ABSTRACT Relative survival has been used as a measure of the temporal evolution of the excess risk of death of a cohort of patients diagnosed with cancer, taking into account the mortality of a reference population. Once the excess risk of death has been estimated, three probabilities can be computed at time T: 1) the crude probability of death associated with the cause of initial diagnosis (disease under study), 2) the crude probability of death associated with other causes, and 3) the probability of absolute survival in the cohort at time T. This paper presents the WebSurvCa application (https://shiny.snpstats.net/WebSurvCa/), whereby hospital-based and population-based cancer registries and registries of other diseases can estimate such probabilities in their cohorts by selecting the mortality of the relevant region (reference population).

RESUMEN La supervivencia relativa se ha utilizado habitualmente como medida de la evolución temporal del exceso de riesgo de mortalidad en cohortes de pacientes diagnosticados de cáncer, teniendo en cuenta la mortalidad de una población de referencia. Una vez estimado el exceso de riesgo de mortalidad pueden calcularse tres probabilidades acumuladas a un tiempo T: 1) la probabilidad de fallecer asociada a la causa de diagnóstico inicial (enfermedad en estudio), 2) la probabilidad de fallecer asociada a otras causas, y 3) la probabilidad de supervivencia absoluta en la cohorte a un tiempo T. Este trabajo presenta la aplicación WebSurvCa (https://shiny.snpstats.net/WebSurvCa/), mediante la cual los registros de cáncer de base hospitalaria y poblacional, y los registros de otras enfermedades, estiman dichas probabilidades en sus cohortes seleccionando como población de referencia la mortalidad de la comunidad autónoma que consideren.

ABSTRACT Relative survival has been used as a measure of the temporal evolution of the excess risk of death of a cohort of patients diagnosed with cancer, taking into account the mortality of a reference population. Once the excess risk of death has been estimated, three probabilities can be computed at time T: 1) the crude probability of death associated with the cause of initial diagnosis (disease under study), 2) the crude probability of death associated with other causes, and 3) the probability of absolute survival in the cohort at time T. This paper presents the WebSurvCa application (https://shiny.snpstats.net/WebSurvCa/), whereby hospital-based and population-based cancer registries and registries of other diseases can estimate such probabilities in their cohorts by selecting the mortality of the relevant region (reference population).

RESUMEN La supervivencia relativa se ha utilizado habitualmente como medida de la evolución temporal del exceso de riesgo de mortalidad en cohortes de pacientes diagnosticados de cáncer, teniendo en cuenta la mortalidad de una población de referencia. Una vez estimado el exceso de riesgo de mortalidad pueden calcularse tres probabilidades acumuladas a un tiempo T: 1) la probabilidad de fallecer asociada a la causa de diagnóstico inicial (enfermedad en estudio), 2) la probabilidad de fallecer asociada a otras causas, y 3) la probabilidad de supervivencia absoluta en la cohorte a un tiempo T. Este trabajo presenta la aplicación WebSurvCa (https://shiny.snpstats.net/WebSurvCa/), mediante la cual los registros de cáncer de base hospitalaria y poblacional, y los registros de otras enfermedades, estiman dichas probabilidades en sus cohortes seleccionando como población de referencia la mortalidad de la comunidad autónoma que consideren.

Background: Cardiovascular risk evaluation is of the utmost importance for treatment of patients with cardiovascular risk factors. There are various scales or equations and they can be adapted to a particular population to try to avoid over or under estimation of risk. We propose risk percentiles as a new method of adapting risk scoring systems to our population. Methods: A cross sectional study of the prevalence of cardiovascular risk factors in the province of Palencia (ERVPA: Cardiovascular Risk Study in Palencia) was conducted. Age, gender, blood pressure, total cholesterol, tobacco consumption and diabetes were evaluated. 514 subjects aged 20 - 79 taken from the general population were studied in 9 health centers from Palencia (Spain). Fatal cardiovascular risk was measured with SCORE project equations. Percentiles were calculated and compared to both equations and a Spearman´s correlation coefficient and a kappa agreement coefficient were calculated. Results: The percentages of high risk range from 0% in young subjects to 92% in males over the age of 70 and 67% in females over the age of 70. The concordance with high risk country equations has a kappa coefficient of 0.741. Concordance varies greatly with age and gender. On comparing the percentiles, the concordance between both equations is almost absolute. Conclusions: Adopting risk percentiles as a method of cardiovascular risk evaluation permits us to adapt any risk equation to a particular area and avoids underestimation or overestimation of risk. Risk percentiles allow us to extrapolate absolute risk for any age.

Fundamento: La evaluación del riesgo cardiovascular es de máxima importancia para un correcto tratamiento de pacientes con riesgo. Hay varias ecuaciones de riesgo que pueden ser adaptadas a una población para evitar la sobre o infraestimación del riesgo. Se proponen a los percentiles de riesgo como un nuevo método para adaptar los sistemas de valoración del riesgo a nuestra población. Métodos: Se ha realizado un estudio transversal de factores de riesgo cardiovascular en Palencia (ERVPA: Estudio de Riesgo Vascular en PAlencia). Se han registrado las variables edad, sexo, tabaquismo, tensión arterial, diabetes y colesterolemia. Se han estudiado 514 sujetos entre 20 y 79 años procedentes de 9 centros de salud del área sanitaria. Se ha calculado el riesgo cardiovascular fatal según las ecuaciones del proyecto SCORE. Se han calculado y comparado los percentiles obtenidos con cada ecuación, mediante el cálculo de los coeficientes de Spearman y kappa. Resultados: Los porcentajes de sujetos con riesgo alto varían entre el 0% en jóvenes hasta el 92% en los varones y el 67% en las mujeres mayores de 70 años. El coeficiente kappa entre las ecuaciones para países de bajo y alto riesgo es de 0.741. Dicha concordancia varía de forma importante según el sexo y la edad. La concordancia entre los percentiles es casi total. Conclusiones: Los percentiles de riesgo es un método de evaluación del riesgo que permite adaptar cualquier ecuación a una población particular evitando la sobre o infraestimación del riesgo y permiten extrapolar el riesgo a cualquier edad.

Background: Cardiovascular risk evaluation is of the utmost importance for treatment of patients with cardiovascular risk factors. There are various scales or equations and they can be adapted to a particular population to try to avoid over or under estimation of risk. We propose risk percentiles as a new method of adapting risk scoring systems to our population. Methods: A cross sectional study of the prevalence of cardiovascular risk factors in the province of Palencia (ERVPA: Cardiovascular Risk Study in Palencia) was conducted. Age, gender, blood pressure, total cholesterol, tobacco consumption and diabetes were evaluated. 514 subjects aged 20 - 79 taken from the general population were studied in 9 health centers from Palencia (Spain). Fatal cardiovascular risk was measured with SCORE project equations. Percentiles were calculated and compared to both equations and a Spearman´s correlation coefficient and a kappa agreement coefficient were calculated. Results: The percentages of high risk range from 0% in young subjects to 92% in males over the age of 70 and 67% in females over the age of 70. The concordance with high risk country equations has a kappa coefficient of 0.741. Concordance varies greatly with age and gender. On comparing the percentiles, the concordance between both equations is almost absolute. Conclusions: Adopting risk percentiles as a method of cardiovascular risk evaluation permits us to adapt any risk equation to a particular area and avoids underestimation or overestimation of risk. Risk percentiles allow us to extrapolate absolute risk for any age.

Fundamento: La evaluación del riesgo cardiovascular es de máxima importancia para un correcto tratamiento de pacientes con riesgo. Hay varias ecuaciones de riesgo que pueden ser adaptadas a una población para evitar la sobre o infraestimación del riesgo. Se proponen a los percentiles de riesgo como un nuevo método para adaptar los sistemas de valoración del riesgo a nuestra población. Métodos: Se ha realizado un estudio transversal de factores de riesgo cardiovascular en Palencia (ERVPA: Estudio de Riesgo Vascular en PAlencia). Se han registrado las variables edad, sexo, tabaquismo, tensión arterial, diabetes y colesterolemia. Se han estudiado 514 sujetos entre 20 y 79 años procedentes de 9 centros de salud del área sanitaria. Se ha calculado el riesgo cardiovascular fatal según las ecuaciones del proyecto SCORE. Se han calculado y comparado los percentiles obtenidos con cada ecuación, mediante el cálculo de los coeficientes de Spearman y kappa. Resultados: Los porcentajes de sujetos con riesgo alto varían entre el 0% en jóvenes hasta el 92% en los varones y el 67% en las mujeres mayores de 70 años. El coeficiente kappa entre las ecuaciones para países de bajo y alto riesgo es de 0.741. Dicha concordancia varía de forma importante según el sexo y la edad. La concordancia entre los percentiles es casi total. Conclusiones: Los percentiles de riesgo es un método de evaluación del riesgo que permite adaptar cualquier ecuación a una población particular evitando la sobre o infraestimación del riesgo y permiten extrapolar el riesgo a cualquier edad.