Beslissingsondersteunend systeem voor diagnose en progressie van hartfalen (STRATIFYHF)

Achtergrond en reden voor het onderzoek

HF is een mondiale pandemie die minstens 26 miljoen mensen wereldwijd en 15 miljoen mensen in Europa treft[1]. Het is een complex klinisch syndroom dat gepaard gaat met een verminderde hartfunctie, slechte levenskwaliteit voor patiënten en hoge gezondheidszorgkosten [2]. De HF-morbiditeit vertoont een stijgende trend, zoals blijkt uit de toename van 12% in gediagnosticeerde gevallen in de afgelopen tien jaar als gevolg van een vergrijzende bevolking[1]. De prevalentie van HF bedraagt ​​~2% (~15 miljoen mensen) in de algemene bevolking en >10% bij mensen ouder dan 70 jaar[3]. Nauwkeurige voorspelling van risico's, diagnose en ziekteprogressie van HF maakt de implementatie mogelijk van evidence-based preventie- en behandelingsstrategieën die de morbiditeit en mortaliteit van HF en de druk op de gezondheidszorg verminderen. Er zijn echter sterke aanwijzingen dat HF ​​vaak verkeerd of ondergediagnosticeerd wordt in de eerstelijnszorg[4,5]. De klinische richtlijnen voor HF bevelen het gebruik van risicostratificatiemodellen aan om de prognose te schatten, maar deze zijn beperkt en niet geïmplementeerd in de klinische praktijk[2]. Vroegtijdige diagnose is een uitdaging en vaak onnauwkeurig omdat de eerste tekenen en symptomen niet-specifiek zijn. Momenteel vertrouwen huisartsen op de medische geschiedenis, lichamelijk onderzoek, bloedonderzoek en elektrocardiogram van patiënten om klinische beslissingen over HF te nemen. In gevallen waarin de bloedtest HF niet kan uitsluiten, worden patiënten doorverwezen naar de tweede lijn voor een echografie van het hart en een specialistisch onderzoek door een cardioloog om de diagnose te bevestigen of te weerleggen. Helaas hebben huisartsen en cardiologen geen toegang tot adequate risicostratificatie-instrumenten om hun klinische oordeel over HF verder te verbeteren. Het National Institute for Health and Clinical Excellence rapporteerde dat bij ongeveer 70% van de HF-verdachte patiënten geen HF bevestigd is na echocardiografie en specialistisch onderzoek. Daarom is er een enorme klinische vraag naar nieuwe risicostratificatie-instrumenten om de vroege en nauwkeurige diagnose van HF te verbeteren, om het risico en de progressie van HF in de primaire (huisartsen) en secundaire (cardiologen) zorg te voorspellen.

Doel, doelstellingen en resultaten

Deze prospectieve studie maakt deel uit van het STRATIFYHF-project dat tot doel heeft een beslissingsondersteunend systeem voor risicovoorspelling, diagnose en progressie van HF te valideren.

Om dit te bereiken zullen we een prospectieve studie uitvoeren om gegevens te verzamelen en een proof-of-concept-studie af te leveren met een duur van 36 maanden. Acht klinische centra zullen 1.600 patiënten rekruteren (d.w.z. 800 vermoedelijke en 800 bevestigde HF-patiënten) met een rekruteringsdoelstelling van 8-9 patiënten per maand en een follow-up van maximaal 24 maanden.

Primaire uitkomst:

Diagnostische nauwkeurigheid (d.w.z. gevoeligheid en specificiteit) van de DSS om het risico op het ontwikkelen van HF binnen 12 maanden te voorspellen.

Secundaire resultaten:

Om demografische en klinische voorspellers van het risico, de diagnose en de progressie van hartfalen te identificeren.

Ontwerp en methoden:

De huidige studie is een prospectieve, longitudinale, klinische observationele studie waarbij acht klinische partners in heel Europa betrokken zijn. De studie start op 1 juli 2024 en duurt 36 maanden. In aanmerking komende patiënten worden door elk deelnemend klinisch centrum geïdentificeerd en er wordt contact opgenomen met een lid van het onderzoeksteam van de studie.

De geschiktheid wordt bevestigd door onderzoekers die de inclusie- en exclusiecriteria van het onderzoek zullen volgen.

Wervingsprocedures:

Personen die in aanmerking komen, worden geïdentificeerd via de primaire (huisartspraktijken) en secundaire (cardiologieafdeling) zorg in elk deelnemend centrum. Patiënten zullen worden geïdentificeerd en gecontacteerd door een lid van het onderzoeksteam van de studie. Op verzoek wordt een informatieblad toegezonden. Toestemmingsformulieren worden tijdens het eerste onderzoeksbezoek ondertekend door de deelnemer en medeondertekend door een lid van het onderzoeksteam. De werving zal gedurende de eerste 24 maanden worden voltooid.

Onderzoeksbezoeken en klinische beoordelingen:

In aanmerking komende deelnemers zullen de klinische onderzoekslocatie van de deelnemende centra bezoeken voor twee bezoeken (d.w.z. klinische uitgangsbeoordelingen en vervolgbeoordelingen in maand 12). Elk bezoek zal ongeveer 2,5 uur duren. Er zal een extra bezoek worden geregeld bij een subgroep van deelnemers voor een cardiale magnetische resonantiebeeldvormingsscan. Verdere monitoring van de uitkomsten van de patiënt (bijvoorbeeld ziekenhuisopname) zal worden uitgevoerd via onderzoek van medische dossiers en telefoongesprekken met patiënten.

Daarnaast zal een subgroep van 240 deelnemers gedurende zes maanden dagelijks hun lichaamsgewicht, bloeddruk, ECG en fysieke activiteit monitoren met behulp van een weegschaal, ambulante bloeddrukmeter, activiteitendagboek en een smartwatch (Withings Scan Watch 2, Frankrijk).

Steekproefomvang en statistische analyse:

Powerberekening: Met een verwachte uitval bij follow-upbeoordelingen van 20% wordt geschat dat de rekrutering van 1.600 patiënten in de prospectieve fase voldoende zal zijn om een ​​gewenste specificiteit en gevoeligheid van >95% te bereiken binnen een marge van 4%. fout. Deze steekproefomvang zal ook voldoende power bieden om de nauwkeurigheid van de voorspelling en diagnose van verschillende soorten HF te evalueren op basis van de meest recente richtlijnen [2] (d.w.z. hartfalen verminderde de ejectiefractie; hartfalen verminderde de ejectiefractie licht; hartfalen verbeterde de ejectiefractie en hartfalen behouden ejectiefractie) uitgaande van een gevoeligheid van ten minste 90% met een foutmarge van 12% en een prevalentie van hartfalen met behouden ejectiefractie (HFpEF) van ~50% bij patiënten met een diagnose van HF. Logistieke regressie zal worden gebruikt om de nauwkeurigheid van de DSS te evalueren. Kruistabellen van de test versus de waargenomen ziektestatus zullen de berekening van de gevoeligheid, specificiteit, positieve en negatieve voorspellende waarden en waarschijnlijkheidsratio's mogelijk maken. 95% betrouwbaarheidsintervallen worden berekend met behulp van de binomiale exacte methode. Om de nauwkeurigheid van de DSS voor het detecteren van verschillende soorten HF te beoordelen, zullen multinomiale regressie- en classificatiebomen worden gebruikt. De AUC-ROC-curve voor elk diagnostisch testresultaat zal afzonderlijk worden beoordeeld door middel van univariate logistische regressiemodellen. Meerdere logistieke regressies zullen ook worden gebruikt om de toegevoegde diagnostische waarde van DSS te evalueren. Herclassificatiemaatregelen zullen worden gebruikt om te beoordelen hoeveel patiënten opnieuw worden geclassificeerd door de nieuwe technologieën (CORS-test en stembiomarkers) toe te voegen aan de bestaande onderzoeken (gecombineerd in een multivariabel model) na introductie van een bepaalde drempel voor de waarschijnlijkheid van de aanwezigheid van ziekten. Meerdere logistieke regressies zullen worden gebruikt voor de initiële ontwikkeling van de DSS voor de eerste- en tweedelijnszorg om de aan- of afwezigheid en het type HF te voorspellen. Gegevens over de uitkomsten van de diagnostische werkzaamheid, het gebruik van middelen en de eenheidskosten van de gebruikte middelen zullen worden gebruikt voor gezondheidseconomische beoordeling.