events. Journal of Clinical Laboratory Analysis, 36(12),
e24771.
10. Li, X. S., Obeid, S., Klingenberg, R., Gencer, B., Mach, F., Räber, L., et al. (2017). Gut
microbiota-dependent trimethylamine N-oxide in acute coronary syndromes: A prognostic
Vol. 13/ Núm. 1 2026 pág. 499
marker for incident cardiovascular events beyond traditional risk factors. European Heart
Journal, 38(11), 814–824.
11. LONG-TERM prediction of cardiac events in asymptomatic subjects by integrating novel
circulating and imaging biomarkers using machine learning. (2020). Journal of the
American College of Cardiology. Recuperado el 15 de noviembre de 2024, de
https://www.jacc.org/doi/10.1016/S0735-1097%2820%2932207-5
12. Long-term prognostic significance of pentraxin-3 in patients with acute myocardial
infarction: 5-year prospective cohort study - PMC [Internet]. [citado 15 de noviembre de
2024]. Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC5864980/
13. Malachias, M. V. B., Wijkman, M. O., & Bertoluci, M. C. (2022). NT-proBNP as a
predictor of death and cardiovascular events in patients with type 2 diabetes. Diabetology
& Metabolic Syndrome, 14(1), 64.
14. Martínez-Quintana, E., Estupiñán-León, H., Riaño-Ruiz, M., Rodríguez-González, F., &
Tugores, A. (2020). Red blood cell distribution width in addition to N-terminal prohormone
of B-type natriuretic peptide concentration improves assessment of risk of cardiovascular
events in adult patients with congenital heart disease. Archives of Cardiovascular Diseases,
113(10), 607–616.
15. Neumann, J. T., Twerenbold, R., Weimann, J., Ballantyne, C. M., Benjamin, E. J.,
Costanzo, S., et al. (2024). Prognostic value of cardiovascular biomarkers in the population.
JAMA, 331(22), 1898–1909.
16. Novel urinary glycan biomarkers predict cardiovascular events in patients with type 2
diabetes: A multicenter prospective study with 5-year follow-up (U-CARE Study 2).
(2021). PubMed. Recuperado el 15 de noviembre de 2024, de
https://pubmed.ncbi.nlm.nih.gov/34109226/
17. Price, A. H., Weir, C. J., Welsh, P., McLachlan, S., Strachan, M. W. J., Sattar, N., et al.
(2017). Comparison of non-traditional biomarkers, and combinations of biomarkers, for
vascular risk prediction in people with type 2 diabetes: The Edinburgh Type 2 Diabetes
Study. Atherosclerosis, 264, 67–73.
18. Prognostic value of serial N-terminal pro-B-type natriuretic peptide measurements in adults
with congenital heart disease. (2018). Journal of the American Heart Association.
Recuperado el 15 de noviembre de 2024, de
https://www.ahajournals.org/doi/10.1161/jaha.117.008349
19. Relation between plasma proteomics analysis and major adverse cardiovascular events in
patients with stable coronary artery disease. (2022). PubMed. Recuperado el 15 de
noviembre de 2024, de https://pubmed.ncbi.nlm.nih.gov/35211520/
marker for incident cardiovascular events beyond traditional risk factors. European Heart
Journal, 38(11), 814–824.
11. LONG-TERM prediction of cardiac events in asymptomatic subjects by integrating novel
circulating and imaging biomarkers using machine learning. (2020). Journal of the
American College of Cardiology. Recuperado el 15 de noviembre de 2024, de
https://www.jacc.org/doi/10.1016/S0735-1097%2820%2932207-5
12. Long-term prognostic significance of pentraxin-3 in patients with acute myocardial
infarction: 5-year prospective cohort study - PMC [Internet]. [citado 15 de noviembre de
2024]. Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC5864980/
13. Malachias, M. V. B., Wijkman, M. O., & Bertoluci, M. C. (2022). NT-proBNP as a
predictor of death and cardiovascular events in patients with type 2 diabetes. Diabetology
& Metabolic Syndrome, 14(1), 64.
14. Martínez-Quintana, E., Estupiñán-León, H., Riaño-Ruiz, M., Rodríguez-González, F., &
Tugores, A. (2020). Red blood cell distribution width in addition to N-terminal prohormone
of B-type natriuretic peptide concentration improves assessment of risk of cardiovascular
events in adult patients with congenital heart disease. Archives of Cardiovascular Diseases,
113(10), 607–616.
15. Neumann, J. T., Twerenbold, R., Weimann, J., Ballantyne, C. M., Benjamin, E. J.,
Costanzo, S., et al. (2024). Prognostic value of cardiovascular biomarkers in the population.
JAMA, 331(22), 1898–1909.
16. Novel urinary glycan biomarkers predict cardiovascular events in patients with type 2
diabetes: A multicenter prospective study with 5-year follow-up (U-CARE Study 2).
(2021). PubMed. Recuperado el 15 de noviembre de 2024, de
https://pubmed.ncbi.nlm.nih.gov/34109226/
17. Price, A. H., Weir, C. J., Welsh, P., McLachlan, S., Strachan, M. W. J., Sattar, N., et al.
(2017). Comparison of non-traditional biomarkers, and combinations of biomarkers, for
vascular risk prediction in people with type 2 diabetes: The Edinburgh Type 2 Diabetes
Study. Atherosclerosis, 264, 67–73.
18. Prognostic value of serial N-terminal pro-B-type natriuretic peptide measurements in adults
with congenital heart disease. (2018). Journal of the American Heart Association.
Recuperado el 15 de noviembre de 2024, de
https://www.ahajournals.org/doi/10.1161/jaha.117.008349
19. Relation between plasma proteomics analysis and major adverse cardiovascular events in
patients with stable coronary artery disease. (2022). PubMed. Recuperado el 15 de
noviembre de 2024, de https://pubmed.ncbi.nlm.nih.gov/35211520/
Vol. 13/ Núm. 1 2026 pág. 500
20. Trajectories of cardiac troponin in the decades before cardiovascular death: A longitudinal
cohort study. (2023). BMC Medicine. Recuperado el 15 de noviembre de 2024, de
https://bmcmedicine.biomedcentral.com/articles/10.1186/s12916-023-02921-8
21. van der Leeuw, J., Beulens, J. W. J., van Dieren, S., Schalkwijk, C. G., Glatz, J. F. C.,
Hofker, M. H., et al. (2016). Novel biomarkers to improve the prediction of cardiovascular
event risk in type 2 diabetes mellitus. Journal of the American Heart Association, 5(6),
e003048.
22. Vassallo, D., Alderson, H., Vuilleumier, N., Ritchie, J., Green, D., Pagano, S., et al. (2019).
Association of novel biomarkers with major clinical outcomes in a cohort of patients with
atherosclerotic renovascular disease. Annals of Clinical Biochemistry, 56(4), 488–501.
23. Veeranna, V., Zalawadiya, S. K., Niraj, A., Kumar, A., Ference, B., & Afonso, L. (2013).
Association of novel biomarkers with future cardiovascular events is influenced by
ethnicity: Results from a multi-ethnic cohort. International Journal of Cardiology, 166(2),
487–493.
24. Wang, L., Cong, H. L., Zhang, J. X., Li, X. M., Hu, Y. C., Wang, C., et al. (2022).
Prognostic performance of multiple biomarkers in patients with acute coronary syndrome
without standard cardiovascular risk factors. Frontiers in Cardiovascular Medicine, 9,
916085.
25. Witkowski, M., Wu, Y., Hazen, S. L., & Tang, W. H. W. (2021). Prognostic value of
subclinical myocardial necrosis using high-sensitivity cardiac troponin T in patients with
prediabetes. Cardiovascular Diabetology, 20(1), 171.
26. Cortez-Dias N, Costa MC, Carrilho-Ferreira P, Silva D, Jorge C, Calisto C, et al.
Circulating miR-122-5p/miR-133b Ratio Is a Specific Early Prognostic Biomarker in
Acute Myocardial Infarction. Circ J Off J Jpn Circ Soc. 23 de septiembre de
2016;80(10):2183-91.
27. NT-proBNP is superior to BNP for predicting first cardiovascular events in the general
population: the Heinz Nixdorf Recall Study - PubMed [Internet]. [citado 15 de noviembre
de 2024]. Disponible en: https://pubmed.ncbi.nlm.nih.gov/25666125/
28. Multiple biomarkers for the prediction of first major cardiovascular events and death -
PubMed [Internet]. [citado 15 de noviembre de 2024]. Disponible en:
https://pubmed.ncbi.nlm.nih.gov/17182988/
29. Leistner DM, Klotsche J, Pieper L, Palm S, Stalla GK, Lehnert H, et al. Prognostic value
of NT-pro-BNP and hs-CRP for risk stratification in primary care: results from the
population-based DETECT study. Clin Res Cardiol Off J Ger Card Soc. abril de
2013;102(4):259-68.
20. Trajectories of cardiac troponin in the decades before cardiovascular death: A longitudinal
cohort study. (2023). BMC Medicine. Recuperado el 15 de noviembre de 2024, de
https://bmcmedicine.biomedcentral.com/articles/10.1186/s12916-023-02921-8
21. van der Leeuw, J., Beulens, J. W. J., van Dieren, S., Schalkwijk, C. G., Glatz, J. F. C.,
Hofker, M. H., et al. (2016). Novel biomarkers to improve the prediction of cardiovascular
event risk in type 2 diabetes mellitus. Journal of the American Heart Association, 5(6),
e003048.
22. Vassallo, D., Alderson, H., Vuilleumier, N., Ritchie, J., Green, D., Pagano, S., et al. (2019).
Association of novel biomarkers with major clinical outcomes in a cohort of patients with
atherosclerotic renovascular disease. Annals of Clinical Biochemistry, 56(4), 488–501.
23. Veeranna, V., Zalawadiya, S. K., Niraj, A., Kumar, A., Ference, B., & Afonso, L. (2013).
Association of novel biomarkers with future cardiovascular events is influenced by
ethnicity: Results from a multi-ethnic cohort. International Journal of Cardiology, 166(2),
487–493.
24. Wang, L., Cong, H. L., Zhang, J. X., Li, X. M., Hu, Y. C., Wang, C., et al. (2022).
Prognostic performance of multiple biomarkers in patients with acute coronary syndrome
without standard cardiovascular risk factors. Frontiers in Cardiovascular Medicine, 9,
916085.
25. Witkowski, M., Wu, Y., Hazen, S. L., & Tang, W. H. W. (2021). Prognostic value of
subclinical myocardial necrosis using high-sensitivity cardiac troponin T in patients with
prediabetes. Cardiovascular Diabetology, 20(1), 171.
26. Cortez-Dias N, Costa MC, Carrilho-Ferreira P, Silva D, Jorge C, Calisto C, et al.
Circulating miR-122-5p/miR-133b Ratio Is a Specific Early Prognostic Biomarker in
Acute Myocardial Infarction. Circ J Off J Jpn Circ Soc. 23 de septiembre de
2016;80(10):2183-91.
27. NT-proBNP is superior to BNP for predicting first cardiovascular events in the general
population: the Heinz Nixdorf Recall Study - PubMed [Internet]. [citado 15 de noviembre
de 2024]. Disponible en: https://pubmed.ncbi.nlm.nih.gov/25666125/
28. Multiple biomarkers for the prediction of first major cardiovascular events and death -
PubMed [Internet]. [citado 15 de noviembre de 2024]. Disponible en:
https://pubmed.ncbi.nlm.nih.gov/17182988/
29. Leistner DM, Klotsche J, Pieper L, Palm S, Stalla GK, Lehnert H, et al. Prognostic value
of NT-pro-BNP and hs-CRP for risk stratification in primary care: results from the
population-based DETECT study. Clin Res Cardiol Off J Ger Card Soc. abril de
2013;102(4):259-68.