Predictores electrocardiográficos de fibrilación auricular
El 7 de abril de 2023 fue publicado en el Medical Sciences de Basilea, Suiza una revisión sistemática a cargo de investigadores del Reino Unido que abordó el tema de los predictores electrocardiográficos de fibrilación auricular* que será comentada en la NOTICIA DEL DÍA de hoy.
Para introducir el tema, los autores señalan que la fibrilación auricular (FA) es una arritmia supraventricular caracterizada por una activación eléctrica auricular descoordinada que conduce a una contracción auricular ineficaz y es la arritmia cardíaca patológica sostenida más común.
La prevalencia estimada de FA en adultos es del 2% al 4%, con un aumento esperado de al menos el doble para 2060.
La prevalencia de FA varía con el sexo y aumenta significativamente con la edad, con una prevalencia estimada de 10 a 17% en personas de 80 años o más.
Se estimó que el riesgo de por vida de FA era del 25 %, pero ahora ha aumentado al 37 % entre los adultos mayores de 55 años.
Si bien no se considera inherentemente una arritmia potencialmente mortal, las complicaciones hemodinámicas y tromboembólicas de la fibrilación auricular pueden conducir a una morbilidad y mortalidad significativas.
Las personas con FA tienen un riesgo cinco veces mayor de accidente cerebrovascular, y alrededor del 30 % de los accidentes cerebrovasculares embólicos de origen indeterminado (ESUS, por sus siglas en inglés de embolic strokes of undetermined source) se atribuyen a la FA.
Además, parece potenciar el impacto de las condiciones individuales, asociándose su presencia después de un infarto de miocardio con una mayor mortalidad con un cociente de riesgos instantáneos (HR) de 3,37 (intervalo de confianza [IC] del 95 %: 3,37–4,21).
Además, también se observó una mayor mortalidad y morbilidad después de un accidente cerebrovascular en el Proyecto de accidente cerebrovascular de la Comunidad Europea, donde el 33 % de los pacientes con fibrilación auricular fallecieron dentro de los tres meses en comparación con el 20 % de los que no la tenían.
Mientras que la fibrilación auricular permanente es fácil de identificar en un electrocardiograma, la fibrilación auricular paroxística (FAp) es considerablemente más difícil, especialmente en personas asintomáticas.
Sin embargo, el riesgo de complicaciones tromboembólicas se considera el mismo en ambas condiciones.
Así, la detección de la FAp es igual de importante, pero difícil si es asintomática o poco frecuente.
El objetivo, por lo tanto, es identificar a los pacientes antes del inicio de la FA o poco después del primer paroxismo (incluso si son asintomáticos) y estratificar el riesgo incluso de los pacientes asintomáticos para el desarrollo futuro de la FA.
Múltiples estudios han sugerido que la FA se produce en el contexto de anomalías tanto eléctricas como anatómicas de las aurículas.
El electrocardiograma (ECG) de superficie de 12 derivaciones representa un enfoque fácil y no invasivo para identificar parámetros que pueden representar anomalías electroanatómicas que pueden predecir una futura FA o representar un fenotipo previo a su ocurrencia.
El desarrollo de un enfoque de prevención primaria para la FA mediante la identificación de pacientes de alto riesgo podría ayudar potencialmente con la identificación temprana de la FA y el inicio de la terapia adecuada, reduciendo así las hospitalizaciones, la incidencia de accidentes cerebrovasculares asociados a la FA y los costos de atención médica asociados.
Hay una serie de marcadores potenciales de riesgo de desarrollo de FA, incluidos datos demográficos, de comorbilidad, electrocardiográficos y ecocardiográficos.
En esta revisión sistemática, se deseó centrar el objetivo en los predictores electrocardiográficos del desarrollo de FA.
Se realizaron búsquedas sistemáticas en las bases de datos de PubMed y Embase en busca de estudios que analizaran predictores electrocardiográficos de FA desde el inicio hasta agosto de 2021.
Se informó un total de 115 estudios que examinaron una combinación de parámetros auriculares y ventriculares que podrían ser predictores electrocardiográficos.
Los predictores auriculares incluyen parámetros de conducción, como el intervalo PR, el índice y la dispersión de la onda P, y el bloqueo interauricular parcial o avanzado, o parámetros morfológicos, como su eje eléctrico, su amplitud y su fuerza terminal.
Los predictores ventriculares incluyen anomalías en la amplitud, morfología o duración del QRS, duración del intervalo QT, progresión de la onda R y segmento ST, es decir, anomalías de la onda T.
Esta revisión destacó la amplitud de los posibles parámetros predictivos, y propuso posibles bases patológicas para el papel predictivo de cada parámetro llenando un vacío importante en la literatura actual.
Ha habido dos artículos de revisión previos de predictores ECG de FA, el más reciente de los cuales fue en 2017.
Ninguno de estos estudios fue sistemático en su enfoque para identificar estudios relevantes, y se centraron específicamente en estudios de gran población.
Este estudio aquí comentado proporcionó un análisis integral del estado actual del campo, considerando estudios más pequeños de poblaciones importantes o en riesgo, como las personas que tienen miocardiopatía hipertrófica o accidente cerebrovascular.
Al considerar la utilidad de parámetros individuales como predictores de FA, la combinación de
– facilidad de cálculo,
– confiabilidad y
– fuerza
proporcionó un resumen de los predictores identificados.
La presente revisión ha destacado que los parámetros auriculares son particularmente útiles, y existe una cantidad razonable de pruebas de que BIA-A, PWTFV1 (valor predictivo de fuerza terminal de P en V1) y PWD (duración de onda P) son útiles predictores de FA.
Todos estos predictores requieren una evaluación adicional del ECG más allá de los valores numéricos que se calculan.
El eje de la onda P y su amplitud han mostrado resultados consistentemente prometedores, pero en un número limitado de estudios.
Los parámetros ventriculares generalmente no fueron tan útiles como predictores.
De hecho, no está claro si el poder predictivo de los parámetros ventriculares es totalmente independiente de los parámetros auriculares.
Como se mencionó por Smith et al., existe una superposición entre los componentes (diferentes componentes de la onda P).
Es importante desentrañar esta superposición, ya que facilita una mayor comprensión de los parámetros que son más útiles como predictores de FA y, potencialmente, proporciona una comprensión de las razones mecánicas de por qué estos parámetros son útiles.
La reproducibilidad de las mediciones tanto en un punto de tiempo único como a lo largo de un período no se ha examinado completamente.
Las medidas compuestas, como PTFV1, han sido criticadas por ser particularmente susceptibles a la variación de la posición principal
Todos los investigadores demuestran que hay una multitud de enfoques diferentes utilizados en los estudios para detectar la FA.
Los enfoques más comunes son los ECG ad hoc y los monitores Holter, así como la evaluación retrospectiva de las notas de los pacientes, los datos del registro y los certificados de defunción.
Estos enfoques tienen limitaciones obvias.
El primero corre el riesgo de perder paroxismos entre grabaciones, mientras que el segundo está limitado por la precisión de la codificación, como lo demostraron Shah et al.
Un número limitado de estudios han utilizado dispositivos EGM, que tienen la ventaja de proporcionar un registro de ritmo continuo desde el punto de implantación del dispositivo, y el aumento de los idiomas que se ocupan del tema ha aumentado el interés en esto.
Cabe destacar que la duración límite para el diagnóstico de FA fue variable en estos estudios.
Un aspecto no estudiado de la predicción ECG de FA es la evolución temporal de los parámetros ECG.
No está claro si es el cambio en un parámetro o el valor absoluto del parámetro lo que es crítico en el desarrollo de la FA.
Los estudios longitudinales serían útiles aquí, ya que sería posible evaluar el patrón de cambio en un parámetro (si existe) como predictor de FA.
La digitalización de registros de pacientes y ECG ha creado un recurso de datos particularmente rico.
Ya existen programas de análisis de ECG en todo el hospital, mediante los cuales cualquier individuo que se someta a un ECG es examinado específicamente para detectar FA.
Con el advenimiento del aprendizaje automático y la inteligencia artificial, se podrían usar enfoques de detección más sofisticados, utilizando algunos de los parámetros identificados anteriormente, principalmente índices de ondas P, para ayudar a identificar a los pacientes con riesgo de desarrollar FA en la etapa más temprana posible.
La FA es endémica en la población anciana y se asocia con una morbilidad y mortalidad significativas.
Su predicción temprana podría ofrecer varias vías posibles para su manejo posterior.
Si no es posible prevenir el desarrollo de la FA, también sería de gran interés evitar sus consecuencias, incluido el ictus.
Dada la simplicidad de la administración y el perfil de seguridad mejorado de los anticoagulantes orales directos, el uso específico de la anticoagulación en grupos de alto riesgo podría ayudar a reducir la incidencia de accidentes cerebrovasculares.
De hecho, dentro del grupo ESUS, la predicción de FA podría usarse para dirigirse a aquellos pacientes que se beneficiarían más de los enfoques de monitoreo cardíaco a más largo plazo o la anticoagulación empírica.
La combinación de parámetros de ECG puede ayudar a maximizar la predicción de FA.
Esto fue claramente demostrado por Alexander et al. y Yoshizawa et al.
El primero utilizó un modelo de riesgo basado en “morfología-voltaje-onda-duración-onda P”, que tenía un OR de 2,1 y 2,4 para los grupos de riesgo intermedio y alto, respectivamente, basado en una cohorte de 676 pacientes sometidos a angiografía coronaria.
Este último utilizó una amplitud de onda P en II y V1 y una puntuación basada en dispersión de onda P, con resultados menos prometedores.
Por supuesto, el ECG de 12 derivaciones no es el único parámetro que proporciona datos sobre el riesgo de FA.
Se ha realizado mucho trabajo sobre parámetros bioquímicos, Holter, clínicos y ecocardiográficos para ayudar en la predicción de la FA.
La creación de un modelo multidimensional de predicción del riesgo proporcionaría un modelo más holístico y, con suerte, más preciso para estratificar el riesgo.
Esto podría ser valioso en la población con accidente cerebrovascular, no solo para dirigirse a las poblaciones que pueden beneficiarse más del monitoreo invasivo, sino también para crear estrategias de prevención primaria del accidente cerebrovascular.
El auge de las tecnologías de inteligencia artificial (IA) y los dispositivos portátiles orientados al consumidor están proporcionando nuevas y emocionantes vías para la predicción de la FA.
Grupos de Estados Unidos y Suecia han creado algoritmos de aprendizaje automático para la predicción de FA basados en un ECG de 12 derivaciones y un ECG de una sola derivación, respectivamente.
Se ha demostrado que los modelos basados en IA tienen un rendimiento comparativo con las puntuaciones de riesgo convencionales, como la puntuación CHARGE-AF, sin necesidad de una extracción de datos significativa.
La utilización de técnicas de visualización de características ha producido un análisis de algoritmos basados en IA para identificar en qué áreas se enfocan los algoritmos para la predicción de AF.
Como era de esperar, los algoritmos parecen centrarse en la onda P para la predicción de la FA, aunque también parece haber una contribución del componente inicial del complejo QRS.
La principal limitación de los algoritmos basados en IA, similar a cualquier enfoque de predicción de FA, sigue siendo la procedencia de la entrada de datos y el enfoque para la identificación de FA.
Los conjuntos de datos basados en ILR altamente seleccionados siguen siendo poco comunes, y los diagnósticos de FA para conjuntos de datos de entrenamiento generalmente se basan en el análisis de registros médicos.
Además, los datos de entrada requieren que las personas hayan tenido un ECG en algún momento y, por lo tanto, es posible que no proporcionen una representación completa de la población general.
Los dispositivos portátiles orientados al consumidor han brindado el potencial para evaluar datos de cohortes más amplias, así como para realizar análisis longitudinales.
Si bien aún no se ha aplicado a la FA, el grupo de Mayo ha demostrado la utilidad de la evaluación de la IA de los datos de los relojes inteligentes para predecir la disfunción ventricular izquierda.
Los algoritmos que pueden funcionar en las diferentes modalidades de dispositivos orientados al consumidor serán de particular utilidad, dado el creciente número de dispositivos que están disponibles tanto para los consumidores como para los médicos.
Esto plantea la cuestión de si el análisis convencional de los parámetros de ECG sigue desempeñando un papel.
Como se mencionó, la identificación de parámetros ECG clave que predicen la FA futura puede ayudar a facilitar una mejor comprensión de la patogenia de la FA, y este proceso puede verse favorecido por la visualización de características de los algoritmos de IA.
Como conclusiones, se han revisado sistemáticamente la evidencia del uso de diferentes parámetros de ECG de superficie como predictores de FA.
Esta es un área de creciente interés, con varios parámetros que muestran asociación con FAp.
Se requiere más trabajo para ayudar a refinar estos parámetros y el riesgo predictivo relativo entre sí, para comprender su base fisiopatológica en el desarrollo de la FA y para maximizar su uso en la identificación temprana de este grupo de pacientes, particularmente en combinación con otras variables.
* Chousou PA, Chattopadhyay R, Tsampasian V, Vassiliou VS, Pugh PJ. Electrocardiographic Predictors of Atrial Fibrillation. Med Sci (Basel). 2023 Apr 7;11(2):30. doi: 10.3390/medsci11020030. PMID: 37092499; PMCID: PMC10123668.
