Predicción temprana de eventos cardiovasculares adversos mayores mediante monitoreo remoto

La evaluación precisa del riesgo cardiovascular es esencial para la toma de decisiones clínicas, ya que los beneficios, riesgos y costos de las estrategias alternativas deben sopesarse antes de elegir el mejor tratamiento para los individuos. Los modelos de predicción de riesgo multivariable existentes son componentes vitales de la práctica actual y siguen siendo el estándar lógico al que deben agregarse y compararse nuevos marcadores de riesgo.7 El estudio descrito en este documento aplica un marco práctico para evaluar el valor de los nuevos marcadores de riesgo identificados a través de los resultados informados por el paciente (PRO), la informática informada por el paciente (PRI)8 y los biomarcadores en forma de proteínas y lípidos. Aunque el propósito del estudio es en gran parte exploratorio, toma medidas preliminares para responder a la pregunta: "¿Los nuevos marcadores PRO, PRI y/o biomarcadores agregan información predictiva significativa más allá de la proporcionada por los factores de riesgo cardíaco establecidos?" OBJETIVOS DEL ESTUDIO Objetivo 1: Medir las correlaciones transversales entre PRI, PRO, candidatos a biomarcadores MACE y sustitutos de biomarcadores MACE establecidos que se sabe que predicen de cerca MACE en sí (p. troponina I ultrasensible [u-hsTnI], péptido natriurético cerebral [BNP] y proteína C reactiva de alta sensibilidad [hsCRP], ensayo 1).

Hipótesis 1: las métricas PRI, las puntuaciones de las medidas PRO y los biomarcadores candidatos se correlacionarán con los sustitutos de biomarcadores MACE.

Justificación: Es posible que la atención habitual no identifique los cambios clínicos sutiles que preceden a los MACE. Para justificar los esfuerzos futuros para emplear el monitoreo remoto a escala para predecir MACE, primero evaluaremos la evidencia de correlaciones transversales básicas entre PRI, PRO y biomarcadores sustitutos conocidos de MACE.

Objetivo 2: medir la relación longitudinal entre las métricas PRI, las puntuaciones de las medidas PRO, los biomarcadores candidatos y los cambios en los sustitutos de MACE.

Hipótesis: Los cambios en las métricas PRI, las puntuaciones de las medidas PRO y los biomarcadores candidatos predecirán cambios en los sustitutos de biomarcadores MACE.

Justificación: si los cambios en las métricas PRI, las puntuaciones de las medidas PRO y los biomarcadores candidatos pueden predecir cambios longitudinales en los sustitutos de biomarcadores MACE, entonces proporcionará plausibilidad biológica de que la vigilancia remota pueda predecir MACE en sí misma; esto justificaría una prueba más grande de monitoreo digital remoto versus atención habitual y sugeriría que el concepto tiene mérito.

Objetivo exploratorio 2b: Evaluar la mejora en la predicción del riesgo proporcionada por los marcadores de riesgo identificados en los objetivos anteriores.

Hipótesis: El uso de predictores PRI, PRO y Biomarker en combinación con factores de riesgo establecidos proporcionará información pronóstica incremental en comparación con los modelos que utilizan factores de riesgo establecidos solos. Además, realizaremos un análisis proteómico y bioinformático en profundidad utilizando muestras de referencia para explorar los posibles mecanismos moleculares que impulsan MACE.

Objetivo específico 3: Estimar la rentabilidad y el impacto presupuestario del monitoreo remoto para MACE. Hipótesis: el costo incremental del monitoreo remoto se verá compensado por los ahorros posteriores generados por la predicción temprana y precisa de MACE inesperados y costosos en IHD de riesgo moderado estable.

Justificación: las innovaciones de la medicina de precisión deben ser rentables para escalar en los sistemas de salud y recibir el apoyo de los contribuyentes. Utilizando los resultados resumidos de este estudio, crearemos modelos de rentabilidad, rentabilidad e impacto presupuestario que generen hipótesis para estimar el retorno de la inversión proyectado del monitoreo remoto. Es importante destacar que estos modelos son de naturaleza evaluativa y no involucran datos a nivel del paciente, y mucho menos información identificable, de ningún tipo.