Zone globale cu suprapuneri între cancerul mamar și fibrilația atrială
O analiză globală a femeilor cu vârsta de 55 de ani și peste a scos la iveală zonele în care cancerul mamar și fibrilația atrială se suprapun, evidențiind fumatul și consumul de alcool ca factori de risc modificabili comuni ce ar putea informa strategii de prevenire mai bine direcționate.
Un studiu recent publicat în Journal of the American Heart Association a cartografiat modelele globale de incidență și zonele de suprapunere între cancerul mamar (BC) și fibrilația atrială/flutter (AF) în rândul femeilor cu vârsta de 55 de ani și peste, examinând trăsăturile epidemiologice comune și posibilele conexiuni etiologice între cele două afecțiuni.
Cancerul mamar (BC) rămâne o malignitate majoră în rândul femeilor la nivel mondial, având o incidență și o mortalitate ridicate. Ratele de incidență sunt mai mari în regiunile dezvoltate, în timp ce zonele cu incidență mai mică, cum ar fi anumite părți din Asia și Africa, se confruntă adesea cu o mortalitate disproporționată.
Principalele factori de risc pentru BC includ predispoziția genetică (precum mutațiile BRCA1/2), istoricul hormonal și reproductiv, obezitatea, consumul de alcool și inactivitatea fizică. Eforturile preventive vizează în principal factorii de stil de viață modificabili și promovează detectarea precoce. Se estimează că aproximativ un sfert din cazurile de BC ar putea fi prevenite prin abordarea consumului de alcool, obezității și utilizării hormonilor, deși această estimare se bazează în principal pe dovezi din țările cu venituri mari.
Fibrilația atrială (AF) este cea mai frecventă aritmie cardiacă, afectând 2–4% din populația globală, cu o prevalență în creștere pe măsură ce speranța de viață se mărește. AF apare frecvent împreună cu BC și are factori de risc comuni precum înaintarea în vârstă, obezitatea, sindromul metabolic și consumul de alcool, amplificând astfel povara ambelor afecțiuni.
Dovezile epidemiologice arată o asociere bidirecțională: riscul de AF crește după diagnosticarea BC, iar persoanele cu BC au o incidență mai mare de AF, și invers. Ambele afecțiuni depind puternic de vârstă, incidența BC crescând după menopauză, iar riscul de AF crescând exponențial odată cu înaintarea în vârstă. În consecință, povara combinată a BC și AF în rândul femeilor cu vârsta de 55 de ani și peste este în creștere rapidă pe măsură ce populația globală îmbătrânește.
Cu toate acestea, majoritatea cercetărilor se concentrează pe analizele unei singure afecțiuni, lăsând o lacună semnificativă în ceea ce privește modelele geografice suprapuse și factorii de risc comuni la nivel populațional. Absența studiilor integrate asupra modelelor spațiale și a factorilor de risc specifici regiunilor pentru ambele afecțiuni subliniază necesitatea urgentă de abordări cuprinzătoare pentru a face față acestei provocări de sănătate publică duale.
Un cadru analitic unificat a fost dezvoltat pentru a integra analiza BC și AF folosind datele Global Burden of Disease (GBD) 2021, concentrându-se pe femeile cu vârsta de 55 de ani și peste din 204 țări și teritorii. Acest set de date, care acoperă 369 de boli și 87 de factori de risc, a permis cartografierea modelelor naționale de suprapunere a incidenței bolii și identificarea țintelor spațiale pentru prevenție de precizie.
Povara bolii a fost clasificată în funcție de quartilele de incidență, țările fiind grupate în consistente, dominante AF sau dominante BC pentru a evidenția modelele spațiale. Țările „consistente” erau cele în care BC și AF se încadrau în aceeași quartilă de incidență, în timp ce țările dominante în BC sau AF aveau o quartilă mai mare pentru o boală decât pentru cealaltă. Tehnici de învățare automată, inclusiv random forest și SHAP (Shapley Additive Explanations), au fost folosite pentru a identifica și clasifica principalii factori de risc, în timp ce fracțiile atribuibile populației (PAF) au cuantificat impactul lor potențial.
După excluderea variabilelor neeligibile, 37 din cei 58 de factori de risc au fost analizați. Apoi, a fost aplicată metoda Double Machine Learning pentru a estima asocierile cauzale potențiale la nivelul populației, folosind modele separate pentru BC și AF, deoarece datele la nivel de țară nu au putut identifica femeile cu ambele afecțiuni.
Studiul a cartografiat ratele globale de incidență a BC și AF în rândul femeilor cu vârsta de 55 de ani și peste din 202 de țări, excluzând Tuvalu și Tokelau din cauza datelor limitate. Ratele de incidență au arătat o suprapunere geografică, cu rate mai mari în Europa, America de Nord și Oceania, și rate mai mici în regiunile sudice și estice. Anumite țări din Oceania, Asia de Sud-Est și America de Sud au prezentat o incidență crescută de AF.
Corelații pozitive între incidența BC și AF au fost observate în toate clasificările regionale, deși relația a fost cea mai puternică în regiunile consistente și cea mai slabă în regiunile dominante în AF.
Au apărut trei tipare de incidență: țările în care BC și AF se încadrau în aceeași quartilă de incidență („regiuni consistente”); regiunile dominante în BC, în principal în Asia și nordul Americii de Sud; și regiunile dominante în AF, găsite în părți din Africa și sudul Americii de Sud. Cele mai mari rate de incidență pentru ambele afecțiuni au fost concentrate în America de Nord, Europa și Oceania, în timp ce cele mai scăzute au fost înregistrate în Africa de Nord și Centrală. Fiecare țară a demonstrat un profil distinct de incidență și expunere la factorii de risc.
Studiul a evaluat 58 de posibili factori de risc, restrângând selecția inițială prin învățare automată la opt factori cheie pentru fiecare boală. Pentru BC, factorii cheie au inclus băuturile răcoritoare îndulcite cu zahăr, fumatul, alcoolul, indicele de masă corporală ridicat, activitatea fizică scăzută, carnea roșie, glucoza plasmatică ridicată și aportul scăzut de cereale integrale. Pentru AF, principalii riscuri au fost sodiu ridicat, fumat, alcool, carne procesată, radon, colesterol LDL ridicat, băuturi răcoritoare îndulcite cu zahăr și carne roșie.
Patru factori de risc principali au arătat asocieri semnificative în analiza ulterioară de Double Machine Learning: fumatul și alcoolul (comune pentru ambele boli), și indicele de masă corporală ridicat și activitatea fizică scăzută (specifice pentru BC). Alcoolul s-a dovedit a fi cel mai puternic factor de risc, cu o creștere de un standard de deviație în expunerea standardizată asociată cu până la 12% mai multe cazuri de BC și 10% mai multe cazuri de AF. Modelarea fracției atribuibile populației a estimat că reducerea acestor expuneri la nivelurile teoretice minime de risc ar putea reduce BC cu 29% și AF cu aproape 12%, în special în regiunile unde ambele afecțiuni se supr
