HeartLogic, i risultati dello studio di validazione MultiSENSE

È possibile predire gli episodi di peggioramento dello scompenso cardiaco con settimane di anticipo? Sì, stando ai risultati dello studio di validazione MultiSENSE, pubblicati l’anno scorso sul Journal of the American College of Cardiology: Heart Failure, il quale ha indagato l’efficacia di HeartLogic, un algoritmo multisensore implementabile nei dispositivi cardiaci della famiglia di CRT-D e ICD Resonate di Boston Scientific (1).

Quella di predire gli eventi di peggioramento dello scompenso cardiaco è una possibilità che potrebbe permettere di ridurre di molto l’onere associato al trattamento di questa patologia. Infatti, i ricoveri sono molto frequenti in questa classe di pazienti e si associano a un maggiore tasso di mortalità e di ri-ospedalizzazioni, oltre che a un consumo enorme di risorse (2). Riuscire a predire gli episodi di peggioramento permetterebbe invece di intervenire sul paziente prima che la situazione sia tale da richiederne il ricovero.

Diversi studi, i quali avevano preso in considerazione un singolo indice fisiologico, non erano però riusciti a raggiungere questo obiettivo (3,4). L’algoritmo HeartLogic, al centro dello studio di valutazione MultiSENSE, funziona invece integrando 5 parametri associati ad altrettanti aspetti patofisiologici dello scompenso cardiaco – toni cardiaci, impedenza toracica, respirazione, frequenza cardiaca e livello di attività: nei casi in cui l’indice prodotto dalla combinazione di questi 5 valori supera una determinata soglia, l’algoritmo genera un allarme che viene inviato ai medici attraverso il sistema di monitoraggio da remoto LATITUDE.

Per valutare l’efficacia dell’algoritmo, lo studio internazionale, multicentrico non randomizzato MultiSENSE ha reclutato 974 pazienti con scompenso cardiaco cronico e ridotta funzione ventricolare sinistra provenienti da 81 centri (64 negli U.S.A e 17 in altri paesi). Di questi, 531 hanno preso parte a una prima fase dello studio finalizzata allo sviluppo dell’algoritmo, mentre i restanti 443 sono stati inclusi nella fase di test. Gli endpoint primari erano costituiti da una sensibilità nell’identificare degli episodi di peggioramento dello scompenso superiore al 40% e da un tasso di allarmi ingiustificati all’anno per paziente inferiore a 2,0.

I risultati hanno dimostrato che l’algoritmo HeartLogic è in grado di predire la maggior parte degli eventi di peggioramento dello scompenso cardiaco, definiti come ospedalizzazioni o visite ambulatoriali con la necessità di trattare sintomi di livello IV o di aumentare la terapia orale. In particolare, esso a dimostrato una sensibilità del 70% e un tempo medio di anticipo rispetto all’episodio di peggioramento pari a 34 giorni. Il tasso di allarmi ingiustificati all’anno per paziente è risultato di 1,47.

“Solo 1/3 delle ospedalizzazioni per scompenso cardiaco sono dovute a un peggioramento dello stesso, mentre i restanti 2/3 sono causate da polmoniti, malattie renali e altre patologie”, hanno sottolineato David Whellan e JoAnn Lindenfeld, autori di un editoriale di commento sui risultati dello studio (5). “Una tecnologia multi sensore potrebbe avere un valore predittivo anche per queste cause di ri-ospedalizzazione: ad esempio, un aumento della frequenza cardiaca e della frequenza respiratoria con un impedenza toracica stabile potrebbe essere segno di peggioramento di una pneumopatia ostruttiva cronica”.

Vedi anche:
– Predire lo scompenso con HeartLogic. Lo studio MultiSENSE
– L’indice Heart Logic nella pratica clinica

Bibliografia

1. Boehemer JP, Hariharan R, Devecchi FG, et al. A multisensor algorithm predicts heart failure events in patients with implanted devices. JACC: Heart Failure 2017; 5(3): 216 – 225.
2. Mozaffarian D, Benjamin EJ, Go AS, et al. Heart disease and stroke statistics—2016 update: a report from the American Heart Association. Circulation 2016; 133: e38–360.
3. Conraads VM, Tavazzi L, Santini M, et al. Sensitivity and positive predictive value of implantable intrathoracic impedance monitoring as a predictor of heart failure hospitalizations: the SENSE-HF trial. European Heart Journal 2011; 32: 2266–73.
4. Heist EK, Herre JM, Binkley PF, et al. Analysis of different device-based intrathoracic impedance vectors for detection of heart failure events (from the Detect Fluid Early From Intrathoracic Impedance Monitoring study). American Journal of Cardiology 2014; 114: 1249–56.
5. Whellan DJ, Lindenfeld JA. Easy to predict, difficult to prevent. JACC: Heart Failure 2017; 5(3): 216 – 225.