Un nuovo algoritmo multiparametrico in grado di predire le ospedalizzazioni per scompenso cardiaco: lo studio SELENE HF

I moderni defibrillatori impiantabili (ICD) raccolgono numerosi parametri clinici (come il livello di attività fisica, l’impedenza intratoracica, il burden aritmico, etc.) che correlano con lo stato di compenso del paziente e che possono essere monitorati nel tempo grazie al monitoraggio remoto. Numerosi studi hanno testato diversi algoritmi che utilizzano questi parametri e le loro variazioni nel tempo per predire gli episodi di scompenso cardiaco, ma questi algoritmi sono risultati spesso gravati da un alto numero di falsi positivi.

Lo studio

Recentemente sono stati pubblicati su Europace i risultati del SELENE HF, uno studio italiano che ha avuto l’obiettivo di sviluppare e validare un algoritmo per la previsione delle ospedalizzazioni per scompenso cardiaco che utilizza i dati di monitoraggio remoto trasmessi dagli ICD.

Lo studio ha arruolato 918 pazienti (età mediana 69 anni, 81% uomini, frazione di eiezione mediana 30%) con terapia di resincronizzazione cardiaca (44%), defibrillatori bicamerali (38%) o monocamerali con diagnostica atriale (18%). Per sviluppare un algoritmo predittivo, le tendenze temporali di diversi parametri (frequenza cardiaca diurna e notturna, extrasistoli ventricolari, burden di tachiaritmia atriale, heart rate variability, attività fisica e impedenza toracica) ottenute dalle trasmissioni quotidiane automatiche del monitoraggio remoto sono state combinate con uno stratificatore di rischio di base (modello Seattle HF) per ottenere un indice predittivo di scompenso. L’endpoint primario dello studio era il primo ricovero per scompenso cardiaco che si verificava dopo l’impianto.

Dopo un follow-up mediano di 22.5 mesi dall’arruolamento, i pazienti sono stati assegnati in modo casuale al gruppo di derivazione dell’algoritmo (n = 457; 31 endpoint) o al gruppo di validazione dell’algoritmo (n = 461; 29 endpoint). Nel gruppo di derivazione, l’indice predittivo ha mostrato una statistica C di 0.89 con un odds ratio di 2.73 per il primo ricovero per scompenso cardiaco per incremento unitario del valore dell’indice predittivo (p<0.001). Nel gruppo di validazione, la sensibilità della previsione dell’endpoint primario era del 65.5%, il tempo mediano  tra positivizzazione dell’indice ed ospedalizzazione per scompenso era di 42 giorni (intervallo interquartile 21-89) e il numero di falsi positivi era di 0.69 per paziente-anno.

In conclusione, i risultati di questo studio hanno dimostrato che questo algoritmo che combina i trend temporali dei dati raccolti dall’ICD con il profilo di rischio basale del paziente è in grado di predire tempestivamente nei 2/3 dei casi le ospedalizzazioni per scompenso cardiaco con 0.7 falsi positivi per paziente-anno.

Bibliografa

D’Onofrio A, Solimene F, Calò L, Calvi V, Viscusi M, Melissano D, Russo V, Rapacciuolo A, Campana A, Caravati F, Bonfanti P, Zanotto G, Gronda E, Vado A, Calzolari V, Botto GL, Zecchin M, Bontempi L, Giacopelli D, Gargaro A, Padeletti L. Combining home monitoring temporal trends from implanted defibrillators and baseline patient risk profile to predict heart failure hospitalizations: results from the SELENE HF study. Europace. 2022 Feb 2;24(2):234-244.