Acceso usuarios
Edward Torres Cruz, Saire Roenfi Guerra Lima, Leonel Coyla Idme, Alfredo Tumi Figueroa, Percy Huata Panca, Henry Quispe Cruz, Fredy Heric Villasante Saravia
Introducción: Las enfermedades cardiometabólicas representan una creciente carga de comorbilidad y mortalidad en poblaciones rurales de gran altitud, donde la interacción entre factores fisiológicos, ambientales y socioculturales constituye un elemento clave de riesgo. El análisis de tendencias de biomarcadores permite comprender las asociaciones de los factores de riesgo según la edad.
Objetivo: Modelar las asociaciones según la edad de biomarcadores metabólicos, cardiovasculares y antropométricos según la edad en una comunidad rural de Chucuito, Puno, mediante técnicas LOESS y modelos aditivos generalizados (GAM) Metodología: Estudio transversal, observacional y analítico, basado en registros secundarios recolectados durante el año 2025 del Centro de Salud Chucuito. Se incluyeron 345 individuos seleccionados mediante muestreo probabilístico. Se evaluaron biomarcadores antropométricos (peso, talla e índice de masa corporal), metabólicos (glucosa, triglicéridos y colesterol total) y cardiovasculares (presión arterial sistólica y diastólica, mmHg). Las asociaciones no lineales se analizaron mediante LOESS y GAM, considerando un nivel de significancia estadística de p < 0,05.
Resultados: La población presentó predominio femenino (83,8%) y mayor concentración en edades avanzadas. El índice de masa corporal mostró una asociación no lineal significativa con la edad (EDF = 2,96; p = 0,002), con incremento en edades intermedias y posterior estabilización. El colesterol total evidenció la asociación más robusta con la edad (EDF = 3,78; p < 0,001), mostrando un descenso progresivo en edades avanzadas. La glucosa y los triglicéridos presentaron asociaciones significativas de menor magnitud, mientras que la presión arterial basal no mostró asociación significativa con la edad (p = 0,268). Aunque las asociaciones fueron significativas, la edad explicó una fracción limitada de la variabilidad total (R^2) ajustado máximo de 0,14), sugiriendo la influencia de otros factores biológicos y ambientales." Conclusiones: Las técnicas LOESS y GAM permiten identificar patrones de asociación no lineales según la edad en biomarcadores cardiometabólicos en poblaciones rurales de gran altitud, aportando evidencia relevante para la vigilancia epidemiológica y el diseño de estrategias preventivas adaptadas a comunidades andinas
Introduction: Cardiometabolic diseases represent an increasing burden of comorbidity and mortality in rural populations living at high altitude, where the interaction between physiological, environmental, and sociocultural factors constitutes a key element of risk. The analysis of biomarker trends allows a better understanding of risk factor associations according to age.
Objective: To model age-related associations of metabolic, cardiovascular, and anthropometric biomarkers in a rural community of Chucuito, Puno, using LOESS techniques and generalized additive models (GAM).
Methodology: A cross-sectional, observational, and analytical study based on secondary records collected during 2025 from the Chucuito Health Center. A total of 345 individuals were included through probabilistic sampling. Anthropometric biomarkers (weight, height, and body mass index), metabolic biomarkers (glucose, triglycerides, and total cholesterol), and cardiovascular biomarkers (systolic and diastolic blood pressure, mmHg) were evaluated. Nonlinear associations were analyzed using LOESS and GAM, considering a statistical signifi cance level of p < 0.05.
Results: The population showed a predominance of women (83.8%) and a greater concentration in older age groups. Bodymass index exhibited a significant nonlinear association with age (EDF = 2.96; p = 0.002), with an increase during middle age followed by stabilization. Total cholesterol showed the strongest association with age (EDF = 3.78; p < 0.001), with a progressive decline in older ages. Glucose and triglycerides presented significant but smaller associations, while baseline blood pressure did not show a significant association with age (p = 0.268). Although the associations were significant, age explained a limited fraction of the total variability (maximum adjusted R² = 0.14), suggesting the influence of other biolog ical and environmental factors.
Conclusions: LOESS and GAM techniques allow the identification of nonlinear age-related association patterns in cardiometabolic biomarkers in rural high-altitude populations, providing relevant evidence for epidemiological surveillance and for designing preventive strategies adapted to Andean communities.
