Внешняя валидация многофакторной модели прогнозирования риска смерти у пациентов с хронической сердечной недостаточностью и имплантированным кардиовертером-дефибриллятором

Цель. Внешняя валидация многофакторной модели прогнозирования риска смерти у пациентов с имплантированным кардиовертером-дефибриллятором (ИКД) на независимой выборке.
Материалы и методы. Группа разработки модели была представлена 260 пациентами из Кузбасского регистра пациентов с имплантированным кардиовертером-дефибриллятором, которым ИКД был имплантирован в период с 2015 по 2019 г. Внешняя валидация модели проведена в когорте независимого проспективного наблюдения пациентов из этого же регистра, которым ИКД был имплантирован в период с 2020 по 2021 г., всего 94 пациента, медиана возраста 66 (52;73) лет, 73 (77,6%) мужчин, 21 (22,4%) женщина. У 89 (94,7%) пациентов ИКД был имплантирован с целью первичной профилактики внезапной сердечной смерти. Путем телефонного опроса, изучения медицинской документации баз данных стационаров и поликлиник были получены данные о статусе «жив/умер» и о причинах смерти в течение 2,5 лет наблюдения. Сравнивалась фактическая и прогнозируемая по оцениваемой многофакторной модели смертность.
Результаты. За период наблюдения в группе внешней валидации всего умерли 26 (27,7 %) пациентов, что было сопоставимо с группой разработки (р > 0,05). В группе умерших у 15 (57,7%) развилась острая декомпенсация сердечной недостаточности, у 4 (14,8 %) установлен инфаркт миокарда, у 6 (23,1%) – пневмония, вызванная новой коронавирусной инфекцией, 1 (3,8%) пациент умер из-за инфекционного осложнения.
Диагностическая точность многофакторной модели прогнозирования риска смерти у пациентов с ИКД на независимой выборке была достаточной (площадь под ROC-кривой (AUC) созданной модели составила 0,8). Чувствительность модели составила 76,2%, специфичность – 76,1%. Ранее на когорте разработки площадь под ROC-кривой (AUC) созданной модели составила 0,8; чувствительность модели – 75,7%; специфичность – 80%. Значимость модели в группах разработки и внешней валидации существенно не отличалась (р = 0,102, тест McNeil).
Заключение. Многофакторная модель прогнозирования обладает достаточной статистической мощностью для прогнозирования риска смерти в отдаленном периоде после имплантации ИКД, что подтверждено внешней валидацией.

1. Терещенко С.Н., Галявич А.С., Ускач Т.М. Хроническая сердечная недостаточность. Клинические рекомендации 2020. Российский кардиологический журнал. 2020; 25(11):311–374. DOI: 10.15829/1560-4071-2020-4083.

2. Wellens H.J., Schwartz P.J., Lindemans F.W., Buxton A.E., Goldberger J.J., Hohnloser S.H. et al. Risk stratification for sudden cardiac death: current status and challenges for the future. Eur. Heart J. 2014;35(25):1642–1651. DOI: 10.1093/eurheartj/ehu176.

3. Ревишвили А.Ш., Неминущий Н.М., Голицын С.П. Всероссийские клинические рекомендации по контролю над риском внезапной остановки сердца и внезапной сердечной смерти, профилактике и оказанию первой помощи. M.: ГЭОТАР-Медиа, 2018:256.

4. Богачевская С.А., Богачевский А.Н. Развитие хирургической и интервенционной аритмологии в России за 10 лет. Особенности функционирования службы в Дальневосточном регионе. Социальные аспекты здоровья населения. 2017;1(53):2. DOI: 10.21045/2071-5021-2017-53-1-1.

5. Виноградова Н.Г., Поляков Д.С., Фомин И.В. Анализ смертности у пациентов с ХСН после декомпенсации при длительном наблюдении в условиях специализированной медицинской помощи и в реальной клинической практике. Кардиология. 2020;60(4):91–100. DOI: 10.18087/cardio.2020.4.n1014.

6. Adibi A., Sadatsafavi M., John P.A., Ioannidis J.P.A. Validation and utility testing of clinical prediction models time to change the approach. JAMA. 2020;324(3):235–236. DOI: 10.1001/jama.2020.1230

7. Boriani G., De Ponti R., Guerra F., Palmisano P., Zanotto G., D’Onofrio A. et al. Sinergy between drugs and devices in the fight against sudden cardiac death and heart failure. Eur. J. Prev. Cardiol. 2021;28(1):110–123. DOI: 10.1093/eurjpc/zwaa015.

8. Looi K.L., Sidhu K., Cooper L., Dawson L., Slipper D., Gavin A. et al. Long-term outcomes of heart failure patients who received primary prevention implantable cardioverter-defibrillator: An observational study. J. Arrhythm. 2017;34(1):46–54. DOI: 10.1002/joa3.12027.

9. Piccini J.P., Zhang M., Pieper K., Solomon S.D., Al-Khatib S.M., Van de Werf F. et al. Predictors of sudden cardiac death change with time after myocardial infarction: results from the VALIANT trial. Eur. Heart J. 2010;31(2):211–221. DOI: 10.1093/eurheartj/ehp425.

10. Verstraelen T.E., van Barreveld M., van Dessel P.H.F.M., Boersma L.V.A., Delnoy P.P.H.M., Tuinenburg A.E. et al. Development and external validation of prediction models to predict implantable cardioverter-defibrillator efficacy in primary prevention of sudden cardiac death. Europace. 2021;23(6):887–897. DOI: 10.1093/europace/euab012.

11. Илов Н.Н., Пальникова О.В., Нечепуренко А.А. Пациенты с высоким риском внезапной сердечной смерти: жизнь после имплантации кардиовертера-дефибриллятора (одноцентровое обсервационное исследование). Клиническая и экспериментальная хирургия. 2018;6(3):98–106. DOI: 10.24411/2308-1198-2018-13011.

12. Younis A., Goldberger J.J., Kutyifa V., Zareba W., Polonsky B., Klein H. et al. Predicted benefit of an implantable cardioverter-defibrillator: the MADIT-ICD benefit score. Eur. Heart J. 2021;42(17):1676–1684. DOI: 10.1093/eurheartj/ehaa1057.

13. Naksuk N., Akkaya M., Adabag S. Application of the Multicenter Automatic Defibrillator Implantation Trial II risk score in a nontrial setting. Am. J. Cardiol. 2013;112(4):530–532. DOI: 10.1016/j.amjcard.2013.04.019.

14. Cheng A., Zhang Y., Blasco-Colmenares E., Dalal D., Butcher B., Norgard S. et al. Protein Biomarkers Identify Patients Unlikely to Benefit from Primary Prevention ICDs: Findings from the PROSE-ICD Study. Circ. Arrhythmia Electrophysiol. 2014;7(6):1084–1091. DOI: 10.1161/CIRCEP.113.001705.

15. Levy W.C., Mozaffarian D., Linker D.T., Sutradhar S.C., Anker S.D., Cropp A.B. et al. The Seattle Heart Failure Model: prediction of survival in heart failure. Circulation. 2006;113(11):1424–1433. DOI: 10.1161/CIRCULATIONAHA.105.584102.

16. Khanam S.S., Choi E., Son J.W., Lee J.W., Youn Y.J., Yoon J. et al. Validation of the MAGGIC (Meta-Analysis Global Group in Chronic Heart Failure) heart failure risk score and the effect of adding natriuretic peptide for predicting mortality after discharge in hospitalized patients with heart failure. PLoS One. 2018;13(11):e0206380. DOI: 10.1371/journal.pone.0206380.

17. Хазова Е.В., Булашова О.В., Малкова М.И., Ослопов В.Н. Новый подход к прогнозированию исходов хронической сердечной недостаточности. Практическая медицина. 2014;6(14):101–104.