Antecedentes/Objetivos: El uso de la estratificación del riesgo basada en múltiples factores como herramienta en prevención del cáncer colorrectal (CCR) permite la adaptación de recomendaciones a las necesidades de cada persona. Presentamos una herramienta que busca la integración de variables clínicas, sociodemográficas y de estilo de vida en un modelo único de riesgo.

Métodos: En el marco del proyecto ONCODIR se realizó una revisión sistemática con metanálisis de 191 estudios entre 2010 y 2024. Se obtuvieron 24 variables asociadas como protectoras o de riesgo para el CCR, formadas por variables continuas, transformando la diferencia de medias estandarizadas en proporción de probabilidades (odds ratio, OR) con el método logit, y variables dicotómicas, utilizando el método de Mantel-Haenszel. Se construyó un índice de riesgo individual, creado como predictor lineal a partir de la suma de los logaritmos de los OR. La fórmula cuenta con la multiplicación del OR por valor aportado por el paciente en las variables continuas, y la suma directa del OR en las variables dicotómicas. El índice se centra en 0: los valores negativos reflejan predominio de factores protectores; los positivos, de factores de riesgo. Para evaluar la distribución del índice, se realizó una simulación con 37,7 millones de combinaciones únicas de las 24 variables, a partir los perfiles característicos por rango de riesgo, descritos en rangos deciles y quintiles.

Resultados: El índice permite clasificar el riesgo de CCR de los individuos en deciles y quintiles, visualmente presentado como semáforo para la práctica clínica. La herramienta se implementó en Microsoft Excel: valores booleanos (0/1) para las variables dicotómicas (sexo, etnia, antecedentes familiares de CCR, EII, DM2, síndrome metabólico, tabaquismo, nivel educativo) y valores continuos para edad, IMC, consumo de 9 grupos de alimentos, alcohol y actividad física. El resultado es un índice personalizado, mostrando una posición relativa en la distribución de riesgo.

Conclusiones/Recomendaciones: Esta herramienta identifica grupos de alto riesgo y apoya el diseño de intervenciones personalizadas basadas en factores modificables. A pesar de limitaciones metodológicas, como la combinación de efectos univariados en un modelo multivariado y la dificultad de la inclusión de variables con pocos datos, presenta el primer paso a la aplicabilidad práctica para la estratificación poblacional y el diseño de intervenciones personalizadas.