Simple Science

Ciência de ponta explicada de forma simples

# Ciências da saúde# Medicina cardiovascolare

Novo Calculadora de Risco para Doenças Cardiovasculares em Chineses

Uma ferramenta especializada tem como objetivo melhorar as avaliações de risco de CVD para pacientes chineses.

― 7 min ler


Ferramenta de Risco deFerramenta de Risco deDoenças Cardiovascularespara Pacientes Chinesespessoas chinesas.as avaliações cardiovasculares paraUma calculadora personalizada melhora
Índice

As doenças cardiovasculares (DCVs) são problemas sérios de saúde que incluem condições como ataques cardíacos e insuficiência cardíaca. Essas doenças são causas principais de morte e doenças no mundo todo. Pra ajudar os médicos a avaliar rápido o risco de um paciente desenvolver DCVs, usam-se calculadoras de risco. Esses tools oferecem estimativas de risco e ajudam a guiar decisões médicas tanto na atenção primária quanto na secundária.

Calculadoras de Risco Populares

Tem várias calculadoras de risco conhecidas que ajudam a avaliar a probabilidade de DCVs. Alguns exemplos incluem:

  • ASCVD Risk Estimator (desenvolvida pelo American College of Cardiology)
  • Framingham Risk Score
  • QRisk3

Tem também outras calculadoras como o Reynolds Risk Score e vários modelos desenvolvidos pra populações específicas. Mas uma lacuna notável é que não existiam calculadoras especificamente para pessoas de ascendência chinesa antes de pesquisas recentes.

Pesquisa na População Chinesa

Desde 2020, estudos focados em entender fatores de risco pra DCVs na população chinesa estão rolando. Os pesquisadores analisaram de perto fatores como pressão arterial, níveis de colesterol e níveis de açúcar no sangue. Eles também consideraram flutuações nessas medições ao longo do tempo. Essa pesquisa tinha o objetivo de estabelecer melhores modelos de risco pra condições como ataques cardíacos, derrames, insuficiência cardíaca e até outras questões de saúde como ansiedade e fraturas ósseas.

O objetivo era criar modelos de risco que usassem tecnologia avançada, conhecida como inteligência artificial (IA), pra melhorar a precisão das previsões. As primeiras publicações de modelos de risco de DCV especificamente pra indivíduos chineses vieram de outras equipes de pesquisa. Pra melhorar ainda mais esses modelos, uma nova ferramenta chamada PowerAI-CVD foi desenvolvida recentemente. Este é o primeiro modelo suportado por IA validado especificamente para a população chinesa.

Como Funciona o PowerAI-CVD

O PowerAI-CVD foi projetado usando dados históricos extensos de pacientes chineses de Hong Kong que visitaram clínicas de medicina familiar entre 2000 e 2003. Esses dados incluíram duas décadas de informações de acompanhamento sobre ataques cardíacos, insuficiência cardíaca, derrames e um resultado combinado chamado Eventos Cardiovasculares Adversos Maiores em vários pontos no tempo-1 ano, 3 anos, 5 anos, 10 anos e 20 anos.

Embora a IA possa aumentar significativamente as capacidades de previsão, ela também pode criar algoritmos complexos que são difíceis pra médicos usarem regularmente. Em contraste, uma calculadora simples baseada na web pode ser usada facilmente pelos profissionais de saúde em ambientes clínicos.

Desenvolvimento de uma Nova Calculadora de Risco

Em 2020, pesquisadores desenvolveram uma calculadora de risco especificamente pra prever COVID-19 severo em pacientes chineses, que foi disponibilizada gratuitamente pra profissionais de saúde. Com base nesse trabalho, uma nova calculadora foi desenvolvida que incorpora novos fatores, como infecções anteriores de COVID-19 e vacinações, nas avaliações de risco cardiovascular.

Aprovação do Estudo e Coleta de Dados

O estudo que levou à nova calculadora de risco recebeu aprovação ética dos conselhos de revisão relevantes. Ele envolveu a análise de dados de pacientes coletados de registros eletrônicos de saúde gerenciados pela Hong Kong Hospital Authority. Esses dados vieram de hospitais públicos e clínicas ambulatoriais, fornecendo uma riqueza de informações para os pesquisadores.

O estudo incluiu pacientes que visitaram clínicas familiares entre janeiro de 2000 e dezembro de 2003. Aqueles que morreram em 30 dias ou tinham menos de 18 anos foram excluídos. Várias informações clínicas foram coletadas, incluindo idade, sexo, leituras de pressão arterial e detalhes de doenças existentes como diabetes e hipertensão.

Principais Descobertas e Análise Estatística

O objetivo principal do estudo era identificar casos de eventos cardiovasculares adversos maiores durante os acompanhamentos. As descobertas mostraram que uma grande porcentagem de pacientes experimentou tais eventos durante um período mediano de acompanhamento de mais de 16 anos. Os pesquisadores usaram vários métodos estatísticos pra analisar os dados e identificar preditores significativos de eventos cardiovasculares.

Construindo o Modelo ChineseCVD

Pra criar o modelo ChineseCVD, os pesquisadores seguiram um método que usou dados de uma coorte histórica pra desenvolver o modelo e depois o validaram com dados de pacientes contemporâneos. Eles aplicaram regressão de Cox pra identificar preditores importantes de eventos cardiovasculares. Os resultados revelaram que fatores como idade, sexo, leituras de pressão arterial e condições de saúde existentes eram preditores significativos de risco.

Além disso, o modelo adicionou novas variáveis, incluindo infecções anteriores de COVID-19, o número de vacinações recebidas e os efeitos de novos tratamentos como estatinas e outros medicamentos. Uma interface gráfica também foi projetada pra tornar o modelo ChineseCVD mais amigável.

Importância da Calculadora ChineseCVD

O principal destaque dessa pesquisa é a criação do ChineseCVD, uma ferramenta online que é de acesso livre pra profissionais de saúde. Essa calculadora inclui novos fatores relacionados à COVID-19 e vários efeitos de tratamentos, abordando limitações em calculadoras existentes que não consideravam a introdução de certos medicamentos.

A calculadora ChineseCVD é particularmente relevante porque muitos modelos existentes foram desenvolvidos usando dados de populações ocidentais. Esses modelos podem não refletir com precisão os riscos pra populações asiáticas devido a diferenças em genética, estilo de vida e fatores culturais.

Comparação com Outros Modelos de Risco

Existem várias calculadoras de risco estabelecidas pra saúde cardiovascular, como QRISK3 e os modelos ACC/AHA. Esses foram desenvolvidos a partir de estudos que envolviam principalmente populações ocidentais. Populações europeias e asiáticas têm perfis de saúde diferentes, e aplicar calculadoras ocidentais pode levar a estimativas de risco enganosas.

O novo modelo ChineseCVD se destaca porque é especificamente adaptado pra considerar as características de saúde do povo chinês. Por exemplo, pesquisas mostraram que os níveis de pressão arterial e colesterol podem diferir significativamente entre populações ocidentais e asiáticas, tornando crucial ter uma abordagem adaptada.

Desenvolvimentos Futuros

Olhando pra frente, os pesquisadores planejam melhorar ainda mais o modelo ChineseCVD considerando mais dados de pacientes e desenvolvimentos de saúde recentes. Eles também estão trabalhando na criação de modelos de risco pra outras condições de saúde, como diabetes e câncer, que incorporariam fatores individualizados semelhantes.

A calculadora de risco ChineseCVD é um passo em direção a oferecer um cuidado melhor e mais personalizado pra indivíduos em risco de doenças cardiovasculares. Ao permitir avaliações rápidas, ela pode ajudar os médicos a tomar decisões informadas no ponto de cuidado, melhorando, em última análise, os resultados dos pacientes.

Conclusão

Em resumo, as doenças cardiovasculares são uma preocupação significativa de saúde global, e entender os fatores de risco é vital pra prevenção e manejo. O desenvolvimento da calculadora ChineseCVD representa um avanço importante em utilizar dados pra apoiar os profissionais de saúde na tomada de decisões rápidas e informadas pra seus pacientes. Ao incorporar as pesquisas mais recentes sobre COVID-19 e efeitos de tratamento, essa ferramenta busca fornecer uma avaliação mais precisa do risco cardiovascular pra população chinesa.

Fonte original

Título: ChineseCVD: first-in-world, web-based, Chinese-specific Cardiovascular Risk Calculator incorporating long COVID, COVID-19 vaccination, SGLT2i and PCSK9i treatment effects

Resumo: BackgroundWeb-based risk prediction tools for cardiovascular diseases are crucial for providing rapid risk estimates for busy clinicians, but there is none available specifically for Chinese subjects. This study developed ChineseCVD, first-in-world web-based Chinese-specific Cardiovascular Risk Calculator incorporating long COVID, COVID-19 vaccination, SGLT2i and PCSK9i treatment effects. MethodsAdult patients attending government-funded family medicine clinics in Hong Kong between 1st January 2000 and 31st December 2003 were included. The primary outcome was major adverse cardiovascular events (MACE) defined as a composite of myocardial infarction, heart failure, transient ischaemic attacks/ischaemic strokes, and cardiovascular mortality. ResultsA total of 155,066 patients were used as the derivation cohort. Over a median follow-up of 16.1 (11.6-17.8) years, 31,061 (20.44%) had MACE. Cox regression identified male gender, age, comorbidities, cardiovascular medications, systolic and diastolic blood pressure, and laboratory test results (neutrophil-lymphocyte ratio, creatinine, ALP, AST, ALT, HbA1c, fasting glucose, triglyceride, LDL and HDL) as significant predictors of the above outcomes. ChineseCVD further incorporates the impact of smoking status, COVID-19 infection, number of COVID-19 vaccination doses, and modifier effects of newest medication classes of PCSK9i and SGLT2i. The calculator enables clinicians to demonstrate to patients how risks vary with different medications. ConclusionsThe ChineseCVD risk calculator enables rapid web-based risk assessment for adverse cardiovascular outcomes, thereby facilitating clinical decision-making at the bedside or in the clinic.

Autores: Gary Tse, C. Chang, Q. Lee, O. H. I. Chou, T. T. L. Lee, B. K.-h. Leung, A. L. Ngai, A. Khan, W. T. Wong, A. K. C. Wai, K. Y. Chen, T. Liu, J. Zhou

Última atualização: 2023-10-28 00:00:00

Idioma: English

Fonte URL: https://www.medrxiv.org/content/10.1101/2023.10.27.23297656

Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.10.27.23297656.full.pdf

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes