Ostry zespół wieńcowy
Rokowania, prognozy i postęp choroby
Ostry zespół wieńcowy (ACS) pozostaje istotnym wyzwaniem klinicznym ze względu na wysoką śmiertelność zarówno w okresie hospitalizacji, jak i po wypisie. Badania wskazują na zróżnicowane rokowanie w zależności od podtypu ACS, gdzie pacjenci ze STEMI wykazują wyższą śmiertelność w pierwszych 30 dniach, natomiast pacjenci z NSTEMI mają wyższe ryzyko zgonu w dłuższej perspektywie (do 2 lat). Wskaźniki śmiertelności 6-miesięcznej wynoszą 13% dla NSTEMI i 8% dla niestabilnej dławicy piersiowej. Czynniki współistniejące, takie jak dysfunkcja nerek, POChP, niedobór żelaza (HR 1,52; 95% CI 1,03-2,26; p=0,037) oraz płeć żeńska, znacząco pogarszają rokowanie. Skale ryzyka, zwłaszcza GRACE, pozostają standardem w ocenie ryzyka zgonu po ACS, wykazując wysoką dokładność predykcyjną, choć ich złożoność może ograniczać zastosowanie kliniczne. Modele uczenia maszynowego (ML) wykazują obiecujące wyniki w przewidywaniu śmiertelności, z indeksem C sięgającym 0,86 dla śmiertelności wewnątrzszpitalnej i 0,82 dla śmiertelności 3-6 miesięcznej, jednak wymagają dalszej walidacji przed powszechnym wdrożeniem.
- Prognoza w ostrym zespole wieńcowym – ocena ogólna
- Modele prognostyczne w ocenie ryzyka pacjentów z ACS
- Skala GRACE i inne tradycyjne modele predykcyjne
- Modele uczenia maszynowego w prognozowaniu ACS
- Nowe markery prognostyczne w ACS
- Wielowymiarowe podejście do oceny rokowania w ACS
- Wyzwania związane z modelami prognostycznymi w ACS
- Skala ryzyka EPICOR
- Podsumowanie
Prognoza w ostrym zespole wieńcowym – ocena ogólna
Ostry zespół wieńcowy (ACS) pozostaje główną przyczyną zachorowalności i śmiertelności na świecie, pomimo znacznych postępów w leczeniu. Śmiertelność po przyjęciu do szpitala pozostaje istotnie wysoka, a pacjenci mogą mieć złe rokowanie nawet po wypisie. Kluczowe dla długoterminowego przeżycia pacjentów z ACS jest skuteczne i terminowe leczenie oraz identyfikacja osób o podwyższonym ryzyku zdarzeń niepożądanych w perspektywie krótko- i długoterminowej.12
Badania wykazały zróżnicowane wyniki w zależności od typu ostrego zespołu wieńcowego. W dużym badaniu obejmującym 8859 pacjentów nie wykazano różnicy w śmiertelności ogólnej między 31 dniem a 2 latami u pacjentów z zawałem mięśnia sercowego z uniesieniem odcinka ST (STEMI) w porównaniu do pacjentów z zawałem bez uniesienia odcinka ST (NSTEMI) lub stabilną chorobą niedokrwienną serca (SIHD). Inne badania wykazały jednak znaczący wzrost śmiertelności ogólnej u pacjentów ze STEMI w ciągu pierwszych 30 dni, przy czym pacjenci z NSTEMI wykazywali wyższy wskaźnik śmiertelności w porównaniu do pacjentów z SIHD w okresie 2-letniej obserwacji.3
Rejestry kliniczne, takie jak Global Registry of Acute Coronary Events (GRACE), wykazały, że 6-miesięczne wskaźniki śmiertelności wyniosły 13% dla pacjentów z NSTEMI i 8% dla pacjentów z niestabilną dławicą piersiową.4 Badanie PROVE IT-TIMI wykazało, że po ACS obserwuje się zależność między ciśnieniem krwi a ryzykiem przyszłych zdarzeń sercowo-naczyniowych w kształcie krzywej J lub U.5
Różnice związane z płcią w rokowaniu ACS
Przeglądy systematyczne wykazały, że kobiety mają gorsze rokowanie krótkoterminowe w porównaniu do mężczyzn, co jest istotną obserwacją wpływającą na stratyfikację ryzyka i planowanie leczenia. Wskaźniki śmiertelności ogólnej i śmiertelności z przyczyn sercowych były znacząco wyższe u kobiet niż u mężczyzn z STEMI podczas 2-letniej obserwacji.67
Wpływ chorób współistniejących na rokowanie
Choroby współistniejące mają znaczący wpływ na rokowanie w ACS. Badanie Sanchis i wsp. sugeruje, że dysfunkcja nerek, demencja, choroba tętnic obwodowych, wcześniejsza niewydolność serca i wcześniejszy zawał mięśnia sercowego są chorobami współistniejącymi, które prognozują śmiertelność w NSTEMI.8
Pacjenci z przewlekłą obturacyjną chorobą płuc (POChP) mają wyższe ryzyko zawału mięśnia sercowego niż osoby bez POChP, a choroby sercowo-naczyniowe są ważną przyczyną zgonów u osób z POChP. Stwierdzono, że skale GRACE do przewidywania ryzyka zgonu po 6 miesiącach od przyjęcia do szpitala z powodu ACS nie działają tak dobrze u osób z POChP w porównaniu z osobami bez POChP. Średnio pacjenci z POChP mieli o 30% wyższe ryzyko zgonu niż pacjenci bez POChP z takim samym wynikiem GRACE.9
Również niedobór żelaza okazał się być szeroko rozpowszechnioną chorobą współistniejącą w ACS, silnie związaną z niekorzystnym rokowaniem w perspektywie średnioterminowej, niezależnie od funkcji skurczowej serca, rozmiaru martwicy mięśnia sercowego i niedokrwistości. Niedobór żelaza silnie przewidywał niezakończony zgonem zawał mięśnia sercowego i śmiertelność sercowo-naczyniową ze współczynnikiem ryzyka (HR) 1,52 (95% przedział ufności (CI) 1,03-2,26; p = 0,037), skorygowanym o wiek, płeć, nadciśnienie, status palenia, cukrzycę, hiperlipidemię i wskaźnik masy ciała (BMI).10
Modele prognostyczne w ocenie ryzyka pacjentów z ACS
Dokładna prognoza ryzyka zgonu po ostrym zespole wieńcowym jest ważna dla rokowania i podejmowania decyzji o leczeniu, ponieważ osoby o wyższym ryzyku zgonu po ACS odnoszą największe korzyści z wczesnego agresywnego leczenia.11
Skala GRACE i inne tradycyjne modele predykcyjne
Skala GRACE (Global Registry of Acute Coronary Events) jest szeroko stosowana na całym świecie do przewidywania prawdopodobieństwa zgonu po 6 miesiącach od przyjęcia do szpitala z powodu ACS. Wykazano, że model GRACE utrzymuje wysoką dokładność przewidywania 30-dniowej śmiertelności pacjentów z STEMI i NSTE-ACS nawet w okresach pandemii COVID-19, pomimo zaobserwowanych marginalnych różnic.1213
Inne badania porównywały skuteczność skal TIMI i GRACE w stratyfikacji ryzyka pacjentów z ACS. Skala TIMI klasyfikowała pacjentów z ACS do kategorii niższego ryzyka, podczas gdy skala GRACE była bardziej czuła w stratyfikacji pacjentów z ACS do kategorii wysokiego ryzyka. Niewydolność serca i zgony były znacząco związane z kategorią wysokiego ryzyka według skali GRACE u pacjentów z ACS.14
Pomimo popularności i wszechstronności, skala GRACE ma również pewne ograniczenia. Jej złożoność jako skali ryzyka wewnątrzszpitalnego czasami ogranicza scenariusze użycia i czas. Dlatego ważne jest, aby wybrać model punktacji ryzyka z prostymi zmiennymi i silnymi możliwościami oceny.15
Modele uczenia maszynowego w prognozowaniu ACS
W ostatnich latach modele uczenia maszynowego (ML) zyskały na popularności w przewidywaniu ryzyka śmiertelności u pacjentów z ACS. Metaanaliza wykazała, że połączony indeks C modeli ML w kohorcie walidacyjnej przewidujący śmiertelność wewnątrzszpitalną, 30-dniową śmiertelność, śmiertelność 3- lub 6-miesięczną oraz śmiertelność 1-roczną lub powyżej u pacjentów z ACS wynosił odpowiednio 0,8633 (95% CI 0,8467-0,8802), 0,8296 (95% CI 0,8134-0,8462), 0,8205 (95% CI 0,7881-0,8541) i 0,8197 (95% CI 0,8042-0,8354), z odpowiednią połączoną dokładnością 0,8569 (95% CI 0,8411-0,8715), 0,8282 (95% CI 0,7922-0,8591), 0,7303 (95% CI 0,7184-0,7418) i 0,7837 (95% CI 0,7455-0,8175), co wskazuje, że modele ML były stosunkowo doskonałe w przewidywaniu śmiertelności ACS w różnych okresach.16
Modele ML mają doskonałą moc predykcyjną dla śmiertelności w ACS, ale metodologie mogą wymagać udoskonalenia, zanim będą mogły być stosowane w praktyce klinicznej. Najczęściej używanymi predyktorami były wiek, płeć, skurczowe ciśnienie krwi, stężenie kreatyniny w surowicy, klasyfikacja Killipa, częstość akcji serca, rozkurczowe ciśnienie krwi, stężenie glukozy we krwi i hemoglobina, przy czym wiek był najczęściej używaną i najważniejszą zmienną predykcyjną.1718
Badanie oceniające nowo opracowany model AI do przewidywania ACS u pacjentów zgłaszających się do pogotowia ratunkowego wykazało, że model AI miał specyficzność 11% i czułość 99,5%, podczas gdy standardowa opieka miała specyficzność 1% i czułość 99,5%. Model AI prowadził do 1100% wzrostu specyficzności w porównaniu do zwykłej opieki, co oznacza, że więcej pacjentów bez ACS mogło pozostać w domu po konsultacji pogotowia ratunkowego.19
Nowe markery prognostyczne w ACS
Biomarkery odgrywają kluczową rolę w diagnozowaniu, stratyfikacji ryzyka i ocenie rokowania w ACS. Wysokoczuła troponina (hs-cTn) zrewolucjonizowała diagnostykę ACS ze względu na jej doskonałą czułość i negatywną wartość predykcyjną. Jednak wciąż istnieją wyzwania dotyczące swoistości, standaryzacji i interpretacji.20
hs-cTn jest również ilościowym biomarkerem w diagnostyce zawału mięśnia sercowego, ponieważ 5-krotny wzrost powyżej górnej granicy referencyjnej (URL) ma wysoką dodatnią wartość predykcyjną (>90%) dla zawału typu 1. Jednocześnie wzrost diagnozy zawałów doprowadził do subtelnego zmniejszenia częstości występowania niestabilnej dławicy piersiowej. cTn-T jest lepszym wskaźnikiem prognostycznym śmiertelności ogólnej, ale jego klirens jest bardziej znacząco upośledzony w niewydolności nerek.21
W badaniu klinicznym case-control u pacjentów z ACS bez uniesienia odcinka ST odkryto, że stężenie NT-proBNP było podwyższone u pacjentów, którzy doświadczyli śmiertelności w porównaniu do tych, którzy przeżyli. Badanie TACTICS-TIMI 18 obejmowało randomizację 1676 pacjentów z ACS bez uniesienia odcinka ST do grup terapii zachowawczej i wczesnej inwazyjnej.22
Kopeptyna pojawiła się jako niezależny wskaźnik całkowitej śmiertelności i marker ogólnej podatności, na który wpływa występowanie niewydolności serca, cukrzycy typu 2, płeć żeńska i wcześniejszy zawał mięśnia sercowego. Ostatnie dowody wskazują, że kopeptyna może oferować dodatkowe korzyści w stosunku do cTn w szybkim wykluczaniu pacjentów z podejrzeniem ACS.23
Podwyższone poziomy mieloperoksydazy (MPO) w surowicy u osób doświadczających ACS wiązały się z przyszłymi zdarzeniami sercowo-naczyniowymi i mogły identyfikować osoby zagrożone zdarzeniami niepożądanymi. Wysokie poziomy MPO przy przyjęciu mogą wskazywać na pacjentów z ACS zagrożonych powikłaniami podczas hospitalizacji, takimi jak niewydolność serca, zaburzenia rytmu i niewydolność nerek.2425
Wielowymiarowe podejście do oceny rokowania w ACS
Kompleksowa ocena rokowania w ACS wymaga uwzględnienia wielu czynników, w tym odpowiedzi zapalnej po wystąpieniu, wydolności fizycznej i tolerancji wysiłku przed wypisem oraz codziennej aktywności po wypisie. Wielowymiarowy model prognostyczny okazał się skuteczniejszy niż model jednowymiarowy w ocenie ryzyka u pacjentów z ACS.2627
Indeks szoku i kreatynina (SIC)
Skala Shock Index Creatinine (SIC) to niedawno opracowane narzędzie do stratyfikacji ryzyka pacjentów z ACS. Analiza wieloczynnikowa wykazała, że wynik SIC był znacząco związany ze śmiertelnością wewnątrzszpitalną. Wysoki wynik SIC (SIC>25) wiązał się ze znacząco wyższą śmiertelnością wewnątrzszpitalną (p<0,001) z ilorazem szans (95% CI) wynoszącym 2,655 (1,64-4,31). SIC miał akceptowalną wartość predykcyjną dla śmiertelności wewnątrzszpitalnej (AUC=0,789, 95% CI: 0,748-0,831, p<0,001). Dla SIC czułość i swoistość wynosiły odpowiednio 71,5% i 74,4%, przy optymalnej wartości odcięcia SIC>25.28
Dokładny predyktor śmiertelności ma na celu poprawę i optymalizację strategii zarządzania dla pacjentów z ACS. Wysoka śmiertelność wśród pacjentów z ACS w Indonezji wymaga nowego podejścia do oceny rokowania i stratyfikacji ryzyka. SIC może być stosowany do stratyfikacji ryzyka pacjentów z ACS i określenia, czy procedura interwencyjna jest konieczna.29
Globalne odkształcenie podłużne (GLS)
Badanie analizujące dodatkową wartość globalnego odkształcenia podłużnego (GLS) oprócz frakcji wyrzutowej lewej komory (LVEF) w długoterminowej prognozie ryzyka łącznego zgonu i ponownej hospitalizacji z powodu niewydolności serca po ostrym zespole wieńcowym wykazało, że GLS pojawił się jako niezależny długoterminowy predyktor złożonego punktu końcowego składającego się ze zgonu z wszystkich przyczyn i ponownej hospitalizacji z powodu niewydolności serca po ACS. Jednak nie było znaczącej dodatkowej wartości predykcyjnej GLS, gdy LVEF była już znana.3031
Wyzwania związane z modelami prognostycznymi w ACS
Pomimo znacznych postępów w tworzeniu modeli prognostycznych dla ACS, istnieją istotne wyzwania związane z ich generalizacją i zastosowaniem w różnych populacjach pacjentów. Niezależne zewnętrzne walidacje opublikowanych modeli przewidywania klinicznego (CPM) dla ACS wykazały, że modele testowane w próbce miały stosunkowo dobrze zachowaną dyskryminację, ale słabą kalibrację podczas zewnętrznej walidacji.32
Zastosowanie gotowych modeli CPM często wiąże się z ryzykiem szkody netto, chyba że modele są przekalibrowane do populacji, w których są używane. Podczas niezależnych zewnętrznych walidacji, te CPM czasami wykazywały znaczne pogorszenie wydajności dyskryminacyjnej, jednak było to generalnie spowodowane węższym zestawem przypadków, a nie nieważnością modelu. Co ważniejsze, słaba kalibracja była często znacząca, z błędami w przewidywaniach, które stanowiły około 40% obserwowanej częstości wyników, co oznacza, że użycie modelu często powodowałoby szkodę netto w porównaniu do najlepszej domyślnej strategii, gdy próg decyzyjny odbiegał od prewalencji.33
Kalibracja modelu może być znacznie poprawiona poprzez aktualizację punktu przecięcia modelu lub punktu przecięcia i nachylenia. Korzystanie z CPM dla ACS z literatury do podejmowania decyzji, gdy próg jest daleki od częstości występowania wyniku, nie może być zalecane, z wyjątkiem bardzo niezwykłych okoliczności, gdy wiadomo, że CPM jest dobrze skalibrowany do badanej populacji klinicznej.34
Wpływ POChP na modele prognostyczne
Aby poprawić wyniki skali GRACE dla pacjentów z POChP, jedną z opcji byłoby przekształcenie modelu GRACE uwzględniającego POChP jako czynnik ryzyka. Alternatywnie, pomnożenie przewidywanego ryzyka zgonu według skali GRACE przez 1,3 dla pacjentów z POChP zapewnia bardzo bliskie przybliżenie. Oznaczałoby to, że 34% osób z POChP przeniosłoby się z klasyfikacji niskiego ryzyka do umiarkowanego ryzyka (3% do 36%). Zmiany te mają ważne implikacje, ponieważ zalecenia dotyczące leczenia po NSTEMI i niestabilnej dławicy piersiowej opierają się na klasyfikacji jako umiarkowane lub wysokie przewidywane ryzyko zgonu.35
Skala ryzyka EPICOR
Istnieje potrzeba niezawodnego narzędzia predykcyjnego do identyfikacji pacjentów z ACS o wysokim ryzyku śmiertelności, co może ostatecznie pozwolić na dostosowane decyzje lecznicze i poprawę rokowania. Nowa, przyjazna dla użytkownika skala ryzyka dostępna na stronie www.acsrisk.org może łatwo zidentyfikować pacjentów o wysokim ryzyku.36
Przedstawione wyniki opierają się na dużym międzynarodowym prospektywnym badaniu kohortowym w rzeczywistych warunkach obejmującym kolejnych pacjentów hospitalizowanych z powodu ACS w ciągu 24 godzin od wystąpienia objawów, którzy przeżyli do wypisu ze szpitala. Indywidualna śmiertelność jednoroczna może być wiarygodnie oszacowana przy użyciu 12 łatwo dostępnych pozycji, a wynikająca z tego dyskryminacja ryzyka i dopasowanie modelu są dobre.37
Podsumowanie
Ocena rokowania w ostrym zespole wieńcowym jest kluczowym elementem zarządzania pacjentem, wpływającym na decyzje terapeutyczne i wyniki leczenia. Pomimo znacznych postępów w leczeniu, śmiertelność po wystąpieniu ACS pozostaje istotnym problemem klinicznym. Różnorodne czynniki, w tym typ ACS, płeć, choroby współistniejące, funkcja lewej komory oraz markery biochemiczne, mają wpływ na rokowanie krótko- i długoterminowe.
Modele predykcyjne, takie jak skala GRACE, TIMI czy nowsze modele oparte na uczeniu maszynowym, oferują narzędzia do stratyfikacji ryzyka, choć wymagają one często dostosowania do specyficznych populacji pacjentów. Wielowymiarowe podejście do oceny rokowania, uwzględniające nie tylko czynniki kliniczne, ale również parametry funkcjonalne i biochemiczne, wydaje się być najskuteczniejszą strategią w identyfikacji pacjentów o wysokim ryzyku powikłań.
Rozwój coraz dokładniejszych i łatwiejszych w użyciu narzędzi prognostycznych, takich jak skala SIC czy indeks EPICOR, może przyczynić się do poprawy opieki nad pacjentami z ACS, umożliwiając wczesną identyfikację osób wymagających intensywnego nadzoru i agresywnego leczenia.
Kolejne rozdziały
Zapraszamy do dalszego czytania naszego leksykonu.
Wybierz kolejny rozdział z menu poniżej, aby otworzyć nową podstronę kompedium wiedzy i uzyskać szczegółowe informację o leku, substancji lub chorobie.