Universeel risicovoorspellingsmodel voor MACE bij mensen met en zonder ASCVD

Een universeel risicovoorspellingsmodel voor MACE met gevestigde risicofactoren en biomarkers presteerde goed bij mensen met en zonder ASCVD in een Amerikaanse gemeenschap-gebaseerde cohortstudie.

Universal Risk Prediction for Individuals With and Without Atherosclerotic Cardiovascular Disease
Literatuur - Mok Y, Dardari Z, Sang Y, et al. - J Am Coll Cardiol. 2024 Feb 6;83(5):562-573. doi: 10.1016/j.jacc.2023.11.028

Introductie en methoden

Achtergrond

Verschillende risicovoorspellingstools worden gebruikt in primaire en secundaire HVZ-preventie [1-7]. Deze verschillende tools gebruiken echter vergelijkbare risicovoorspellers, waardoor de vraag opkomt of er een universeel systeem voor risicovoorspellingen gebruikt kan worden om het HVZ-risico in te schatten bij personen met en zonder ASCVD.

Doel van de studie

Het doel van de studie was om: (1) te evalueren of gevestigde en andere risicovoorspellers voor HVZ op vergelijkbare wijze geassocieerd zijn met MACE bij personen met en zonder ASCVD, en (2) een nieuw universeel risicovoorspellingsmodel te ontwikkelen en valideren voor personen met en zonder ASCVD.

Methoden

De auteurs gebruikten data van de ARIC (Atherosclerosis Risk In Communities)-studie om de prestaties van risicovoorspellers te evalueren. ARIC was een observationele cohortstudie met 15.792 mensen die tussen de 45 en 64 jaar oud waren tijdens het eerste bezoek (1987-1989) van 4 Amerikaanse gemeenschappen. Deelnemers werden uitgenodigd voor follow-upbezoeken in 1990-1992 (bezoek 2), 1993-1995 (bezoek 3) en 1996-1998 (bezoek 4) en namen deel aan een jaarlijkse gezondheidsstatus follow-up via telefoongesprekken. Voor de huidige studie werd data van bezoek 4 gebruikt als baseline (n=609 met een geschiedenis van ASCVD en n=8529 zonder een geschiedenis van ASCVD). Deelnemers werden gevolgd tot 31 december 2020, datum van een uitkomst van interesse of verlies van follow-up, welke als eerste voorkwam. Mediane follow-up periode was 18,9 (IQI: 10,8-22,9) jaar.

De auteurs implementeerden verschillende modellen om de interactie tussen voorspellers en MACE te beoordelen. Het basismodel omvatte gevestigde voorspellers van de gepoolde cohortvergelijking (pooled cohort equation, PCE) en het dichotome secundaire risicoclassificatiesysteem van de 2018 ACC/AHA-cholesterolrichtlijn. Uitgebreide modellen bestonden uit de voorspellers van het basismodel plus niet-laboratoriumgebaseerde voorspellers (uitgebreid model 1; plus familiegeschiedenis, BMI en hartslag), plus laboratoriumgebaseerde voorspellers (uitgebreid model 2; plus hs-CRP, Lp(a), triglyceride en ApoB), plus 2 belangrijke cardiale biomarkers (uitgebreid model 3; plus NT-proBNP en hs-cTnT), of plus alle toegevoegde voorspellers van uitgebreid model 1 tot en met 3 (uitgebreid model 4).

Voorspellers voor het nieuwe universeel voorspellingsmodel werden geïdentificeerd met behulp van de kleinste absolute krimp- en selectieoperatieregressie en bootstrapping.

Uitkomstmaten

De primaire uitkomstmaat was MACE (een samenstelling van MI, beroerte en HF, inclusief fatale en niet-fatale events).

-

Belangrijkste resultaten

Kandidaatvoorspellers voor HVZ

  • In totaal ontwikkelden 3209 deelnemers MACE (2797 deelnemers met een ASCVD-geschiedenis en 412 deelnemers zonder een ASCVD-geschiedenis). De incidentie per 1000 persoonsjaren was 21,3 voor MACE, 12,6 voor MI/beroerte en 13,8 voor HF.
  • De meeste voorspellers van het basismodel hadden vergelijkbare associaties met MACE bij mensen met en zonder ASCVD bij studieaanvang. Er waren een paar uitzonderingen: zwakkere associaties werden gedetecteerd voor leeftijd, systolische bloeddruk en totaal cholesterol bij mensen met ASCVD vergeleken met mensen zonder ASCVD (respectievelijk, P voor interactie=0,002, 0,0045 en 0,0027); HDL-c was sterker geassocieerd met MACE bij personen met ASCVD vergeleken met personen zonder ASCVD (P voor interactie=0,040).
  • De voorspellers van uitgebreide modellen 1 tot 3 lieten vergelijkbare associaties zien met MACE bij mensen met en zonder ASCVD.
  • De C-statistiek van het basismodel was respectievelijk 0,675 en 0,725 voor mensen met en zonder ASCVD bij studieaanvang. De toevoeging van alle voorspellers in het model (uitgebreid model 4) leidde tot de beste verbetering in discriminatie bij personen met en zonder ASCVD (respectievelijk, ∆C-statistiek: 0,039; 95%BI: 0,007-0,071, en ∆C-statistiek: 0,035; 95%BI: 0,021-0,047).
  • Uitgebreid model 1 liet geen verbeteringen zien vergeleken met het basismodel, terwijl uitgebreid model 2 en 3 kleine verbeteringen lieten zien bij personen zonder ASCVD (uitgebreid model 2, ∆C-statistiek: 0,007; en uitgebreid model 3, ∆C-statistiek: 0,027) maar niet bij personen met ASCVD.

Het universeel voorspellingsmodel

  • Er werden 10 parameters geïdentificeerd voor het universeel voorspellingsmodel, namelijk leeftijd, interactie leeftijd x geschiedenis van ASCVD, diabetes, systolische bloeddruk, antihypertensieve medicatie, interactie totaal cholesterol x geschiedenis van ASCVD, huidige roker, log hs-CRP, log NT-proBNP en log hs-cTnT.
  • Het universeel voorspellingsmodel liet een goede discriminatie zien voor MACE bij personen zonder ASCVD (C-statistiek: 0,748; 95%BI: 0,726-0,770) en bij personen met ASCVD (C-statistiek: 0,692; 95%BI: 0,650-0,735).
  • Het 5-jaars voorspelde risico volgens het universeel voorspellingsmodel was vergelijkbaar met het 5-jaars waargenomen risico (kalibratiehelling was 1,05 [95%BI: 0,93-1,18] bij personen zonder ASCVD en 0,92 [95%BI: 0,69-1,15] bij personen met ASCVD).
  • In het algemeen was het risico op MACE volgens het universeel voorspellingsmodel lager bij mensen zonder ASCVD in vergelijking met mensen met ASCVD. Echter, het 5-jaars waargenomen risico in het hoogste kwintiel van het voorspelde risico bij mensen zonder ASCVD was hoger dat van de laagste 2 kwintielen bij mensen met ASCVD.
  • Het universeel voorspellingsmodel werd gevalideerd in een extern validatiecohort met behulp van data van MESA (Multi-Ethnic Study of Atherosclerosis).

Conclusie

Met behulp van data van het observationele ARIC-cohort werd aangetoond dat de meeste gevestigde voorspellers vergelijkbare associaties vertoonden met MACE bij personen met en zonder een geschiedenis van ASCVD. Het opnemen van extra voorspellers bovenop de gevestigde voorspellers in het basismodel verbeterde de discriminatieprestaties voor MACE, ongeacht de geschiedenis van ASCVD.

De auteurs identificeerden 10 voorspellers voor het universeel risicovoorspellingsmodel voor MACE. Deze voorspellers waren leeftijd, interactie leeftijd x geschiedenis van ASCVD, diabetes, systolische bloeddruk, antihypertensieve medicatie, interactie totaal cholesterol x geschiedenis van ASCVD, huidige roker, log hs-CRP, log NT-proBNP en log hs-cTnT. De nieuwe universele risicovoorspellingsaanpak liet goede discriminatie- en kalibratieprestaties zien bij personen met en zonder ASCVD. "Deze aanpak kan bijdragen aan een efficiëntere risicocommunicatie tussen zorgverleners en patiënten bij de overgang van primaire naar secundaire preventie na het optreden van initiële HVZ", aldus de auteurs.

Referenties

1. Expert Panel on Detection, Evaluation, and Treatment of High Blood Cholesterol in Adults. Executive Summary of The Third Report of The National Cholesterol Education Program (NCEP) Expert Panel on Detection, Evaluation, And Treatment of High Blood Cholesterol In Adults (Adult Treatment Panel III). JAMA. 2001;285: 2486–2497.

2. Goff DC Jr, Lloyd-Jones DM, Bennett G, et al. 2013 ACC/AHA guideline on the assessment of cardiovascular risk: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines. J Am Coll Car diol. 2014;63:2935–2959.

3. Grundy SM, Stone NJ, Bailey AL, et al. 2018 AHA/ACC/AACVPR/AAPA/ABC/ACPM/ADA/AGS/ APhA/ASPC/NLA/PCNA guideline on the manage ment of blood cholesterol: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. J Am Coll Cardiol. 2019;73:e285–e350.

4. Arnett DK, Blumenthal RS, Albert MA, et al. 2019 ACC/AHA guideline on the primary prevention of cardiovascular disease: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guide lines. J Am Coll Cardiol. 2019;74:e177–e232.

5. Whelton PK, Carey RM, Aronow WS, et al. 2017 ACC/AHA/AAPA/ABC/ACPM/AGS/APhA/ASH/ASPC/NMA/PCNA guideline for the prevention, detection,evaluation, and management of high blood pressure in adults: a report of the American College of Car diology/American Heart Association Task Force on Clinical Practice Guidelines. J Am Coll Cardiol. 2018;71:e127–e248.

6. Antman EM, Cohen M, Bernink PJ, et al. The TIMI risk score for unstable angina/non-ST elevation MI: A method for prognostication and therapeutic decision making. JAMA. 2000;284: 835–842.

7. Granger CB, Goldberg RJ, Dabbous O, et al. Predictors of hospital mortality in the global registry of acute coronary events. Arch Intern Med. 2003;163:2345-2353.

Vind dit artikel online op JACC

Registreren

We zijn blij te zien dat je geniet van CVGK…
maar wat dacht u van een meer gepersonaliseerde ervaring?

Registreer gratis