Mejora de la predicción del riesgo de fibrilación auricular en una cohorte observacional de personas expuestas al tabaco: el papel de las pruebas de función pulmonar, las puntuaciones de los síntomas y las imágenes

Resumen

ResumenIntroducción a la sección

La EPOC se asocia con una mayor morbilidad y mortalidad relacionadas con la AFib. Existen varios modelos de predicción del riesgo de Fibrilación auricular disponibles, pero ninguno ha sido validado en la población con EPOC. Nuestro estudio tiene como objetivo identificar variables espirométricas y radiográficas que se asocian con un mayor riesgo de AFib. En segundo lugar, esperamos determinar si estas variables asociadas mejoran la discriminación de riesgos de los modelos de predicción de riesgo de FibFi establecidos en personas con EPOC.

Métodos de sección abstracta

Evaluamos a 755 participantes de una cohorte expuesta al tabaco de un solo centro al inicio del estudio. En esta visita de estudio, se realizaron lo siguiente: cuestionarios demográficos, de historial médico y de síntomas, PFT y tomografía computarizada. Realizamos un análisis de regresión logística para determinar las variables cardiopulmonares asociadas con la FA prevalente. El análisis multivariable se ajustó por sexo, edad, número de paquetes-año, IMC, insuficiencia cardíaca autoinformada y uso de medicamentos antihipertensivos. Las variables de exposición que fueron estadísticamente significativas en el análisis de regresión logística se agregaron sucesivamente a los modelos actuales de predicción del riesgo de Fibrilación auricular, CHA2DS2-VASc y CHARGE-AF, para crear modelos actualizados. Se calcularon estadísticas C tanto para las puntuaciones de riesgo solas como para cada modelo actualizado.

Resultados de la sección Resumen

DLco (OR 0,40, IC 0,18–0,86), volumen cardíaco (OR 13,12, IC 2,32–74,17), porcentaje de enfisema (OR 2,77, IC 1,04–7,40) y mMRC (OR 1,17, IC 1,02–1,35) se asociaron con FA prevalente en el análisis de regresión logística multivariable. Al realizar el análisis de discriminación de las puntuaciones de predicción del riesgo de Fibrilación auricular, la adición de estas variables cardiopulmonares mejoró el CHARGE-AF, del estadístico C de 0,53 a 0,63 (p < 0,03).

ResumenSección Conclusiones

Identificamos factores cardiopulmonares asociados con un mayor riesgo de AFib en una cohorte expuesta al tabaco. La incorporación de la función pulmonar, los parámetros de TC y las puntuaciones de síntomas en modelos validados de predicción de AFib puede mejorar la discriminación del riesgo de AFib en nuestras poblaciones con enfermedad pulmonar crónica.

ResumenSección Número de ensayo clínico

no aplicable.

ResumenSección Registro de prueba

Este estudio fue apoyado por las subvenciones 1R01HL128289 (JB) y P50HL084948 (FCS) del Instituto Nacional del Corazón, los Pulmones y la Sangre (NHLBI) del Instituto Nacional de Salud (NIH).

Introducción

La enfermedad pulmonar obstructiva crónica (EPOC) se asocia con comorbilidades cardiovasculares extrapulmonares que incluyen enfermedad coronaria, insuficiencia cardíaca y fibrilación auricular (AFib) (1, 2). Si bien la prevalencia de AFib en la población adulta general es aproximadamente del 3%, los pacientes con EPOC tienen un riesgo 28% mayor de desarrollar AFib (3). La hipoxia, la hipercapnia, la hipertensión pulmonar, las alteraciones electrolíticas, el estrés oxidativo y la inflamación sistémica crónica son todos procesos propuestos que contribuyen a este mayor riesgo.4, 5). Además del mayor riesgo de desarrollar FibA, los pacientes con EPOC tienen peor morbilidad y mortalidad relacionada con la FibA.4,5,6). Numerosos estudios han intentado comprender por qué la EPOC se asocia con un mayor riesgo de AFib, pero hay escasez de estudios que evalúen variables específicas relacionadas con los pulmones mediante espirometría e imágenes.

Existen numerosos modelos de predicción de riesgos validados y comúnmente utilizados para predecir el desarrollo de AFib, incluidos CHA2DS2-VASc y Cohorts for Heart and Aging Research in Genomic Epidemiology AF (CHARGE-AF). Ambos no han sido validados en poblaciones con EPOC (7,8,9). Existe la necesidad de validar estos modelos de predicción en una población con EPOC y determinar si los factores relacionados con la gravedad de la enfermedad pulmonar pueden mejorar la discriminación de riesgos de estos modelos en pacientes con EPOC. Nuestro estudio tiene como objetivo identificar variables espirométricas y radiográficas que se asocian con un mayor riesgo de AFib. En segundo lugar, esperamos determinar si estas variables asociadas mejoran la discriminación de riesgos de los modelos de predicción de riesgo de FibFi establecidos en personas con EPOC. Presumimos que las variables espirométricas y radiográficas indicativas de una peor obstrucción del flujo de aire, un mayor porcentaje de enfisema y mayor volumen cardíaco se asocian con un mayor riesgo de AFib y mejorarán la discriminación de riesgos de CHA2DS2-VASc y CHARGE-AF.

Métodos

Población de estudio

La cohorte del Centro Especializado en EPOC para la Investigación Clínicamente Orientada (SCCOR) de la Universidad de Pittsburgh es una cohorte observacional prospectiva de 765 fumadores actuales o ex fumadores con al menos un historial de consumo de tabaco de 10 paquetes-año (10). La cohorte inscribió a participantes entre julio de 2007 y diciembre de 2012. Los criterios de exclusión incluyeron antecedentes de cáncer de pulmón, obesidad (definida como índice de masa corporal (IMC) >34) y cualquier otro diagnóstico pulmonar significativo. En cada visita del estudio, se realizó lo siguiente: cuestionarios demográficos, de historial médico y de síntomas, pruebas de función pulmonar (PFT) y tomografía computarizada (TC) de tórax. Para el análisis presentado en este manuscrito, extrajimos el conjunto de datos de SCCOR en septiembre de 2023 y realizamos análisis estadísticos hasta noviembre de 2024. Los 765 participantes de SCCOR fueron elegibles para ser incluidos en nuestro análisis. Diez participantes fueron excluidos debido a que faltaban datos del resultado primario (AFib autoinformada) en el cuestionario de historial médico. Analizamos únicamente los datos de las visitas iniciales.

Procedimientos de estudio y definiciones.

La AFib prevalente se definió mediante el autoinforme en la visita inicial. Se utilizó la escala de disnea modificada del Medical Research Council (mMRC) para evaluar la dificultad para respirar con puntuaciones que oscilaban entre 0 (sin dificultad para respirar) y 4 (disnea grave).11). Se realizaron PFP que incluyeron espirometría pre y posbroncodilatador, volúmenes pulmonares y capacidad de difusión de los pulmones para monóxido de carbono (DLco). La espirometría posbroncodilatador se realizó utilizando un inhalador de dosis medidas de albuterol con 2 inhalaciones 30 minutos antes de repetir la prueba. Se realizó una pletismografía corporal (Modelo Vmax V62, SensorMedics/CareFusion Corp, Yorba Linda, CA). La capacidad de difusión pulmonar se midió mediante la técnica de monóxido de carbono en una sola respiración (DLco). Se requirió que los participantes tuvieran un mínimo de tres maniobras aceptables con los dos valores más altos de capacidad vital forzada (FVC) y volumen espiratorio forzado en un segundo (FEV1) dentro de 150 ml para garantizar la reproducibilidad. Las mediciones de capacidad residual funcional (CRF) aceptables tuvieron valores dentro del 5% entre sí y el valor más alto se informó si se cumplían los criterios de reproducibilidad. La calidad de cada maniobra se calificó como FA según los criterios de aceptabilidad técnica de la ATS/ERS (American Thoracic Society/European Respiratory Society). Se midió el volumen de reserva espiratoria (ERV). El volumen residual (RV) se calculó como FRC menos ERV. La capacidad pulmonar total (TLC) se calculó como RV más capacidad vital (VC). Se utilizaron ecuaciones de referencia de la Iniciativa Global de Función Pulmonar (GLI) para calcular los valores previstos para la espirometría ajustados por raza (12), DLco (13) y volúmenes pulmonares estáticos (14).

Un radiólogo ciego realizó una puntuación cuantitativa de las tomografías computarizadas. El parénquima pulmonar se segmentó automáticamente de la pared torácica y de los grandes vasos sanguíneos centrales mediante un software interno. Se aplicó una máscara de densidad de −910 unidades Hounsfield como umbral de enfisema y se calculó el porcentaje de vóxeles por debajo de este umbral. El volumen de calcificaciones cardíacas y aórticas se calculó utilizando la puntuación de Agatson (15). El diámetro de la vasculatura pulmonar principal y el volumen cardíaco se calcularon automáticamente utilizando un algoritmo de inteligencia artificial (IA). Para el volumen cardíaco, utilizamos el modo U-Net, un modelo de aprendizaje profundo ampliamente utilizado, para segmentar el volumen cardíaco a partir de tomografías computarizadas de tórax. Una vez segmentado el corazón, el volumen se calculó contando el número de vóxeles dentro de la región segmentada y multiplicando por las dimensiones de los vóxeles derivadas de los metadatos de la tomografía computarizada, lo que dio como resultado el volumen cardíaco total expresado en litros (16). Para la vasculatura pulmonar, nuestros radiólogos utilizaron un algoritmo desarrollado internamente y publicado previamente (17).

Se calcularon CHA2DS2-VASc y CHARGE-AF para cada participante. CHA2DS2-VASc se calculó sumando puntos para lo siguiente: insuficiencia cardíaca (1 punto), hipertensión (1 punto), edad >75 (2 puntos), diabetes (1 punto), accidente cerebrovascular/ataque isquémico transitorio/tromboembolismo (2 puntos), enfermedad vascular (1 punto), edad de 65 a 74 años (1 punto) y sexo femenino (1 punto) (8). Las comorbilidades se evaluaron con cuestionarios de historial médico autoinformados. CHARGE-AF se calculó utilizando una fórmula intrincada citada en las pautas ACC/AHA/ACCP/HRS de 2023 que incluyen las siguientes variables: edad, raza, altura, peso, presión arterial sistólica, presión arterial diastólica, tabaquismo, antecedentes de diabetes e antecedentes de infarto de miocardio (18).

Análisis estadístico

La AFib prevalente al inicio del estudio fue el principal resultado de interés. Las variables independientes de PFT incluyeron FEV1, FVC, FEV1/FVC, volumen residual (VD), TLC y DLco. Las variables radiográficas independientes incluyeron enfisema cuantitativo, la relación entre el diámetro de la arteria pulmonar y la aorta, el volumen del corazón y el volumen de calcificaciones vasculares. Se utilizó mMRC para cuantificar la gravedad de los síntomas.

La comparación de las características iniciales entre los participantes con y sin FA prevalente se evaluó mediante la prueba t de Student independiente para variables continuas y el análisis de chi-cuadrado para variables categóricas. No se tuvieron en cuenta los factores de confusión que varían en el tiempo, ya que todos los datos analizados se recopilaron en la visita inicial. Logística univariada y multivariable…