Ruolo prognostico della CMR nella sindrome di Takotsubo (EVOLUTION)

La prognosi dei pazienti con sindrome di Takotsubo rimane controversa e necessita di una migliore stratificazione del rischio per una migliore gestione. Sebbene varie caratteristiche cliniche e parametri dell'ecocardiografia transtoracica siano stati associati agli esiti, nessuno dei punteggi predittivi esistenti incorpora i dati della risonanza magnetica cardiaca (CMR), nonostante la sua capacità di valutare in modo non invasivo la caratterizzazione dei tessuti. La CMR offre una valutazione completa dei cambiamenti funzionali e strutturali, inclusa una valutazione accurata della funzione ventricolare destra. Sebbene la CMR sia stata ampiamente studiata per scopi diagnostici nella sindrome di Takotsubo, il suo ruolo nella prognosi è ancora dibattuto. Tecnologie emergenti come la tomografia computerizzata si mostrano promettenti nella caratterizzazione del miocardio ma mancano di indagini approfondite sui ruoli prognostici. Il registro EVOLUTION mira a colmare questa lacuna incorporando i parametri CMR in un punteggio di stratificazione del rischio insieme ai dati dell’ecocardiografia clinica e transtoracica, esplorando anche modelli di apprendimento automatico per una migliore previsione dei risultati. Questa iniziativa cerca di fornire uno strumento predittivo più affidabile per la gestione ottimizzata dei pazienti con sindrome di Takotsubo. L'obiettivo principale di questo studio è migliorare la valutazione del rischio nei pazienti con sindrome di Takotsubo incorporando dati CMR insieme a parametri ecocardiografici demografici, clinici e transtoracici. Nello specifico, miriamo ad analizzare i dati CMR e la loro associazione con i risultati dei pazienti sia a breve che a lungo termine. Inoltre, valuteremo l'efficacia del nostro punteggio di stratificazione del rischio proposto per i pazienti con sindrome di Takotsubo rispetto ai sistemi di punteggio esistenti. Inoltre, utilizzeremo tutta la CMR, l'ecocardiografia transtoracica e le variabili cliniche disponibili per sviluppare modelli di apprendimento automatico per l'analisi predittiva.