LABORATORIO DE URGENCIAS

 

 

Eventos Cardiovasculares en Adultos y Trastorno por Consumo de Cannabis.

Trastorno por Consumo de Cannabis y Resultados Cardiovasculares Adversos: Análisis Retrospectivo de Cohorte Poblacional de Adultos de Alberta, Canadá.

 

Anees Bahji, Josh Hathaway, Denise Adams, David Crockford, E. Jennifer Edelman, Michael D. Stein, Scott B. Patten
     *The Cumming School of Medicine at the University of Calgary.
       *The Canadian Network for Mood and Anxiety Treatments (CANMAT)
       *The Canadian Society of Addiction Medicine (CSAM) policy committee.
       *The Addiction Psychiatry section of the Canadian Psychiatric Association.
       *The Canadian Journal of Addiction (CJA) and a mental health.

Addiction (Jan, 2024); vol 119; Issue1: 137-148
https://doi.org/10.1111/add.16337Digital Object Identifier (DOI)

 

 

A nivel mundial, más de 200 millones de personas declaran consumir cannabis [1], y los efectos nocivos asociados al cannabis se han convertido en un grave problema global [2]. De estos, el trastorno por consumo de cannabis (TCC) afecta a entre el 27 y el 34 % de las personas que consumen cannabis [3, 4]. Dado que no existen medicamentos aprobados para el tratamiento del TCC [5] y el acceso a las intervenciones conductuales es limitado [6], el TCC se ha convertido en una prioridad de salud pública cada vez más importante [7]. Además, con la creciente legalización del cannabis en muchas partes del mundo, existe la preocupación de que esto pueda conducir a una mayor prevalencia del consumo de cannabis, el TCC y los daños relacionados con el cannabis [8]. Por ejemplo, después de que Canadá se convirtiera en el segundo país en legalizar el cannabis en 2018 [9], hubo un aumento del 5 % en el consumo de cannabis declarado, del 22 % en 2018 al 27 % en 2020 [10]. Sin embargo, los datos sobre los daños relacionados con el cannabis han sido limitados, y no existen datos disponibles sobre el trastorno por consumo de cannabis (TCC) desde 2012, cuando las prevalencias de por vida y del último año de TCC fueron del 6,9 % y del 1,3 %, respectivamente [11].
Numerosas investigaciones epidemiológicas, clínicas y de laboratorio sugieren que el consumo regular de cannabis se asocia con numerosos resultados adversos para la salud [12]. No obstante, la relación entre el cannabis y las enfermedades cardiovasculares (ECV) es un área poco explorada. Los datos disponibles indican un aumento de los eventos cardiovasculares entre los jóvenes que consumen cannabis [13], especialmente en ausencia de tabaco [14]. El cannabis se ha relacionado con eventos cardiovasculares graves, como infarto de miocardio, accidente cerebrovascular, miocardiopatías, aterosclerosis y arritmias cardíacas [15-21]. Aunque se desconocen los mecanismos exactos por los que el consumo de cannabis puede inducir eventos cardiovasculares, parece ser a través de la activación del sistema endocannabinoide, compuesto por endocannabinoides, sus receptores y complejas vías de señalización [18, 22-25]. Al entrar en la circulación sistémica, los cannabinoides activan los receptores cannabinoides acoplados a proteínas G (CB1 y CB2) [17], lo que desencadena diversos efectos, como taquicardia, vasoconstricción, agregación plaquetaria, inflamación vascular y alteraciones en los miocitos cardíacos, entre otros [26, 27].
Algunos cannabinoides pueden inhibir procesos enzimáticos hepáticos, provocando niveles subterapéuticos de medicamentos cardíacos, como anticoagulantes y antiagregantes plaquetarios [25], lo que puede agravar una enfermedad cardiovascular preexistente. Sin embargo, a pesar de la considerable cantidad de investigaciones sobre el tema, persisten limitaciones importantes y la literatura existente aún no ha llegado a un consenso sobre la relación real entre el trastorno por consumo de cannabis (TCC) y la enfermedad cardiovascular (ECV). Algunos estudios reportan una asociación positiva [16, 18, 20, 21, 25-31], otros una asociación negativa [32, 33] y otros no encuentran ninguna asociación o la encuentran poco clara [23, 34]. Estas limitaciones pueden atribuirse a varios problemas comunes en estudios previos. En primer lugar, la medición de los resultados, como los tipos de eventos cardiovasculares considerados, varía entre los estudios, lo que genera resultados inconsistentes. En segundo lugar, solo unos pocos estudios previos han examinado directamente la asociación entre el TCC y la ECV, y la mayoría se ha centrado únicamente en el consumo de cannabis evaluado retrospectivamente en personas con ECV preexistente. Además, estos estudios a menudo carecen de un control adecuado de posibles factores de confusión, como otros trastornos por consumo de sustancias, la edad o el sexo. Asimismo, la escasez de datos longitudinales limita la generalización de los hallazgos a la población general, y se observa una falta de estudios realizados específicamente en Canadá. Para abordar estas lagunas e inconsistencias en la literatura existente, realizamos un estudio de cohorte retrospectivo poblacional exhaustivo utilizando datos de Alberta. Al examinar la relación entre el trastorno por consumo de cannabis (TCC) y los resultados adversos de las enfermedades cardiovasculares (ECV) a nivel poblacional, nuestro objetivo fue proporcionar una comprensión más sólida de estos riesgos. El diseño de nuestro estudio considera las limitaciones de investigaciones previas y controla los principales factores de confusión, lo que nos permite aportar información valiosa sobre la asociación entre el TCC y las ECV. De esta manera, esperamos contribuir significativamente a la literatura y mejorar nuestra comprensión de esta relación compleja y llena de matices.

MÉTODOS

El análisis no fue preregistrado y los resultados deben considerarse exploratorios. Obtuvimos la aprobación institucional del Comité Conjunto de Ética en Investigación en Salud de la Universidad de Calgary el 22 de diciembre de 2020 (REB20-1845). El presente informe se adhirió a las directrices de la declaración STROBE (Fortalecimiento de la Notificación de Estudios Observacionales en Epidemiología) para la presentación de informes de estudios observacionales [35].

Población de estudio y fuentes de datos
Alberta, Canadá, tiene una población diversa y multicultural (aproximadamente 4,5 millones de personas en 2022), y prácticamente todos los habitantes de Alberta tienen acceso a servicios médicos y hospitalarios universales financiados con fondos públicos a través del Ministerio de Salud de Alberta. Nuestros análisis se basan en la población, ya que se recopilan datos administrativos de salud de todos los residentes de Alberta a través del plan de seguro de salud público de pagador único de la provincia. Se incluyeron todos los residentes de Alberta inscritos en el Plan de Seguro de Salud de Alberta. El Ministerio de Salud de Alberta vinculó múltiples bases de datos relacionadas con la salud mediante números de identificación personal únicos (PHN). Utilizamos las siguientes bases de datos administrativas de salud poblacionales entre el 1 de enero de 2012 y el 31 de diciembre de 2019.
La Base de Datos de Resúmenes de Altas (DAD) [36] recopila información administrativa, demográfica, clínica y diagnóstica detallada de todas las hospitalizaciones en camas regulares y altas hospitalarias, incluyendo fallecimientos, traspasos y traslados en Alberta desde 2002. Para cada paciente ingresado, profesionales capacitados asignan un código de diagnóstico principal y hasta 24 códigos de diagnóstico secundarios (un total de 25 campos de diagnóstico) utilizando la Clasificación Internacional de Enfermedades, décima revisión(CIE-10)[36].
El Sistema Nacional de Notificación de Atención Ambulatoria (NACRS, desde 2010) [37] recopila información administrativa, demográfica, clínica y diagnóstica detallada de la atención ambulatoria hospitalaria y comunitaria, incluyendo cirugía ambulatoria, clínicas ambulatorias y comunitarias, y servicios de urgencias en Alberta. La cobertura de las visitas de urgencias es casi del 100%, pero la cobertura de otras formas de atención ambulatoria es menos extensa. Al igual que el DAD, el NACRS registra las fechas relevantes, un diagnóstico principal y hasta nueve diagnósticos secundarios codificados con la CIE-10 (un total de 10 campos de diagnóstico), codificados por profesionales capacitados según las directrices nacionales [37].
La Base de Datos de Reclamaciones de Profesionales de la Salud de Alberta contiene información detallada sobre las reclamaciones de pago por servicio y de facturación paralela presentadas por médicos y otros proveedores por servicios asegurados cubiertos por el Plan de Seguro de Salud de Alberta [38]. Para cada servicio, se asignan hasta tres códigos de diagnóstico utilizando la Clasificación Internacional de Enfermedades, novena revisión (CIE-9). Los datos de reclamaciones facilitan la remuneración de los médicos, pero también se han utilizado comúnmente para estudios de investigación en salud [39-41].
El Registro Provincial de Población de Alberta [38] contiene información demográfica básica, incluyendo la fecha de defunción e información geográfica de todos los residentes de Alberta desde 1993.
La Red de Información Farmacéutica (PIN) [42] es un sistema de información farmacológica basado en farmacias implementado en Alberta en 2008, que registra todas las recetas dispensadas en farmacias dentro de la provincia.

Definiciones de exposición y fecha índice
Las bases de datos DAD, NACRS y de Reclamaciones de Profesionales se utilizaron para identificar a las personas con TDC (exposición), y la fecha en que cada paciente fue diagnosticado por primera vez con TDC fue su fecha índice. NACRS tiene 10 campos de diagnóstico, DAD tiene 25 campos de diagnóstico y CLAIMS tiene tres campos de diagnóstico. Todos los campos de diagnóstico se utilizaron para identificar la exposición a TDC. Se consideró que un participante tenía TDC si, durante el período de estudio, tenía al menos un registro hospitalario con un código ICD-10 correspondiente elegible; al menos un registro del departamento de emergencias con un código ICD-10 correspondiente elegible para TDC; o al menos tres reclamaciones médicas en días diferentes dentro de un solo año fiscal, con un código CUD CCD-9 correspondiente elegible. Consulte la información complementaria, Apéndice S1 para obtener una lista completa de los códigos CID-9 y CID-10 que definen CUD previamente utilizados y validados en la literatura [43-48]. Los códigos de diagnóstico administrativos para trastornos por consumo de sustancias generalmente muestran una alta especificidad que supera el 95 % [49-51] pero tienen una sensibilidad menor, que oscila entre el 9 y el 78 % [52, 53]. Cada participante con exposición a CUD fue emparejado —por edad, sexo y época del año de utilización del servicio de salud en la fecha índice— con un paciente no expuesto, definido como aquel que no tenía un código previamente documentado relacionado con CUD durante el período de estudio; este método se ha aplicado previamente en estudios administrativos de servicios de salud [54-57]. La fecha índice de cada caso se asignó al control emparejado de ese caso. Además, agregamos la época del año a los criterios de emparejamiento para ayudar a controlar la confusión no medible que puede haber contribuido a la utilización del servicio de salud [58].

Resultados cardiovasculares
Nuestro resultado principal fue un evento cardiovascular incidente, que definimos como la primera aparición de al menos un código CIE-9 o CIE-10 para infarto agudo de miocardio, angina inestable, otra cardiopatía isquémica, accidente cerebrovascular isquémico, insuficiencia cardíaca, arritmias cardíacas o enfermedad vascular periférica (véase la información complementaria, Apéndice S1, para una lista completa de los códigos considerados). De acuerdo con estudios previos [59, 60], si un paciente presentaba al menos uno de estos códigos de diagnóstico cardiovascular en el NACRS, DAD o Claims durante el período de estudio, se consideraba que había tenido un evento cardiovascular compuesto (sí/no). Excluimos a las personas con antecedentes de eventos cardiovasculares (es decir, casos prevalentes) mediante un análisis retrospectivo de dos años para cualquier código relacionado con enfermedades cardiovasculares.

Periodo de seguimiento
El periodo de seguimiento para cada paciente fue el tiempo de riesgo de desarrollar una enfermedad cardiovascular (ECV) desde la fecha índice hasta la fecha de salida, definida como la primera de las siguientes: la fecha de finalización del estudio (31 de diciembre de 2019), la última fecha de recopilación de datos en caso de fallecimiento o cambio de provincia, la fecha de un evento de ECV incidente (nuestro resultado principal) o la fecha de fallecimiento.

Métodos estadísticos
Utilizamos un diseño de estudio de cohortes retrospectivo y emparejado para evaluar la asociación entre el trastorno por consumo de cannabis (TCC) y los eventos de ECV incidentes. Un científico de datos especializado (J.H.) de Alberta Health Services accedió a los datos identificables a nivel de línea y realizó nuestros análisis en SAS Enterprise Guide, versión 8.3 [68]. Posteriormente, los datos se agregaron, se descargaron como una hoja de resumen de Excel (Microsoft, Redmond, WA, EE. UU.) y se distribuyeron a los coautores. Utilizamos la población de Alberta a mediados de 2012 para calcular la prevalencia puntual del TCC. Utilizamos porcentajes, recuentos brutos (n), medianas y rangos intercuartílicos (RIC) e intervalos de confianza del 95% (IC) en las estadísticas descriptivas. Realizamos un análisis de supervivencia utilizando el método de Kaplan-Meier. Utilizamos una prueba de log-rank para cuantificar la asociación general entre CUD y ECV, teniendo en cuenta factores como la censura por mortalidad. El resto de los análisis se basaron en análisis estratificados con razones de tasas (RR) que ignoraron la censura por mortalidad. Para estos, calculamos RR brutas dividiendo el riesgo de un evento de ECV en la población CUD por el de los controles y calculando IC para las estimaciones de RR [69]. Estas estimaciones se estratificaron por niveles de las diversas covariables incluidas en el estudio, y se calcularon las RR específicas de cada estrato y los IC del 95%. Cuando las estimaciones específicas de cada estrato fueron similares, utilizamos la técnica de Mantel-Haenszel (MH) para combinar esas estimaciones, produciendo una RR ajustada. Si los intervalos de confianza para cada RR específico de cada estrato se superponían con los de los demás estratos, esto se interpretó como una indicación de que las diferencias entre las estimaciones estratificadas podrían deberse a la variabilidad del muestreo en cada caso. Las decisiones sobre la homogeneidad de cada conjunto de estimaciones estratificadas también se respaldaron mediante la inspección de las estimaciones puntuales y sus IC del 95% asociados, y el cálculo de los valores p para la prueba de homogeneidad de Mann-Whitney-Hilbert (MH); los valores p inferiores a 0,05 sugerían modificación del efecto (es decir, que las estimaciones de RR específicas de cada estrato eran significativamente heterogéneas). Finalmente, en circunstancias de homogeneidad, estos RR ajustados se compararon con los RR brutos para evaluar la confusión por la variable especificada. Todas las pruebas estadísticas fueron bilaterales, con un criterio de significación estadística de α = 0,05.

Análisis exploratorios
Se realizaron análisis exploratorios para estimar si existían relaciones de dosis-respuesta entre el número de códigos de diagnóstico de CUD y el número de eventos de ECV. Por ejemplo, el número de casos de CUD y CVD en algunos pacientes era bastante elevado debido a la forma en que los médicos introducían los datos de diagnóstico en sus sistemas. Por lo tanto, en lugar de tratar los códigos numéricos como variables continuas, creamos una categoría a partir del recuento total de diagnósticos de CUD y CVD entre los eventos de NACRS, DAD y Reclamaciones durante el período de estudio, divididos en uno, dos a cuatro y cinco o más registros. Un mayor número de diagnósticos se utilizó como indicador indirecto de la gravedad de CUD y CVD, respectivamente.

Valores E
Cuantificamos el posible sesgo de confusión no medido mediante valores E, que representan el riesgo relativo (RR) mínimo que un factor de confusión no medido debería tener con los eventos de CUD y CVD para explicar completamente una asociación específica, condicionada a la covariable medida [70, 71]. Los valores E elevados ayudan a cuantificar el impacto potencial del sesgo de confusión no medido. Un valor E es la fuerza de la asociación entre una covariable y la exposición, y entre la covariable y la enfermedad, para un factor de confusión no medido que podría explicar un RR asociado con la exposición. Por el contrario, valores E pequeños implican que una covariable no medida débilmente asociada con la exposición y el resultado podría explicar una asociación observada, lo que proporciona evidencia de baja robustez [70, 71].
Los valores E se calcularon utilizando la siguiente fórmula: El valor E del IC es uno si el límite inferior (LI) del IC es ≤ 1; o el valor E para el IC del 95 % es igual a IC

RESULTADOS

Incluimos 29 764 pares (n = 59 528 individuos en total) emparejados por sexo, año de nacimiento y año y mes de presentación al sistema de salud en el análisis (Figura 1). La prevalencia general de trastorno por consumo de cannabis (TCC) documentado fue de 24 161/3 875 000 (población de Alberta en 2012), o aproximadamente el 0,8 %. En total, 1435 participantes presentaban datos faltantes.

Covariables basales
La mediana del Índice de Comorbilidad de Charlson (ICC) fue de 0 tanto en el grupo con TCC como en el grupo no expuesto. Los valores medianos del Índice de Privación Material (IPM) y del Índice de Privación Social (IPS) fueron de 4 en el grupo con TCC y de 3 en el grupo no expuesto, respectivamente. Según las puntuaciones del IPM y del IPS, las personas con TCC tenían menos probabilidades de pertenecer a los cuartiles menos desfavorecidos y más probabilidades de pertenecer a los cuartiles más desfavorecidos (Tabla 1). La mediana del número de medicamentos recetados (organizados por subgrupo farmacológico del código ATC) 6 meses antes de la inscripción índice fue de dos en el grupo con trastorno por consumo de cannabis (TCC) y de uno en el grupo no expuesto. La mediana del número de visitas a urgencias, hospitalizaciones y consultas con médicos 6 meses antes de la inscripción índice fue de cinco (RIC = 2-11) y una (0-3) en los grupos con TCC y no expuesto, respectivamente.

Asociación entre el TCC y eventos cardiovasculares incidentes
En general, la proporción de participantes que experimentaron al menos un evento cardiovascular adverso incidente fue del 2,4 % en el grupo con TCC y del 1,5 % en el grupo no expuesto (RR = 1,57; IC del 95 % = 1,40-1,77; Tabla 2). La prueba de log-rank para la asociación general entre el trastorno por consumo de cannabis (TCC) y la incidencia de enfermedad cardiovascular (ECV) fue significativa (χ² = 59,7890; p < 0,001); la curva de Kaplan-Meier para los análisis de supervivencia correspondientes se incluye en la información complementaria, Apéndice S3.

Análisis de sensibilidad: relación entre la gravedad del TCC y el riesgo de ECV.
Según la gravedad del TCC (definida como el número de códigos de TCC), se observó un aumento dependiente de la dosis en la fuerza de la asociación, con mayores tamaños del efecto para eventos adversos de ECV con mayor gravedad del TCC (Tabla 3). Por ejemplo, para individuos con un solo código de diagnóstico de TCC, la fuerza de la asociación fue RR = 1,32 (IC del 95 % = 1,22-1,43). Para aquellos con dos a cuatro códigos de diagnóstico de CUD, la fuerza de la asociación fue RR = 2,47 (IC del 95 % = 2,28–2,68) y para aquellos con cinco o más códigos fue RR = 2,64 (IC del 95 % = 2,40–2,91).

Estimaciones específicas por estrato para variables de confusión
Para cada estrato de variables de confusión, calculamos el RR específico del estrato para la fuerza de la asociación entre CUD y eventos cardiovasculares adversos incidentes (Tabla 4). En la mayoría de los casos, los intervalos de confianza para cada RR específico del estrato se superpusieron con los de los otros estratos, lo que indica que las diferencias entre las estimaciones estratificadas podrían deberse a la variabilidad del muestreo en cada caso. Sin embargo, los valores p de las pruebas de homogeneidad de Mantel-Haenszel fueron significativos para tres variables: índice de Charlson (valor p = 0,0037), número de prescripciones diferentes (valor p = 0,0116) y utilización de servicios de salud (valor p = 0,0149), lo que sugiere una modificación del efecto para estas tres covariables (véase la Tabla 3). Específicamente, las estimaciones de RR fueron mayores entre quienes no presentaban comorbilidades médicas, no tomaban ningún medicamento y habían tenido menos de cinco visitas a servicios de salud durante los últimos 6 meses.

Valores E
Calculamos los valores E basándonos en el artículo del seminario de VanderWeel y Ding, tal como se describe en la sección de Métodos. Para todas las estimaciones de RR reportadas en las Tablas 2 a 4, presentamos los valores E para las estimaciones de RR generales y específicas de cada covariable, junto con el valor E para el IC del 95% para el RR (Información complementaria, Apéndice S2). Si bien hubo variación en nuestros tamaños del efecto y valores E, la mayoría de las estimaciones de RR fueron aproximadamente de 1,5 a 2 o entre 1,0 y 1,5; un RR fue inferior a 1. Por lo tanto, el análisis no pudo excluir la posibilidad de que un factor de confusión no medido, como el tabaquismo, pudiera explicar la asociación observada.

DISCUSIÓN

Resumen de los hallazgos clave
En este estudio de cohorte retrospectivo poblacional realizado en Alberta, los adultos con trastorno por consumo de cannabis (TCC) presentaron un riesgo un 60 % mayor de experimentar eventos cardiovasculares adversos incidentes que las personas de la misma edad y sexo sin TCC. La principal contribución de este estudio radica en ayudar a cuantificar el alcance de la asociación entre el TCC y el riesgo cardiovascular. El estudio confirma que las personas aparentemente sanas, en cuanto a su historial médico y farmacológico, tienen un mayor riesgo de enfermedad cardiovascular si padecen TCC. El estudio no puede atribuir causalmente el riesgo elevado al TCC.
La prevalencia reportada del 0,8 % puede parecer ligeramente inferior a la estimación de prevalencia del 1,3 % citada previamente, que corresponde a la prevalencia del TCC en Canadá durante el último año, según la Encuesta Canadiense de Salud Comunitaria (ECSC) de 2012. La diferencia en la prevalencia podría deberse a que la menor prevalencia que registramos representa casos más graves y, posiblemente, personas que buscan tratamiento. La disparidad en estas estimaciones también podría atribuirse a las distintas metodologías utilizadas para su determinación. Por ejemplo, la estimación del 1,3 % se basó en entrevistas telefónicas asistidas por computadora que utilizaron el Instrumento Diagnóstico Internacional Compuesto (CIDI), el cual emplea los criterios del DSM-IV para el abuso o la dependencia del cannabis. En contraste, nuestro estudio utilizó diagnósticos de TDC realizados por clínicos, obtenidos de bases de datos administrativas, lo que se ajusta más a los criterios del DSM-5. Además, cabe destacar que existen pocas estimaciones provinciales previas sobre la prevalencia del TDC, ya sea derivadas de encuestas o datos administrativos.
Sin embargo, esto pone de relieve las oportunidades para futuras investigaciones que exploren y aborden las variaciones en los métodos de estimación de la prevalencia en las distintas provincias. De esta manera, podremos comprender mejor la prevalencia del TDC a nivel regional y sus implicaciones para la salud pública y las políticas sanitarias.

Comparación con estudios previos
En la literatura existente, la creciente evidencia muestra que el consumo de cannabis se asocia con un perfil de riesgo cardiovascular más problemático, incluyendo una mayor mortalidad por eventos cardiovasculares agudos [73-76]. Además, el consumo frecuente de cannabis se asocia con un mayor riesgo de accidente cerebrovascular, infarto de miocardio, enfermedad coronaria, insuficiencia cardíaca y enfermedad cardiovascular prematura [13, 44, 46, 47, 54, 62, 77, 78].
Sin embargo, los resultados de los estudios prospectivos han sido inconsistentes. El estudio CARDIA (Coronary Artery Risk Development in Young Adults), uno de los estudios prospectivos más grandes de su tipo, no encontró asociación entre el consumo acumulado de cannabis a lo largo de la vida ni el consumo reciente y la incidencia de enfermedad cardiovascular en la mediana edad [79]. No obstante, los estudios prospectivos a largo plazo pueden verse afectados por sesgos de recuerdo, evaluación inadecuada de la exposición, exposición mínima al cannabis y cohortes de bajo riesgo, lo que puede influir en la capacidad de detectar una asociación [21]. Otras fuentes de inconsistencia en los hallazgos de la literatura existente incluyen la excesiva dependencia de muestras transversales pequeñas, la falta de datos longitudinales, definiciones dispares de enfermedad cardiovascular y la heterogeneidad en las definiciones de consumo de cannabis. Además, al estudiar el consumo de cannabis, este estudio combinó el TCC con el consumo recreativo de cannabis potencialmente infrecuente.
Curiosamente, solo dos estudios previos han examinado la asociación entre la ECV y el TCC, y estos han tenido hallazgos más consistentes que los que examinan el consumo de cannabis por sí solo. Por ejemplo, Auger et al. encontraron que las mujeres multíparas con diagnósticos de TCC documentados según la CIE-9 o la CIE-19 tenían un riesgo casi un 50 % mayor de hospitalización por ECV incidente que aquellas sin TCC [cociente de riesgos (CR) = 1,48; IC del 95 % = 1,27–1,72] [43]. Auger et al. También se observó que un diagnóstico concurrente de trastorno por consumo de cannabis (HR = 1,84; IC del 95 % = 1,53-2,21) se asoció con una mayor probabilidad de enfermedad cardiovascular que el trastorno por consumo de cannabis por sí solo (HR = 1,30; IC del 95 % = 0,99-1,72). De manera similar, Patel et al. hallaron que el trastorno por consumo de cannabis (diagnosticado mediante códigos CIE-9) se asoció con una mayor probabilidad de hospitalización por arritmia entre adultos jóvenes, incluyendo a personas de 15 a 24 años [odds ratio (OR) = 1,28; IC del 95 % = 1,23-1,35] y de 25 a 34 años (OR = 1,52; IC del 95 % = 1,47-1,58) [55].

Fortalezas y limitaciones
Este proyecto presenta varias fortalezas. Es uno de los primeros estudios canadienses en examinar la asociación entre el trastorno por consumo de cannabis (TCC) y los resultados adversos de las enfermedades cardiovasculares (ECV). La principal contribución de este estudio radica en la cuantificación de la magnitud de la asociación entre el TCC y los eventos cardiovasculares a nivel poblacional. Por ejemplo, un aumento aproximado del 60 % en el riesgo de ECV entre las personas con TCC sugiere la utilidad potencial de utilizar el TCC como base para la implementación de intervenciones preventivas, como ocurre con otros factores de riesgo. Esto podría incluir un mayor número de pruebas, exámenes de detección o vigilancia de ECV en poblaciones con TCC.
Se necesita investigación adicional para aclarar los mecanismos subyacentes y orientar estrategias preventivas específicas. Si se confirma un mecanismo causal, el tratamiento del trastorno por consumo de cannabis (TCC) podría tener beneficios preventivos para la salud cardiovascular. Las tasas base de consumo de cannabis y TCC fueron elevadas en Alberta, con un 22 % de los habitantes de Alberta que informaron haber consumido cannabis en los últimos 3 meses —superior al promedio nacional del 20 % [10]— en el último trimestre de 2020, según la Encuesta Nacional de Cannabis. Aproximadamente el 1 % tiene un diagnóstico de TCC según este estudio. Sin embargo, existen limitaciones, ya que nuestro proyecto se basó en gran medida en datos observacionales vinculados de varias fuentes administrativas de salud.
* En primer lugar, una gran cantidad de datos epidemiológicos indican una relación bidireccional entre el consumo simultáneo de cannabis y tabaco [50, 80-85]. Si bien no pudimos controlar directamente la confusión causada por el tabaquismo (ya que los datos disponibles a través de fuentes administrativas no eran lo suficientemente fiables como para servir de control para el estudio), medimos los valores E para cuantificar la confusión no medida. Estos valores E superaron la fuerza de asociación establecida por un estudio previo de Winhusen et al., que mostró que los valores de RR entre TUD y CUD en el contexto de ECV eran inferiores a 2 [14]. Estos valores E indican que los hallazgos de nuestro estudio son potencialmente robustos y no están relacionados con factores de confusión no medidos, pero se necesita evidencia confirmatoria adicional. También controlamos varios otros indicadores, incluyendo el nivel socioeconómico, la comorbilidad y el uso de medicamentos. Por lo tanto, la posibilidad de una vía independiente de varios de estos marcadores asociados con CUD y ECV es menos probable. Estos resultados deberían motivar una estrategia general para intervenir en los factores de riesgo cardiovascular en este grupo, incluso si aún no se puede confirmar una relación causal. Además, futuros estudios confirmarán qué parte del aumento del riesgo se atribuye directamente al cannabis y qué parte de este riesgo se puede reducir previniendo el CUD en comparación con otras estrategias, como el abandono del tabaquismo.
* En segundo lugar, no contábamos con una medida directa de la gravedad del trastorno por consumo de cannabis (TCC) ni de la cantidad de cannabis consumido, sino que utilizamos el número de veces que una persona había sido diagnosticada con TCC como indicador de su gravedad. Sin embargo, si bien la gravedad probablemente esté asociada con el número de diagnósticos, podría haberse producido una clasificación errónea. Futuros estudios de cohortes poblacionales deberían examinar el impacto de estas variables en la fuerza de la asociación entre el TCC y los resultados cardiovasculares. Por ejemplo, un estudio podría medir el impacto de las medidas de gravedad del TCC basadas en el DSM-5, calculadas según el número de síntomas que presenta el individuo (p. ej., dos o tres síntomas constituyen un TCC leve, cuatro o cinco un TCC moderado y seis o más un TCC grave). Otros estudios podrían analizar las contribuciones específicas de las variables de consumo de cannabis, incluyendo el tipo consumido (p. ej., híbrido, Indica, Sativa), la vía de consumo (p. ej., fumado, ingerido, vaporizado), la frecuencia y la duración del consumo.
* En tercer lugar, nuestro estudio partió de la premisa de que las personas con TCC continúan consumiendo cannabis de forma constante, y esperábamos que los eventos cardiovasculares estuvieran relacionados con el consumo reciente. Dado que es más difícil establecer una asociación si el período de exposición entre un diagnóstico de TDC y los resultados de ECV es prolongado, esto podría haber dado lugar a un sesgo de clasificación errónea no diferencial, ya que los eventos futuros de ECV no afectarían la probabilidad de TDC. Sin embargo, esto podría haber atenuado el efecto observado de TDC sobre la ECV. Aunque los exfumadores de cigarrillos siguen teniendo un riesgo elevado de ECV incluso después de dejar de fumar, no está claro si esta relación se aplica al consumo de cannabis [86]. Futuros estudios podrían recopilar datos sobre usuarios de cannabis anteriores, actuales y no usuarios, y aplicarlos a la medición del riesgo de ECV asociado con el consumo de cannabis.
* En cuarto lugar, la sensibilidad y especificidad del diagnóstico de TDC en datos administrativos no están claras, y desconocemos cuántas personas con TDC no fueron diagnosticadas. Sin embargo, los datos disponibles sugieren que el TDC está infradiagnosticado, ya que se ha demostrado previamente que las personas que consumen cannabis en Alberta tienen menos probabilidades de recibir un diagnóstico formal de TDC que las que consumen alcohol o múltiples sustancias [87]. Si bien algunas personas con TDC podrían haber sido clasificadas erróneamente como no expuestas, es improbable que esta clasificación errónea diluya el tamaño del efecto hacia el valor nulo, ya que quienes reciben un diagnóstico formal y son registrados como TDC probablemente presenten casos más graves y con mayor utilización de servicios. En definitiva, esto apunta a la necesidad de refinar y validar aún más las definiciones de caso para el TDC.
No obstante, dado que nuestros hallazgos fueron estadísticamente significativos, el estudio proporciona evidencia de asociación. Sin embargo, la vulnerabilidad al sesgo de clasificación errónea sugiere que la fuerza de la asociación podría haber sido subestimada, y las implicaciones para la salud pública podrían ser más pronunciadas de lo que las estimaciones indicarían.
* Finalmente, si bien nuestros hallazgos no establecen un vínculo causal entre el trastorno por consumo de cannabis (TCC) y los eventos cardiovasculares (ECV), el proyecto conserva un valor descriptivo, especialmente para aplicaciones como la detección de ECV en personas que consumen cannabis, ya que ayuda a establecer las tasas base de ECV en esta población. No obstante, la generalización del principal hallazgo de nuestro estudio —que las personas diagnosticadas con TCC tienen un mayor riesgo de sufrir ECV— al consumo de cannabis en ausencia de un diagnóstico de TCC deberá confirmarse mediante otras fuentes de datos en estudios futuros.
Además, aunque no podemos afirmar una conexión causal entre el TCC y los eventos cardiovasculares, nuestro estudio determinó que las personas con TCC tienen un riesgo aproximadamente un 57 % mayor de sufrir morbilidad cardiovascular. En consecuencia, las intervenciones preventivas individualizadas son potencialmente valiosas para prevenir la ECV en personas con diagnóstico de TCC. Sin embargo, este estudio no pretende determinar si el perfil de riesgo cardiovascular de una persona volverá a su estado basal si deja de consumir cannabis.

CONCLUSIONES

Este estudio indica que las personas con TCC tienen un mayor riesgo de sufrir efectos adversos en la salud cardiovascular. Es importante destacar que esta evidencia sugiere que el consumo de cannabis podría aumentar el riesgo de eventos cardiovasculares graves en una población más sana.
Por lo tanto, nuestro estudio subraya la importancia de educar a nuestros pacientes sobre los riesgos potenciales asociados con el consumo de cannabis y el trastorno por consumo de cannabis (TCC).

NOTA: Este es un resumen general de un artículo publicado. El texto completo, las referencias, las tablas, los gráficos, las figuras y otros
           detalles se encuentran en la revista mencionada al principio.

REFERENCES (87)

1Degenhardt L, Ferrari AJ, Calabria B, Hall WD, Norman RE, McGrath J, et al. The global epidemiology and contribution of cannabis use and dependence to the global burden of disease: results from the GBD 2010 study. PLoS ONE. 2013; 8:e76635.

2Degenhardt L, Charlson F, Ferrari A, Santomauro D, Erskine H, Mantilla-Herrara A, et al. The global burden of disease attributable to alcohol and drug use in 195 countries and territories, 1990–2016: a systematic analysis for the global burden of disease study 2016. Lancet Psychiatry. 2018; 5: 987–1012.

3Marel C, Sunderland M, Mills KL, Slade T, Teesson M, Chapman C. Conditional probabilities of substance use disorders and associated risk factors: progression from first use to use disorder on alcohol, cannabis, stimulants, sedatives and opioids. Drug Alcohol Depend. 2019; 194: 136–142.

4Feingold D, Livne O, Rehm J, Lev-Ran S. Probability and correlates of transition from cannabis use to DSM-5 cannabis use disorder: results from a large-scale nationally representative study. Drug Alcohol Rev. 2020; 39: 142–151.

5Bahji A, Meyyappan AC, Hawken ER, Tibbo PG. Pharmacotherapies for cannabis use disorder: a systematic review and network meta-analysis. Int J Drug Policy. 2021; 97:103295.

6Gates PJ, Sabioni P, Copeland J, Le Foll B, Gowing L. Psychosocial interventions for cannabis use disorder. Cochrane Database Syst Rev. 2016; 5:CD005336.

7Fischer B, Russell C, Rehm J, Leece P. Assessing the public health impact of cannabis legalization in Canada: core outcome indicators towards an ‘index’ for monitoring and evaluation. J Public Health. 2019; 41: 412–421.

8Bahji A, Stephenson C. International perspectives on the implications of cannabis legalization: a systematic review and thematic analysis. Int J Environ Res Public Health. 2019; 16: 3095.

9Statistics Canada. Cannabis Stats Hub [Internet]. 2020 [cited 2020 Sep 2]. Available from: http://www150.statcan.gc.ca/n1/pub/13-610-x/cannabis-eng.htm. Accessed 04 May 2023.

10Statistics Canada. Canadian cannabis survey (CCS). 2020 [cited 2021 Sep 25]. Available from: https://www.canada.ca/en/health-canada/services/drugs-medication/cannabis/research-data/canadian-cannabis-survey-2020-summary.html. Accessed 04 May 2023.

11Statistics Canada. Canadian community health survey—mental health (CCHS) [Internet]. 2012 [cited 2020 Mar 2]. Available from:  http://www23.statcan.gc.ca/imdb/p2SV.pl?Function=getSurvey&SDDS=5015. Accessed 04

12Hall W, Degenhardt L. Adverse health effects of non-medical cannabis use.  Lancet. 2009; 374: 1383–1391.

13Desai R, Fong HK, Shah K, Kaur VP, Savani S, Gangani K, et al. Rising trends in hospitalizations for cardiovascular events among young cannabis users (18–39 years) without other substance abuse. Medicina (Kaunas). 2019; 55: 438.

14Winhusen T, Theobald J, Kaelber DC, Lewis D. The association between regular cannabis use, with and without tobacco co-use, and adverse cardiovascular outcomes: cannabis may have a greater impact in non-tobacco smokers. Am J Drug Alcohol Abuse. 2020; 46: 454–461.

15Drummer OH, Gerostamoulos D, Woodford NW. Cannabis as a cause of death: a review. Forensic Sci Int. 2019; 298: 298–306.

16Kariyanna PT, Jayarangaiah A, Hegde S, Marmur JD, Wengrofsky P, Yacoub M, et al. Marijuana induced type I Brugada pattern: a case report. Am J Med Case Rep. 2018; 6: 134–136.

17Kariyanna PT, Wengrofsky P, Jayarangaiah A, Haseeb S, Salciccioli L, Hegde S, et al. Marijuana and cardiac arrhythmias: a scoping study. Int J Clin Res Trials. 2019; 4: 132.

18Latif Z, Garg N. The impact of marijuana on the cardiovascular system: a review of the most common cardiovascular events associated with marijuana use. J Clin Med. 2020; 9: 1925.

19Saunders A, Stevenson RS. Marijuana lollipop-induced myocardial infarction. Can J Cardiol. 2019; 35: 229.e1–229.e3.

20Korantzopoulos P, Liu T, Papaioannides D, Li G, Goudevenos JA. Atrial fibrillation and marijuana smoking. Int J Clin Pract. 2008; 62: 308–313.

21Ravi D, Ghasemiesfe M, Korenstein D, Cascino T, Keyhani S. Associations between marijuana use and cardiovascular risk factors and outcomes.Ann Intern Med. 2018;168:187–94.

22Pasha AK, Clements CY, Reynolds CA, Lopez MK, Lugo CA, Gonzalez Y, et al Cardiovascular effects of medical marijuana, a systematic review. Am J Med. 2021;134:182–93.

23Page RL, Allen LA, Kloner RA, Carriker CR, Martel C, Morris AA, et al. Medical marijuana, recreational cannabis, and cardiovascular health: a scientific statement from the American Heart Association. Circulation. 2020; 142: 131–152.

24O'Keefe EL, Peterson TM, Lavie CJ. Reevaluating America's latest pharmaceutical trend: the cardiovascular risk of cannabis. Curr Opin Psychol. 2020; 38: 31–37.

25Greger J, Bates V, Mechtler L, Gengo F. A review of cannabis and interactions with anticoagulant and antiplatelet agents. J Clin Pharmacol. 2020; 60: 432–438.

26Subramaniam VN, Menezes AR, DeSchutter A, Lavie CJ. The cardiovascular effects of marijuana: are the potential adverse effects worth the high? Mo Med. 2019; 116: 146–153.

27Richards JR, Bing ML, Moulin AK, Elder JW, Rominski RT, Summers PJ, et al. Cannabis use and acute coronary syndrome. Clin Toxicol. 2019; 57: 831–841.

28Lee J, Sharma N, Kazi F, Youssef I, Myers A, Marmur JD, et al. Cannabis and myocardial infarction: risk factors and pathogenetic insights. SciFed J Cardiol [Internet]. 2017; 1. PMID: Available from: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6173198/. Accessed 04 May 2023.

29Ghosh M, Naderi S. Cannabis and cardiovascular disease. Curr Atheroscler Rep.2019;21:  21.

30Bondarenko AI. Cannabinoids and cardiovascular system. In: AN Bukiya, editor Recent Advances in Cannabinoid Physiology and Pathology [Internet] Cham, Switzerland: Springer International Publishing; 2019. p. 63–87.

31Wang X, Derakhshandeh R, Liu J, Narayan S, Nabavizadeh P, Le S, et al. One minute of marijuana secondhand smoke exposure substantially impairs vascular endothelial function. J Am Heart Assoc Cardiovasc Cerebrovasc Dis. 2016; 5: 1–10. PMID: Available from: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5015303/. Accessed 04 May 2023.

32Dabiri AE, Kassab GS. Effects of cannabis on cardiovascular system: the good, the bad, and the many unknowns. Med Cannabis Cannabinoids. 2021; 4: 75–85.

33Wei T, Chandy Nishiga M, Zhang A, Kumar K, Thomas D, et al. Cannabinoid receptor 1 antagonist genistein attenuates marijuana-induced vascular inflammation.Cell. 2022;1851676–93..

34Pratt M, Stevens A, Thuku M, Butler C, Skidmore B, Wieland LS, et al. Benefits and harms of medical cannabis: a scoping review of systematic reviews. Syst Rev. 2019; 8: 1–35.

35von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP. Strengthening the reporting of observational studies in epidemiology (STROBE) statement: guidelines for reporting observational studies. BMJ. 2007; 335: 806–808

36 Canadian Institute for Health Information. Discharge abstract database metadata (DAD) [Internet]. 2020 [cited 2020 Sep 3]. Available from: https://www.cihi.ca/en/discharge-abstract-database-metadata-dad. Accessed 04 May 2023.

37Canadian Institute for Health Information. National ambulatory care reporting system metadata (NACRS) [Internet]. 2020 [cited 2020 Sep 3]. Available from:  https://www.cihi.ca/en/national-ambulatory-care-reporting-system-metadata-nacrs. . 

38 Government of Alberta. Health research data access [Internet]. 2020 [cited 2020 Sep 3]. Available from: https://www.alberta.ca/health-research.aspx. Accessed 04 May 2023.

39Tran DT, Ohinmaa A, Thanh NX, Welsh RC, Kaul P. The healthcare cost burden of acute myocardial infarction in Alberta, Canada. PharmacoEconomics Open. 2018; 2: 433–442.

40Cunningham CT, Cai P, Topps D, Svenson LW, Jetté N, Quan H. Mining rich health data from Canadian physician claims: features and face validity. BMC Res Notes. 2014; 7: 682.

41Fathima S, Simmonds KA, Drews SJ, Svenson LW, Kwong JC, Mahmud SM, et al. How well do ICD-9 physician claim diagnostic codes identify confirmed pertussis cases in Alberta, Canada? A Canadian immunization research network (CIRN) study. BMC Health Serv Res. 2017; 17: 479.

42 Government of Alberta. Pharmaceutical information network (PIN), Netcare Learning Centre [Internet] 2020 [cited 2020 Sep 3]. Available from:https://www.albertanetcare.ca/learningcentre/Pharmaceutical-Information-Network.htm. 

43Auger N, Paradis G, Low N, Ayoub A, He S, Potter BJ. Cannabis use disorder and the future risk of cardiovascular disease in parous women: longitudinal cohort study. BMC Med. 2020  18:328.

44Rumalla K, Reddy AY, Mittal MK. Recreational marijuana use and acute ischemic stroke: a population-based analysis of hospitalized patients in the United States. J Neurol Sci. 2016;  364: 191–196.

45Rumalla K, Reddy AY, Mittal MK. Association of recreational marijuana use with aneurysmal subarachnoid hemorrhage. J Stroke Cerebrovasc Dis. 2016; 25: 452–460.

46Desai R, Patel U, Sharma S, Amin P, Bhuva R, Patel MS, et al. Recreational marijuana use and acute myocardial infarction: insights from nationwide inpatient sample in the United States. Cureus. 2017; 9:e1816.

47Vin-Raviv N, Akinyemiju T, Meng Q, Sakhuja S, Hayward R. Marijuana use and inpatient outcomes among hospitalized patients: analysis of the nationwide inpatient sample database. Cancer Med. 2017; 6: 320–329.

48Yeung MEM, Weaver CG, Hartmann R, Haines-Saah R, Lang E. Emergency department pediatric visits in Alberta for cannabis after legalization. Pediatrics. 2021; 148:e2020045922.

49Kashner TM. Agreement between administrative files and written medical records: a case of the Department of Veterans Affairs. Med Care. 1998; 36: 1324–1336.

50Kim HM, Smith EG, Stano CM, Ganoczy D, Zivin K, Walters H, et al. Validation of key behaviourally based mental health diagnoses in administrative data: suicide attempt, alcohol abuse, illicit drug abuse and tobacco use. BMC Health Serv Res. 2012; 23: 18.