Um modelo inovador para prever doenças coronárias usando triglicerídeos

Diabetologia Cardiovascular volume 22, Número do artigo: 200 (2023) Citar este artigo

179 Acessos

Detalhes das métricas

Vários modelos preditivos foram desenvolvidos para prever a incidência de doença coronariana (DAC), mas nenhum deles teve valor preditivo ideal. Embora esses modelos considerem o diabetes como um importante fator de risco para doença coronariana, eles não consideram a resistência à insulina ou aos triglicerídeos (TG). O desempenho insatisfatório destes modelos de predição pode ser atribuído ao desconhecimento destes fatores, apesar dos seus efeitos comprovados na doença coronariana. Decidimos modificar modelos preditivos padrão de doença coronariana por meio de aprendizado de máquina para determinar se o índice de triglicerídeos-glicose (índice TyG, uma combinação logaritmizada de açúcar no sangue em jejum (FBS) e TG que demonstra resistência à insulina) funciona melhor que o diabetes como preditor de doença coronariana.

Dois mil participantes de uma população iraniana comunitária, com idades entre 20 e 74 anos, foram investigados com um acompanhamento médio de 9,9 anos (variação: 7,6 a 12,2). A associação entre o índice TyG e doença coronariana foi investigada usando modelos multivariados de risco proporcional de Cox. Ao selecionar componentes comuns de pontuações de risco de doença coronariana previamente validadas, desenvolvemos modelos de aprendizado de máquina para prever doença coronariana. O índice TyG foi substituído pelo diabetes nos modelos de predição de doença coronariana. Todos os componentes dos modelos de aprendizado de máquina foram explicados em termos de como afetam a previsão de doença coronariana. Os pontos de corte do índice TyG para previsão de CHD foram calculados.

A incidência de doença coronariana foi de 14,5%. Em comparação com o quartil mais baixo do índice TyG, o quarto quartil apresentou uma taxa de risco totalmente ajustada de 2,32 (intervalo de confiança [IC] 1,16–4,68, tendência p 0,04). Um índice TyG > 8,42 apresentou o maior valor preditivo negativo para doença coronariana. A máquina de vetores de suporte (SVM) baseada no índice TyG teve um desempenho significativamente melhor do que a SVM baseada em diabetes para prever doença coronariana. O índice TyG não foi apenas mais importante que o diabetes na previsão de doença coronariana; foi o fator mais importante depois da idade nos modelos de aprendizado de máquina.

Recomendamos o uso do índice TyG na prática clínica e de modelos preditivos para identificar indivíduos em risco de desenvolver doença coronariana e auxiliar na sua prevenção.

A doença coronariana é um grande desafio de saúde pública e contribui para a carga global de doenças. Apesar da melhoria dos métodos de prevenção e das técnicas de tratamento [1, 2], ainda é a principal causa de morbidade e mortalidade em todo o mundo, representando 32% de todas as mortes [3], e um enorme estresse nas finanças nacionais da saúde [4, 5]. Assim, a avaliação do risco de doença coronariana é uma prioridade global de saúde pública.

Vários modelos preditivos de doença coronariana, como Framingham [6], Avaliação Sistemática de Risco Coronariano (SCORE) [7], Reynolds [8], American College of Cardiology/American Heart Association (ACC/AHA) [9], recomendações de consenso da Joint British Societies para a prevenção de doenças cardiovasculares (JBS3) [10], Estudo Multiétnico de Aterosclerose (MESA) [11], QRISK [12] e previsão de risco cardiovascular aterosclerótico na China (China-PAR) [13], foram desenvolvidos para prever a incidência de doença coronariana, mas nenhum tem valor preditivo ideal [14]. Todos esses modelos consideram o diabetes como um importante fator de risco para doença coronariana, mas nenhum considera a resistência à insulina ou os TG [14,15,16,17].

Uma melhor previsão da doença coronariana pode ser possível considerando a resistência à insulina, que ocorre anos ou mesmo décadas antes do diabetes [18]. Análises mendelianas aleatórias anteriores, revisões sistemáticas e meta-análises defenderam a associação entre resistência à insulina e doença coronariana, alterando as respostas da parede vascular à insulina e promovendo a aterosclerose [19,20,21]. O teste de clamp euglicêmico hiperinsulinêmico é o padrão ouro para medição da resistência à insulina, mas não é aplicável em estudos clínicos devido ao seu protocolo invasivo, complicado e caro [22, 23]. Outro índice validado é o modelo de avaliação da homeostase da resistência à insulina (HOMA-IR), calculado pela divisão da glicose sérica pelas concentrações de insulina. A concentração circulante de insulina não é medida rotineiramente na atenção primária. Além disso, tem valor limitado em indivíduos que recebem insulina subcutânea. Portanto, o HOMA-IR não é um índice adequado para estratégias de prevenção primária [23]. O índice TyG é um produto logaritmizado de FBS e TG. Foi demonstrado que se correlaciona altamente com o clamp euglicêmico hiperinsulinêmico e o HOMA-IR [24]. Além disso, é um protocolo simples e de baixo custo que pode ser usado em todos os indivíduos, independentemente do estado de tratamento com insulina [23]. Além disso, contém TG, outro fator de risco para doença coronariana [25, 26], conforme indicado por vários estudos; no entanto, não foi considerado em modelos anteriores [6,7,8,9,10,11,12,13]. Portanto, parece sensato modificar estes modelos com o índice TyG e depois avaliar a sua eficácia.