Neuer QR4-Algorithmus übertrifft frühere Modelle bei der Vorhersage des Risikos für Herz-Kreislauf-Erkrankungen

In einer kürzlich in Nature Medicine veröffentlichten Studie stellten Forscher einen neuen Algorithmus zur Vorhersage des kardiovaskulären Risikos vor.

Hintergrund

Herz-Kreislauf-Erkrankungen (CVD) bleiben weltweit die häufigste Todesursache. Internationale Richtlinien empfehlen den Einsatz von Instrumenten zur Risikovorhersage, die sich bei Interventionen an gefährdete Bevölkerungsgruppen richten.

Die Leitlinien Europas, der Vereinigten Staaten (USA) und des Vereinigten Königreichs (UK) empfehlen die systematische Bewertung des Koronarrisikos 2 (SCORE2), den Score für atherosklerotische CVD (ASCVD) bzw. QRISK3.

Insbesondere haben aktuelle Studien auf Erkrankungen hingewiesen, die mit einem hohen Risiko für Herz-Kreislauf-Erkrankungen verbunden sind, wie z. B. Krebs, Down-Syndrom und Lernbehinderung, die diese Tools nicht erfassen.

Aktuelle Instrumente unterschätzen das Risiko, wenn diese Erkrankungen unabhängig voneinander mit einem höheren CVD-Risiko verbunden sind. Daher haben Menschen, bei denen diese Erkrankungen diagnostiziert wurden, möglicherweise keine Möglichkeit für vorteilhafte Interventionen. Darüber hinaus kann es bei einer Überschätzung dazu kommen, dass Menschen unnötige Eingriffe erhalten.

Die Studie und Ergebnisse

In der vorliegenden Studie entwickelten und validierten die Forscher ein neues Tool zur Vorhersage des CVD-Risikos, QR4. Sie nutzten die Daten der Datenbanken Clinical Practice Research Datalink (CPRD) GOLD und QResearch. Ableitungs- und Validierungskohorten wurden mithilfe von QResearch-Praktiken in England erstellt.

Darüber hinaus wurde eine zweite Validierungskohorte unter Verwendung der CPRD GOLD-Praktiken aus Wales, Nordirland und Schottland gebildet. Eingeschlossen wurden Personen im Alter von 18–84 Jahren zwischen 2010 und 2021.

Probanden mit bereits bestehender Herz-Kreislauf-Erkrankung, Personen ohne Deprivationsdaten und Personen, die Statine einnahmen, wurden ausgeschlossen. Die Teilnehmer wurden bis zur Diagnose einer Herz-Kreislauf-Erkrankung, bis zum Tod oder bis zum Ende der Studie nachbeobachtet.

Der primäre Endpunkt war eine inzidente Herz-Kreislauf-Erkrankung, d. h. ein nicht-tödlicher oder tödlicher Myokardinfarkt, ein transitorischer ischämischer Schlaganfall, ein ischämischer/hämorrhagischer Schlaganfall oder eine ischämische Herzerkrankung.

Zu den sekundären Endpunkten gehörten Todesfälle im Zusammenhang mit koronarer Herzkrankheit, nicht tödlicher Myokardinfarkt und nicht tödlicher oder tödlicher Schlaganfall.

Die tertiären Ergebnisse ähnelten den sekundären Ergebnissen, umfassten jedoch zusätzlich Herzrhythmusstörungen, Bluthochdruck und tödliche Herzinsuffizienz. Die Leistung von QR4, ASCVD und SCORE2 wurde anhand von drei Ergebnisdefinitionen verglichen.

Als Prädiktorvariablen wurden etablierte Risikofaktoren aus SCORE2, ASCVD und QRISK3 sowie neue Kandidatenvariablen aus der Literatur einbezogen. Ursachenspezifische Cox-Modelle schätzten das 10-Jahres-CVD-Risiko und berücksichtigten die Nicht-CVD-Mortalität als konkurrierendes Risiko für Männer und Frauen. Darüber hinaus wurden drei weitere Modelle (A–C) entwickelt.

Modell A deckte QRISK3-Parameter ab, ohne konkurrierende Risiken zu berücksichtigen, und Modell B ähnelte dem Hauptmodell, die Nachverfolgung endete jedoch vor der Pandemie der Coronavirus-Krankheit 2019 (COVID-19). Im Gegensatz dazu wurde die Zeit seit der Krebsdiagnose als Prädiktorvariable in Modell C einbezogen.

Eine Entscheidungskurvenanalyse bewertete den Nettovorteil von QR4 im Vergleich zu Modell A und QRISK3 unter Berücksichtigung konkurrierender Risiken.

Ergebnisse

Die QResearch-Ableitungs- und Validierungskohorten umfassten mehr als 9,97 bzw. 3,24 Millionen Personen, während die CPRD-Validierungskohorte 3,54 Millionen Probanden umfasste.

Die Kohorten waren im Allgemeinen ähnlich, mit der Ausnahme, dass die QResearch-Kohorten umfassendere Daten zu Body-Mass-Index (BMI), Cholesterin, Rauchen und ethnischer Zugehörigkeit hatten als die CPRD-Kohorte. Innerhalb der Ableitungskohorte gab es 202.424 Fälle von Herz-Kreislauf-Erkrankungen.

Im Jahr 2020 waren die CVD-Raten mit 4,03 pro 1.000 Personenjahre niedriger, kehrten jedoch im Jahr 2021 auf das Niveau vor COVID-19 (4,31) zurück. Die nicht-CVD-Sterblichkeitsraten stiegen zwischen 2019 (3,45 pro 1.000 Personenjahre) und 2020 (3,84). und blieb im Jahr 2021 erhöht.

Das Team identifizierte sieben neuartige CVD-Prädiktoren für Frauen und Männer – Lungen-, Blut-, Gehirn- und Mundkrebs, Lernbehinderung, Down-Syndrom und chronisch obstruktive Lungenerkrankung (COPD).

Darüber hinaus gab es zwei zusätzliche Prädiktoren für Frauen – postnatale Depression und Präeklampsie. Das CVD-Risiko war bei beiden Geschlechtern unter anderem nicht mit Asthma, Hypothyreose, Hyperthyreose und Antiphospholipid-Antikörper-Syndrom verbunden.

Bei Frauen war das CVD-Risiko nicht mit Endometriose verbunden. in vitro Befruchtung, Fehlgeburt, Schwangerschaftsdiabetes, Plazentalösung und polyzystisches Ovarialsyndrom.

Die angepassten Hazard Ratios für mehrere Prädiktoren, mit Ausnahme von Lungenkrebs, waren bei Frauen im jüngeren Alter höher. Die angepassten Risikoquoten für Blut- und Hirnkrebs nahmen bei Männern mit zunehmendem Alter ab. Die Schätzungen der drei zusätzlichen Modelle ähnelten denen des Hauptmodells.

Die Entscheidungskurvenanalyse deutete auf einen etwas größeren Nettovorteil bei QR4 als bei den Modellen A und QRISK3 hin. QR4 war auch genauer als die Risikoscores SCORE2 und ASCVD.

Schlussfolgerungen

Die Forscher entwickelten und validierten QR4, einen neuen CVD-Risiko-Score, der neun neuartige Prädiktoren umfasst.

Es kann das 10-Jahres-CVD-Risiko sowohl bei Männern als auch bei Frauen vorhersagen. Seine Leistung war genauer als bei anderen CVD-Risikoscores. Darüber hinaus berücksichtigt QR4 konkurrierende Risiken (Tod ohne Herz-Kreislauf-Erkrankung) und verringert so die Überschätzung von Risiken.

Insgesamt können diese Erkenntnisse zu erheblichen Verbesserungen der Gesundheitsergebnisse führen.

Quellen: