Beslutningsstøttesystem til diagnose og progression af hjertesvigt (STRATIFYHF)

Baggrund og begrundelse for undersøgelsen

HF er en global pandemi, der påvirker mindst 26 millioner individer på verdensplan og 15 millioner individer i Europa[1]. Det er et komplekst klinisk syndrom forbundet med nedsat hjertefunktion, dårlig livskvalitet for patienter og høje sundhedsudgifter [2]. HF-morbiditet udviser en opadgående tendens, vist ved en stigning på 12 % i diagnosticerede tilfælde i løbet af det sidste årti på grund af en aldrende befolkning[1]. Forekomsten af ​​HF er ~2% (~15 millioner mennesker) i den almindelige befolkning og >10% hos personer over 70 år[3]. Nøjagtig forudsigelse af risici, diagnose og sygdomsprogression af HF tillader implementering af evidensbaserede forebyggelses- og behandlingsstrategier, som reducerer HF-sygelighed og -dødelighed og dens byrde på sundhedsvæsenet. Der er dog stærke beviser, der tyder på, at HF ​​ofte er fejl- eller underdiagnosticeret i den primære pleje[4,5]. De kliniske retningslinjer for HF anbefaler brugen af ​​risikostratifikationsmodeller til at estimere prognose, men disse er begrænsede og ikke implementeret i klinisk praksis[2]. Tidlig diagnose er udfordrende og ofte unøjagtig, da de første tegn og symptomer er uspecifikke. I øjeblikket er praktiserende læger afhængige af patienternes sygehistorie, fysiske undersøgelser, blodprøver og elektrokardiogram for at træffe kliniske beslutninger om HF. I tilfælde, hvor blodprøven ikke kan udelukke HF, henvises patienterne til sekundær pleje til en ultralyd af hjertet og speciallægegennemgang fra en rådgivende kardiolog for at bekræfte eller afkræfte diagnosen. Desværre har praktiserende læger og kardiologer ingen adgang til tilstrækkelige risikostratificeringsværktøjer til yderligere at forbedre deres kliniske vurdering af HF. National Institute for Health and Clinical Excellence rapporterede, at omkring 70 % af HF-mistænkte patienter ikke har HF bekræftet efter ekkokardiografi og specialistgennemgang. Derfor er der en enorm klinisk efterspørgsel efter nye risikostratificeringsværktøjer til at forbedre den tidlige og præcise diagnose af HF, for at forudsige risikoen og progressionen af ​​HF i primær (praktiserende læge) og sekundær (kardiolog) pleje.

Mål, mål og resultater

Denne prospektive undersøgelse er en del af STRATIFYHF-projektet, som har til formål at validere et beslutningsstøttesystem til risikoforudsigelse, diagnose og progression af HF.

For at opnå dette vil vi foretage en prospektiv undersøgelse for at indsamle data og levere proof-of-concept-undersøgelse med en varighed på 36 måneder. Otte kliniske centre vil rekruttere 1.600 patienter (dvs. 800 mistænkte og 800 bekræftede HF-patienter) med et rekrutteringsmål på 8-9 patienter om måneden og op til 24 måneders opfølgning.

Primært resultat:

Diagnostisk nøjagtighed (dvs. sensitivitet og specificitet) af DSS for at forudsige risikoen for at udvikle HF inden for 12 måneder.

Sekundære resultater:

At identificere demografiske og kliniske prædiktorer for risiko, diagnose og progression af hjertesvigt.

Design og metoder:

Nærværende undersøgelse er et prospektivt, longitudinelt, klinisk observationsstudie, der omfatter otte kliniske partnere i hele Europa. Undersøgelsen starter den 1. juli 2024 og varer i 36 måneder. Kvalificerede patienter vil blive identificeret af hvert deltagende kliniske center og kontaktet af et medlem af undersøgelsens forskningsteam.

Berettigelse vil blive bekræftet af efterforskere, som vil følge undersøgelsens inklusions- og eksklusionskriterier.

Ansættelsesprocedurer:

Kvalificerede personer vil blive identificeret gennem primær (praktiserende læge) og sekundær (kardiologisk afdeling) pleje på hvert deltagende center. Patienter vil blive identificeret og kontaktet af et medlem af undersøgelsens forskningsteam. Et informationsark udsendes efter anmodning. Samtykkeformularer vil blive underskrevet af deltageren og medunderskrevet af et medlem af undersøgelsesteamet under det første forskningsbesøg. Ansættelsen vil blive gennemført i løbet af de første 24 måneder.

Forskningsbesøg og kliniske vurderinger:

Kvalificerede deltagere vil deltage på det kliniske forskningssted for de deltagende centre for to besøg (dvs. baseline og opfølgende kliniske vurderinger i måned 12). Hvert besøg varer cirka 2,5 timer. Et yderligere besøg vil blive arrangeret i en undergruppe af deltagere til en hjertemagnetisk resonansscanning. Yderligere overvågning af patientforløb (f.eks. hospitalsindlæggelse) vil blive udført via undersøgelse af journaler og telefonopkald til patienter.

Derudover vil en undergruppe på 240 deltagere gennemgå daglig overvågning af deres kropsvægt, blodtryk, EKG og fysisk aktivitet i seks måneder ved hjælp af en vægt, ambulant blodtryksmåler, aktivitetsdagbog og et smartur (Withings Scan Watch 2, Frankrig).

Prøvestørrelse og statistisk analyse:

Effektberegning: Med en forventet frafaldsprocent til opfølgende vurderinger på 20 %, anslås det, at rekruttering af 1.600 patienter i prospektiv fase vil være tilstrækkelig til at opnå en ønsket specificitet og sensitivitet på >95 % inden for en margin på 4 % af fejl. Denne prøvestørrelse vil også give tilstrækkelig kraft til at evaluere nøjagtigheden af ​​forudsigelse og diagnose af forskellige typer HF baseret på de seneste retningslinjer [2] (dvs. hjertesvigt reduceret ejektionsfraktion; hjertesvigt mildt reduceret ejektionsfraktion; hjertesvigt forbedret ejektionsfraktion og hjertesvigt bevaret ejektionsfraktion) forudsat en sensitivitet på mindst 90 % med en fejlmargin på 12 % og en prævalens af hjertesvigt med bevaret ejektionsfraktion (HFpEF) på ~50 % hos patienter med diagnosen HF. Logistisk regression vil blive brugt til at evaluere nøjagtigheden af ​​DSS. Krydstabulering af test versus observeret sygdomsstatus vil muliggøre beregning af sensitivitet, specificitet, positive og negative prædiktive værdier og sandsynlighedsforhold. 95 % konfidensintervaller vil blive beregnet ved hjælp af den binomiale eksakte metode. For at vurdere nøjagtigheden af ​​DSS til at detektere forskellige typer af HF vil en multinomial regression og klassifikationstræer blive brugt. AUC-ROC-kurven for hvert diagnostisk testresultat vil blive vurderet separat gennem univariate logistiske regressionsmodeller. Flere logistiske regressioner vil også blive brugt til at evaluere den DSS-tilførte diagnostiske værdi. Omklassificeringsforanstaltninger vil blive brugt til at vurdere, hvor mange patienter der omklassificeres ved at tilføje de nye teknologier (CORS-test og stemmebiomarkører) til de eksisterende undersøgelser (kombineret i en multivariabel model) efter at have introduceret en særlig sandsynlighed for sygdomstilstedeværelsestærskel. Flere logistiske regressioner vil blive brugt til den indledende udvikling af DSS for primær og sekundær pleje for at forudsige tilstedeværelse eller fravær og type af HF. Data om diagnostiske effektivitetsresultater, ressourceforbrug og enhedsomkostninger for de anvendte ressourcer vil blive brugt til sundhedsøkonomisk vurdering.