آیا بیومارکرها می‌توانند پیش‌بینی‌های ابزار RCRI را برای پیش‌بینی عوارض مربوط به قلب در بیماران تحت جراحی غیر از جراحی قلب بهبود بخشند؟

پیشینه و سوال مطالعه مروری

با اینکه بیماران برای حفظ یا افزایش امید به زندگی یا بهبود کیفیت زندگی تحت جراحی قرار می‌گیرند، جراحی بدون خطر نیست. برخی از بیماران پس از جراحی غیر از جراحی قلب، دچار عوارض قلبی، مانند سکته قلبی می‌شوند. چندین ابزار سعی می‌کنند با استفاده از اطلاعات جمع‌آوری شده در دوره پیش از جراحی، شانس ابتلا را به عارضه قلبی پس از جراحی پیش‌بینی کنند. شاخص خطر قلبی تجدیدنظر شده (Revised Cardiac Risk Index; RCRI) ابزاری است که سعی می‌کند شانس ایجاد یک عارضه قلبی را در طول بستری شدن در بیمارستان در بیماران تحت جراحی غیر از جراحی قلب تخمین بزند. از اطلاعاتی در مورد اینکه بیمار در گذشته دچار سکته قلبی، نارسایی قلبی و/یا سکته مغزی در طول زندگی خود شده یا خیر، استفاده از انسولین برای درمان دیابت ملیتوس، عملکرد فعلی کلیه (kidney) و اینکه بیمار تحت جراحی پُر-خطر یا غیر-پُر-خطر قرار خواهد گرفت یا خیر، استفاده کردیم. RCRI معمولا توسط پزشکان استفاده می‌شود، اما پیش‌بینی‌ها همیشه دقیق نیستند. از این رو، چندین پژوهشگر سعی کرده‌اند با افزودن اطلاعات اضافی به این ابزار، این پیش‌بینی‌ها را بهبود بخشند. این اطلاعات را می‌توان از به اصطلاح بیومارکرها، به عنوان مثال، اندازه‌گیری از خون، تکنیک‌های تصویربرداری یا دیگر ویژگی‌ها، مانند سن، وضعیت سیگار کشیدن یا وضعیت فیزیکی بیمار، به دست آورد.

هدف از این مرور سیستماتیک، بررسی این موضوع بود که افزودن چنین بیومارکرهایی به RCRI پیش‌بینی عوارض مربوط به قلب را در طول مدت بستری در بیماران تحت جراحی غیر از جراحی قلب بهبود می‌بخشد یا خیر. علاوه بر این، بررسی کردیم که بیومارکرها و دیگر ابزارهای پیش‌بینی منجر به پیش‌بینی بهتر عوارض مربوط به قلب در طول مدت بستری در بیمارستان در مقایسه با پیش‌بینی‌های RCRI در بیماران تحت جراحی غیر از جراحی قلب می‌شوند یا خیر.

نتایج کلیدی

ما 69 عامل پیش‌بینی کننده مختلف را شناسایی کردیم که به ابزار RCRI برای بهبود پیش‌بینی این عوارض مرتبط با قلب اضافه شدند. شواهد تا 25 جون 2020 به‌روز است. به نظر می‌رسد پیش‌بینی‌ها با افزودن برخی بیومارکرهای مشتق شده از خون بهبود می‌یابند، که عبارتند از تروپونین (troponin) (که آسیب عضلانی قلب را اندازه‌گیری می‌کند)، پپتید ناتریورتیک مغزی (brain natriuretic peptide; BNP) و (NT-pro)-پپتید ناتریورتیک مغزی (NT-proBNP) (که هر دو شدت نارسایی قلبی را اندازه‌گیری می‌کنند).

علاوه بر این، 60 بیومارکر برای مقایسه پیش‌بینی‌های آنها با RCRI مورد مطالعه قرار گرفتند. دیگر مطالعات وارد شده در این مرور نشان می‌دهد که BNP و NT-proBNP به‌تنهایی ممکن است عوارض مربوط به قلب را حتی بهتر از RCRI پیش‌بینی کنند. شصت‌وپنج ابزار پیش‌بینی غیر از RCRI سعی کردند پیش‌بینی‌های خود را بهبود بخشند. ابزارهای نمره خطر جراحی American College of Surgeons National Surgical Quality Improvement (ACS-NSQIP) و ACS-NSQIP-MICA (انفارکتوس میوکارد یا ایست قلبی) می‌توانند پیش‌بینی‌های بهتری نسبت به RCRI داشته باشند، اما این فقط برای پیامدهای خاص صادق بود، نه برای عوارض قلبی. با این حال، به دلیل تنوع زیاد در روش‌های پژوهش و وجود علائمی از استفاده از رویکردهای پژوهشی کمتر دقیق، برای همه این سوالات پژوهشی به نتایج اطمینان نداریم.

نتیجه‌گیری‌های نویسندگان

تروپونین، BNP و NT-proBNP ممکن است توانایی RCRI را در پیش‌بینی عوارض مربوط به قلب بهبود بخشند. به نظر می‌رسد که ابزارهای امتیاز خطر جراحی ACS-NSQOP-MICA و ACS-NSQIP در پیش‌بینی عوارض پس از جراحی بهتر از ابزار RCRI هستند، اما نه در مورد عوارض مربوط به قلب. با این حال، به دلیل نقص در نحوه انجام مطالعات، مطمئن نیستیم نتایجی که به دست آوردیم برای همه بیمارانی که تحت جراحی غیر از جراحی قلب قرار می‌گیرند، صدق می‌کنند. به پژوهش بیشتر و بهتری در مورد بیومارکرها با عملکرد پیش‌بینی‌کنندگی امیدوار کننده در دیگر محیط‌ها و شرایط نیاز داریم.

نتیجه‌گیری‌های نویسندگان: 

مطالعات وارد شده در این مرور نشان می‌دهند که عملکرد پیش‌بینی‌کنندگی RCRI در پیش‌بینی MACE با افزودن NT-proBNP، تروپونین یا ترکیب آنها بهبود می‌یابد. مطالعات دیگر نشان می‌دهند که BNP و NT-proBNP، زمانی که به صورت مجزا مورد استفاده قرار می‌گیرند، حتی ممکن است عملکرد متمایز بالاتری نسبت به RCRI داشته باشند. شواهد کافی مبنی بر وجود تفاوت بین دقت پیش‌بینی‌کنندگی RCRI و دیگر مدل‌های پیش‌بینی در پیش‌بینی MACE وجود نداشت. با این حال، ACS-NSQIP-MICA و ACS-NSQIP-SRS به ترتیب در پیش‌بینی انفارکتوس میوکارد و ایست قلبی ترکیبی، و مورتالیتی به هر علتی از RCRI بهتر عمل کردند. با این وجود، به دلیل خطرات بالای سوگیری در اکثر مقالات، نتایج را نمی‌توان به صورت قطعی تفسیر کرد، و به دلیل ناهمگونی در پیامدها، افق‌های پیش‌بینی، بیومارکرها و جمعیت‌های مورد مطالعه، تجمیع غیر-ممکن بود.

پژوهش‌های آینده در مورد ارزش پیش‌آگهی بیومارکرهای افزوده شده به مدل‌های پیش‌بینی موجود باید بر بیومارکرها با دقت پیش‌بینی خوب در شرایط دیگر (مانند تشخیص انفارکتوس میوکارد) و شناسایی بیومارکرها از داده‌های اومیکس (omics data) تمرکز کنند. آنها باید با بیومارکرهای جدید بدون شواهد کافی در مقایسه با موارد ثابت شده، از جمله NT-proBNP یا تروپونین‌ها مقایسه شوند. پایبندی به راهنمایی‌های اخیر برای مطالعات مدل پیش‌بینی (مانند TRIPOD؛ PROBAST) و استفاده از تعاریف استاندارد شده پیامد در مطالعات اولیه برای تسهیل مرور سیستماتیک و متاآنالیز در آینده بسیار توصیه می‌شود.

خلاصه کامل را بخوانید...
پیشینه: 

شاخص خطر قلبی تجدید نظر شده (Revised Cardiac Risk Index; RCRI) یک مدل پیش‌آگهی است که برای تخمین احتمال بروز عوارض جانبی قلبی ماژور (major adverse cardiac events; MACE) پیش از جراحی در بیمارستان در بیماران تحت جراحی غیر-قلبی، به‌طور گسترده‌ای تائید شده است. با این حال، RCRI همیشه پیش‌بینی‌های دقیقی را ارائه نمی‌دهد، بنابراین مطالعات مختلف بررسی کرده‌اند که بیومارکرهای افزوده به RCRI یا در مقایسه با آنها می‌توانند این امر را بهبود بخشند یا خیر.

اهداف: 

هدف اولیه: بررسی ارزش پیش‌بینی‌کنندگی بیومارکرهای افزوده شده به RCRI برای پیش‌بینی MACE داخل-بیمارستانی پیش از جراحی و دیگر پیامدهای جانبی در بیماران تحت جراحی غیر-قلبی.

هدف ثانویه: بررسی ارزش پیش‌بینی کننده بیومارکرها در مقایسه با RCRI برای پیش‌بینی MACE داخل-بیمارستانی پیش از جراحی و دیگر پیامدهای جانبی در بیماران تحت جراحی غیر-قلبی.

هدف ثالثیه: بررسی ارزش پیش‌آگهی دیگر مدل‌های پیش‌بینی کننده در مقایسه با RCRI برای پیش‌بینی MACE داخل-بیمارستانی پیش از جراحی و دیگر پیامدهای جانبی در بیماران تحت جراحی غیر-قلبی.

روش‌های جست‌وجو: 

ما MEDLINE و Embase را از 1 ژانویه 1999 (سال انتشار RCRI) تا 25 جون 2020 جست‌وجو کردیم. هم‌چنین ISI Web of Science و SCOPUS را برای یافتن مقالاتی جست‌وجو کردیم که به مطالعه اصلی توسعه RCRI در آن دوره اشاره داشتند.

معیارهای انتخاب: 

مطالعات انجام شده را میان بزرگسالانی که تحت جراحی غیر-قلبی قرار گرفتند، وارد کردیم که اعتبارسنجی (خارجی) RCRI و موارد زیر را گزارش کردند:

- افزودن بیومارکر(ها) به RCRI؛ یا

- مقایسه دقت پیش‌بینی‌کنندگی بیومارکر(ها)ی افزوده شده به RCRI؛ یا

- مقایسه دقت پیش‌بینی‌کنندگی RCRI افزوده شده به دیگر مدل‌ها.

علاوه بر MACE، تمام پیامدهای جانبی دیگر برای گنجاندن در نظر گرفته شدند.

گردآوری و تجزیه‌وتحلیل داده‌ها: 

یک فرم استخراج داده را بر اساس چک‌لیست CHARMS ایجاد کردیم. هر یک جفت از نویسندگان به‌طور مستقل از هم منابع را غربال کردند، داده‌ها را استخراج و خطر سوگیری (bias) و نگرانی‌های مربوط به قابلیت کاربرد را مطابق PROBAST ارزیابی کردند. برای بیومارکرها و مدل‌های پیش‌بینی که در ≥ 3 مقاله مختلف به RCRI اضافه یا با آن مقایسه شدند، ویژگی‌ها و یافته‌های مطالعه را با جزئیات بیشتر شرح دادیم. رویکرد درجه‌‏بندی توصیه‏، ارزیابی، توسعه و ارزشیابی (GRADE) را اعمال نکردیم، زیرا هنوز دستورالعملی برای مرورهای مدل پیش‌آگهی در دسترس نیست.

نتایج اصلی: 

3960 رکورد را غربالگری کرده و 107 مقاله را وارد مرور کردیم.

بیش از همه اهداف، خطر سوگیری را در 90% از مطالعات وارد شده، به ویژه در حوزه آنالیز، در ≥ 1 دامنه در سطح بالا ارزیابی کردیم. تجمیع آماری یا متاآنالیز نتایج گزارش شده به دلیل ناهمگونی در جنبه‌های مختلف غیر-ممکن بود: پیامدهای مورد استفاده، مقیاسی که بیومارکر توسط آن به RCRI اضافه/با آن مقایسه شد، افق‌های پیش‌بینی و جمعیت‌های مورد مطالعه.

ارزش پیش‌بینی‌کنندگی بیومارکرهای افزوده شده به RCRI

پنجاه‌ویک مطالعه گزارشی را از ارزش بیومارکرهای افزوده شده به RCRI ارائه کردند. شصت‌ونه عامل پیش‌بینی‌کننده مختلف شناسایی شدند که از خون (29%)، تصویربرداری (33%) یا دیگر منابع (38%) مشتق شدند. افزودن NT-proBNP، تروپونین (troponin) یا ترکیب آنها باعث بهبود RCRI برای پیش‌بینی MACE شد (میانه (median) برای delta c-statistics: به ترتیب، 0.08؛ 0.14 و 0.12 برای NT-proBNP، تروپونین و ترکیب آنها). میانه کل شاخص خالص طبقه‌بندی مجدد (net reclassification index; NRI) پس از افزودن تروپونین و NT-proBNP به RCRI به ترتیب 0.16 و 0.74 بود. کالیبراسیون (calibration) گزارش نشد. برای پیش‌بینی انفارکتوس میوکارد، میانه delta c-statistic با افزودن NT-proBNP به RCRI معادل 0.09 و برای پیش‌بینی ترکیبی از مورتالیتی به هر علتی و MACE معادل 0.06 بود. برای BNP و کوپپتین (copeptin)، داده‌ها برای ارائه نتایج در مورد عملکرد پیش‌بینی‌کنندگی افزودن آنها، برای هر یک از پیامدها کافی نبود.

مقایسه ارزش پیش‌بینی‌کنندگی بیومارکرهای افزوده شده به RCRI

پنجاه‌ویک مطالعه عملکرد پیش‌بینی‌کنندگی بیومارکرها را به‌تنهایی در مقایسه با RCRI ارزیابی کردند. ما 60 عامل پیش‌بینی کننده منحصربه‌فرد را شناسایی کردیم که از خون (38%)، تصویربرداری (30%) یا منابع دیگر، مانند طبقه‌بندی انجمن متخصصان بیهوشی آمریکا (American Society of Anesthesiologists; ASA) (معادل 32%) مشتق شدند. پیش‌بینی‌ها بین طبقه‌بندی ASA و RCRI برای همه پیامدهای مورد مطالعه مشابه بود. در مطالعات متفاوت از موارد شناسایی شده در هدف 1، میانه delta c-statistic به ترتیب 0.15 و 0.12 به نفع BNP و NT-proBNP به‌تنهایی در مقایسه با RCRI برای پیش‌بینی MACE بود. عملکرد پیش‌بینی‌کنندگی پروتئین واکنشی-C مشابه RCRI بود. برای دیگر بیومارکرها و پیامدها، داده‌ها برای ارائه نتایج خلاصه کافی نبودند. یک مطالعه، کالیبراسیون را گزارش داد، هیچ مطالعه‌ای طبقه‌بندی مجدد را گزارش نداد.

مقایسه ارزش پیش‌بینی‌کنندگی دیگر مدل‌های پیش‌آگهی با RCRI

پنجاه‌ودو مقاله، توانایی پیش‌بینی‌کنندگی RCRI را با دیگر مدل‌های پیش‌آگهی مقایسه کردند. از این میان، 42% یک مدل پیش‌بینی جدید را ایجاد کرده، 22% RCRI یا یک مدل پیش‌بینی دیگر را به‌روز کرده، و 37% مدل پیش‌بینی کننده موجود را اعتبارسنجی کردند. هیچ یک از دیگر مدل‌های پیش‌بینی، عملکرد بهتری را در پیش‌بینی MACE نسبت به RCRI نشان ندادند. برای پیش‌بینی انفارکتوس میوکارد و ایست قلبی، ACS-NSQIP-MICA دارای میانه delta c-statistic معادل 0.11 در مقایسه با RCRI بود. برای پیش‌بینی مورتالیتی به هر علتی، میانه delta c-statistic به نفع ACS-NSQIP-SRS در مقایسه با RCRI به میزان 0.15 بالاتر بود. عملکرد پیش‌بینی‌کنندگی برای CHADS2؛ CHA2DS2-VASc؛ R2CHADS2؛ شاخص Goldman، شاخص Detsky یا VSG-CRI در مقایسه با RCRI برای هر یک از پیامدها بهتر نبود. کالیبراسیون و طبقه‌بندی مجدد به ترتیب فقط در یک و سه مطالعه گزارش شدند.

یادداشت‌های ترجمه: 

این متن توسط مرکز کاکرین ایران به فارسی ترجمه شده است.

Tools
Information
اشتراک گذاری