Artículo de revisión
Revista Medicina No. 151
24 min
Dagnovar Aristizábal-Ocampo1,2*, Jaime Gallo-Villegas1,3
1 Centro Clínico y de Investigación SICOR, Medellín, Colombia
2 Unidad de Biología Celular y Molecular, Corporación para Investigaciones Biológicas, Medellín, Colombia
3 Facultad de Medicina, Universidad de Antioquia, Medellín, Colombia
Métricas
401
Visualizaciones
20
Descargas
Compartir
Compartir
Resumen (ES)
Introducción: El envejecimiento poblacional está reconfigurando la carga global de enfermedad y la demanda sobre los sistemas de salud. Aunque la edad cronológica continúa siendo el estratificador dominante de riesgo, no captura la heterogeneidad interindividual en resiliencia, vulnerabilidad, velocidad de deterioro ni respuesta a intervenciones.
Materiales y métodos: Esta revisión propone un marco unificador: el modelo reserva–desgaste (R–D), que conceptualiza el envejecimiento biológico como la dinámica emergente entre (i) la disminución progresiva de la reserva fisiológica integrada del organismo, R(t), y (ii) la acumulación de desgaste fisiológico sistémico, D(t). Mostramos cómo el concepto de “cruce de barrera” permite vincular la ley de Gompertz con la teoría de Strehler–Mildvan mediante una función de riesgo dependiente del cociente entre barrera efectiva y el umbral fisiológico. Se revisan biomarcadores moleculares, biomarcadores funcionales y la inflamación sistémica como componente operativo del desgaste.
Resultados: Integramos evidencia empírica de tres implementaciones poblacionales en Colombia utilizando la plataforma tecnológica ATRI para la operacionalización multidominio de R–D: una cohorte de adultos jóvenes con intervención de hábitos, una población físicamente activa de mediana edad y adultos mayores, y un programa de gestión de enfermedad crónica en diabetes tipo 2 de muy alto riesgo. Estas implementaciones muestran (a) sensibilidad al cambio del estado R–D, (b) capacidad de discriminar vulnerabilidad subclínica y (c) reducción de desenlaces clínicos cuando la gestión se guía por el estado R–D.
Conclusión: Concluimos que el modelo R–D constituye un marco cuantitativo integrador para la medicina traslacional del envejecimiento y la prevención sistémica, con especial relevancia para sistemas de salud en transición demográfica como los latinoamericanos.
Palabras clave (ES):
Resumen (EN)
Introduction: Population aging is reshaping the global burden of disease and increasing demands on health systems. Although chronological age remains the dominant risk stratifier, it fails to capture interindividual heterogeneity in resilience, vulnerability, rate of functional decline, and response to interventions.
Materials and methods: This review proposes a unifying framework: the reserve–wear (R–W) model, which conceptualizes biological aging as the emergent dynamic interplay between (i) the progressive decline of integrated physiological reserve, R(t), and (ii) the accumulation of systemic physiological wear, W(t). We demonstrate how a “barrier-crossing” formulation formally links the Gompertz law of mortality with the Strehler–Mildvan vitality theory through a hazard function dependent on the ratio between effective barrier height and physiological threshold. Molecular biomarkers, functional biomarkers, and systemic inflammation (“inflammaging”) are reviewed as operational components of wear.
Results: We integrate empirical evidence from three population-based implementations in Colombia using the ATRI technological platform for multidomain operationalization of the R–D framework: a cohort of young adults undergoing lifestyle intervention, a physically active middle-aged and older population, and a chronic disease management program in very high-risk type 2 diabetes. These implementations demonstrate (a) sensitivity of the R–D state to intervention-induced change, (b) discrimination of subclinical vulnerability, and (c) reduction of clinical outcomes when management is guided by R–D stratification.
Conclusion: We conclude that the R–D model constitutes an integrative quantitative framework for translational aging medicine and systemic prevention, with particular relevance for health systems undergoing demographic transition, such as those in Latin America.
Palabras clave (EN):
Introducción: envejecimiento poblacional, carga de enfermedad y el problema de la heterogeneidad
El envejecimiento poblacional constituye uno de los fenómenos demográficos más significativos del siglo XXI. Proyecciones internacionales indican que para 2050 más del 22% de la población mundial tendrá más de 60 años1. Este cambio estructural se asocia con un aumento sustancial de enfermedades crónicas no transmisibles (ECNT), incluyendo enfermedad cardiovascular, diabetes tipo 2 (DM2), enfermedad renal crónica, cáncer, enfermedad pulmonar obstructiva crónica (EPOC) y demencia2. Estas condiciones comparten mecanismos biológicos convergentes —inflamación crónica de bajo grado, disfunción mitocondrial, mayor estrés oxidativo y alteraciones neuroendocrinas que reflejan procesos sistémicos asociados al envejecimiento biológico3,4.
Sin embargo, aunque la edad cronológica explica una fracción importante de la varianza del riesgo a nivel poblacional, predice de forma limitada las trayectorias individuales. La observación clínica es consistente: individuos con igual edad y perfiles tradicionales similares muestran riesgos distintos, velocidades de deterioro divergentes y respuestas heterogéneas a intervenciones. Estudios longitudinales han demostrado que el “ritmo” del envejecimiento difiere de manera significativa entre personas, incluso desde etapas tempranas de la vida adulta5,6,7. Esto exige marcos mecanicistas capaces de traducir la biología del envejecimiento a variables clínicas cuantificables y accionables.
Proponemos aquí una síntesis conceptual. La edad biológica puede interpretarse como la manifestación cuantificable del equilibrio dinámico entre dos variables latentes de sistemas: (i) reserva fisiológica integrada, R(t), y (ii) desgaste fisiológico sistémico, D(t). El riesgo clínico no emerge primariamente del paso del tiempo, sino de la pérdida progresiva de capacidad del organismo para tolerar y amortiguar fluctuaciones internas y respuestas a demandas ambientales8,9,10,11,12. Esta aproximación conecta observaciones de fragilidad, carga alostática y descompensación aguda con leyes clásicas de mortalidad (Gompertz) y teorías de vitalidad (Strehler–Mildvan)13,14,15.
Fundamentos conceptuales del envejecimiento biológico: de mecanismos a estados de sistema
Las teorías del envejecimiento han evolucionado desde enfoques unidimensionales hacia marcos integradores. La teoría del daño acumulativo plantea que la exposición sostenida a estrés oxidativo, daño molecular y errores de reparación conduce a deterioro progresivo de la función16,17. El marco de los “sellos del envejecimiento” sintetiza nueve procesos (inestabilidad genómica, acortamiento telomérico, alteraciones epigenéticas, pérdida de proteostasis, desregulación del sensor de nutrientes, disfunción mitocondrial, senescencia celular, agotamiento de células madre y comunicación intercelular alterada)18. Estos mecanismos no son independientes: forman una red causal con retroalimentaciones, donde el deterioro en un nodo amplifica vulnerabilidad en otros.
Las teorías del envejecimiento descritas, aunque ricas en detalle, comparten una limitación translacional: con frecuencia describen mecanismos sin proporcionar una métrica sistémica simple que permita estimar el estado del individuo, predecir su trayectoria y monitorizar la respuesta a la intervención. Desde la perspectiva de sistemas complejos adaptativos, la salud no es un estado estático, sino una homeodinámica: estabilidad funcional mantenida mediante fluctuaciones, flexibilidad, redundancia y capacidad de reorganización8,9,10,12. La enfermedad representa una pérdida progresiva de capacidad adaptativa, con mayor fragilidad11,12.
El modelo reserva-desgaste (R-D) se propone como un puente entre mecanismos y condición clínica: condensa el estado del organismo en dos coordenadas fisiológicas latentes que, en conjunto, capturan (i) la capacidad amortiguadora y adaptativa del sistema (reserva [R]) y (ii) la carga acumulativa de disfunción y daño (desgaste [D]).
Biomarcadores del envejecimiento y edad biológica: del marcador aislado al estado integrado reserva–desgaste
Un biomarcador del envejecimiento debe reflejar procesos biológicos subyacentes y predecir desenlaces mejor que la edad cronológica, con reproducibilidad y sensibilidad al cambio19. Ningún biomarcador aislado captura por completo la complejidad sistémica20. En la práctica, han emergido familias de biomarcadores: (i) moleculares (metilación, telómeros, proteómica, metabolómica), (ii) fisiológicos (función vascular, presión arterial, frecuencia cardíaca), (iii) funcionales (consumo máximo de oxígeno, fuerza muscular, velocidad de la marcha) y (iv) estilo de vida y psicosociales (horas de sueño, tabaquismo, estrés).
El modelo R–D propone que muchos biomarcadores son, en esencia, proyecciones parciales de dos dimensiones: R (capacidad de respuesta) y D (carga al sistema biológico). Por ejemplo, la capacidad cardiorrespiratoria y la fuerza muscular informan principalmente sobre R; la inflamación crónica y la sobrecarga metabólica informan sobre D. En consecuencia, la edad biológica puede conceptualizarse no como un número único, sino como una función del estado (R, D) y su evolución temporal:

Biomarcadores moleculares: relojes epigenéticos, telómeros, proteómica/metabolómica en el marco reserva-desgaste
Los relojes epigenéticos basados en metilación del ADN (DNAm) representan uno de los avances metodológicos más influyentes en gerociencia21. El reloj de Horvath fue diseñado principalmente para predecir edad cronológica a partir de metilación, con buena generalización entre tejidos22. Relojes de segunda generación, como DNAm PhenoAge y GrimAge, se entrenaron para capturar componentes relacionados con riesgo de mortalidad y morbilidad23,24. Más recientemente, métricas como DunedinPACE se enfocan en estimar el ‘ritmo’ de envejecimiento (“pace of aging”) en lugar de una edad estática, mostrando alta confiabilidad test–retest y asociaciones con morbilidad, discapacidad y mortalidad5.
Aun siendo tan robustos para medir la edad biológica, estos relojes no son equivalentes21. Relojes orientados a edad cronológica se correlacionan fuertemente con el tiempo, pero pueden ser menos sensibles a intervenciones o cambios funcionales. Relojes orientados a mortalidad incorporan señales relacionadas con exposición al tabaco y proteínas plasmáticas inferidas por metilación; por ello, su interpretación clínica requiere cautela (por ejemplo, la contribución de hábitos que ya están embebidos en el algoritmo). Un análisis comparativo de múltiples relojes resaltó la heterogeneidad sustancial en su desempeño para predecir desenlaces incidentes a gran escala, subrayando la necesidad de seleccionarlos según contexto y objetivo (edad vs salud vs mortalidad)21 (Tabla 1).

En el marco R–D, los relojes epigenéticos se interpretan como marcadores predominantemente estructurales (componentes de D y, en parte, de pérdida de capacidad acumulada [R]), pero no capturan de forma directa la R funcional o la tolerancia dinámica. En particular, dos individuos con valores similares de un reloj epigenético pueden diferir ampliamente en capacidad cardiorrespiratoria, fuerza muscular o función autonómica; es decir, pueden compartir D molecular, pero divergir en R16 (Tabla 1). Esta separación conceptual motiva a integrar biomarcadores funcionales al lado de los moleculares y no a reemplazarlos.
Otros biomarcadores moleculares pueden ser complementarios. La longitud telomérica se asocia con replicación celular y se ha vinculado con desenlaces cardiovasculares y mortalidad25; sin embargo, su variabilidad interindividual y sensibilidad metodológica limitan su uso aislado. La proteómica y metabolómica a gran escala han identificado marcas de envejecimiento asociadas con inflamación, coagulación, metabolismo y función renal/hepática y predicen mortalidad independientemente de la edad26,27. Estas marcas pueden mapearse al componente D del modelo y ayudar a descomponer subtipos de D (inflamatorio, metabólico, cardiovascular, renal, neuromuscular) (Tabla 2).

Derivación conceptual formal del riesgo y enlace con la ley de Gompertz
En el marco R–D, un estado fisiológico compensado está separado de un evento clínico mayor por una barrera efectiva Δ(t). Definimos:

Donde,
A representa la vulnerabilidad basal estructural (marcadores genéticos, programación temprana); B: cuantifica la eficiencia protectora de la R fisiológica; R(t) la reserva fisiológica integrada del sistema.
La barrera efectiva representa la distancia funcional entre estabilidad y daño clínico. Δ(t) cuantifica el margen adaptativo restante28.
El desgaste fisiológico sistémico se representa por D(t); integra carga alostática, inflamación crónica, inestabilidad metabólica y deterioro cardiopulmonar.
La función de peligro (“hazard”) se modela como un proceso de cruce de barrera29.

Esta expresión traduce el riesgo como función del equilibrio dinámico entre R y D.
Si la R declina linealmente, entonces:

Esto reproduce formalmente la ley de Gompertz.
En este sentido, la aceleración exponencial de la mortalidad emerge naturalmente del declive progresivo de la R fisiológica (Figura 1 y Figura 2). El envejecimiento puede interpretarse como una reducción de la tolerancia a la variabilidad, coherente con la teoría de Strehler–Mildvan14 y consistente con una visión de sistemas complejos30.

La aceleración del riesgo emerge de la reducción progresiva de la barrera efectiva Δ(t), y no necesariamente del aumento en la varianza de D(t). El sistema envejecido no es intrínsecamente más fluctuante; es progresivamente menos estable frente a las mismas fluctuaciones conforme se erosiona la R(t). Esta distinción es central: en términos biológicos, el envejecimiento no implica necesariamente mayor variabilidad, sino una pérdida gradual de tolerancia a la variabilidad.
Para su operacionalización, integramos un modelo de Markov de cinco estadios (S0–S4), definidos como: S0, individuo aparentemente sano; S1, disfunción subclínica; S2, enfermedad no diagnosticada; S3, diagnosticado/tratado; y S4, evento mayor irreversible o muerte.
Como consecuencia práctica, se busca encontrar el cambio de estado tempranamente: identificar disfunción subclínica (S1) y enfermedad no diagnosticada (S2) antes de progresar a etapas tardías (S3/S4). Esto no requiere un biomarcador único; requiere un estimador robusto del estado R–D y su trayectoria temporal. El análisis con la plataforma tecnológica ATRI incrementa la detección temprana δ (aumenta p(S1→S3) y reduce p(S1→S2) y p(S2→S4)), y puede modelar efectos de tratamiento temprano como reducción relativa de riesgos de transición a S4.
Modelo de implementación clínica con ATRI
El modelo ATRI (análisis triangular de riesgos individuales) operacionaliza este paradigma R–D cuantificando la R(t) como un sistema complejo adaptativo, a través de cinco dominios interdependientes: arterial, metabólico, cardiopulmonar, fuerza muscular (vigor neuromuscular) y balance afectivo y bienestar31. Estos dominios no actúan de forma aislada, sino que conforman una red dinámica cuya interacción sostiene la homeodinámica del sistema. En este enfoque, los eventos se interpretan como una expresión clínica de la pérdida de resiliencia del sistema completo, más que como el fallo exclusivo de un órgano. En lugar de estimar riesgo de manera directa, ATRI mide el margen de capacidad disponible —la R funcional— para absorber, adaptarse y recuperarse frente a estresores internos y externos. El riesgo emerge cuando las demandas habituales de la vida o los estresores agudos de alta magnitud superan esta R integrada, particularmente cuando los mecanismos de recuperación están comprometidos.
Evidencia reciente de nuestro grupo aporta respaldo empírico a este enfoque. En un estudio transversal que incluyó adultos de mediana edad, demostramos que la edad biológica estimada mediante nuestro algoritmo funcional multidominio ATRI se asociaba de forma fuerte e independiente con la calidad de vida en sus dimensiones física, psicológica y social32. En contraste, una estimación de edad biológica basada exclusivamente en biomarcadores (método de Klemera–Doubal)33, no mostró dicha asociación. Estos hallazgos respaldan a ATRI como una medida biológicamente significativa y clínicamente relevante de la R(t) y de la resiliencia biológica, y respaldan su utilización como herramienta prospectiva para detectar vulnerabilidad fisiológica y riesgo prevenibles (Tabla 2)
Edad biológica en el marco del modelo reserva–desgaste
En el modelo R–D, la edad biológica se concibe como el indicador del estado dinámico de la R fisiológica, modulada por la carga acumulada de D sistémico. La R(t) representa la capacidad adaptativa del organismo en un momento dado, mientras que el D(t) refleja la presión acumulada de respuestas inflamatorias, metabólicas, cardiovascular y neuroendocrina, que erosiona progresivamente dicha capacidad. La interacción entre ambas dimensiones determina la trayectoria funcional del individuo a lo largo del tiempo.
Métricas centrales para la estimación operativa de la reserva fisiológica y la acumulación de desgaste sistémico
Para garantizar replicabilidad y aplicabilidad clínica, definimos un conjunto de métricas centrales clasificadas según su solidez biológica, factibilidad operativa y capacidad para representar dimensiones específicas de reserva o desgaste (Tabla 3).

Las métricas asociadas principalmente a R incluyen indicadores de fuerza muscular, función cardiopulmonar, balance autonómico, balance afectivo y bienestar y salud auto-percibida. Estas variables capturan el “margen adaptativo” disponible del sistema (Tabla 3).
Las métricas asociadas principalmente a D incluyen marcadores inflamatorios (proteína C reactiva ultrasensible [PCR-us], índice neutrófilo-linfocito [N/L]), metabólicos (glucosa, relación triglicéridos-colesterol de la lipoproteína de alta densidad [TG/HDL-C], índice de masa corporal [IMC]) y de función vascular/renal (presión arterial, creatinina, tasa de filtración glomerular [TFGe]), así como la edad cardíaca. Estas variables reflejan D. biológico acumulado (Tabla 3).
Reglas de normalización y agregación por dominio
Todas las variables continuas se normalizan utilizando Z-scores ajustados por edad y sexo, lo que permite comparabilidad entre poblaciones y estabilidad de escala (Tabla 3). Posteriormente, se agregan por dominios: (i) arterial34,35,36; (ii) metabólico37; (iii) cardiopulmonar38; (iv) fuerza muscular (vigor neuromuscular)39,40; y (v) balance afectivo y bienestar41, que se integran en un estimativo de la edad biológica previamente validado31,32. También se obtienen índices globales de R y D mediante sumas ponderadas, donde las ponderaciones reflejan la contribución relativa de cada dominio. Los valores finales se expresan en una escala de 0 a 10 para facilitar la interpretación clínica. Este procedimiento permite replicar la estimación de R(t) y D(t) y realizar comparaciones longitudinales acordes con los cambios temporales de cada dominio.
Evidencia empírica en tres implementaciones poblacionales: validación por componentes del modelo
El valor de un modelo de envejecimiento biológico orientado a la longevidad saludable depende de su capacidad para (i) detectar vulnerabilidad antes de la enfermedad manifiesta y (ii) ser sensible a intervenciones. Los tres proyectos de investigación desarrollados por nuestro grupo descritos a continuación pueden interpretarse como validaciones complementarias de estos criterios.
Cohorte de adultos jóvenes aparentemente sanos: sensibilidad al cambio (modulación de la reserva)
Métodos: Se realizó un estudio cuasiexperimental que incluyó a 1.097 adultos aparentemente sanos de 25-45 años sin ECNT diagnosticadas, quienes ingresaron a un programa de adopción de hábitos saludables. Los participantes fueron reclutados mediante correos electrónicos y llamadas telefónicas. El programa de adopción de hábitos saludables tuvo una duración de 6 meses y, de acuerdo con los resultados de la evaluación inicial, el usuario y el profesional a cargo seleccionaron el “hábito roca” a trabajar. La ruta de adopción del hábito incluyó un proceso con tres sesiones de consejería (30–40 min) a cargo de profesionales expertos en el tema: (i) nutricionista, en el hábito alimentario con énfasis en la alimentación saludable y consciente; (ii) psicólogo, en el hábito de bienestar mental con enfoque en habilidades para la vida; o (iii) educador físico, en el hábito de movimiento consciente con énfasis en el reconocimiento y la apropiación de las cualidades de la condición física. El estado de salud, la edad biológica y la R funcional fueron evaluados antes y después de la intervención utilizando la plataforma ATRI.
Resultados: Entre los participantes, encontramos una mediana de edad de 36,5 años (RIQ 31,4–40,7), de IMC de 26,8 kg/m² (RIQ 24,1–29,6), porcentaje de grasa corporal de 29,7% (RIQ 24,2–35,0) y capacidad cardiorrespiratoria estimada de 9,1 equivalentes de la tasa metabólica basal (METs) (RIQ 7,7–11,0). El 66,9% presentaba sobrepeso u obesidad, el 43,8% eran físicamente inactivos y el 5,5% fumadores activos. El componente más afectado en la evaluación basal fue el balance afectivo y bienestar. La mediana de la R funcional fue 73,7% (RIQ 60,8–81,4%) y la edad biológica estimada 40,0 años (RIQ 36,0–44,0), superior a la edad cronológica en ambos sexos.
El 58% completó el programa (n=636) (Tabla 4). Tras la intervención se observaron mejoras significativas en composición corporal y capacidad cardiorrespiratoria. Los participantes mostraron incrementos moderados en balance afectivo y función cardiopulmonar, así como un aumento absoluto de la R funcional del 6,5% (74,3% a 80,8%; z = −15,8; r de Rosenthal = 0,64; p<0,001) y una reducción de un año en la edad biológica (40,0 a 39,0 años; z = −11,9; r de Rosenthal = 0,48; p<0,001) (Tabla 4). Los efectos fueron consistentes independientemente de la ruta seleccionada.

Conclusiones: Estos hallazgos respaldan la sensibilidad de la plataforma ATRI para detectar cambios funcionales clínicamente relevantes derivados de intervenciones conductuales breves. El incremento en la R funcional y la reducción de la edad biológica sugieren un desplazamiento favorable en la trayectoria de salud, coherente con el marco R–D, donde pequeñas mejoras en dominios específicos pueden traducirse en efectos sistémicos sinérgicos.
Interpretación R–D: La intervención produjo un desplazamiento favorable de la coordenada R (incremento de reserva funcional).
Población físicamente activa mayor de 40 años: capacidad discriminativa transversal (heterogeneidad de reserva)
Métodos: En este segundo estudio, con un diseño transversal, se incluyeron 725 adultos mayores de 40 años físicamente activos pertenecientes a un programa comunitario de actividad física, que se encontraban en la base de datos de los usuarios y de quienes se tenía el registro correcto del estrato socioeconómico al que pertenecían y la comuna del punto de atención al cual asistían. Se excluyeron personas en situación de cárcel y aquellas con limitaciones físicas o mentales (Tabla 5).

Resultados: La edad promedio fue 65,4 ± 9,7 años, el IMC 28,2 ± 4,9 kg/m² y la capacidad cardiorrespiratoria estimada 6,66 ± 1,86 METs. El 19,4% presentaba alto riesgo cardiovascular global a 10 años, 14,1% eran fumadores y el 8,4% reportaban alguna discapacidad; el 89,4% eran mujeres. La mayoría pertenecía a estratos socioeconómicos bajos (55,6% estratos 1–2).
La R funcional —cuantificada mediante el índice de vitalidad de la plataforma ATRI— fue significativamente mayor en individuos <65 años comparados con ≥65 años (p<0,001), y en hombres respecto a mujeres (p<0,001) (Tabla 5). No se observaron diferencias por estrato socioeconómico (p>0,05). Los participantes más jóvenes mostraron mejor función cardiopulmonar, mayor fuerza muscular y menor carga de riesgos subclínicos (p<0,05), sin diferencias en balance afectivo y bienestar (Tabla 5). Aunque los hombres exhibieron mayor capacidad cardiorrespiratoria y mejor bienestar subjetivo, presentaron simultáneamente mayor edad vascular y mayor riesgo cardiovascular global (p<0,05), evidenciando desacoplamiento parcial entre dominios de R.
El análisis de clúster identificó subgrupos con menor R asociados a mayor presencia de riesgos subclínicos, discapacidad y peor perfil funcional. Este fenotipo de mayor vulnerabilidad (62,8%) se caracterizó por edad ≥65 años, sexo femenino, obesidad, bajo estrato socioeconómico, tabaquismo, discapacidad, menor fuerza muscular y capacidad cardiorrespiratoria, mayor edad biológica relativa y menor bienestar. Este grupo presentó una R funcional significativamente menor que el clúster de mayor resiliencia (p<0,05).
Conclusiones: la plataforma ATRI demostró capacidad discriminativa para estratificar resiliencia sistémica más allá de variables demográficas tradicionales, aportando un marco operativo coherente con el modelo R-D. En este estudio, las personas menores de 65 años y los hombres, pertenecientes a un programa comunitario de actividad física, presentan una mayor R funcional. No se observaron diferencias en la R funcional según el estrato socioeconómico. Una clasificación de los individuos a partir de características sociodemográficas, clínicas, relacionadas con el balance afectivo y bienestar y la R funcional, permitió identificar aquellas personas más vulnerables, lo cual podría contribuir a la planificación de estrategias de promoción de la salud y preventivas.
Interpretación R–D: el modelo discrimina vulnerabilidad por dominios (menor R), sugiriendo utilidad para segmentación comunitaria y focalización de intervenciones.
Diabetes tipo 2 de muy alto riesgo: utilidad pragmática (reducción de eventos duros)
Métodos: finalmente, realizamos un estudio cuasiexperimental con serie de tiempo interrumpida robusta que incluyó 543 pacientes con DM2 de muy alto riesgo cardiovascular, evaluados durante un año antes y un año después de la implementación de un modelo de gestión de enfermedades crónicas (GEC) estratificado por R funcional mediante la plataforma digital ATRI. Se analizaron cambios en nivel, pendiente, autocorrelación y varianza en visitas a urgencias, hospitalizaciones y costos. El programa incorporó los componentes centrales del cuidado crónico42: atención multidisciplinaria, promoción del autocuidado, coordinación asistencial, rediseño organizacional, sistemas de información clínica y atención basada en la evidencia.
El 71,2% completó un año de seguimiento (edad media 70,6 ± 9,5 años; IMC 28,8 ± 4,6 kg/m²; 51,2% hombres); la mortalidad fue 3,7%. Tras la intervención, se observó una reducción significativa en la tasa de visitas a urgencias (Δ 47,5; IC95% 6,9–88,2; p=0,02) y hospitalizaciones (Δ 30,4; IC95% 3,6–57,3; p=0,03) por 1.000 pacientes, junto con cambios en la estructura de autocorrelación y varianza de ambos desenlaces y del costo promedio por paciente (p<0,05) (Figura 3).

Conclusiones: la GEC guiada por estratificación de R funcional permitió modular trayectorias clínicas en esta población de alto riesgo, reduciendo descompensaciones agudas y utilización de servicios de salud en escenarios donde D es alto (deterioro/daño metabólico).
Interpretación R-D: la intervención produjo un desplazamiento de estados avanzados (S3–S4) hacia mayor estabilidad sistémica, reforzando la utilidad de la cuantificación de la R funcional para orientar intervenciones de alto impacto.
Perspectivas
El modelo R–D ofrece una síntesis conceptual que unifica biología del envejecimiento, fisiología de sistemas y teoría de mortalidad en dos coordenadas latentes. Al reinterpretar el riesgo como un proceso de cruce de barrera dependiente de R–D, este nuevo modelo se alinea con la evidencia sobre pérdida de R funcional y edad biológica. El envejecimiento biológico no es simplemente la acumulación progresiva de daño molecular, ni una cifra derivada de algoritmos epigenéticos. Es la expresión dinámica de un sistema complejo cuya estabilidad depende del equilibrio entre R fisiológica integrada y D sistémico acumulativo. En este contexto, la edad biológica debe entenderse como un estado emergente del sistema, no como un marcador aislado.
Al introducir explícitamente la dimensión de R, el modelo trasciende aproximaciones centradas exclusivamente en daño estructural, incorporando la noción de tolerancia a la variabilidad fisiológica como determinante crítico de vulnerabilidad. En este marco, el envejecimiento no es solo pérdida de función, sino pérdida de margen adaptativo.
En última instancia, el valor del modelo no radica únicamente en medir el envejecimiento biológico, sino en redirigir su trayectoria. Si el envejecimiento es un proceso dinámico de desplazamiento en el espacio R–D, entonces la intervención preventiva puede concebirse como una estrategia para expandir la R, reducir el D y restaurar la estabilidad del sistema.
Reconocemos que la validez externa del modelo R–D desarrollado es limitada; actualmente, se circunscribe a poblaciones locales. Se requieren estudios en otras poblaciones, con diferentes contextos socioculturales, características clínicas y con seguimiento longitudinal, que permitan evaluar su validez pronóstica. También, para mejorar la robustez de nuestro método, estamos trabajando en la evaluación de la concordancia entre la estimación de la edad biológica con nuestro algoritmo y la edad cardíaca desde el electrocardiograma con inteligencia artificial.
Conclusiones
La validación empírica de este enfoque mediante ATRI y sus implementaciones en poblaciones locales demuestra sensibilidad al cambio, capacidad discriminativa y utilidad pragmática y refuerza su pertinencia clínica. Más aún, su simplicidad operacional y escalabilidad lo convierten en una herramienta especialmente relevante para sistemas de salud latinoamericanos que enfrentan una transición demográfica acelerada con recursos limitados.
Agradecimientos
Los autores agradecen a las personas que participaron en las investigaciones y el apoyo recibido por la Secretaría de Salud de la Alcaldía de Medellín y la EPS SURA.
Financiación
Este estudio fue financiado por el Centro Clínico y de Investigación Soluciones Integrales en Riesgo Cardiovascular (SICOR); Medellín, Colombia. Adicionalmente, fue cofinanciado a través del Ministerio de Ciencia, Tecnología e Innovación (MinCiencias), Colombia, proyecto 221377758352, contrato 763 de 2018.
Contribución de autoría
Dagnovar Aristizábal-Ocampo: Conceptualización, Redacción - revisión y edición, Redacción - borrador inicial, Recopilación de datos, Metodología, Recursos, Análisis formal, Adquisición de financiación, Administración del proyecto, Supervisión, Investigación
Jaime Gallo-Villegas: Redacción - borrador inicial, Recopilación de datos, Análisis formal, Investigación, Redacción - revisión y edición, Conceptualización, Metodología
Conflictos de interés
Los autores declaran no tener conflictos de interés.
Uso de herramientas de inteligencia artificial
Durante la preparación de este trabajo, los autores utilizaron inteligencia artificial con el fin de apoyar en la redacción del borrador inicial y mejorar la fluidez y el estilo del texto. Tras utilizar esta herramienta, los autores revisaron, editaron de forma exhaustiva y aprobaron el contenido, asumiendo la responsabilidad total sobre la exactitud, integridad y originalidad del artículo final.
Referencias
Explorar
Artículos
Volúmenes
Sobre la revista
Más leídos
Revista Medicina
Revista Medicina
Revista Medicina
Revista Medicina
Revista Medicina