Tasa de filtración glomerular como estimador de la hipertensión en enfermedades renales y cardiovasculares
Issue | Vol. 7 Núm. 3 (2023): Ciencia y Salud, septiembre-diciembre |
DOI | |
Publicado | oct 14, 2023 |
Estadísticas |
Resumen
Introducción: Las fórmulas para la estimación de la tasa de filtración glomerular son fundamentales para estimar el curso de enfermedades renales; incluso ha sido de gran ayuda para obtener datos de prevalencia. Las ecuaciones comparadas con otros métodos son una forma económica y rápida para dar una estimación de la función renal.
Objetivo: Describir la utilización de diferentes fórmulas para calcular la tasa de filtración glomerular relacionada con la hipertensión arterial y otras patologías renales y cardiovasculares.
Metodología: Se realizó la búsqueda de artículos de investigación en bases de datos como PubMed, Science-Direct, Embase y otras, se estableció un tiempo de publicación entre los años 2018-2022 y se seleccionaron 42 artículos científicos relacionados con el tema.
Resultados: La hipertensión arterial es una situación que incrementa el riesgo tanto de enfermedad cardiovascular como de deterioro de la función renal, por lo que en los pacientes hipertensos se espera una relación estrecha en la expresión de ambas patologías. Existen factores que alteran los valores de la creatinina sérica como la dieta, el ejercicio, la edad, el género, la masa muscular, enfermedades musculares y medicamentos. El impacto de la hipertensión en la función renal está descrito además de la relación entre el deterioro de la función renal y el incremento del riesgo cardiovascular; es por esto que en los últimos años la estimación de la función renal se ha incorporado como un marcador de morbilidad y mortalidad cardiovascular.
Conclusiones: La estimación de la tasa de filtración glomerular es importante en varios contextos clínicos, en especial en aquellos pacientes con enfermedades que afectan la función glomerular, la creatinina es el biomarcador más usado a pesar de sus evidentes limitaciones.
2. Guerrot D, Humalda JK. Blood pressure targets in chronic kidney disease: an update on the evidence. Curr Opin Nephrol Hypertens. 2020;29(3):327-332. DOI:10.1097/MNH.0000000000000601
3. Chudek J, Kolonko A, Owczarek AJ, Wieczorowska K, Broczek K, Skalska A, et al. Clinical factors increasing discrepancies of renal function assessment with MDRD and Cockcroft-Gault equations in old individuals. Eur Geriatr Med. 2018;9(5):713-720. DOI:10.1007/s41999-018-0076-9
4. Garner AE, Barnfield MC, Waller ML, Hall GD, Bosomworth MP. Comparing glomerular filtration rate equations and the impact of different creatinine assays on the assessment of renal function in cancer patients. Ann Clin Biochem. 2019(2):266-274. DOI:10.1177/0004563218822667
5. Cockcroft DW, Gault MH. Prediction of creatinine clearance from serum creatinine. Nephron. 1976;16(1):31.
6. Levey AS, Bosch JP, Lewis JB, Greene T, Rogers N, Roth D. A more accurate method to estimate glomerular filtration rate from serum creatinine: a new prediction equation. Ann Intern Med. 1999; 130: 461-70.
7. Levey AS, Greene T, Kusek J, Beck JB, Group MS. A simplified equation to predict glomerular filtration rate from serum creatinine. J Am Soc Nephrol. 2000; 11: A0828.
8. Levey AS, Stevens LA, Schmid CH, Zhang YL, Castro AF 3rd, Feldman HI, et al. A new equation to estimate glomerular filtration rate. Ann Intern Med. 2009;150(9):604.
9. Mao W, Liu S, Wang K, Shi H, Liu Q, Bao M et al. Cystatin C in Evaluating Renal Function in Ureteral Calculi Hydronephrosis in Adults. Kidney Blood Press Res. 2020;45(1):109-121. DOI:10.1159/000504441
10. Bassiony AI, Nassar MK, Shiha O, ElGeidie A, Sabry A. Renal changes and estimation of glomerular filtration rate using different equations in morbidly obese Egyptian patients, 2020. Diabetes Metab Syndr. 2020;14(5):1187-1193. DOI: 10.1016/j.dsx.2020.06.046
11. Klag MJ, Whelton PK, Randall BL, Neaton JD, Brancati FL, Ford Ch et al. Blood pressure and end-stage renal disease in men. N Engl J Med. 1996; 334: 13-8.
12. Zucchelli P, Zuccala A. Primary hypertension-how does it cause renal failure? Nephrol Dial Transplant. 1995; 9: 223-5.
13. De Leeuw P, Birkenhager WH. The renal circulation in essential hypertension. J Hypertens.1983; 1: 321-31.
14. Remuzzi G, Bertani T. Is glomerulosclerosis a consequence of altered glomerular permeability to macromolecules? Kidney Int. 1990; 38: 384-94
15. Stanchev S, Stamenov N, Kirkov V, Dzhambazova E, Nikolov D, Paloff A. Differential collagen expression in kidney and heart during hypertension. Bratisl Lek Listy. 2020;121(1):73-78. DOI:10.4149/BLL_2020_011
16. Domondon M, Polina I, Nikiforova AB, Sultanova R, Kruger C, Vasileva V, et al. Renal Glomerular Mitochondria Function in Salt-Sensitive Hypertension. Front Physiol. 2020;10: 1588. DOI:10.3389/fphys.2019.01588
17. Ding H, Zhou Y, Huang H. MiR-101a ameliorates AngII-mediated hypertensive nephropathy by blockade of TGFβ/Smad3 and NF-κB signalling in a mouse model of hypertension. Clin Exp Pharmacol Physiol. 2019;46(3):246-254. DOI:10.1111/1440-1681.13042
18. An C, Wen J, Hu Z, Mitch WE, Wang Y. Phosphoinositide 3-kinase γ deficiency attenuates kidney injury and fibrosis in angiotensin II-induced hypertension. Nephrol Dial Transplant. 2020;35(9):1491-1500. DOI:10.1093/ndt/gfaa062
19. Genovese F, Kring D, Karsdal M, Jesky M, Ferro C, Fenton A, et al. Imbalanced turnover of collagen type III is associated with disease progression and mortality in high-risk chronic kidney disease patients. Clinical Kidney Journal. 2020; 1-9 DOI: 10.1093/ckj/sfz174
20. Ding H, Zhou Y, Huang H. MiR-101a ameliorates AngII-mediated hypertensive nephropathy by blockade of TGFβ/Smad3 and NF-κB signalling in a mouse model of hypertension. Clin Exp Pharmacol Physiol. 2019;46(3):246-254. DOI:10.1111/1440-1681.13042
21. Levey A, Inker L, Coresh J. GFR estimation: from physiology to public health. Am J Kidney Dis. 2014;63(5):820‐34. DOI: 10.1053/j.ajkd.2013.12.006
22. Oscanoa TJ, Amado JP, Romero-Ortuno R, Hidalgo JA. Estimation of the glomerular filtration rate in older individuals with serum creatinine-based equations: A systematic comparison between CKD-EPI and BIS1. Arch Gerontol Geriatr. 2018;75: 139‐45. DOI: 10.1016/j.archger.2017.12.007
23. Pottel H, Hoste L, Dubourg L, Ebert N, Schaeffner E, Odvar B, et al. An estimated glomerular filtration rate equation for the full age spectrum. Nephrol Dial Transplant. 2016;31(5):798‐806. DOI:10.1093/ndt/gfv454
24. Pasala S, Carmody JB. How to use… serum creatinine, cystatin C and GFR. Arch Dis Child Educ Pract Ed. 2017;102(1):37-43. DOI:10.1136/archdischild-2016-311062
25. Ognibene A, Grandi G, Lorubbio M, Rapi S, Salvadori B, Terreni A, et al. KDIGO 2012 Clinical Practice Guideline CKD classification rules out creatinine clearance 24 hour urine collection?. Clin Biochem. 2016;49(1-2):85-9. DOI: 10.1016/j.clinbiochem.2015.07.030.
26. Hafeez AR, Idrees MK, Akhtar SF. Accuracy of GFR estimation formula in determination of glomerular filtration rate in kidney donors: Comparison with 24 h urine creatinine clearance. Saudi J Kidney Dis Transpl. 2016;27(2):320-25. DOI:10.4103/1319-2442.178551
27. Levey AS, Titan SM, Powe NR, Coresh J, Inker LA. Kidney Disease, Race, and GFR Estimation. Clin J Am Soc Nephrol. 2020; 11: CJN.12791019. DOI: 10.2215/CJN.1279101
28. Huidobro J, Tagle R, Guzmán AM. Creatinina y su uso para la estimación de la velocidad de filtración glomerular. Rev. med. Chile. 2018; 146 (3): 344-50.
29. Moodley N, Hariparshad S, Peer F, Gounden V. Evaluation of the CKD-EPI creatinine based glomerular filtration rate estimating equation in Black African and Indian adults in KwaZulu-Natal, South Africa. Clin Biochem. 2018; 59:43‐9. DOI: 10.1016/j.clinbiochem.2018.06.014
30. Acuña L, Sánchez P, Soler LA, Alvis LF. Enfermedad renal crónica en Colombia: prioridad para la gestión de riesgo. Rev Panam Salud Publica. 2016;40(1):16–22
31. Salmon Gandonnière C, Helms J, Le Tilly O, Benz-de Bretagne I, Bretagnol A, Bodet-Contentin L, et al. Glomerular Hyper- and Hypofiltration During Acute Circulatory Failure: Iohexol-Based Gold-Standard Descriptive Study. Crit Care Med. 2019;47(8): e623-29. DOI: 10.1097/CCM.0000000000003804
32. Pérez J, Lavorato C, Negri A. Tasa de filtración glomerular medida y estimada. Numerosos métodos de medición (Parte I). Rev. nefrol. dial. traspl. 2015;35(3):153-64
33. Kamaruzaman L, Mohd R, Zaki FM, Hod R, Aziz AA. Estimating glomerular filtration rate in adult kidney transplant recipients in the Asian population. Saudi J Kidney Dis Transpl. 2019;30(3):587-96. DOI:10.4103/1319-2442.261331
34. Chaverri JM, Zavaleta E, Díaz JP, Ortiz A, Ramírez M, Trejos K. Analysis of the concordance between the estimated values of creatinine clearance using the Cockcroft-Gault equation and the real value determined in patients from the Hospital Clínica Bíblica. Farm Hosp. 2016;40(1):3-13. DOI:10.7399/fh.2016.40.1.8859
35. Cartet E, Goutelle L, Maire P, De la Gastine B, Goutelle S. Implications of using the MDRD or CKD-EPI equation instead of the Cockcroft-Gault equation for estimating renal function and drug dosage adjustment in elderly patients. Fundam Clin Pharmacol. 2017;31(1):110-119. DOI:10.1111/fcp.12241
36. Burballa C, Crespo M, Redondo D, Pérez MJ, Mir M, et al. MDRD or CKD-EPI for glomerular filtration rate estimation in living kidney donors. MDRD o CKD-EPI en la estimación del filtrado glomerular del donante renal vivo. Nefrologia. 2018;38(2):207-212. DOI: 10.1016/j.nefro.2017.02.007
37. Bustos F, Martín JL, Criado JJ, Muñoz R, Cantalejo A, Mena MC. Glomerular filtration rate estimation in people older than 85: Comparison between CKD-EPI, MDRD-IDMS and BIS1 equations. Estimación del filtrado glomerular en personas mayores de 85 años: comparación de las ecuaciones CKD-EPI, MDRD-IDMS y BIS1. Nefrologia. 2017;37(2):172-80. DOI: 10.1016/j.nefro.2016.10.026
38. Escribano J, Casto C, Berruguilla E, González M, Santotoribio JD, et al. Concordancia entre las ecuaciones «Chronic Kidney Disease Epidemiological Collaboration» y «Modification of Diet in Renal Disease» con la «Berlin Initiative Study» para estimar la función renal en las personas mayores. Semergen. 2019;45(7):441-448. DOI: 10.1016/j.semerg.2019.02.012
39. Hillege HL, Nitsch D, Pfeffer MS, Swedberg K, McMurray JJ, Yusuf S, et al. Renal function as a predictor of outcome in a broad spectrum of patients with heart failure. Circulation 2006; 113(5): 671-8 DOI: 10.1161/CIRCULATIONAHA.105.580506
40. Bongartz LG, Cramer MJ, Doevendans PA, Joles JA, Braam B. The severe cardiorenal syndrome: ‘Guyton revisited’. Eur Heart J. 2005;26(1):11-17. DOI: 10.1093/eurheartj/ehi020
41. Anavekar NS, McMurray JJ, Velazquez EJ, Solomon SD, Kober L, Rouleau JL, et al. Relation between renal dysfunction and cardiovascular outcomes after myocardial infarction. N Engl J Med 2004; 351(13): 1285-95. DOI: 10.1056/NEJMoa041365
42. Tokmakova MP, Skali H, Kenchaiah S, Braunwald E, Roleau JL, Packer M, et al. Chronic Kidney disease, cardiovascular risk, and response to angiotensin-converting enzyme inhibition after myocardial infraction. The survival and ventricular enlargement (SAVE) study. Circulation 2004; 110(24): 3667-73. DOI: 10.1161/01.CIR.0000149806.01354.BF
43. Smith DH, Thorp ML, Gurwitz JH, McManus DD, Goldberg RJ, Allen LA, et al. Chronic kidney disease and outcomes in heart failure with preserved versus reduced ejection fraction: the Cardiovascular Research Network PRESERVE Study. Circ Cardiovasc Qual Outcomes. 2013 1;6(3):333-42. doi: 10.1161/CIRCOUTCOMES.113.000221.
44. Damman K, Solomon SD, Pfeffer MA, Swedberg K, Yusuf S, Young JB, et al. Worsening renal function and outcome in heart failure patients with reduced and preserved ejection fraction and the impact of angiotensin receptor blocker treatment: data from the CHARM-study programme. Eur J Heart Fail. 2016;18(12):1508-1517. doi: 10.1002/ejhf.609.
45. Patel RB, Fonarow GC, Greene SJ, Zhang S, Alhanti B, DeVore AD, et al. Kidney Function and Outcomes in Patients Hospitalized With Heart Failure. J Am Coll Cardiol. 2021 27;78(4):330-43. doi: 10.1016/j.jacc.2021.05.002.
- Resumen visto - 422 veces
- PDF descargado - 226 veces
Descargas
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Copyright
© Ciencia y Salud, 2023
Afiliaciones
José Manuel Gil Ramos
Universidad Pontificia Bolivariana: Medellín, Colombia
Gabriela Mercado Avendaño
Universidad Pontificia Bolivariana: Medellín, Colombia
Mabel Dahiana Roldan Tabares
Universidad Pontificia Bolivariana: Medellín, Colombia
Lina María Martínez-Sánchez
Universidad Pontificia Bolivariana: Medellín, Colombia
Santiago Castañeda Palacio
Universidad Pontificia Bolivariana: Medellín, Colombia