Predicción del riesgo de fibrilación auricular y asociación con otras enfermedades (FIND-AF)

La fibrilación auricular (FA) es un importante problema de salud pública: es cada vez más común, genera un gasto sanitario sustancial y se asocia con una variedad de resultados adversos. Existe una justificación para el diagnóstico precoz de la FA, antes de que se produzca la primera complicación. La investigación anterior sobre detección de FA está limitada por los bajos rendimientos de casos nuevos y accidentes cerebrovasculares prevenidos en las poblaciones examinadas. Para que el cribado de la FA sea clínicamente y rentable, es necesario mejorar la eficiencia de la identificación de la FA recién diagnosticada y es posible que la intervención ofrecida deba extenderse más allá de la anticoagulación oral para la profilaxis del accidente cerebrovascular. Los modelos de predicción anteriores para incidentes de FA se han visto limitados por sus fuentes de datos y metodologías. Se necesita un modelo preciso que utilice los datos existentes recopilados de forma rutinaria para informar a los médicos sobre el riesgo de fibrilación auricular del paciente, informar la política nacional de detección y resaltar las oportunidades para mejorar los resultados de los pacientes con la detección de fibrilación auricular más allá de la prevención del accidente cerebrovascular.

Se investigará la aplicación de Random Forest y la regresión logística multivariable para predecir incidentes de FA dentro de un horizonte de predicción de 6 meses, que es una ventana de tiempo compatible con la realización de una investigación de FA. El conjunto de datos Clinical Practice Research Datalink (CPRD)-GOLD se utilizará para la derivación, y el conjunto de datos de Clalit Health Services se utilizará para la validación geográfica externa internacional. Ambos comprenden una gran población representativa e incluyen resultados clínicos en atención primaria y secundaria. Los análisis incluirán métricas de rendimiento de predicción y utilidad clínica. Solo se utilizarán los factores de riesgo accesibles en la comunidad y, por lo tanto, el modelo podría permitir la detección pasiva de personas de alto riesgo en registros de salud electrónicos que se actualizan con la presentación de nuevos datos. El estudio tiene como objetivo crear una calculadora a partir de un modelo parsimonioso. Se calcularán los diagramas de Kaplan-Meier para las personas identificadas con un riesgo predicho de FA más alto y más bajo y se derivará la tasa de incidencia acumulada de enfermedades cardiorrenales y metabólicas no relacionadas con la FA y muerte a largo plazo para establecer cómo el riesgo de FA predicho se asocia con una gama de nuevos estados patológicos distintos de la FA.

Para determinar si el modelo de predicción es transportable a geografías fuera del Reino Unido, el rendimiento del modelo se validará externamente en la base de datos de Clalit Health Services en Israel. La validación incluirá participantes asegurados por Clalit con membresía continua durante al menos 1 año antes del 01/01/2019: 2.159.663 pacientes de los cuales 4.330 tuvieron un nuevo incidente de FA (fibrilación auricular y/o aleteo auricular) en la primera mitad de 2019 . La población del estudio comprenderá a todos los pacientes disponibles que tengan al menos 1 año de seguimiento. El resultado de interés es la primera FA diagnosticada después del valor inicial y se identificará mediante los códigos de lectura y los códigos ICD-9/10. Se excluirán los pacientes con menos de un año de registro, que tengan menos de treinta años al momento de ingresar al estudio o que tengan un diagnóstico previo de fibrilación auricular.