Beslutsstödssystem för diagnos och progression av hjärtsvikt (STRATIFYHF)

Bakgrund och motivering för studien

HF är en global pandemi som drabbar minst 26 miljoner individer världen över och 15 miljoner individer i Europa[1]. Det är ett komplext kliniskt syndrom förknippat med nedsatt hjärtfunktion, dålig livskvalitet för patienter och höga vårdkostnader [2]. HF-sjuklighet uppvisar en uppåtgående trend, som visas av en ökning med 12 % i diagnostiserade fall under det senaste decenniet på grund av en åldrande befolkning[1]. Prevalensen av HF är ~2% (~15 miljoner människor) i den allmänna befolkningen och >10% hos personer över 70 år[3]. Noggrann förutsägelse av risker, diagnos och sjukdomsprogression av HF tillåter implementering av evidensbaserade förebyggande och behandlingsstrategier som minskar HF-sjuklighet och dödlighet och dess börda på sjukvården. Det finns dock starka bevis som tyder på att HF ofta är fel- eller underdiagnostiserat i primärvården[4,5]. De kliniska riktlinjerna för HF rekommenderar användning av riskstratifieringsmodeller för att uppskatta prognos men dessa är begränsade och inte implementerade i klinisk praxis[2]. Tidig diagnos är utmanande och ofta felaktig eftersom initiala tecken och symtom är ospecifika. För närvarande förlitar sig allmänläkare på patienternas sjukdomshistoria, fysiska undersökningar, blodprov och elektrokardiogram för att fatta kliniska beslut om HF. I de fall blodprovet inte kan utesluta HF remitteras patienter till sekundärvården för ultraljud av hjärtat och specialistutredning från en konsulterande kardiolog för att bekräfta eller tillbakavisa diagnos. Tyvärr har allmänläkare och kardiologer ingen tillgång till adekvata riskstratifieringsverktyg för att ytterligare förbättra sin kliniska bedömning av HF. National Institute for Health and Clinical Excellence rapporterade att cirka 70 % av HF-misstänkta patienter inte har HF bekräftat efter ekokardiografi och specialistgranskning. Därför finns det en enorm klinisk efterfrågan på nya riskstratifieringsverktyg för att förbättra den tidiga och korrekta diagnosen av HF, för att förutsäga risken och progressionen av HF i primärvården (GPs) och sekundärvården (kardiologer).

Mål, mål och resultat

Denna prospektiva studie är en del av STRATIFYHF-projektet som syftar till att validera ett beslutsstödssystem för riskprediktion, diagnos och progression av HF.

För att uppnå detta kommer vi att genomföra en prospektiv studie för att samla in data och leverera en proof-of-concept-studie med en varaktighet på 36 månader. Åtta kliniska centra kommer att rekrytera 1 600 patienter (dvs. 800 misstänkta och 800 bekräftade HF-patienter) med ett rekryteringsmål på 8-9 patienter per månad och upp till 24 månaders uppföljning.

Primärt resultat:

Diagnostisk noggrannhet (d.v.s. känslighet och specificitet) av DSS för att förutsäga risken för att utveckla HF inom 12 månader.

Sekundära resultat:

Att identifiera demografiska och kliniska prediktorer för risk, diagnos och progression av hjärtsvikt.

Design och metoder:

Denna studie är en prospektiv, longitudinell, klinisk observationsstudie som omfattar åtta kliniska partners över hela Europa. Studien startar den 1 juli 2024 och pågår i 36 månader. Kvalificerade patienter kommer att identifieras av varje deltagande kliniskt centrum och kontaktas av en medlem av studiens forskargrupp.

Behörighet kommer att bekräftas av utredare som kommer att följa studiens inklusions- och exkluderingskriterier.

Rekryteringsrutiner:

Berättigade personer kommer att identifieras genom primärvård (läkarmottagningar) och sekundärvård (kardiologisk avdelning) vid varje deltagande centrum. Patienterna kommer att identifieras och kontaktas av en medlem av studiens forskargrupp. Ett informationsblad kommer att skickas ut på begäran. Samtyckesformulär kommer att undertecknas av deltagaren och kontrasigneras av en medlem av studiegruppen under det första forskningsbesöket. Rekryteringen kommer att slutföras under de första 24 månaderna.

Forskningsbesök och kliniska bedömningar:

Kvalificerade deltagare kommer att besöka den kliniska forskningsplatsen för deltagande centra för två besök (d.v.s. baslinje och uppföljande kliniska bedömningar vid månad 12). Varje besök tar cirka 2,5 timmar. Ett ytterligare besök kommer att ordnas i en undergrupp av deltagare för en magnetisk resonanstomografi av hjärtat. Ytterligare övervakning av patientresultat (t.ex. sjukhusvistelse) kommer att utföras via undersökning av journaler och telefonsamtal till patienter.

Dessutom kommer en undergrupp av 240 deltagare att genomgå daglig övervakning av sin kroppsvikt, blodtryck, EKG och fysisk aktivitet under sex månader med hjälp av en våg, ambulerande blodtrycksmätare, aktivitetsdagbok och en smart klocka (Withings Scan Watch 2, Frankrike).

Provstorlek och statistisk analys:

Effektberäkning: Med ett förväntat avhopp för uppföljningsbedömningar på 20 %, uppskattas det att rekrytering av 1 600 patienter i prospektiv fas kommer att räcka för att uppnå en önskad specificitet och känslighet på >95 % inom en marginal på 4 % av fel. Denna provstorlek kommer också att ge tillräcklig kraft för att utvärdera noggrannheten i förutsägelse och diagnos av olika typer av HF baserat på de senaste riktlinjerna [2] (d.v.s. hjärtsvikt reducerad ejektionsfraktion; hjärtsvikt lätt reducerad ejektionsfraktion; hjärtsvikt förbättrad ejektionsfraktion och hjärtsvikt konserverad ejektionsfraktion) med antagande av en känslighet på minst 90 % med en felmarginal på 12 % och en prevalens av hjärtsvikt med bevarad ejektionsfraktion (HFpEF) på ~50 % hos patienter med diagnosen HF. Logistisk regression kommer att användas för att utvärdera riktigheten av DSS. Korstabulering av test kontra observerad sjukdomsstatus kommer att möjliggöra beräkning av sensitivitet, specificitet, positiva och negativa prediktiva värden och sannolikhetsförhållanden. 95 % konfidensintervall kommer att beräknas med den binomiala exakta metoden. För att bedöma noggrannheten hos DSS för att detektera olika typer av HF kommer en multinomial regression och klassificeringsträd att användas. AUC-ROC-kurvan för varje diagnostiskt testresultat kommer att bedömas separat genom univariata logistiska regressionsmodeller. Flera logistiska regressioner kommer också att användas för att utvärdera DSS adderade diagnostiska värde. Omklassificeringsåtgärder kommer att användas för att bedöma hur många patienter som omklassificeras genom att lägga till de nya teknologierna (CORS-test och röstbiomarkörer) till de befintliga undersökningarna (kombinerade till en multivariabel modell) efter att ha introducerat en viss tröskel för sannolikhet för sjukdomsnärvaro. Flera logistiska regressioner kommer att användas för den initiala utvecklingen av DSS för primär- och sekundärvård för att förutsäga förekomst eller frånvaro och typ av HF. Data om diagnostisk effektutfall, resursanvändning och enhetskostnader för de använda resurserna kommer att användas för hälsoekonomisk bedömning.