Ліпідомний і полігенний ризик можуть покращити сучасне прогнозування серцево-судинного ризику

Стандартні клінічні шкали оцінки серцево-судинного ризику не завжди точно визначають людей, у яких згодом виникають серцево-судинні події. За даними дослідження, частина пацієнтів, у яких пізніше розвиваються такі події, спочатку класифікується як група низького або проміжного ризику.

Особливо важливою є група проміжного ризику, оскільки саме в ній рішення щодо профілактичного лікування часто є менш очевидним. Додаткова оцінка ризику може допомогти точніше визначити пацієнтів, яким потрібне активніше спостереження або профілактична терапія.

Дослідники оцінили, чи може додавання ліпідомних і геномних даних до клінічного алгоритму AusCVDRisk покращити прогнозування 5-річного ризику серцево-судинних захворювань.

Основний акцент зробили на пацієнтах із проміжним клінічним ризиком — від 5 % до <10 % за AusCVDRisk.

У дослідженні використали дані кількох австралійських когорт дорослих без серцево-судинних захворювань на початку спостереження.

Для побудови й перевірки моделей застосовували:

• клінічний алгоритм AusCVDRisk;
• ліпідомну оцінку на основі 689 видів ліпідів;
• полігенну оцінку ризику ішемічної хвороби серця, яка включала 762 124 генетичні варіанти.

Загалом внутрішню та зовнішню валідацію провели у 5 австралійських когортах із загальною кількістю 13 521 дорослий учасник.

Було створено три розширені оцінки ризику:

• L.CVDRisk — ліпідомно-доповнена оцінка;
• G.CVDRisk — геномно-доповнена оцінка;
• LG.CVDRisk — комбінована ліпідомно-геномна оцінка.

Основні результати

Комбінована модель LG.CVDRisk показала помірне покращення прогнозування порівняно зі стандартним AusCVDRisk.

Найбільша користь спостерігалася серед осіб із проміжним ризиком:

• покращення дискримінації в групі проміжного ризику становило ΔC 0,071;
• загальне покращення дискримінації було меншим — ΔC 0,012;
• чисте покращення рекласифікації в групі проміжного ризику становило 0,305;
• загальне чисте покращення рекласифікації становило 0,080.

Серед осіб із проміжним ризиком комбінована модель краще виявляла тих, у кого згодом виникали серцево-судинні події. Чиста рекласифікація подій становила 38,2 %, тоді як для осіб без подій показник становив –6,8 %.

Це означає, що модель краще визначала частину майбутніх серцево-судинних подій, але могла супроводжуватися невеликим зниженням специфічності.

Дані коронарної візуалізації

У когорті пацієнтів, які проходили коронарну КТ, комбінована модель LG.CVDRisk перекласифікувала 17 із 41особи проміжного ризику з вираженою коронарною кальцифікацією до категорії високого ризику.

Це становило 41 % пацієнтів із високим атеросклеротичним навантаженням за показником кальцію коронарних артерій.

Результати свідчать, що ліпідомне та геномне профілювання може бути найбільш корисним не для всіх пацієнтів, а саме для тих, хто за стандартною клінічною шкалою належить до групи проміжного ризику.

Такий підхід може допомогти:

• уточнити індивідуальний серцево-судинний ризик;
• краще визначити пацієнтів, яким може бути потрібна інтенсивніша профілактика;
• підтримати персоналізовані рішення в первинній медичній допомозі;
• виявити частину осіб із проміжним ризиком, які можуть мати значне субклінічне атеросклеротичне навантаження.

Обмеження

Дослідження мало кілька важливих обмежень. Когорти відрізнялися за складом, віком учасників і доступністю даних. У деяких наборах даних були відсутні окремі клінічні змінні, зокрема фібриляція передсердь та деякі додаткові фактори рекласифікації ризику.

Також учасники були переважно європейського походження, а представники корінних народів Австралії були недостатньо представлені. Тому перед ширшим впровадженням потрібна подальша перевірка в більш різноманітних популяціях.

Крім того, результати потребують оцінки в реальних умовах первинної медичної допомоги, зокрема щодо практичності, вартості, впливу на клінічні рішення та серцево-судинні наслідки. 

ДЖЕРЕЛО: sciencedirect

На платформі Accemedin багато цікавого! Аби не пропустити — підписуйтесь на наші сторінки! Facebook. Telegram. Viber. Instagram.