INTRODUCCIÓN

La obesidad es una enfermedad crónica, multifactorial y de alta prevalencia asociada a un incremento significativo de la incidencia de enfermedades cardiovasculares, diabetes de tipo 2 (DM2), hipertensión arterial (HTA), apnea del sueño y diversas neoplasias. A pesar de los múltiples abordajes terapéuticos disponibles, la cirugía bariátrica ha demostrado ser el tratamiento más efectivo en términos de pérdida de peso sostenida y mejoría de las comorbilidades metabólicas (¹,²).

Sin embargo, en la práctica clínica no todos los pacientes logran los beneficios esperados a largo plazo. Se estima que entre el 20 y el 30 % de los individuos intervenidos presentan fracaso terapéutico, definido como pérdida ponderal inadecuada y/o persistencia de patologías asociadas a la obesidad (³,⁴).

Actualmente, los factores asociados al fracaso a largo plazo no están claramente establecidos. Existen datos que sugieren que variables como el IMC preoperatorio, la presencia de comorbilidades metabólicas y la cinética de pérdida ponderal durante el primer año podrían tener un valor predictivo importante. Sin embargo, la mayoría de los estudios presentan un seguimiento limitado o carecen de modelos clínicos validados que permitan estratificar el riesgo individual de forma práctica (5,6).

En este contexto, el presente estudio tiene como finalidad el desarrollo de un modelo predictivo clínico-nutricional basado en parámetros accesibles, que permita identificar a aquellos pacientes con mayor probabilidad de fracaso terapéutico a 10 años tras la cirugía bariátrica, y así favorecer intervenciones tempranas y personalizadas.

MATERIAL Y MÉTODOS

RESULTADOS

CARACTERíSTICAS BASALES

El estudio incluyó una cohorte de 96 pacientes con una edad media de 41,3 ± 9,5 años, de los cuales el 78,1 % eran mujeres. El IMC preoperatorio promedio fue de 44,6 ± 6,2 kg/m², la mayoría de los pacientes (72 %) presentó un IMC inicial entre 40-50 kg/m², destacándose el rango 40-45 kg/m² como el más frecuente (31 %, n = 30), con una marcada predominancia femenina (26 mujeres vs. 5 hombres). Solo el 12 % (n = 11) de la cohorte registró un IMC superior a 50 kg/m², y ningún paciente superó los 65 kg/m². En cuanto a comorbilidades, la diabetes mellitus tipo 2 (DM2) estuvo presente en el 33,3 % (n = 31) de los casos, y la hipertensión arterial (HTA) en el 32 % (n = 32)(Figs. 1 y 2).

Figura 1 Distribución del índice de masa corporal (IMC) prequirúrgico según el sexo. Los datos muestran el número de casos (n.º de casos) agrupados en intervalos de IMC (35-40, 40-45, 45-50, 50-55, 55-60, 60-65) para mujeres y hombres. 

Figura 2 Distribución del porcentaje de pérdida de exceso de peso (%PEP) al primer año posoperatorio según el sexo. Los datos representan el número de casos (n.º de casos) para mujeres y hombres. 

EVOLUCIóN DEL FRACASO TERAPéUTICO

La tabla I resume la proporción de pacientes con fracaso terapéutico —definido como pérdida de peso < 50 % del exceso o recidiva de comorbilidades— en cada evaluación durante el seguimiento a 10 años. En el primer año, el 18 % (n = 36) de los pacientes presentó fracaso, porcentaje que aumentó al 24 % (n = 48) a los 5 años y al 32 % (n = 64) al final del seguimiento. Es crucial destacar que estos valores reflejan la situación puntual en cada evaluación, no una incidencia acumulada. Por ejemplo, el 8 % de los pacientes que mostraron fracaso a los 5 años lograron recuperar el éxito a los 10 años, mientras que otro 10 % desarrolló fracaso tardíamente. Esta variabilidad subraya la naturaleza dinámica del estado nutricional postquirúrgico, donde mejoras o retrocesos pueden ocurrir en cualquier fase del seguimiento.

Tabla I Los porcentajes representan la proporción de fracasos en cada tiempo posquirúrgico 

RESULTADOS DEL MODELO PREDICTIVO

Factores asociados al fracaso

El modelo logístico identificó variables clave asociadas al riesgo de fracaso a 10 años (Tabla II):

Tabla II Modelo de regresión logística multivariante para predecir el fracaso terapéutico a los 10 años 

• - Factores de riesgo:

  • IMC preoperatorio elevado: cada unidad adicional de IMC incrementó la probabilidad de fracaso en un 24 % (OR = 1,24; IC 95 %: 1,04-1,48; p = 0,017).

  • Presencia de DM2: triplicó el riesgo (OR = 3,77; IC 95 %: 1,14-12,45; p = 0,029).

  • Presencia de HTA: aumentó el riesgo en un 283 % (OR = 3,83; IC 95 %: 1,18-12,48; p = 0,026).

• - Factores protectores:

  • Pérdida de IMC al primer año: cada 1 % adicional de IMC perdido redujo el riesgo de fracaso en un 28 % (OR = 0,72; IC 95 %: 0,55-0,94; p = 0,020).

  • % de PEP perdido al primer año: aunque el valor de p fue de 0,063, esta variable se mantuvo en el modelo final por su relevancia predictiva. Esto se justifica porque el enfoque del presente análisis es predictivo, no explicativo. En un modelo predictivo, el objetivo es maximizar la capacidad del modelo para anticipar correctamente el desenlace (fracaso a 10 años), y no evaluar efectos causales ni determinar significación estadística estricta de cada variable.

    En este contexto, la inclusión de variables con p > 0,05 (pero < 0,1) es válida si su presencia mejora el rendimiento global del modelo. El procedimiento utilizado para la selección de variables fue el método Backward Stepwise, ampliamente recomendado para modelos predictivos, el cual optimiza los criterios de ajuste como el AUC (área bajo la curva ROC), el AIC y el BIC. En este método, las variables entran y salen del modelo en función de su efecto conjunto con otras variables, y es posible que algunas se mantengan con valores de p marginales si contribuyen positivamente a la predicción.

    Por tanto, la retención del %PEP en el modelo se basa en su relevancia predictiva, independientemente de su significación estadística convencional o relevancia clínica individual. Lo fundamental en este enfoque es que la ecuación final logre la mejor discriminación posible entre pacientes con y sin fracaso terapéutico.

ECUACIóN PREDICTIVA SIMPLIFICADA

La probabilidad de fracaso se calcula mediante la siguiente fórmula:

P = 1 / (1 + exp [-a]); siendo a = -9,649 + 0,212 x IMC prequirúrgico + 0,133 x % PEP 1 año – 0,333 x % IMC perdido en un año + 1,327 x (1 si DM previa = 1 o 0 si DM previa = 0) + 1,343 x (1 si HTA previa = 1 o 0 si HTA previa = 0). Y exp (-a) es la exponencial de -a (es decir, el número “e” elevado a -a).

Ejemplo práctico: Un paciente con IMC = 48 kg/m², PEP perdido al año = 35 %, DM2 y HTA tendría un riesgo estimado del 72 %. Esto ilustra cómo los factores clínicos interactúan: un IMC alto y las comorbilidades “empujan” el riesgo hacia arriba, mientras que una mayor pérdida de peso lo atenúa.

VALIDACIóN DEL MODELO

El modelo mostró una excelente capacidad discriminativa con un AUC = 0,858 (IC 95 %: 0,773-0,923; Fig. 1), lo que significa que identifica correctamente al 85,8 % de los pacientes que fracasarán. La calibración, evaluada mediante la prueba de Hosmer-Lemeshow (χ² = 7,26; p = 0,509) confirmó que las predicciones se alinean con las observaciones reales. Utilizando un punto de corte óptimo del 28,6 % de probabilidad, el modelo alcanzó una sensibilidad del 84,6 % (detecta la mayoría de los fracasos) y una especificidad del 80,6 % (minimiza las falsas alarmas). Además, su valor predictivo negativo del 93,1 % asegura que los pacientes clasificados como de bajo riesgo tienen una probabilidad muy alta de éxito a largo plazo (Figs. 3 y 4).

Figura 3 Curva ROC que representa la relación entre sensibilidad (tasa de verdaderos positivos) y 1 - especificidad (tasa de falsos positivos) para diferentes puntos de corte. El área bajo la curva (AUC) de 0,8582 indica un buen rendimiento discriminativo del modelo. 

Figura 4 Curva de sensibilidad (Sens) y especificidad (Esp) en función de la probabilidad de fracaso a los 10 años. La gráfica muestra el rendimiento de un modelo predictivo para diferentes puntos de corte, evaluando su capacidad para discriminar entre eventos y no eventos. 

DISCUSIÓN

Los hallazgos de este estudio refuerzan la importancia del primer año posoperatorio como una ventana crítica para evaluar el pronóstico a largo plazo tras la cirugía bariátrica. En particular, la pérdida porcentual de IMC se identificó como un factor protector claro, reflejando tanto el grado de adherencia inicial como la capacidad de respuesta metabólica individual del paciente. Una mayor pérdida ponderal en esta etapa temprana se asocia no solo con mejores resultados a largo plazo, sino también con una mayor probabilidad de remisión de comorbilidades metabólicas y una reducción sostenida del riesgo cardiovascular (7,8).

Por otro lado, la presencia de comorbilidades como la diabetes mellitus tipo 2 (DM2) y la hipertensión arterial (HTA) se identificó como un factor de riesgo independiente para el fracaso terapéutico. Estos resultados coinciden con estudios previos que han relacionado la resistencia a la insulina, la inflamación crónica y la disfunción endotelial con una menor respuesta a la intervención quirúrgica. En el caso de la DM2, la resistencia a la insulina y la disfunción de las células beta pancreáticas pueden limitar la mejora del perfil glucémico, incluso tras una pérdida de peso significativa. La hiperglucemia crónica, junto con la inflamación sistémica de bajo grado, puede interferir con los efectos beneficiosos mediados por incretinas y reducir la sensibilidad a la insulina en tejidos periféricos. Esto limita la capacidad del organismo para aprovechar al máximo los cambios metabólicos inducidos por la cirugía (²,9).

En cuanto a la HTA, su asociación con una menor respuesta metabólica puede deberse a la coexistencia frecuente con disfunción endotelial, rigidez arterial y alteraciones neurohormonales, como la activación del sistema renina-angiotensina-aldosterona. Estos factores reducen la plasticidad vascular y metabólica del organismo, dificultando la mejoría sostenida tras la intervención. Además, el estrés oxidativo y la activación crónica del sistema nervioso simpático, comunes en pacientes hipertensos, pueden contribuir a una recuperación metabólica menos eficiente (10,11).

El modelo propuesto en este estudio ofrece una herramienta sencilla y aplicable en la práctica clínica para estimar el riesgo individual de fracaso terapéutico a largo plazo tras cirugía bariátrica, lo que facilita su integración en algoritmos de seguimiento posoperatorio. En particular, aquellos pacientes que presenten una probabilidad estimada superior al 28,6 % podrían beneficiarse de un enfoque terapéutico más intensivo y personalizado. Este punto de corte representa un umbral clínicamente útil que permite diferenciar de forma práctica a los pacientes con mayor probabilidad de resultados subóptimos. Su utilización en la toma de decisiones clínicas podría permitir la estratificación del riesgo desde etapas tempranas del seguimiento, facilitando la asignación de recursos según necesidad y el diseño de intervenciones adaptadas al perfil de cada paciente.

El umbral del 28,6 % podría servir como criterio de inclusión para circuitos de seguimiento intensivo en unidades de obesidad, permitiendo el diseño de rutas asistenciales personalizadas. Los pacientes que superen este valor umbral podrían ser candidatos a un protocolo estructurado que incluya: visitas clínicas más frecuentes, intervenciones multidisciplinares intensivas (nutrición, psicología y farmacoterapia) y estrategias de telemonitorización para optimizar la adherencia terapéutica. Este punto de corte también podría guiar decisiones farmacológicas tempranas, como el inicio de agonistas del receptor de GLP-1 o terapias combinadas GLP-1/GIP, en pacientes con alto riesgo de fracaso terapéutico, incluso antes de que manifiesten una regresión ponderal insuficiente.

Desde una perspectiva práctica, este modelo podría integrarse en los protocolos de seguimiento estratificado de las unidades multidisciplinares de cirugía bariátrica. Su aplicación durante las visitas del primer año posoperatorio permitiría clasificar a los pacientes según su riesgo y ajustar la intensidad del seguimiento en consecuencia: mientras los pacientes de bajo riesgo mantendrían un protocolo estándar, aquellos con riesgo intermedio o alto podrían beneficiarse de un abordaje intensificado con participación coordinada de nutricionistas, endocrinólogos, psicólogos y especialistas en educación terapéutica.

La implementación tecnológica del modelo podría realizarse mediante su incorporación a sistemas de historia clínica electrónica (HCE), donde su cálculo automatizado a partir de variables clínicas preexistentes generaría alertas y recomendaciones para el equipo asistencial. Paralelamente, el desarrollo de aplicaciones móviles o plataformas digitales para pacientes posquirúrgicos podría transformar este modelo en una herramienta de autoevaluación y seguimiento continuo, potenciando la educación del paciente, su adherencia al tratamiento y permitiendo un monitoreo más dinámico y personalizado.

A pesar de sus fortalezas, el estudio presenta algunas limitaciones que deben ser consideradas. En primer lugar, el tamaño muestral, si bien suficiente para la modelización estadística, es relativamente reducido, lo cual podría afectar la robustez externa del modelo. Asimismo, al tratarse de un estudio unicéntrico, la generalización de los resultados a otras poblaciones o centros asistenciales podría estar limitada. Por último, no se incluyeron en el análisis, variables potencialmente relevantes como los factores psicosociales, el nivel de actividad física o las características de la microbiota intestinal, que han mostrado una influencia creciente en el metabolismo y la respuesta posquirúrgica.

En cuanto a las perspectivas futuras, será fundamental validar este modelo en cohortes más amplias y multicéntricas, así como explorar la inclusión de nuevos biomarcadores clínicos, hormonales y genéticos que puedan enriquecer su capacidad predictiva. El desarrollo de herramientas digitales basadas en inteligencia artificial o aprendizaje automático también representa un campo prometedor para la implementación práctica de modelos de predicción personalizados en el contexto de la cirugía bariátrica.

CONCLUSIÓN

Este estudio propone un modelo predictivo clínico basado en datos simples y disponibles en la práctica habitual. La presencia de comorbilidades metabólicas y una pérdida ponderal subóptima durante el primer año postcirugía son factores clave para anticipar el fracaso terapéutico a 10 años. La implementación temprana de estrategias personalizadas puede optimizar los resultados de la cirugía bariátrica en pacientes con alto riesgo.