Anomalías acumulativas en el electrocardiograma predicen la reducción de la fracción de eyección del ventrículo...

Área de la Ciencia:

• Cardiología
• Informática médica
• Bioestadística

Sus antecedentes:

• Las anomalías electrocardiográficas (ECG) individuales están relacionadas con la reducción de la fracción de eyección del ventrículo izquierdo (FEVI).
• El valor predictivo sinérgico de múltiples parámetros continuos de ECG frente a parámetros únicos o puntuación binaria para la FEVI no se comprende completamente.

Objetivo del estudio:

• Evaluar el valor predictivo de los parámetros continuos combinados de ECG (duración del QRS, intervalo PR, intervalo QT corregido por frecuencia cardíaca - QTc) para la LVEF reducida.
• Comparar el rendimiento predictivo de un modelo de ECG continuo multiparamétrico frente a parámetros de ECG individuales y métodos de puntuación binaria.

Principales métodos:

• Análisis de 89.630 estudios pareados de ECG-ecocardiograma de la base de datos EchoNext.
• Desarrollo y evaluación de siete modelos de regresión logística utilizando conjuntos de entrenamiento (70%) y validación (30%), ajustados por edad y sexo.
• Los modelos se evaluaron utilizando intervalos de confianza de bootstrap y validación cruzada estratificada de 5 veces, con evaluación sistemática de los patrones de datos faltantes.

Principales resultados:

• El modelo completo de ECG continuo mostró una discriminación aceptable (AUC 0,710) en comparación con el QTc solo (AUC 0,695).
• El QTc tuvo la asociación individual más fuerte (AUC 0,695), seguido de la duración del QRS (AUC 0,673) y el intervalo PR (AUC 0,603).
• La prevalencia de LVEF ≤45% aumentó significativamente con el número de anomalías en el ECG (p < 0,001).

Conclusiones:

• Los parámetros continuos combinados de ECG ofrecen un valor predictivo mejorado para la LVEF reducida en comparación con parámetros individuales o clasificaciones binarias.
• El sesgo de selección significativo debido a datos faltantes no aleatorios sugiere que las asociaciones observadas probablemente subestiman el poder predictivo real.