Previsione basata sull'intelligenza artificiale della funzione cardiaca mediante ecocardiografia e dati di composizione corporea (studio Echo-FIT) (ECHO-FIT)

Background e logica:

L'insufficienza cardiaca rappresenta un significativo onere della salute globale, caratterizzato da elevati tassi di morbilità e mortalità. Mentre l'ecocardiografia rimane il gold standard per la diagnosi e il monitoraggio dell'insufficienza cardiaca, fornendo misurazioni cruciali come la frazione di eiezione ventricolare sinistra (LVEF) e la valutazione della funzione diastolica, la sua diffusa implementazione è limitata dai vincoli di risorse e dalla dipendenza dall'operatore. L'analisi dell'impedenza bioelettrica (BIA) offre un approccio complementare promettente, fornendo una valutazione rapida e non invasiva dei parametri di composizione corporea che hanno mostrato correlazioni con i risultati cardiovascolari. Questo studio cerca di sfruttare la potenziale sinergia tra i risultati ecocardiografici e i dati sulla composizione corporea per sviluppare uno strumento di screening più accessibile per la disfunzione cardiaca.

Obiettivi di studio:

• Primaria: sviluppare e convalidare un modello predittivo per la funzione ventricolare sinistra integrando i dati di composizione corporea dal dispositivo QCCUNIQ BC 720 con parametri ecocardiografici standard.

• Secondario:

  • Per studiare le correlazioni tra indici di composizione corporea e misurazioni ecocardiografiche
  • Per valutare l'utilità dell'analisi della composizione corporea nell'identificazione dei pazienti cardiovascolari ad alto rischio
  • Per valutare il potenziale del modello come strumento di screening in impostazioni limitate alle risorse

Metodologia:

Questo studio osservazionale prospettico a centro singolo iscriverà 2.000 adulti (≥20 anni) sottoposti a ecocardiografia di routine, equamente divisa tra quelli con funzione cardiaca normale (LVEF ≥50%) e insufficienza cardiaca (LVEF <50%). I partecipanti subiranno un'analisi della composizione corporea utilizzando il dispositivo QCCUniq BC 720 entro una settimana dal loro ecocardiogramma.

Raccolta e analisi dei dati:

La raccolta completa dei dati includerà parametri ecocardiografici standard (LVEF, funzione diastolica, misurazioni strutturali) e analisi dettagliata della composizione corporea (massa grassa, massa muscolare scheletrica, acqua corporea totale). L'analisi statistica utilizzerà sia i metodi di regressione tradizionali sia gli algoritmi avanzati di apprendimento automatico per sviluppare il modello predittivo. La convalida del modello utilizzerà convalida incrociata K-Fold, con le prestazioni valutate attraverso metriche standard tra cui sensibilità, specificità e area sotto la curva (AUC).