European Journal of Heart Failure

Background e obiettivi del lavoro: Lo scompenso cardiaco ha un’incidenza enormemente aumentata nei pazienti con diabete, in assenza tuttavia di predittori idonei e quindi insufficiente prevenzione. Questo studio intende predire il rischio di scompenso cardiaco a 5 anni.
Metodi e risultati principali: Un totale di 3,354 pazienti con diabete o alterata glicemia a digiuno e senza scompenso cardiaco, ricavati dagli studi ARIC, CHS, FHS, e MESA, sono stati analizzati retrospettivamente con il risk score “WATCH-DM” a cui è stato aggiunto il dosaggio dei peptidi natriuretici. Il risk score (validato nel 2019) include 10 variabili cliniche, laboratoristiche, ed ECG [età, BMI, pressione arteriosa sistolica e diastolica, creatinine, glicemia a digiuno, HDL, durata del QRS, storia di infarto miocardico, pregresso by-pass aortocoronarico] individuate grazie all’intelligenza artificiale (algoritmo di “machine learning”) per predire lo sviluppo di scompenso cardiaco a 5 anni. Il presente studio amplia l’utilizzo di tale score a soggetti con alterata glicemia a digiuno migliorandone la capacità predittiva grazie all’aggiunta del dosaggio di peptidi natriuretici (BNP, NT-proBNP) che risultano in grado di riclassificare i pazienti giudicati a rischio basso/intermedio (score <13). L’analisi di sensibilità dimostra che il nuovo score possiede capacità discriminatoria comparabile a quelli già in uso, ma una migliore calibrazione e quindi superiore utilità clinica, in quanto è in grado di individuare i soggetti con rischio molto basso da quelli con rischio intermedio, predicendo dai 18 ai 23 nuovi casi in più ogni 1,000 pazienti rispetto al WATCH-DM score originale e agli altri risk score.
Conclusioni e commento editoriale: Infarto miocardico e scompenso cardiaco sono le prime cause di morte nei nostri pazienti; nonostante il loro impatto su sopravvivenza, qualità di vita e costi sanitari, ancora non sappiamo come individuare i soggetti a rischio. Di conseguenza, vi è una lacuna nella prevenzione primaria e nella gestione clinica. L’intelligenza artificiale utilizza algoritmi che riescono a identificare associazioni tra numerose variabili e specifici outcomes grazie alla “autocalibrazione” su grandi numeri di dati, e si sta dimostrando sempre più utile per colmare le lacune che restano con la statistica tradizionale. Questo studio è di rilievo per più motivi: 1. Estende la validazione dello score anche a pazienti con “prediabete”; 2. Affina le capacità discriminatorie dello score. 3. Pone le basi per sviluppare un algoritmo diagnostico per individuare i pazienti a “vero” basso rischio. Si potrebbe proporre dunque di valutare tutti i pazienti con diabete e con prediabete eseguendo una visita medica completa di parametri vitali, elettrocardiogramma ed esami ematochimici di base per poter calcolare lo score WATCH-DM (gratis alla pagina web: www.cvriskscores.com): se alto rischio (score >13) è giustificato procedere con esami di secondo livello (ecocardiogramma, test cardiopolmonare) e valutare terapia preventiva (GLP-1 simili, SGLT2 inibitori, statine, ACE-inibitori). Se al contrario il rischio è basso-intermedio (score <13), si chiederà il dosaggio del BNP: se basso, il rischio è davvero molto basso quindi è giustificato non intervenire in maniera aggressiva; al contrario un BNP alterato identifica coloro che presentano rischio intermedio di sviluppare scompenso cardiaco nei prossimi 5 anni e che beneficerebbero quindi di controlli più frequenti, esami cardiologici di secondo livello, o magari anche terapia preventiva. Inoltre, questo approccio pone le basi per progettare studi ad-hoc che potrebbero cambiare la vita di tanti nostri pazienti.

A cura di Lorenzo Nesti

Segar MW, Khan MS, Patel KV, et. al. Incorporation of natriuretic peptides with clinical risk scores to predict heart failure among individuals with dysglycaemia. European Journal of Heart Failure (2022) 24, 169–180. doi: 10.1002/ejhf.2375


Fai il login per vedere l'articolo originale

Cookie

Il sito Siditalia.it utilizza esclusivamente cookie tecnici (propri o di terze parti) che non raccolgono dati di profilazione durante la navigazione.
Continuando la navigazione del sito o cliccando su "Chiudi" acconsenti all'uso dei cookie