Il ruolo dell’ipertensione nella relazione tra acido urico e outcome cardiovascolari: uno studio basato su modelli ad equazioni strutturali e causal discovery

The increasing incidence of cardiovascular events represents one of the main challenges for public health globally. Among the various risk factors associated with these conditions, elevated levels of uric acid (uricaemia) and arterial hypertension emerge as crucial determinants. This study aims to explore the causal relationship between uricaemia, hypertension, and cardiovascular events, while also testing different measurements of arterial hypertension to determine their representativeness in this context. From a methodological standpoint, the use of structural equation modelling (SEM) allows for the evaluation of the appropriateness of different a priori causal specifications with the use of goodness-of-fit measures and the analysis of estimated effects. However, due to the cross-sectional nature of the data, SEM models have the limitation of not being able to assert causal relationships. To address this limitation, graphical models were employed within the context of causal discovery. The Peter-Clark (PC) causal discovery algorithm was used to estimate a causal network directly from observational data, providing independent empirical evidence to supplement the a priori formulated causal hypotheses. The results obtained through SEM reveal differences in the fit between the estimated causal paths and the various measurements of hypertension, highlighting in each model the central role of hypertension in the onset of cardiovascular events in relation to elevated levels of uricaemia. Concurrently, causal discovery provided further evidence for the dependencies investigated and the choice of hypertension measurement, demonstrating the added value of integrating a hypothetico-deductive approach with unsupervised learning and causal inference techniques in the analysis of complex data.

L'incremento dell'incidenza degli eventi cardiovascolari rappresenta una delle principali sfide per la sanità pubblica a livello globale. Tra i vari fattori di rischio associati a queste patologie, elevati livelli di acido urico (uricemia) e ipertensione arteriosa emergono come determinanti cruciali. Questo studio si propone di esplorare la relazione causale tra uricemia, ipertensione ed eventi cardiovascolari, testando parallelamente diverse misurazioni dell'ipertensione arteriosa per determinarne la rappresentatività nel contesto in esame. Da un punto di vista metodologico, l'uso dei modelli ad equazioni strutturali (SEM) consente di ragionare circa l'appropriatezza di diverse specificazioni causali ipotizzate a priori, attraverso misure di bontà di adattamento e l’analisi degli effetti stimati. Tuttavia, a causa della natura trasversale dei dati, i modelli SEM presentano il limite di non poter asserire relazioni causali. Per affrontare questa limitazione, sono stati impiegati i modelli grafici nel contesto della causal discovery. L'algoritmo di causal discovery di PC (Peter-Clark) è stato impiegato per stimare una rete causale direttamente dai dati osservazionali, fornendo un'evidenza empirica indipendente a integrazione delle ipotesi causali formulate a priori. I risultati ottenuti tramite i modelli SEM rivelano delle differenze di adattamento tra i path causali stimati e le diverse misurazioni dell’ipertensione, evidenziandone in ogni modellazione il ruolo centrale per l’insorgenza di eventi cardiovascolari in relazione ad elevati livelli di uricemia. Parallelamente, la causal discovery ha offerto ulteriori evidenze per le dipendenze indagate e per la scelta di misura dell’ipertensione, dimostrando il valore aggiunto dell’integrazione di un approccio ipotetico-deduttivo con tecniche di apprendimento non supervisionato e inferenza causale nell'analisi di dati complessi.