梅斯医学MedSci APP
医路相伴,成就大医

Front Cardiovasc Med:RF-CL与CACS-CL模型对稳定型心绞痛合并糖尿病患者冠状动脉阻塞预测概率和预测预后方面的比较

Tags: 糖尿病   稳定型心绞痛      作者:从医路漫漫 更新:2024-04-22

背景:预计到2045年,全球糖尿病(DM)患者人数将增至7亿。全球葡萄糖代谢受损的负担日益加重。有症状的DM患者的平均心血管风险在其他危险因素的影响下有显著差异。稳定型心绞痛(SCP)和DM患者的这种异质性给临床医生带来了挑战,需要进行有效的风险评估,并选择合适的心血管成像检测(CIT),如冠状动脉计算机断层血管造影(CCTA)。

我们之前基于CCTA改善稳定型心绞痛临床管理(CICM-SCP)注册中心数据的研究表明,应用风险因素加权临床可能性(RF-CL)模型可以提高识别DM和SCP患者,并进一步从CIT中获益。

除了RF-CL模型外,另一个基于冠状动脉钙评分(CACS)的模型也被开发用于评估预测概率(PTP),并在普通SCP患者中进行CACS加权临床可能性(CACS-CL)的模型验证。值得注意的是,RF-CL和CACS-CL模型均由最新的SCP评估和诊断指南推荐。然而,到目前为止,还没有系统分析比较和评估患有SCP的DM患者的RF-CL和CACSCL模型,对他们来说,CIT的适当决策很重要但很困难。

目的:我们的目的是在患有SCP合并DM并需要进行CCTA的队列中验证和比较这两种模型,并研究添加CACS是否会提高风险评估的有效性,以优化下游临床管理。

方法:总共1245名有症状的DM患者接受了CACS和冠状动脉计算机断层血管造影(CCTA)扫描,并进行随访。分别使用RF-CL模型和CACS-CL模型评估每位患者的阻塞性CAD PTP。接受者操作特征曲线下面积(AUC)、净重新分类改进(NRI)和综合判别改进(IDI)用于评估模型的性能。使用Cox比例风险回归评估主要心血管不良事件(MACE)与风险组的相关性。

结果:与RF-CL模型相比,CACS-CL模型显示了更大的AUC面积(0.856 vs . 0.782,p=0.0016),阳性IDI(12%,p≤0.0001)和NRI(34%,p≤0.0001),与MACE的相关性更强(风险比:0.26 vs. 0.38),观察到的概率和预测概率之间的差异更小,因此可以进行有效的风险评估以优化下游临床管理。

表1基于不同模型的风险组特征

表2 RF-CL和CACS-CL模型的区别

图1 RF-CL与CACS-CL模型的受试者工作特性曲线比较。RF-CL,危险因素加权临床可能性;CACS-CL,冠状动脉钙评分加权临床可能性

图2 模式特有的PTP和按十分位数计算的PTP观测概率。PTP:预测概率;CCTA,冠状动脉计算机断层血管造影;RF-CL,危险因素加权临床可能性;CACS-CL,冠状动脉钙评分加权临床可能性

图3两种模型确定的高危组和低危组的Kaplan-Meier曲线比较。(A) RF-CL模型;(B) CACS-CL模型。CCTA,冠状动脉计算机断层血管造影;RF-CL,危险因素加权临床可能性;CACS-CL,冠状动脉钙评分加权临床可能性。

图4 两种模型确定的研究终点和风险组之间的关联。MACE,主要心血管不良事件;ICA,有创冠状动脉造影;CI,置信区间;RF-CL,危险因素加权临床可能性;CACS-CL,冠状动脉钙评分加权临床可能性

结论:在DM和SCP患者中,将CACS纳入CACS-CL模型可以更准确地估计PTP和预测MACE。利用CACS-CL模型而不是RF-CL模型,可以避免不必要的CIT和避免遗漏CIT。

原文出处:

Tao, Chen,  Dujing, Shao,  Jia, Zhao, et al.Comparison of the RF-CL and CACS-CL models to estimate the pretest probability of obstructive coronary artery disease and predict prognosis in patients with stable chest pain and diabetes mellitus.Front Cardiovasc Med 2024/04/08;11.

来源:MedSci原创
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
小提示:本篇资讯需要登录阅读,点击跳转登录

相关推荐

移动应用
medsci.cn © 2020