Estudio de probabilidad global previa a la prueba de la enfermedad de las arterias coronarias (GPS-CAD)

Este estudio es un registro agregado que comprende una revisión retrospectiva de registros médicos de individuos de múltiples sitios. El enfoque general es crear un gran registro global consolidado de cohortes existentes de pacientes derivados para pruebas no invasivas mediante tomografía computarizada (TC). Las imágenes anónimas y los datos estructurados, incluidos datos demográficos, factores de riesgo, resultados y resultados de TC, se obtendrán de varios sitios. Los tipos de imágenes que se analizarán y cuantificarán son las tomografías computarizadas sin contraste (NCCT) y la angiografía por tomografía computarizada coronaria (CCTA). La puntuación de CAC utilizará el método de Agatston, mientras que la CAD se evaluará utilizando los datos de registro de las lecturas de CCTA.

Los datos recopilados incluirán factores de riesgo y datos demográficos como la edad, el sexo, el origen étnico, la hipertensión, el tabaquismo, la diabetes, la dislipidemia y los antecedentes familiares de CAD. Los resultados como la muerte y los infartos de miocardio se incluirán en el conjunto de datos si están disponibles. Todos los datos recibidos serán anonimizados y desidentificados. Los miembros del equipo de estudio verificarán los datos del estudio para garantizar que todos los datos del estudio se recopilen con precisión y estén completos.

Es posible que los elementos de datos de diferentes cohortes no armonicen o no coincidan entre sí. Podrían faltar elementos de datos o diferentes entradas de datos. Como tal, la omisión o la imputación pueden utilizarse para realizar análisis. Para minimizar la heterogeneidad de los datos en el formato, los sitios recibirán una plantilla estándar y un diccionario de datos. Esto completará la armonización inicial de datos y los elementos de datos esperados. El conjunto de datos recopilados luego sería armonizado por el equipo de bioestadística antes del análisis.

El tamaño total aproximado del estudio n = 200.000. Suponiendo un área bajo la curva operativa del receptor (AUC) de 0,70 para los métodos PTP y CAC existentes, esta propuesta tiene la potencia adecuada para detectar un aumento de 0,05 en el AUC mediante una prueba z bilateral con un nivel de significancia de 0,05. Las variables continuas se expresarán como media y desviación estándar. Las variables categóricas se expresarán en números absolutos y porcentajes. Se probará la normalidad de las distribuciones utilizando las estadísticas de Shapiro-Wilk. Las variables que no se distribuyen normalmente se representarán como una mediana con un rango intercuartílico del 25 al 75. La comparación de variables continuas distribuidas normalmente se realizará utilizando la prueba t de Student para datos apareados y no apareados. Las variables que no se distribuyen normalmente se compararán mediante las pruebas de suma de rangos de Mann-Whitney y las pruebas de Kruskal-Wallis. La comparación de los datos categóricos se realizará utilizando las pruebas Chi-cuadrado y Exacta de Fisher cuando corresponda.

Las diferencias en los resultados a lo largo del tiempo se analizarán mediante el análisis de Kaplan-Meier con la prueba de rango logarítmico para cada resultado. Utilizando el análisis de regresión de Cox, se realizarán análisis de regresión univariante y multivariante. El análisis univariante incluirá variables previas al evento con valores de p <0,10. Variables que mostraron un significativo (p<0.05) la correlación con los puntos finales, después del análisis univariante, se considerará en los modelos multivariantes. Se calcularán las razones de probabilidad y el intervalo de confianza del 95%. La significación estadística se estableció como p<0,05. Técnicas avanzadas de aprendizaje automático (por ejemplo, pueden aplicarse redes neuronales).