Przedstawiono metodologię pozyskiwania sygnału fizjologicznego dla testu na chorobę wieńcową (CAD). Zaproponowano metodę interpretacji wyniku CAD pod kątem pozytywności i negatywności testu, w tym ziarnistości każdego z nich. Ekonomika testu jest omawiana w kontekście obecnego standardu opieki.
Artykuł metodologiczny
Akwizycja sygnału, interpretacja wyniku i ekonomika nieinwazyjnego testu przyłóżkowego w chorobie wieńcowej
W tym artykule
Podsumowanie
Streszczenie
Nieinwazyjny test na chorobę wieńcową (CAD) (POC-CAD) został wcześniej opracowany i zatwierdzony. Test wymaga jednoczesnej akwizycji sygnałów ortogonalnego gradientu napięcia (OVG) i fotopletyzmaglomu, co jest podstawową metodologią opisaną w tym artykule. Akwizycja OVG, sygnału biopotencjału, wymaga umieszczenia elektrod na przygotowanej skórze klatki piersiowej pacjenta (ułożonych podobnie do konfiguracji odprowadzeń Franka, składającej się z sześciu elektrod bipolarnych i elektrody odniesienia) oraz czujnika hemodynamicznego na palcu (przy użyciu standardowej metody transmisji). Sygnał jest przesyłany do systemu opartego na chmurze, w którym cechy inżynieryjne są wyodrębniane z sygnału i dostarczane do algorytmu uczenia maszynowego w celu uzyskania wyniku CAD. Lekarz musi następnie zinterpretować wartość wyniku CAD w kontekście prawdopodobieństwa wystąpienia CAD u pacjenta przed badaniem, co skutkuje prawdopodobieństwem wystąpienia CAD po teście. Interpretację tę można przeprowadzić na poziomie pozytywnego wyniku testu i negatywności testu lub na dokładniejszym poziomie szczegółowości; Metodologie dla każdego z nich są tutaj proponowane w oparciu o współczynniki prawdopodobieństwa. Korzystając z prawdopodobieństwa po badaniu, lekarz musi określić odpowiedni następny krok w leczeniu swojego pacjenta; Do zilustrowania tego procesu wykorzystuje się kilka scenariuszy. Przyjęcie testów jest możliwe tylko wtedy, gdy jest to ekonomicznie opłacalne; omówiono integrację testu z przepływem diagnostycznym CAD i wynikające z tego oszczędności kosztów dla systemu opieki zdrowotnej. Model ekonomiczny pokazuje, że oszczędności w systemie opieki zdrowotnej można osiągnąć poprzez zapobieganie opóźnionemu leczeniu, które, jeśli nie zostanie rozwiązane, prowadzi do postępu choroby wymagającego bardziej zaawansowanej (i droższej) opieki.
Wprowadzenie
Choroba niedokrwienna serca (IHD) jest obecnie główną przyczyną zgonów na świecie1. Choroba wieńcowa (CAD) jest anatomicznym prekursorem IHD, charakteryzującym się obecnością znacznych zmian w obrębie tętnic wieńcowych. Istotność można określić anatomicznie na podstawie okluzji co najmniej 70% lub 50% w lewej tętnicy głównej2. Istotność można również określić na podstawie funkcjonalnego wpływu zmiany, mierząc jej wpływ na przepływ krwi. W szczególności frakcyjna rezerwa przepływu (FFR) i chwilowa rezerwa przepływu (iFR) oceniają zmianę przepływu spowodowaną zmianą, a zmiany są definiowane jako istotne przy FFR < 0,80 lub iFR < 0,892. Złotym standardem w potwierdzaniu obecności istotnej CAD jest inwazyjna koronarografia (ICA) metodą cewnikowania lewego serca (LHC). Znaczna choroba wieńcowa uzasadnia rewaskularyzację poprzez założenie stentu lub pomostowania aortalno-wieńcowego, które łagodzi niedokrwienie mięśnia sercowego i odpowiadające mu objawy dławicowe oraz stabilizuje blaszkę miażdżycową (w przypadku stentowania).
Obecne nieinwazyjne testy CAD często wymagają ekspozycji na promieniowanie, stresu i wstrzyknięcia kontrastu (z wpływem na nerki)1. Najczęściej stosowanymi testami diagnostycznymi są obrazowanie perfuzji mięśnia sercowego (MPI), znane również jako tomografia komputerowa z emisją pojedynczych fotonów (SPECT) oraz angiografia tomografii komputerowej naczyń wieńcowych (CCTA). SPECT polega na wstrzyknięciu radioizotopu w celu śledzenia perfuzji podczas odpoczynku i stresu (wysiłkowego lub farmaceutycznego). CCTA obrazuje tętnice wieńcowe za pomocą wielu promieni rentgenowskich. Pozytonowa tomografia emisyjna (PET) i rezonans magnetyczny serca (CMR) są również sporadycznie używane do testowania CAD1. Wszystkie te metody wymagają znacznych inwestycji kapitałowych w sprzęt, przeszkolony personel do wykonywania testów, a w niektórych przypadkach dostępność izotopów medycznych. Ze względu na te wymagania metody te często nie są powszechnie dostępne, zwłaszcza na obszarach wiejskich, co powoduje opóźnienia w opiece nad pacjentem i zwiększa związane z tym ryzyko.
Dlatego celem było zaprojektowanie nieinwazyjnego testu przyłóżkowego dla CAD (POC-CAD): system CorVista3. Ten system jest zatwierdzonym przez FDA testem dla funkcjonalnie istotnych CAD, z wydajnością porównywalną z CCTA4. Test może być stosowany bez stresu pacjenta i bez konieczności inwestowania kapitału w sprzęt lub wyspecjalizowany personel. Idealnie nadaje się do użytku w środowiskach wiejskich i o ograniczonych zasobach, gdzie dostęp do obecnych technologii obrazowania jest często niedostępny.
Klasa development3 i walidacja4 POC-CAD zostały wcześniej opublikowane. Krótko mówiąc, POC-CAD rozpoczyna się od jednoczesnego akwizycji ortogonalnego gradientu napięcia i sygnałów fotopletyzmogramu za pomocą urządzenia przechwytującego, zgodnie z opisem w kroku 1 protokołu. Ortogonalny gradient napięcia jest sygnałem biopotencjału uzyskanym przy użyciu umieszczenia odprowadzenia podobnego do konfiguracji odprowadzenia Franka5, składającym się z sześciu elektrod bipolarnych i elektrody odniesienia przymocowanej do tułowia. Fotopletyzmologram uzyskuje się przy użyciu standardowej metody transmisji, w której światło czerwone i podczerwone jest przesyłane przez opuszek palca i uderza w sensor6. Po odebraniu sygnału jest on automatycznie przesyłany do systemu opartego na chmurze, gdzie z sygnału wyodrębniane są funkcje inżynieryjne i dostarczane do algorytmu uczenia maszynowego w celu uzyskania wyniku CAD, który jest prezentowany w portalu internetowym. W krokach 2 i 3 protokołu opisano metodologię interpretacji wyniku CAD zwróconego przez test. W szczególności do oszacowania prawdopodobieństwa wystąpienia choroby wieńcowej przed przystąpieniem pacjenta do badania można wykorzystać opublikowane dane lub inne źródła istotne dla lekarza. Współczynniki prawdopodobieństwa można obliczyć na podstawie wyników testu i wykorzystać do aktualizacji prawdopodobieństwa CAD od etapu przed testem do po teście, przy użyciu binarnego wyniku testu (krok 2) lub bardziej szczegółowych wartości wyniku CAD (krok 3). Na koniec omówiono modelowanie ekonomiki POC-CAD w porównaniu z obecnym standardem opieki.
Protokół
Badanie zostało zatwierdzone przez Western Institutional Review Board i przeprowadzone zgodnie z Deklaracją Helsińską. Od wszystkich uczestników uzyskano pisemną świadomą zgodę na udział w badaniu. W skrócie, aby zostać zakwalifikowanym, uczestnicy musieli mieć co najmniej 18 lat, wykazywać objawy sercowo-naczyniowe, ale nie mieć znanej choroby tętnic wieńcowych i być zakwalifikowani do wykonania ICA lub CCTA. Kryteria wykluczenia obejmowały między innymi wcześniejszą udokumentowaną historię zawału mięśnia sercowego, przebyte pomostowanie tętnic wieńcowych oraz wcześniejszą wymianę zastawek serca. Pełne kryteria włączenia i wykluczenia z badania można znaleźć na stronie clinicaltrials.gov pod numerem National Clinical Trial (NCT) NCT03864081. Wykorzystany sprzęt i oprogramowanie wymieniono w Tabeli materiałów.
1. Akwizycja sygnału
- Przygotuj skórę, goląc wszelkie owłosienie w miejscu przyłożenia elektrod. Upewnij się, że na skórze nie pozostały żadne zanieczyszczenia, myjąc ją wodą z mydłem i używając czystej, suchej gazy lub chusteczki bezalkoholowej w razie potrzeby.
- Podłącz przewody do elektrod i umieść je zgodnie z Tabelą 1.
UWAGA: Jakość elektrod może wpływać na jakość sygnału; zaleca się stosowanie elektrod klasy diagnostycznej lub wysokowydajnych. - Umieść czujnik hemodynamiczny (fotopletyzmogram, PPG) na palcu badanego, upewniając się, że palec jest wsunięty w czujnik tak głęboko, jak to możliwe, a kabel czujnika jest poprowadzony wzdłuż grzbietu dłoni.
- Użyj palca wskazującego, chyba że rana lub inny klinicznie istotny powód wyklucza jego zastosowanie. Poinformuj pacjenta, aby nie przesuwał czujnika po jego umieszczeniu.
- Ułóż pacjenta płasko na plecach w wygodnej pozycji spoczynkowej. Upewnij się, że kabel czujnika PPG i kable elektrod nie nakładają się na siebie.
- W razie potrzeby zastosuj podkładki (np. zwinięty koc lub ręcznik oraz poduszkę), aby zapobiec bezpośredniemu naciskowi pacjenta na niebieską elektrodę znajdującą się na plecach.
- Aby ograniczyć szumy i zmaksymalizować jakość sygnału, w miarę możliwości wyłącz wszystkie urządzenia elektroniczne (monitory, telewizory, telefony komórkowe itp.) lub usuń je z pomieszczenia. Wyłącz oświetlenie w pokoju.
- Wprowadź dane pacjenta i potwierdź ich poprawność: imię pacjenta, nazwisko pacjenta, płeć przy urodzeniu, wzrost w calach, wagę w funtach, datę urodzenia oraz numer dokumentacji medycznej (wszystkie dane są wymagane, można je wprowadzać w dowolnej kolejności).
- Upewnij się, że pacjent czuje się komfortowo i przypomnij mu o zachowaniu bezruchu i ciszy (np. zakaz mówienia podczas akwizycji).
- Postaw urządzenie na płaskiej powierzchni i potwierdź jego umiejscowienie w aplikacji. Naciśnij Start, aby rozpocząć akwizycję sygnału.
- Monitoruj urządzenie pod kątem ewentualnych komunikatów o błędach; jeśli się pojawią, postępuj zgodnie z instrukcjami na ekranie w celu ich rozwiązania.
- Po zakończeniu akwizycji sygnału, która trwa 3 min i 35 s, urządzenie automatycznie prześle dane do chmury w celu oceny jakości sygnału. Pozostaw pacjenta podłączonego do urządzenia do momentu otrzymania potwierdzenia prawidłowej jakości sygnału.
- Odłącz elektrody od pacjenta i zdejmij czujnik PPG.
- Zaloguj się do portalu, aby przejrzeć wyniki testu (będą one dostępne około 10 min po przesłaniu sygnału do chmury).
Tabela 1: Rozmieszczenie elektrod. Opis lokalizacji anatomicznych, w których należy umieścić każdą z siedmiu elektrod. Proszę kliknąć tutaj, aby pobrać tę tabelę.
2. Interpretacja wyników testu w przypadku wyniku dodatniego vs wyniku ujemnego
- Określ prawdopodobieństwo wystąpienia choroby u pacjenta przed badaniem (np. korzystając z wytycznych Europejskiego Towarzystwa Kardiologicznego (ESC)7).
- Ustal, czy wynik badania pacjenta jest dodatni czy ujemny, porównując wynik CAD score do wartości 0: jeśli wynik jest większy lub równy zero, wynik badania jest dodatni, a jeśli mniejszy od zera, wynik jest ujemny.
- Odczytaj wartość CAD Score z raportu i porównaj ją z rozkładami pacjentów z wynikiem ujemnym i dodatnim w kohorcie walidacyjnej przedstawionej na dole raportu.
- Oblicz czułość i swoistość8, a następnie ilorazy wiarygodności (LR), korzystając z równania 1 i równania 29.
UWAGA: Przedstawiono przykład obliczeń, przyjmując, że czułość testu wynosi 88% (obliczona dla osób z wynikiem dodatnim w ICA, które stanowią jedyną grupę osób z chorobą), a swoistość wynosi 51% (obliczona dla osób z wynikiem ujemnym w CCTA z wagą 94% oraz osób z wynikiem ujemnym w ICA z wagą 6%, aby reprezentować ogólną populację na podstawie badania PROMISE10).
(rów. 1)
(rów. 2) - Oblicz prawdopodobieństwo wystąpienia choroby u pacjenta po badaniu, korzystając z poniższych równań 3-511, gdzie LR+ stosuje się w przypadku wyniku dodatniego, a LR- w przypadku wyniku ujemnego:
(rów. 3)
(rów. 4)
(rów. 5) - Na podstawie zaktualizowanego prawdopodobieństwa wystąpienia CAD, uwzględniając wyniki badania, określ odpowiedni kolejny krok w opiece nad pacjentem (np. korzystając z zaleceń zawartych w wytycznych ESC7 przedstawionych w Tabeli 2).
Tabela 2: Wytyczne ESC w zależności od prawdopodobieństwa CAD.W przypadku czterech poziomów prawdopodobieństwa CAD, wytyczne Europejskiego Towarzystwa Kardiologicznego określają odpowiednią interpretację tego prawdopodobieństwa, w tym kolejny test (jeśli jest on konieczny). Kliknij tutaj, aby pobrać tę tabelę.
3. Interpretacja wyników testów z większą szczegółowością
- Zwiększ ziarnistość wyników testu dodatnich i ujemnych, uwzględniając zakresy wskaźnika CAD zaobserwowane w populacji wykorzystanej do walidacji testu, a konkretnie poprzez podział na tercyle (równa liczba badanych w trzech przedziałach) w zakresach wyników dodatnich i ujemnych, jak pokazano w Tabeli 3.
UWAGA: Aby uprościć obliczenia, z analizy wyłączono 6% udziału osób z wynikiem ujemnym w cewnikowaniu, ponieważ ich uwzględnienie nie zmieniłoby znacząco rezultatów. - W obrębie każdego tercyla w zakresie wyników ujemnych oblicz liczbę wyników prawdziwie ujemnych (TN), czyli osób, które faktycznie nie chorują, oraz liczbę wyników fałszywie ujemnych (FN), czyli osób, które faktycznie chorują.
- Zastosuj poniższe równania 6-811, aby wyznaczyć LR- dla każdego tercyla ujemnego (LR+ dla tercyli ujemnych nie jest istotny).
UWAGA: Równania zakładają, że profil wydajności tercyla reprezentuje pełny zakres wyników ujemnych w celu obliczenia statystyk wydajności (co wymaga wprowadzenia współczynnika korekcyjnego równego trzy, odpowiadającego liczbie tercyli, aby uzyskać pierwotną częstotliwość ujemnych wyników testu w stosunku do wyników dodatnich).
(rów. 6)
(rów. 7)
(rów. 8)
- Zastosuj poniższe równania 6-811, aby wyznaczyć LR- dla każdego tercyla ujemnego (LR+ dla tercyli ujemnych nie jest istotny).
- W obrębie każdego tercyla w zakresie wyników dodatnich oblicz liczbę wyników prawdziwie dodatnich (TP), czyli osób, które faktycznie chorują, oraz liczbę wyników fałszywie dodatnich (FP), czyli osób, które faktycznie nie chorują.
- Zastosuj równania 9-11, aby wyznaczyć LR+ dla każdego tercyla dodatniego (LR- dla tercyli dodatnich nie jest istotny)11.
UWAGA: Równania zakładają, że profil wydajności tercyla reprezentuje pełny zakres wyników dodatnich w celu obliczenia statystyk wydajności (co wymaga wprowadzenia współczynnika korekcyjnego równego trzy, odpowiadającego liczbie tercyli, aby uzyskać pierwotną częstotliwość dodatnich wyników testu w stosunku do wyników ujemnych).
(rów. 9)
(rów. 10)
(rów. 11)
- Zastosuj równania 9-11, aby wyznaczyć LR+ dla każdego tercyla dodatniego (LR- dla tercyli dodatnich nie jest istotny)11.
- Ustal, w którym tercylu znajduje się wskaźnik CAD pacjenta, a następnie, korzystając z wartości LR w Tabeli 3, oblicz prawdopodobieństwo po teście zgodnie z procedurą opisaną w kroku 2.
UWAGA: Zgodnie z oczekiwaniami, wartości LR- maleją wraz z bardziej ujemnymi wynikami CAD, a wartości LR+ rosną wraz z bardziej dodatnimi wynikami CAD, co oznacza, że bardziej ujemny wynik CAD skuteczniej obniża prawdopodobieństwo przed testem, a bardziej dodatni wynik CAD skuteczniej zwiększa prawdopodobieństwo przed testem. - Jako alternatywę dla obliczeń wymienionych w krokach 2.4-3.4, użyj Tabeli 4, aby przekształcić prawdopodobieństwo przed testem w prawdopodobieństwo po teście, korzystając ze wskaźnika CAD pacjenta7.
Tabela 3: Ilorazy wiarygodności. Odpowiednio dodatnie i ujemne ilorazy wiarygodności dla trzech zakresów wyników w grupach z wynikiem dodatnim i ujemnym. Kliknij tutaj, aby pobrać tę tabelę.
Tabela 4: Mapowanie prawdopodobieństwa przedtestowego na potestowe. Dla 10 poziomów prawdopodobieństwa przedtestowego przedstawiono odpowiadające im prawdopodobieństwo potestowe przy wyniku CAD w każdym z trzech tercyli ujemnych oraz w każdym z tercyli dodatnich. Kolor zielony odpowiada prawdopodobieństwu choroby <15% (wytyczne ESC stwierdzają, że CAD można wykluczyć); kolor żółty odpowiada prawdopodobieństwu choroby 15%-65% (wytyczne ESC stwierdzają, że nieinwazyjne badania obrazowe są preferowane); kolor pomarańczowy odpowiada prawdopodobieństwu choroby 66%-85% (wytyczne ESC stwierdzają, że nieinwazyjne badania obrazowe powinny być wykonane); kolor czerwony odpowiada prawdopodobieństwu choroby >85% (wytyczne ESC stwierdzają, że CAD można potwierdzić). Dalsze informacje dotyczące wytycznych znajdują się w Tabeli 2. Należy zauważyć, że wynik CAD równy 0 jest uznawany za wynik dodatni. Kliknij tutaj, aby pobrać tę tabelę.
Wyniki
Przykładowy sygnał przedstawiono na Rysunku 1, a raport na Rysunku 2, tak jak widzieliby je lekarz przeprowadzający badanie. Poniżej przedstawiono kilka przypadków pacjentów, aby zademonstrować zastosowanie tej metodologii w interpretacji znaczenia wyniku CAD.
Przypadek 1
67-letni mężczyzna zgłosił się z objawami bólu w klatce piersiowej w spoczynku, z promieniowaniem do ramienia, wraz z potliwością i nudnościami. Na podstawie wytycznych ESC7, jego wiek, płeć i objawy są zgodne z wstępnym prawdopodobieństwem choroby na poziomie 84%. Wytyczne ESC sugerują, że taki pacjent wymaga nieinwazyjnych badań w celu zdiagnozowania CAD, aby uzasadnić skierowanie na cewnikowanie serca i wszelkie niezbędne interwencje (Tabela 2). Wykonano badanie POC-CAD, które zwróciło wynik CAD score wynoszący 0,32; jest to wynik dodatni, mieszczący się w najwyższym tercylu dodatnich wyników CAD Score, z LR+ wynoszącym 2,888 (Tabela 3). W związku z tym prawdopodobieństwo po badaniu dla tego pacjenta wynosi 94% i zgodnie z wytycznymi ESC (Tabela 2) można bezpiecznie założyć, że pacjent cierpi na CAD, a inwazyjne cewnikowanie serca jest odpowiednim postępowaniem.
Przypadek 2
39-letnia kobieta zgłasza ból w klatce piersiowej w spoczynku, promieniujący na lewą i prawą stronę. Na podstawie wytycznych ESC7, jej wiek, płeć i objawy odpowiadają początkowemu prawdopodobieństwu wystąpienia choroby na poziomie 28%. Wytyczne sugerują, że preferowanym kolejnym krokiem w celu lepszego zrozumienia prawdopodobieństwa wystąpienia CAD byłby test nieinwazyjny. Wytyczne wskazują jednak również, że w przypadku młodych pacjentów (takich jak ta 39-letnia kobieta), lekarz powinien brać pod uwagę ekspozycję na promieniowanie, która jest niezbędna do przeprowadzenia testu takiego jak SPECT, wymagającego wstrzyknięcia radioizotopu. Inną opcją takiego badania jest CCTA, ale wymaga ono wykonania wielu zdjęć rentgenowskich. Dlatego POC-CAD jest logicznym wyborem, ponieważ nie wymaga on promieniowania. Przeprowadzono test, który zwrócił wartość -0,12, mieszczącą się w granicach pierwszego tercyla zakresu ujemnego, z LR- wynoszącym 0,129 (Tabela 3). Wynikowe prawdopodobieństwo po teście wynosi 4%, co schodzi do poziomu, przy którym zgodnie z wytycznymi ESC można bezpiecznie wykluczyć CAD i nie jest wymagane dalsze badanie w kierunku CAD.
Przypadek 3
74-letnia kobieta zgłasza się z niedławicowym bólem w klatce piersiowej i dusznością. Na podstawie wytycznych ESC7, jej wiek, płeć i objawy odpowiadają początkowemu prawdopodobieństwu wystąpienia choroby na poziomie 24%, a wytyczne sugerują, że preferencyjnym kolejnym krokiem w celu lepszego zrozumienia prawdopodobieństwa CAD byłby test nieinwazyjny. Pacjentka waha się, czy udać się z wiejskiej kliniki, w której jest leczona, do dużego ośrodka miejskiego, gdzie dostępne są wszystkie metody diagnostyczne (PET, SPECT, CCTA, CMR), dlatego lekarz proponuje test POC-CAD. Wynik CAD wynosi 0,07, co mieści się w pierwszym tercylu zakresu dodatniego z LR+ wynoszącym 1,446, co skutkuje prawdopodobieństwem po badaniu na poziomie 33%. Na podstawie dodatniego wyniku i wzrostu prawdopodobieństwa choroby pacjentka zgadza się na wyjazd do miasta w celu wykonania badania PET. Badanie PET również wskazało na obecność choroby, z LR+ wynoszącym 6,0412, co zwiększyło prawdopodobieństwo po badaniu PET z 33% do 75%.
Rysunek 1: Przykładowe sygnały. Przykładowy raport POC-CAD przedstawiający wizualizacje ortogonalnego gradientu napięcia, nazywanego również sygnałem elektrycznym (A), oraz sygnału fotopletyzmograficznego w przedziale 20 s (B) i w pełnym czasie trwania (C). Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.
Rycina 2: Przykładowy raport CAD. Przykładowy raport POC-CAD, wykazujący wynik CAD wynoszący -0,19 (A), co mieści się w zakresie wyniku negatywnym (<0). Wydajność testu przedstawiono w (B). Rozkład wyników CAD dla osób, na których zwalidowano POC-CAD, przedstawiono w (C). Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.
Rysunek 3: Schemat modelu ekonomicznego kosztów. Hipotetyczna populacja 200 napływających pacjentów zostaje poddana ścieżce POC-CAD>PET (A) oraz ścieżce SPECT (B). Koszty dla systemu opieki zdrowotnej są przedstawione dla każdego odgałęzienia każdej ścieżki, wraz z przeciętnymi oszczędnościami na pacjenta przy wdrożeniu ścieżki POC-CAD>PET. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Dyskusja
Głównym celem tej sekcji jest ekonomia testu; jednak warto najpierw omówić aspekty oceny prawdopodobieństwa przed testem dla CAD. Jak opisano w krokach 2 i 3 protokołu, oszacowanie prawdopodobieństwa CAD przed testem jest krytycznym krokiem w kontekstualizacji wyniku CAD i określeniu prawdopodobieństwa CAD po teście. Wykorzystaliśmy wytyczne ESC 2013, które opierają prawdopodobieństwo wystąpienia choroby wieńcowej na trzech cechach: płci, wieku i objawach (w grupach typowego bólu dławicowego, nietypowego i niedławicowego)7. Należy jednak pamiętać, że lekarz może zastosować swoją ocenę kliniczną przy wyborze dowolnej metody ilościowej lub jakościowej. Ponadto dostępne są inne opublikowane metody ilościowe do takiego oszacowania, w tym Diamond-Forrester13, która wymaga takich samych charakterystyk wejściowych jak ESC 2013. Opublikowano również bardziej kompleksowe warianty, takie jak ten, który rozszerza14 Diamonda-Forrestera o status estrogenowy dla kobiet (w celu skompensowania różnic wieku w okresie menopauzy, a także histerektomii), a także cukrzycę, nadciśnienie, hiperlipidemię, palenie tytoniu, historię choroby wieńcowej w rodzinie i otyłość. Należy jednak pamiętać, że niektóre metodologie mogą definiować CAD przy 50% zwężeniu światła, podczas gdy 70% reprezentuje aktualne wytyczne ACC (z wyjątkiem lewej tętnicy głównej przy 50%).
Ekonomika POC-CAD i sposób, w jaki test współdziała ze ścieżką opieki, stanowią kluczowe cechy przy określaniu, czy test jest naprawdę odpowiedni do użytku klinicznego. Do diagnozy CAD najczęściej stosowanym testem jest MPI, często znany jako jądrowy test warunków skrajnych lub SPECT. Od 2019 r. MPI był używany w około 85% ocen dla CAD15. Szacuje się, że rocznie w USA przeprowadza się 7-8 milionów badań SPECT-MPI16. W około 5% przypadków pacjentów CCTA jest używany do diagnozowania CAD. CCTA zostało uznane za mające lepszą skuteczność diagnostyczną w wykluczaniu znaczącej CAD. Dwie inne metody obrazowania, PET i MRI serca, stanowią większość pozostałych ocen. Do wszystkich tych testów wymagana jest kamera obrazująca i wykwalifikowany zespół do przeprowadzenia i interpretacji testu. Takie kamery są drogimi elementami wyposażenia kapitałowego. W związku z tym dostępność tych testów jest często ograniczona do miejskich placówek opieki zdrowotnej, w których jest wystarczająca ilość, aby uzasadnić zarówno początkowy wydatek, jak i koszty operacyjne.
W 2021 r. American College of Cardiology (ACC) opublikował swoje wytyczne dla pacjentów bez znanej CAD lub wcześniejszych testów oraz ze średnim ryzykiem CAD 2,17, w których zarówno MPI, jak i CCTA zostały uznane za opcje diagnostyczne pierwszej linii. W przeciwieństwie do CCTA i MPI, POC-CAD może być używany w dowolnym miejscu opieki nad pacjentem, takim jak gabinet lekarski, szpital o krytycznym dostępie, centrum opieki plemiennej i ośrodki opieki trzeciego stopnia, a nie jest ograniczony, jak CCTA i MPI, tylko do tych ośrodków, które dysponują drogim sprzętem do obrazowania i zespołami wymaganymi do jego obsługi.
Zazwyczaj pacjenci, u których podejrzewa się CAD po badaniu pierwszej linii, są kierowani do ICA; zgodnie z opisem, jest to uważane za złoty standard diagnostyki CAD. ICA to inwazyjna procedura wykonywana w warunkach ambulatoryjnych przez specjalistów kardiologii inwazyjnej.
Niedawne badanie dotyczące wskaźnika frekwencji na wizytach na badania radiologiczne w dużym ośrodku akademickim wyższego stopnia wykazało, że 24% zaplanowanych wizyt nie zostało zgłoszonych przez pacjenta z powodu odwołania lub niestawienia sięna wizytę 18. Badane metody radiologiczne obejmowały diagnostykę CAD. Liczba podana w tym badaniu jest zgodna z dyskusją z dyrektorem finansowym systemu opieki zdrowotnej, który zakłada, że wskaźnik niestawienia się w szpitalu wynosi 20%. Co więcej, w wielu rozmowach z lekarzami wiejskimi, gdzie dotarcie na test może wymagać znacznego czasu podróży, nawet 50% pacjentów może nie przystąpić zarówno do umówienia się na wizytę, jak i do stawienia się na wizytę. W kolejnym modelu, konserwatywnie dla rynku wiejskiego, przyjmuje się, że jest to 30% (tj. 70% uczestniczy w spotkaniu).
Ma to bezpośredni wpływ na wydajność diagnostyczną dalszych testów, w przypadku gdy znaczna liczba pacjentów nie przechodzi do zalecanego testu. Zakładając, że wskaźnik ten jest spójny u osób z istotną chorobą wieńcową i bez niej, czułość wykrywania choroby w całej populacji objętej badaniem wynosiłaby 70% oczekiwanej czułości. W przypadku SPECT, który ma zgłoszoną czułość wykrywania funkcjonalnie istotnej CAD wynoszącą 73%, efektywna czułość wynosi zaledwie 53% (= 0,7 x 73%)12, co oznacza, że prawie połowa pacjentów w populacji skierowanej z funkcjonalnie istotną CAD zostałaby pominięta. Ci nieobecni pacjenci nie kosztują systemu opieki zdrowotnej zero. Dodatni wynik leczenia pacjentów z funkcjonalnie istotną chorobą wieńcową prawdopodobnie zostanie przyjęty później i poniesie znaczne dodatkowe koszty ze względu na postęp choroby. Na przykład, jeśli pacjent następnie zgłosi się na oddział ratunkowy, średni koszt wizyty dla pacjenta z objawami ostrego zespołu wieńcowego został obliczony na 30 000 USD19.
Co więcej, nawet w przypadku pacjentów bez znaczącej choroby wieńcowej, jeśli nie zastosują się do skierowania lekarza na obrazowanie, istnieje mniejsze prawdopodobieństwo, że wrócą do tego lekarza, a zatem istnieje ograniczona możliwość ustalenia, co jeszcze może powodować ich objawy. Może to być również kosztowne zarówno dla pacjenta, jeśli chodzi o postęp choroby podstawowej, jak i dla systemu opieki zdrowotnej. Na przykład wykazano, że opóźnienie w diagnozie niewydolności serca zwiększa koszt leczenia tego pacjentao dodatkowe 8 000 USD rocznie.
Przedstawiony tutaj model ekonomiczny kosztów ma na celu uchwycenie tych wpływów, porównując scenariusz, w którym POC-CAD jest używany jako test pierwszej linii dla znaczącej CAD, ze scenariuszem, w którym stosuje się SPECT. Ponieważ POC-CAD jest testem wykluczającym, oczekuje się większej liczby wyników fałszywie dodatnich niż w przypadku SPECT. Nierozsądne jest oczekiwanie, że wszystkie pozytywne wyniki testu trafią do ICA. W wielu przypadkach idealnym rozwiązaniem byłoby zastosowanie drugiego testu. Analizując wyniki wykluczania i wykluczania różnych nieinwazyjnych testów dla funkcjonalnie istotnej CAD, Knuuti i in. zalecają przestrzeganie CCTA z testem funkcjonalnym, takim jak SPECT12. Wiąże się to jednak z ryzykiem niezidentyfikowania stosunkowo dużego odsetka pacjentów z wynikiem pozytywnym. Lepszym testem funkcjonalnym byłby PET serca, który ma czułość 89% i swoistość 85%12. Cardiac PET jest coraz częściej stosowany w USA, obecnie jest najczęściej przepisywany przez kardiologów i jest już częściej stosowany niż CCTA15,21. W tym modelu zakłada się, że pozytywy z PET przechodzą do ICA. Ponieważ czułość PET jest podobna do czułości POC-CAD, zakłada się, że wszystkie dodatnie wyniki w napływającej populacji PET są prawidłowo klasyfikowane przez PET jako pozytywne. W modelu, w którym SPECT jest używany jako test pierwszej linii, zakłada się, że wyniki dodatnie przechodzą do ICA. Zakładając napływ 12%, daje to dodatni plon przy ICA na poziomie 41%, który jest zbliżony do tego zaobserwowanego w badaniu PROMISE10.
Rysunek 3 przedstawia model i wyniki na hipotetycznej populacji 200 pacjentów z objawami choroby sercowo-naczyniowej. Zakłada się, że każdy z SPECT, PET i POC-CAD jest refundowany według tej samej stawki: 2,500 USD za test. Zakłada się, że ICA otrzyma zwrot w wysokości 3,000 USD. Koszt leczenia w trakcie ICA lub później nie jest uwzględniony w modelu, ponieważ wykracza poza ścieżkę diagnostyczną, którą model reprezentuje. Koszty utraconych pacjentów z wynikiem ujemnym i utraconych z wynikiem pozytywnym są trudniejsze do oszacowania. Biorąc pod uwagę, że pacjenci ci są definiowani jako ci, którzy nie zastosowali się do zaleceń lekarza, aby przeprowadzić badanie obrazowe, zakłada się, że ich następną interakcją z systemem opieki zdrowotnej jest zgłoszenie się na oddział ratunkowy z objawami choroby sercowo-naczyniowej. W badaniu dotyczącym zgłoszeń na oddziałach ratunkowych z takimi objawami, Pope i wsp. ustalili, że 17% spełniało kryteria ostrego niedokrwienia serca, 6% miało stabilną dławicę piersiową, 21% miało nieniedokrwienne problemy z sercem, a 56% miało problemy niezwiązane z sercem22. Koszty wstępnej wizyty na oddziale ratunkowym zostały obliczone przez O'Sullivana i wsp. na 34 200 USD w przypadku niedokrwienia mięśnia sercowego niezakończonego zgonem i 17 300 USD w przypadku dławicy piersiowej bez rewaskularyzacji wieńcowej. Wykorzystanie wyłącznie kosztów podczas wstępnej prezentacji jest konserwatywnym podejściem, ponieważ koszty ostrej fazy (3 lata) poniesione w związku z wydarzeniem są znacznie wyższe i wynoszą odpowiednio 73 300 USD i 36 000 USD. Koszt wizyty na oddziale ratunkowym w przypadku 53% wizyt z powodu bólu w klatce piersiowej, ale bez zidentyfikowanego problemu z sercem, został oszacowany na 2,988 USD na podstawie informacji zgłoszonych przez United Healthcare24. Wreszcie, dla 21% z nieniedokrwiennym problemem sercowym, koszt został oszacowany na 2,988 USD, plus dodatkowy koszt spowodowany opóźnieniem w leczeniu choroby serca. Jak wspomniano powyżej, w przypadku pacjenta z niewydolnością serca przyrostowy roczny koszt opóźnionej diagnozy został obliczony na 8 000USD. W związku z tym założono, że koszt dla 21% wynosi 10 988 USD, przy założeniu, że większość tych pacjentów będzie miała niewydolność serca lub nadciśnienie płucne i podobny koszt opóźnionego leczenia dla obu. Po raz kolejny stosowanie tylko jednego roku kosztów przyrostowych jest podejściem konserwatywnym, ponieważ w rzeczywistości miałoby to zastosowanie do każdego kolejnego roku. Ogólnie rzecz biorąc, średnia ważona tych kosztów, zastosowana w modelu, wynosi 10 833 USD.
Model ekonomiczny kosztów pokazuje potencjalne średnie oszczędności systemu opieki zdrowotnej w wysokości 1 172 USD na pacjenta, wynikające w sumie z kosztów opóźnionego leczenia skutkującego postępem choroby wymagającym bardziej zaawansowanej opieki. Dodatkowo, przyjęcie tej ścieżki zwiększyłoby wydajność w ICA do 62%, w porównaniu z 41% obecnie obserwowanymi i modelowanymi w ścieżce SPECT.
Gdyby ekstrapolować na napływ populacji wiejskiej liczącej 2,25 miliona pacjentów zgłaszających się rocznie z objawami chorób sercowo-naczyniowych w USA, całkowite potencjalne oszczędności wynikające z wdrożenia POC-CAD jako testu pierwszej linii dla znaczącej CAD wyniosłyby około 2,64 miliarda dolarów. Jak omówiono powyżej, duża część tych oszczędności wynika z tego, że nie brakuje pacjentów z funkcjonalnie istotną chorobą wieńcową ze względu na wyższą czułość i wyższą wydajność diagnostyczną niż SPECT. Ponadto wyższa wydajność, którą można osiągnąć w ICA, jest kluczową korzyścią, ponieważ więcej ICA byłoby wykonywanych w ramach ścieżki POC-CAD>PET niż ścieżki SPECT. Wyższa wydajność w ICA byłaby korzystna dla pacjentów, którzy często są obecnie sfrustrowani negatywnymi wynikami ICA25, kardiologa interwencyjnego i systemu opieki zdrowotnej.
Jednym z możliwych zastrzeżeń do tego modelu jest to, że każdy powinien być kierowany bezpośrednio do PET, zamiast najpierw korzystać z testu POC-CAD. Takie podejście, zwłaszcza jeśli weźmie się pod uwagę populację wiejską, może być obarczone tym samym problemem, który jest obecnie obserwowany w przypadku wszystkich badań obrazowych - stratą w obserwacji. Gdyby te same założenia dla modelu zostały utrzymane, efektywna wydajność PET miałaby czułość zaledwie 62% (= 0,7 x 89%), a tym samym nadal brakowałoby wielu naprawdę pozytywnych pacjentów w tej populacji. I odwrotnie, obserwuje się, że pozytywny wynik testu z POC-CAD może zachęcić pacjentów do skierowania na kolejne badania diagnostyczne (takie jak ICA), a zatem nie oczekuje się, że będzie to problem w ścieżce POC-CAD>PET. Można również argumentować, że SPECT jest dominującą ścieżką i dlatego najprawdopodobniej będzie testem stosowanym w praktyce po POC-CAD. W tym przypadku oszczędności wynikające z wynikowej ścieżki POC-CAD>SPECT byłyby nieco wyższe niż te pokazane powyżej, ale efektywna wydajność w ICA byłaby nieco niższa (58%), ponieważ w przepływie pojawiłoby się dodatkowych trzech pominiętych pacjentów dodatnich (fałszywie ujemnych) o wartości dwustu.
Podsumowując, POC-CAD stanowi obiecujące uzupełnienie ścieżki diagnostycznej. Główną zaletą tego testu jest to, że może być stosowany w miejscu opieki nad pacjentem, bez użycia promieniowania, stresu lub kontrastu, a mimo to zapewnia wyniki porównywalne z wynikami CCTA w celu wykluczenia funkcjonalnie istotnego CAD26. Co więcej, wyniki są dostępne podczas tej samej wizyty, co pozwala lekarzowi omówić z pacjentem kolejne kroki w opiece bez konieczności umawiania się na kolejną wizytę. Ponieważ test może być przeprowadzany w miejscu opieki nad pacjentem, a wyniki są szybko dostępne, POC-CAD rozwiązuje istotny problem strat w obserwacji obserwowanych, zwłaszcza na obszarach wiejskich, które stanowią około jednej czwartej populacji USA. Biorąc pod uwagę solidny profil wykluczający test, z wynikiem negatywnym, lekarz może szybko zbadać inne wyjaśnienia objawów pacjenta. Gdy koszty wynikające z opóźnienia w diagnozie pacjenta są modelowane, zastosowanie POC-CAD jako testu pierwszej linii przyniosłoby znaczące korzyści pacjentom, lekarzom i płatnikowi. Co więcej, istniejące metody obrazowania nie odnotowałyby ani znaczącego wzrostu, ani spadku objętości, co jest problemem dla wielu ośrodków obrazowania. Oszczędności kosztów są osiągane dzięki szybszej diagnozie i leczeniu stanu pacjenta.
Oświadczenia
T.B., N.N., F.F., H.G., C.B., S.R. i I.S. są pracownikami Analytics for Life.
Metodologie dotyczące interpretacji punktacji CorVista CAD reprezentują obecne założenia oparte na podzbiorze walidowanej populacji i wymagają dalszej walidacji. Aby uzyskać informacje na temat użytkowania, zapoznaj się z instrukcją użytkowania produktu.
Podziękowania
Autorzy chcieliby podziękować Cody'emu Wackermanowi i Hugh Dubberly'emu z Dubberly Design Office (San Francisco) za pomoc w wizualizacji ścieżek pokazanych na rysunku 3.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| CorVista CAD | System CorVista | n/a | obejmujący akwizycję sygnału, przetwarzanie w chmurze i dostarczanie raportu zawierającego wynik CAD za pośrednictwem portalu internetowego |
| Elektrody | Różne (patrz komentarze) | Zalecana jest jakość diagnostyczna lub wysoka wydajność. Na przykład: Conmed ClearTrace 1700-007 Skintact FS-TB1 Vermed A10005 |
Bibliografia
- World Health Organization. The top 10 causes of death [Internet]. 2020 [cited 2024 Jun 27]. , Available from: https://www.who.int/news-room/fact-sheets/detail/the-top-10-causes-of-death (2020).
- Lawton, J. S., et al. 2021 ACC/AHA/SCAI guideline for coronary artery revascularization: A report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines. J Am Coll Cardiol. 79 (2), e21-e129 (2022).
- Burton, T., et al. Development of a non-invasive machine-learned point-of-care rule-out test for coronary artery disease. Diagnostics. 14 (7), 719(2024).
- Stuckey, T. D., et al. Clinical validation of a machine-learned, point-of-care system to IDENTIFY functionally significant coronary artery disease. Diagnostics. 14 (10), 987(2024).
- Frank, E. An accurate, clinically practical system for spatial vectorcardiography. Circulation. 13 (5), 737-749 (1956).
- Park, J., Seok, H. S., Kim, S. S., Shin, H. Photoplethysmogram analysis and applications: An integrative review. Front Physiol. 12, 808451(2022).
- Montalescot, G., et al. 2013 ESC guidelines on the management of stable coronary artery disease: the Task Force on the management of stable coronary artery disease of the European Society of Cardiology. Eur Heart J. 34 (38), 2949-3003 (2013).
- Baratloo, A., Hosseini, M., Negida, A., El Ashal, G. Part 1: Simple definition and calculation of accuracy, sensitivity and specificity. Emergency. 3 (2), 48-49 (2015).
- Ranganathan, P., Aggarwal, R. Understanding the properties of diagnostic tests-Part 2: Likelihood ratios. Perspect Clin Res. 9 (2), 99-102 (2018).
- Douglas, P. S., et al. Outcomes of anatomical versus functional testing for coronary artery disease. New Eng J Med. 372 (14), 1291-1300 (2015).
- Safari, S., Baratloo, A., Elfil, M., Negida, A. Evidence based emergency medicine; part 4: Pre-test and post-test probabilities and Fagan's nomogram. Emergency. 4 (1), 48(2016).
- Knuuti, J., et al. The performance of non-invasive tests to rule-in and rule-out significant coronary artery stenosis in patients with stable angina: a meta-analysis focused on post-test disease probability. Eur Heart J. 39 (35), 3322-3330 (2018).
- Diamond, G. A., Forrester, J. S. Analysis of probability as an aid in the clinical diagnosis of coronary-artery disease. New Eng J Med. 300 (24), 1350-1358 (1979).
- Morise, A. P. Comparison of the Diamond-Forrester method and a new score to estimate the pre-test probability of coronary disease before exercise testing. Am Heart J. 138 (4), 740-745 (1999).
- Pelletier-Galarneau, M., Vandenbroucke, E., Lu, M., Li, O. Characteristics and key differences between patient populations receiving imaging modalities for coronary artery disease diagnosis in the US. BMC Cardiovasc Disord. 23 (1), 251(2023).
- Li, J., et al. Factors that impact a patient's experience when undergoing single-photon emission computed tomography myocardial perfusion imaging (SPECT-MPI) in the US: A survey of patients, imaging center staff, and physicians. J Nuclear Cardiol. 28 (4), 1507-1518 (2021).
- Lawton, J. S., et al. 2021 ACC/AHA/SCAI guideline for coronary artery revascularization: A report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines. J Am Coll Cardiol. 79, e21-e129 (2022).
- Aijaz, A., et al. Sociodemographic factors associated with outpatient radiology no-shows versus cancellations. Acad Radiol. S1076 - 6332 (24), 00228-00229 (2024).
- Cowper, P. A., et al. Acute and 1-year hospitalization costs for acute myocardial infarction treated with percutaneous coronary intervention: Results From the TRANSLATE-ACS registry. J Am Heart Assoc. 16 (8), 8(2019).
- Thomas, A., et al. Forgone medical care associated with increased health care costs among the U.S. heart failure population. JACC Heart Fail. 9 (10), 710-719 (2021).
- Reeves, R. A., Halpern, E. J., Rao, V. M. Cardiac imaging trends from 2010 to 2019 in the Medicare population. Radiol Cardiothorac Imaging. 3 (5), (2021).
- Pope, J. H., et al. Missed diagnoses of acute cardiac ischemia in the Emergency Department. New Eng J Med. 342 (16), 1163-1170 (2000).
- OʼSullivan, A. K., et al. Cost estimation of cardiovascular disease events in the US. Pharmacoeconomics. 29 (8), 693-704 (2011).
- Corso, A. Emergency visit cost with and without insurance in 2024. Mira. , https://www.talktomira.com/post/how-much-does-an-er-visit-cost (2024).
- Patel, M. R. Low diagnostic yield of elective coronary angiography. New Eng J Med. 362 (10), 886-895 (2010).
- Browning, S. CorVista System 510(k) Summary (K232686). , U.S. Food and Drug Administration. Retrieved from https://www.accessdata.fda.gov/cdrh_docs/pdf23/K232686.pdf (2024).
Przedruki i uprawnienia
