Riesgo de hipertensión arterial en la población mexicana
Proyecto
Jackeline Odeth Tellez Hernandez y Ramón Herver Serrano
2024-04-22
Introducción
La hipertensión arterial se define como un trastorno por el cual los vasos sanguíneos tienen persistentemente una tensión elevada (Organización Mundial de la Salud, 2023). La hipertensión es una condición médica grave que puede acarrear diversos prejuicios para la salud (López, 2001). Entre ellos se encuentran el aumento del riesgo de enfermedades cardiovasculares como infartos y accidentes cerebrovasculares, así como daño a órganos vitales como el corazón, los riñones y el cerebro (López, 2001; OMS, 2023).
En el mundo, la hipertensión afecta a una gran parte de la población dado que se estima que existen más de mil millones de personas con hipertensión (Instituto Mexicano del Seguro Social, 205; OMS, 2023). Tan sólo el 21% de los adultos con esta enfermedad tiene atendido y controlado este problema. En México, esta enfermedad presenta una alta prevalencia, con aproximadamente el 25% de la población adulta afectada(IMSS, 2015).
Las factores de riesgo se asocian con sobrepeso u obesidad, edad avanzada, alimentación y el factor genético (IMSS, 2015; OMS, 2023). Lo síntomas incluyen dolor de cabeza, mareo, zumbido de oídos, visión borrosa e hinchazón en los tobillos (IMSS, 2015). Además esta enfermedad se asocia con el aumento de peso y altos niveles glucosa en sangre, colesterol, triglicéridos y ácido úrico (Zhang et al., 2019).
Es crucial estudiar la hipertensión debido a su impacto en la salud pública y la calidad de vida de las personas. Comprender sus causas, factores de riesgo y consecuencias ayuda a implementar estrategias de prevención y tratamiento efectivas. Además, el estudio de la hipertensión permite identificar poblaciones en riesgo y desarrollar políticas de salud dirigidas a mitigar sus efectos y promover estilos de vida saludables.
El siguiente estudio tiene como objetivo identificar los factores de riesgo en la población mexicana a partir de datos generados por La Encuesta Nacional de Salud y Nutrición (ENSANUT) la cual recopila información sobre la salud y el estado nutricional de la población. Se dedica a evaluar diversos aspectos de la salud pública, como la prevalencia de enfermedades crónicas, la alimentación y el acceso a servicios de salud.
Por lo tanto, el presente estudio tiene como objetivo conocer las características de la población en torno a la hipertensión arterial. Se desea conocer las relaciones entre las concentraciones sanguíneas de ácido úrico, colesterol y triglicéridos y factores como la actividad física semanal, las cuales se han asociado al riesgo de padecer hipertensión (López, 2001; OMS, 2023; Zhang et al., 2019). Se tomará en cuenta el sexo y el rango de edades ya que es importante para dirigir recomendaciones y políticas públicas.
Materiales y métodos
Preparación del entorno de trabajo
# Librerías
library(tidyr)
library(dplyr)
library(patchwork)
library(ggplot2)
library(rmarkdown)
library(knitr)
library(mvnormtest)
library(car)
library(corrplot)
library(paletteer)
library(colorBlindness)
library(ggthemes)
##Carga de datos
ENSANUT <- read.csv("../data/ENSANUT_data.csv")Exploración preliminar
# Exploración preliminar
kable(head(ENSANUT[1:8]), "html")| sexo | edad | valor_acido_urico | valor_colesterol_total | valor_trigliceridos | peso | segundamedicion_peso | estatura |
|---|---|---|---|---|---|---|---|
| 2 | 41 | 10.3 | 199 | 193 | 74.55 | 64.70 | 147.3 |
| 2 | 65 | 6.9 | 272 | 161 | 2.00 | 96.75 | 151.0 |
| 2 | 68 | 7.3 | 159 | 153 | 2.00 | 68.70 | 151.0 |
| 1 | 35 | 11.0 | 212 | 297 | 81.50 | 64.70 | 173.4 |
| 2 | 65 | 6.7 | 165 | 166 | 2.00 | 97.15 | 151.0 |
| 2 | 70 | 7.3 | 159 | 153 | 2.00 | 96.00 | 151.0 |
str(ENSANUT)## 'data.frame': 4363 obs. of 13 variables:
## $ sexo : int 2 2 2 1 2 2 2 2 1 2 ...
## $ edad : int 41 65 68 35 65 70 30 29 58 62 ...
## $ valor_acido_urico : num 10.3 6.9 7.3 11 6.7 7.3 9.1 4.8 10.3 9.9 ...
## $ valor_colesterol_total : int 199 272 159 212 165 159 148 139 199 296 ...
## $ valor_trigliceridos : int 193 161 153 297 166 153 121 123 193 345 ...
## $ peso : num 74.5 2 2 81.5 2 ...
## $ segundamedicion_peso : num 64.7 96.8 68.7 64.7 97.2 ...
## $ estatura : num 147 151 151 173 151 ...
## $ segundamedicion_estatura: num 154 152 145 154 161 ...
## $ masa_corporal : num 32.9 1 1 26.3 1 ...
## $ actividad_total : int 120 240 480 275 255 775 300 600 740 150 ...
## $ tension_arterial : int 107 104 105 117 123 149 119 113 102 111 ...
## $ riesgo_hipertension : int 1 0 0 1 0 0 1 1 1 1 ...# Obtener valores únicos de variables de interés
colnames(ENSANUT)## [1] "sexo" "edad"
## [3] "valor_acido_urico" "valor_colesterol_total"
## [5] "valor_trigliceridos" "peso"
## [7] "segundamedicion_peso" "estatura"
## [9] "segundamedicion_estatura" "masa_corporal"
## [11] "actividad_total" "tension_arterial"
## [13] "riesgo_hipertension"ENS_INT <- ENSANUT %>%
select(., sexo, edad,
valor_acido_urico, valor_colesterol_total,
valor_trigliceridos, peso, segundamedicion_peso,
estatura, segundamedicion_estatura, masa_corporal, actividad_total,
tension_arterial,
riesgo_hipertension
)
summary(ENS_INT)## sexo edad valor_acido_urico valor_colesterol_total
## Min. :1.000 Min. : 4.00 Min. : 1.500 Min. : 41.0
## 1st Qu.:1.000 1st Qu.:36.00 1st Qu.: 7.300 1st Qu.:148.0
## Median :2.000 Median :48.00 Median : 9.200 Median :159.0
## Mean :1.613 Mean :47.32 Mean : 8.371 Mean :175.8
## 3rd Qu.:2.000 3rd Qu.:58.00 3rd Qu.:10.300 3rd Qu.:199.0
## Max. :2.000 Max. :93.00 Max. :16.500 Max. :741.0
## valor_trigliceridos peso segundamedicion_peso estatura
## Min. : 23.0 Min. : 2.00 Min. : 2.00 Min. : 0.0
## 1st Qu.: 123.0 1st Qu.: 49.30 1st Qu.: 64.70 1st Qu.:151.0
## Median : 153.0 Median : 67.60 Median : 64.70 Median :154.5
## Mean : 174.4 Mean : 58.29 Mean : 65.79 Mean :156.2
## 3rd Qu.: 193.0 3rd Qu.: 79.60 3rd Qu.: 64.70 3rd Qu.:162.9
## Max. :1390.0 Max. :168.80 Max. :151.20 Max. :192.0
## segundamedicion_estatura masa_corporal actividad_total tension_arterial
## Min. : 0.0 Min. : 1.00 Min. : 10.0 Min. : 0.0
## 1st Qu.:154.0 1st Qu.:19.62 1st Qu.: 240.0 1st Qu.:111.0
## Median :154.0 Median :26.23 Median : 380.0 Median :121.0
## Mean :153.8 Mean :22.45 Mean : 481.8 Mean :123.7
## 3rd Qu.:154.0 3rd Qu.:30.29 3rd Qu.: 585.0 3rd Qu.:136.0
## Max. :182.6 Max. :60.51 Max. :17820.0 Max. :200.0
## riesgo_hipertension
## Min. :0.0000
## 1st Qu.:0.0000
## Median :1.0000
## Mean :0.6454
## 3rd Qu.:1.0000
## Max. :1.0000Selección y limpieza de variables de interés
Se tomarán las concentraciones sanguíneas de ácido úrico, colesterol y triglicéridos (mg/dL). La actividad semanal (horas/ semana), el sexo y riesgo de hipertensión (1= alto, 0= bajo).
## Limpieza de datos
ENS_INT_L <- ENS_INT%>%
filter(actividad_total<3360) %>%
mutate(PESO = pmax(peso, segundamedicion_peso)
)%>%
mutate(ESTATURA = pmax(estatura, segundamedicion_estatura)
)%>%
filter(PESO>30, tension_arterial>0)%>%
select(sexo, edad, PESO, ESTATURA,
valor_acido_urico, valor_colesterol_total,
valor_trigliceridos, actividad_total,
tension_arterial,
riesgo_hipertension)%>%
mutate(across(where(is.numeric), as.numeric))%>%
mutate(sexo = case_when(
sexo == 1 ~ "H",
sexo == 2 ~ "M"))%>%
mutate(Riesgo_de_hipertension = as.factor(riesgo_hipertension)) %>%
mutate(actividad_sem = actividad_total/60,
sexo = as.factor(sexo))%>%
rename(Peso = PESO, Estatura = ESTATURA, Ac_Urico=valor_acido_urico,
Colesterol=valor_colesterol_total,
Trigliceridos = valor_trigliceridos,
Tension_arterial = tension_arterial ,
Actividad_semanal = actividad_sem)%>%
select(sexo, edad, Peso, Estatura, Riesgo_de_hipertension,
Ac_Urico, Colesterol, Trigliceridos,
Actividad_semanal, Tension_arterial)
kable(summary(ENS_INT_L))| sexo | edad | Peso | Estatura | Riesgo_de_hipertension | Ac_Urico | Colesterol | Trigliceridos | Actividad_semanal | Tension_arterial | |
|---|---|---|---|---|---|---|---|---|---|---|
| H:1657 | Min. : 4.0 | Min. : 35.00 | Min. :151.0 | 0:1508 | Min. : 1.500 | Min. : 41 | Min. : 23.0 | Min. : 0.1667 | Min. : 80.0 | |
| M:2627 | 1st Qu.:36.0 | 1st Qu.: 64.70 | 1st Qu.:154.0 | 1:2776 | 1st Qu.: 7.300 | 1st Qu.:148 | 1st Qu.: 123.0 | 1st Qu.: 4.0000 | 1st Qu.:111.0 | |
| NA | Median :48.0 | Median : 71.65 | Median :157.0 | NA | Median : 9.200 | Median :159 | Median : 153.0 | Median : 6.3333 | Median :121.0 | |
| NA | Mean :47.3 | Mean : 75.15 | Mean :159.6 | NA | Mean : 8.372 | Mean :176 | Mean : 174.5 | Mean : 7.0411 | Mean :124.5 | |
| NA | 3rd Qu.:58.0 | 3rd Qu.: 82.36 | 3rd Qu.:164.4 | NA | 3rd Qu.:10.300 | 3rd Qu.:199 | 3rd Qu.: 193.0 | 3rd Qu.: 9.5000 | 3rd Qu.:136.0 | |
| NA | Max. :93.0 | Max. :168.80 | Max. :192.0 | NA | Max. :16.500 | Max. :741 | Max. :1390.0 | Max. :31.0000 | Max. :200.0 |
Visualización preliminar de datos
# Visualización preliminar
sexAge <- ENS_INT_L%>%
ggplot(aes(edad, sexo, fill = sexo)) +
geom_boxplot(position = "dodge")+
labs(title = "Edad por sexo")
sexAge
a <- ENS_INT_L%>%
ggplot(aes(sexo)) +
geom_bar(aes(fill = Riesgo_de_hipertension), position = "dodge")+
coord_flip() + scale_fill_brewer(palette = "Set2", direction = -1)
b <- ENS_INT_L%>%
ggplot(aes(edad)) +
geom_bar(aes(fill = Riesgo_de_hipertension), position = "dodge")+
coord_flip() + scale_fill_brewer(palette = "Set2", direction = -1)
(a / b + plot_layout(guides = 'collect'))+
plot_annotation("Riesgo de hipertensión (Sexo y edad)")
Análisis
Posteriormente a la limpieza de datos, se realizaron diferentes análisis para conocer a la población. Se realizaron análisis por sexo y/o rango de edades para conocer las características generales de la población en torno a la hipertensión arterial. Además, se realizaron análisis de correlación con las variables de interés así como, una segmentación de los datos por sexo, edad y en conjunto, para conocer la variación entre grupos.
Caractaterísticas de la población
# Cataegorías de edad
# Calcular los puntos de corte
breaks <- pretty(range(ENS_INT_L$edad),
n = nclass.Sturges(ENS_INT_L$edad),
min.n = 1)
# Definimos los límites de los rangos de edad
limites <- c(seq(0, 70, 10), Inf) # Inf representa infinito para el último rango
# Creamos las categorías de edad
ENS_INT_L$rango_edad<- cut(ENS_INT_L$edad, breaks = limites,
labels = c("0-10", "11-20", "21-30",
"31-40", "41-50", "51-60",
"61-70", "Mas de 70")
)#Caractaterísticas de la población
a <- ENS_INT_L%>%
ggplot(aes(rango_edad)) +
geom_bar(aes(fill = sexo), position = "dodge") + scale_fill_brewer(palette = "Set2")+
labs(title = "Frecuencia de edad por sexo",
x = "Rango de edades", y = "Frecuencia")
b <- ENS_INT_L%>%
ggplot(aes(rango_edad)) +
geom_bar(aes(fill = Riesgo_de_hipertension), position = "dodge") + scale_fill_brewer(palette = "Set1")+
labs(title = "Frecuencia del riesgo de hipertensión \n por grupo de edad", x = "Rango de edades", y = "Frecuencia")
c <- ENS_INT_L%>%
group_by(rango_edad, sexo, Riesgo_de_hipertension)%>%
ggplot(aes(rango_edad)) +
geom_bar(aes(fill = Riesgo_de_hipertension), position = "dodge")+
facet_wrap(. ~ sexo) + labs(title = "Frecuencia de riesgo de hipertensión por grupo de edad y sexo",
x = "Rango de edades", y = "Frecuencia") +
scale_fill_manual(values = c("1" = "deepskyblue2", "0" = "#68B05D"))
a | b + plot_layout(guides = 'collect')
c + plot_layout(guides = 'collect') +
plot_annotation("Riesgo de hipertensión (Sexo y edad)")
Se encuentra una mayor proporción de mujeres sobre hombres en la muestra (n=4284). La edad de los individuos estudiados inicia desde 4 a 93 años, la media muestral es de 47 años. Las edades con mayor frecuencia de riesgo de hipertensión arterial abarcan de los 21 a los 70 años de edad en ambos sexos.
Correlación
General
#### Correlación de las variables entre sí
#Aplicar la prueba de normalidad de Shapiro-Wilk
colnames(ENS_INT_L)## [1] "sexo" "edad" "Peso"
## [4] "Estatura" "Riesgo_de_hipertension" "Ac_Urico"
## [7] "Colesterol" "Trigliceridos" "Actividad_semanal"
## [10] "Tension_arterial" "rango_edad"ENS_INT_L_corr <- ENS_INT_L[,-c(1,5,11)]
mshapiro.test(t(apply(ENS_INT_L_corr, 2, as.numeric)))##
## Shapiro-Wilk normality test
##
## data: Z
## W = 0.71009, p-value < 2.2e-16#Genera el gráfico de correlación
mt.cor <- cor(apply(ENS_INT_L_corr, 2, as.numeric), method="spearman")
# E) Leyenda inferior, diagonal con nombres
# B) Gráfico por método = color
corrplot(mt.cor, method = 'color',
order = 'alphabet', diag = F,
tl.cex = 0.5, tl.col = "black",
number.cex=0.55, addCoef.col = 'black') 
Por sexo
### Por sexo
# Por sexo
plotCorr_list_S <- list()
vector <- c("H", "M")
for (i in vector) {
# Filtrar por sexo y seleccionar las variables de interés
corrEdadSex <- filter(ENS_INT_L, sexo == i) %>%
select(-c(sexo, rango_edad, Riesgo_de_hipertension))
# Agregar los datos filtrados a la lista
plotCorr_list_S[[i]] <- corrEdadSex
# Realizar la prueba de normalidad de Shapiro-Wilk
print(mshapiro.test(t(apply(corrEdadSex, 2, as.numeric))))
# Calcular la correlación de Spearman
mt.corS <- cor(apply(corrEdadSex, 2, as.numeric), method = "spearman")
plotCorr_list_S[[i]] <- mt.corS # Corregir el nombre de la lista aquí
}##
## Shapiro-Wilk normality test
##
## data: Z
## W = 0.723, p-value < 2.2e-16
##
##
## Shapiro-Wilk normality test
##
## data: Z
## W = 0.75814, p-value < 2.2e-16# E) Leyenda inferior, diagonal con nombres
# B) Gráfico por método = color
par(mfrow =c(1,2))
corrplot(plotCorr_list_S[[1]], method = 'color',
order = 'alphabet', diag = F,
tl.cex = 0.5, tl.col = "black",
number.cex=0.55, addCoef.col = 'black',
main = "Hombres", cex.main = 0.8,
tl.srt = 45
)
corrplot(plotCorr_list_S[[2]], method = 'color',
order = 'alphabet', diag = F,
tl.cex = 0.5, tl.col = "black",
number.cex=0.55, addCoef.col = 'black',
main = "Mujeres", cex.main = 0.8,
tl.srt = 45
) 
Mayores de 50 años
### Correlación por edad >50 años
plotCorr_list <- list()
vector <- c(0,1)
for (i in vector) {
corrEdad50 <- filter(ENS_INT_L, edad>=50,
Riesgo_de_hipertension == i)%>%
select(-c(sexo, rango_edad, Riesgo_de_hipertension))
plotCorr_list[[i+1]] <- corrEdad50
print(mshapiro.test(t(apply(corrEdad50, 2, as.numeric))))
mt.cor50 <- cor(apply(plotCorr_list[[i+1]], 2, as.numeric), method="spearman")
plotCorr_list[[i+3]] <- mt.cor50
}##
## Shapiro-Wilk normality test
##
## data: Z
## W = 0.55416, p-value < 2.2e-16
##
##
## Shapiro-Wilk normality test
##
## data: Z
## W = 0.57882, p-value < 2.2e-16# B) Gráfico por método = color
par(mfrow =c(1,2))
corrplot(plotCorr_list[[3]], method = 'color',
order = 'alphabet', diag = F,
tl.cex = 0.5, tl.col = "black",
number.cex=0.55, addCoef.col = 'black',
main = "Bajo riesgo de hipertensión (>50)"
)
corrplot(plotCorr_list[[4]], method = 'color',
order = 'alphabet', diag = F,
tl.cex = 0.5, tl.col = "black",
number.cex=0.55, addCoef.col = 'black',
main = "Alto riesgo de hipertensión (>50)"
) 
Las variables no cumplen el supuesto de normalidad por lo que se les aplicó en todos los casos la prueba de correlación de Spearman. La edad se correlaciona débilmente con las concentraciones sanguíneas de ácido úrico, , colesterol y triglicéridos. No obstante, existen correlaciones fuertes positivas entre estas concentraciones. La tensión arterial sufre un aumento ligero con la edad. Estas correlaciones se mantienen entre hombres y mujeres siendo ligeramente superiores en hombres. Al evaluar en grupos generalmente asociados con alto riesgo de hipertensión como son los adultos mayores a cincuenta años la correlación entre las concentraciones de ácido úrico, colesterol y triglicéridos se mantienen, siendo mayores en personas con alto riesgo de hipertensión.
Variables de interés por sexo y edad
Por sexo
(col_names <- c("Ac_Urico","Colesterol", "Trigliceridos",
"Actividad_semanal","Tension_arterial")) #Variables de interés## [1] "Ac_Urico" "Colesterol" "Trigliceridos"
## [4] "Actividad_semanal" "Tension_arterial"plot_listS <- list()
# Crear un gráfico para cada una
for (col in col_names) {
p <- ggplot(data = ENS_INT_L, aes(x = sexo, y = !!sym(col),
fill = sexo)) +
geom_violin() + scale_fill_brewer(palette = "Set2")+
geom_jitter(shape = 20, size = 1,
width = 0.09, height = 0.09) +
stat_summary(fun = "mean", geom = "point",
size = 3, shape = 21,
fill = "yellow2") +
labs(title = col, x = "Sexo")+
coord_flip()
plot_listS[[col]] <- p
}
combined_plotsS <- wrap_plots(plotlist = plot_listS,
nrow =3, ncol = 2)+
plot_layout(guides = 'collect')
# Mostrar el gráfico
combined_plotsS
Por rango de edad
plot_listE <- list()
# Crear un gráfico para cada una
for (col in col_names) {
p <- ggplot(data = ENS_INT_L, aes(x = rango_edad, y = !!sym(col),
fill = rango_edad)) +
geom_violin() + scale_fill_brewer(palette = "Set1")+
geom_jitter(shape = 20, size = 1,
width = 0.09, height = 0.09) +
stat_summary(fun = "mean", geom = "point",
size = 3, shape = 21,
fill = "yellow2") +
labs(title = col, x = "Rango de edad")+
coord_flip()
plot_listE[[col]] <- p
}
combined_plotsE <- wrap_plots(plotlist = plot_listE,
nrow =3, ncol = 2)+
plot_layout(guides = 'collect')
# Mostrar el gráfico
combined_plotsE
Por sexo y rango de edad
plot_list <- list()
# Crear un gráfico para cada una
for (col in col_names) {
p <- ggplot(data = ENS_INT_L, aes(x = rango_edad, y = !!sym(col),
fill = sexo, colour = sexo)) +
geom_violin() +
geom_jitter(shape = 20, size = 1,
width = 0.09, height = 0.09) +
stat_summary(fun = "mean", geom = "point",
size = 3, shape = 21,
fill = "yellow2") +
labs(title = col, x = "Rango de edades")+
coord_flip()
plot_list[[col]] <- p
}
combined_plots <- wrap_plots(plotlist = plot_list,
nrow =3, ncol = 2)+
plot_layout(guides = 'collect')
# Mostrar el gráfico
combined_plots
Por sexo, rango de edad y riesgo de hipertensión
plot_listER <- list()
# Crear un gráfico para cada una
for (col in col_names) {
p <- ggplot(data = ENS_INT_L, aes(x = rango_edad, y = !!sym(col),
fill = Riesgo_de_hipertension, colour = Riesgo_de_hipertension)) +
geom_violin() +
geom_jitter(shape = 20, size = 1,
width = 0.09, height = 0.09) +
stat_summary(fun = "mean", geom = "point",
size = 3, shape = 21,
fill = "yellow2") +
labs(title = col, x = "Rango de edades")+
coord_flip()+scale_fill_manual(name ="Riesgo de \n hipertensión",
values = c("0" = "#699AC2",
"1" = "#D65421")) + # Establecer colores personalizados para los violines
scale_colour_manual(name ="Riesgo de \n hipertensión",
values = c("0" = "#699AC2",
"1" = "#D65421"))+
facet_grid(.~sexo)# Establecer colores personalizados para los puntos
plot_listER[[col]] <- p
}
combined_plotsER <- wrap_plots(plotlist = plot_listER,
nrow =5, ncol = 1)+
plot_layout(guides = 'collect')
# Mostrar el gráfico
combined_plotsER
Se muestra un aumento de en las concentraciones sanguíneas de interés con la edad, a partir de los 30 años. La actividad física semanal disminuye conforme a la edad y es ligeramente menor en mujeres mayores de 20 años. La tensión arterial aumenta con la edad, es en promedio mayor en hombres y aumenta considerablemente con alto riesgo de hipertensión.
Discusión y resultados
A través de la exploración y análsis de los datos se recabó una muestra de 4284 individuos, en la cual se encuentra mayor proporción de mujeres (M) en todas las categorías de edad. La frecuencia del riesgo de hipertensión es mayor en los rangos de edades de los 30 hasta los 70 años, lo cual sigue la tendencia mundial que usualmente se registra a partir de los 30 años (OMS, 2023).
Al evaluar las correlaciones entre las variables de interés se encontró que las concentraciones sanguíneas de ácido úrico, colesterol y triglicéridos así como con la tensión areterial se asocian con levemente con la edad. No obstante, son correlaciones débiles, lo cual puede indicar la asociación de más factores no considerados en este estudio.
Por otro lado, las concentraciones de ácido úrico, colesterol y triglicéridos presentan correlaciones fuertes positivas (>0.75). Lo cual es un fenómeno ampliamente reportado, ya que estas variables se asocian con mayor riesgo cardiovascular y aumento en la tensión arterial(López, 2001; OMS, 2023). Este fenómeno se repite en muestras considerando sexos.
Por otro lado, al evaluar las variales de interés se seccionaron los datos en varias categorías. Al evaluar por sexo, las variables no muestran diferencias aparentes entre hombre y mujeres, ya que presentan medias muestrales y frecuencia de los datos similares. No obstante, al considerar sólo por rango de edad, se muestan una tendencia de aumento en las concentraciones de ácido úrico, colesterol, triglicéridos y tensión arterial a partir de los 30 años. Siendo mucho mayor en las personas de 30 a 70 años. A su vez, la actividad semanal muestra un descenso leve conforme aumenta la edad.
Evaluar el sexo y el rango de edad no muestra diferencias notables entre los sexos con excepción de la actividad semanal la cual presenta un aumento generalizado en los hombres. Además de una mayor tensión arterial en todos los rangos de edad sindo aparente entre los 21 y los 40 años de edad.
Por último, considerando en conjunto el sexo, la edad y el riesgo de sufrir hipertensión se encontró un aumento en las concentraciones de ácido úrico, colesterol y triglicéridos por edad, siendo mucho mayor en las personas con riesgo de hipertensión alto. Presumiblemente esto se puede deber a la edad y a la disminución de actividad física semanal, puesto que en este estudio se encontró una disminución en la actividad semanal por parte de las personas con mayor riesgo de hipértensión en cada categoría de edad. Todo estos factores pueden estar influenciando un aumento generalizado en la tensión arterial.
Por tal motivo es importante dirigir las políticas de salud enfocadas en la atención y prevención del riesgo de hipertensión a las personas a partir de los 30 años. Las cuales presentan un aumento notable en las concentraciones de ácido úrico, triglicéridos y colesterol. Es necesario fomentar la actividad física desde la jueventud ya que las personas con alto riesgo de hipertensión sufren una disminución de la actividad física a partir de la adultez. Es necesario considerar más variables como la alimentación, estrés y desigualdades sociales para dirigir de forma integral un plan de manejo en la atención de las personas afectadas por la hipertensión arterial, dado que este padecimeinto se asocia con más enfermedades que forman parte del síndrome metabólico.
Referencias
Jordan, J., Kurschat, C., & Reuter, H. (2018). Arterial Hypertension. Deutsches Arzteblatt international, 115(33-34), 557–568. https://doi.org/10.3238/arztebl.2018.0557
Instituto Mexicano del Seguro Social (2015). Hipertensión Arterial. https://www.imss.gob.mx/salud-en-linea/hipertension-arterial
López-López, R. (2001). Etiología y riesgos de la hipertensión. Offarm, 20 (10), 88-95 https://www.elsevier.es/es-revista-offarm-4-articulo-etiologia-riesgos-hipertension-13021228
Organización Mundial de la Salud. (2023). Hipertensión. https://www.who.int/es/news-room/fact-sheets/detail/hypertension
Zhang, Y., Vittinghoff, E., Pletcher, M. J., Allen, N. B., Zeki Al Hazzouri, A., Yaffe, K., Balte, P. P., Alonso, A., Newman, A. B., Ives, D. G., Rana, J. S., Lloyd-Jones, D., Vasan, R. S., Bibbins-Domingo, K., Gooding, H. C., de Ferranti, S. D., Oelsner, E. C., & Moran, A. E. (2019). Associations of Blood Pressure and Cholesterol Levels During Young Adulthood With Later Cardiovascular Events. Journal of the American College of Cardiology, 74(3), 330–341. https://doi.org/10.1016/j.jacc.2019.03.529