Οι καρδιολόγοι της κλινικής Mayo παρουσίασαν πρόσφατα νέα ευρήματα στην Ετήσια Συνάντηση της Εταιρείας Θωρακοχειρουργών, τα οποία αναδεικνύουν την ανάγκη για ένα αξιόπιστο εργαλείο πρόβλεψης χειρουργικού κινδύνου σε ενήλικες με συγγενείς καρδιοπάθειες (ΣΝ). Η επαναληπτική καρδιοχειρουργική σε αυτούς τους ασθενείς παραμένει υψηλού κινδύνου, ενώ τα υπάρχοντα εργαλεία πρόβλεψης δεν καλύπτουν επαρκώς τις σύνθετες ιατρικές τους ανάγκες.

Ο Αναδυόμενος Πληθυσμός Ενηλίκων με CHD
Οι ενήλικες με συγγενείς καρδιοπάθειες αποτελούν έναν αυξανόμενο και πολύπλοκο ιατρικό πληθυσμό. Οι περισσότεροι γεννήθηκαν με δομικά καρδιακά ελαττώματα και υποβλήθηκαν σε χειρουργική επέμβαση νωρίς στη ζωή τους. Στην ενήλικη ζωή, πολλοί χρειάζονται πρόσθετες διαδικασίες λόγω μεταβαλλόμενης φυσιολογίας και μακροπρόθεσμων προκλήσεων υγείας. Οι χειρουργοί αντιμετωπίζουν δυσκολία στην εκτίμηση του κινδύνου χρησιμοποιώντας τα συμβατικά μοντέλα που έχουν σχεδιαστεί για τον ευρύτερο καρδιολογικό πληθυσμό ενηλίκων.
Η Elaine Griffeth, MD, επικεφαλής της μελέτης και ειδικευόμενη στο συνδυασμένο πρόγραμμα γενικής και θωρακικής χειρουργικής στην κλινική Mayo, εξηγεί: «Το κίνητρο της έρευνάς μας είναι να παρέχουμε στους ασθενείς και στις ομάδες φροντίδας τους ένα εργαλείο που θα καθοδηγεί τις αποφάσεις σχετικά με τις χειρουργικές επεμβάσεις, βασισμένο σε εξατομικευμένο κίνδυνο».
Ανάλυση Δεδομένων και Μεθοδολογία
Η μελέτη χρησιμοποίησε δεδομένα από τη Βάση Δεδομένων Καρδιοχειρουργικής Ενηλίκων (ACSD) της STS, καλύπτοντας την περίοδο Ιουλίου 2017 – Δεκεμβρίου 2023. Οι ερευνητές εφάρμοσαν συνδυασμό λογιστικής παλινδρόμησης και τεχνικών μηχανικής μάθησης για την εκτίμηση του χειρουργικού κινδύνου σε εθνικό επίπεδο.
Αποκλείστηκαν περιπτώσεις μεμονωμένων διαγνώσεων, όπως διγλώχινη αορτική βαλβίδα ή πρώτη επέμβαση CABG, ώστε η ανάλυση να επικεντρωθεί σε πιο αντιπροσωπευτικές καταστάσεις της καρδιοχειρουργικής ενηλίκων με CHD.
Αποτελέσματα και Προγνωστικό Μοντέλο
Οι ερευνητές διαπίστωσαν ότι περίπου το 16,7% των ενηλίκων με CHD διατρέχουν υψηλό κίνδυνο θνησιμότητας και σοβαρών μετεγχειρητικών επιπλοκών μετά από επαναλαμβανόμενη καρδιοχειρουργική επέμβαση. Αυτές περιλαμβάνουν ανάγκη για μηχανική υποστήριξη της κυκλοφορίας του αίματος, αιμοκάθαρση, εγκεφαλικό επεισόδιο, νευρολογική βλάβη ή καρδιακή ανακοπή.
Η μελέτη εντόπισε 15 κρίσιμους παράγοντες που επηρεάζουν τον κίνδυνο και δημιούργησε ένα προγνωστικό μοντέλο με καλή διάκριση. Η Griffeth σχολιάζει: «Οι ασθενείς πρέπει να γνωρίζουν τον ατομικό τους κίνδυνο με βάση τη δική τους ιατρική κατάσταση. Η εργασία μας ανοίγει τον δρόμο για έναν αξιόπιστο πόρο για αυτόν τον αναδυόμενο πληθυσμό».
Προκλήσεις στη Φροντίδα Ενηλίκων με ΣΝ
Μια ιδιαίτερη πρόκληση αφορά ασθενείς με μία κοιλία, μια κατάσταση που αποτελεί σημαντικό δείκτη μακροπρόθεσμου κινδύνου, αλλά δεν καταγράφεται συχνά στη βάση δεδομένων ACSD. Οι ερευνητές χρησιμοποίησαν προσαρμοσμένες αναλυτικές τεχνικές για να αντιπροσωπεύσουν σωστά αυτόν τον πληθυσμό σε εθνικό επίπεδο.
Η Griffeth προσθέτει: «Τα αποτελέσματα εξαρτώνται από ολόκληρη τη χειρουργική ομάδα, και οι παράγοντες κινδύνου ενός ιδρύματος δεν μεταφράζονται πάντα σε όλα τα νοσοκομεία. Η ACSD μας επιτρέπει να εντοπίζουμε τους σημαντικούς παράγοντες για τα χειρουργικά αποτελέσματα πανεθνικά».
Σημασία της Έρευνας
Η πρόοδος στην καρδιοχειρουργική σημαίνει ότι σχεδόν όλα τα παιδιά με CHD ζουν μέχρι την ενηλικίωση. Σήμερα, περίπου 1,4 εκατομμύρια ενήλικες στις ΗΠΑ έχουν καρδιακές ανωμαλίες που αντιμετωπίστηκαν στην παιδική ηλικία. Η δημιουργία ενός υπολογιστή χειρουργικού κινδύνου για αυτούς τους ασθενείς θα βελτιώσει την ενημέρωση και την ασφάλεια των αποφάσεων σε κάθε επίπεδο φροντίδας.
Η Εταιρεία Θωρακοχειρουργών (STS) έχει ήδη αναπτύξει πολλούς υπολογιστές κινδύνου για διάφορες καρδιοχειρουργικές επεμβάσεις, αξιοποιώντας τη μεγάλη βάση δεδομένων της που περιλαμβάνει σχεδόν 10 εκατομμύρια επεμβάσεις από πάνω από 4.300 χειρουργούς. Το νέο προγνωστικό εργαλείο για ενήλικες με CHD προσφέρει παρόμοια καθοδήγηση, βασισμένη σε τεκμηριωμένα στοιχεία.
Η νέα μελέτη αναδεικνύει τη σημασία της εξατομικευμένης εκτίμησης κινδύνου για ενήλικες με συγγενείς καρδιοπάθειες και δείχνει ότι είναι εφικτό να δημιουργηθούν κλινικά εφαρμόσιμα μοντέλα πρόβλεψης. Η ενσωμάτωση μηχανικής μάθησης με παραδοσιακές στατιστικές μεθόδους προσφέρει ένα πρακτικό μονοπάτι για την ασφαλέστερη και πιο ενημερωμένη φροντίδα ενός αυξανόμενου και πολύπλοκου πληθυσμού ασθενών.


