Un modello innovativo per prevedere la malattia coronarica utilizzando i trigliceridi

Diabetologia cardiovascolare volume 22, numero articolo: 200 (2023) Citare questo articolo

179 accessi

Dettagli sulle metriche

Sono stati sviluppati vari modelli predittivi per predire l’incidenza della malattia coronarica (CHD), ma nessuno di essi ha avuto un valore predittivo ottimale. Sebbene questi modelli considerino il diabete come un importante fattore di rischio di malattia coronarica, non considerano la resistenza all’insulina o i trigliceridi (TG). La performance insoddisfacente di questi modelli di previsione può essere attribuita all’ignoranza di questi fattori nonostante i loro effetti comprovati sulla malattia coronarica. Abbiamo deciso di modificare i modelli predittivi standard di CHD attraverso l’apprendimento automatico per determinare se l’indice dei trigliceridi-glucosio (indice TyG, una combinazione logaritmizzata di zucchero nel sangue a digiuno (FBS) e TG che dimostra la resistenza all’insulina) funziona meglio del diabete come predittore di CHD.

Sono stati studiati duemila partecipanti di una popolazione iraniana residente nella comunità, di età compresa tra 20 e 74 anni, con un follow-up medio di 9,9 anni (intervallo: 7,6-12,2). L'associazione tra l'indice TyG e la CHD è stata studiata utilizzando modelli di rischio proporzionale multivariati di Cox. Selezionando componenti comuni dei punteggi di rischio CHD precedentemente convalidati, abbiamo sviluppato modelli di apprendimento automatico per prevedere la CHD. L’indice TyG è stato sostituito dal diabete nei modelli di previsione della malattia coronarica. Tutti i componenti dei modelli di apprendimento automatico sono stati spiegati in termini di come influenzano la previsione della malattia coronarica. Sono stati calcolati i punti di cut-off dell’indice TyG per la previsione della CHD.

L’incidenza della malattia coronarica è stata del 14,5%. Rispetto al quartile più basso dell’indice TyG, il quarto quartile aveva un rapporto di rischio completamente corretto di 2,32 (intervallo di confidenza [CI] 1,16–4,68, p-trend 0,04). Un indice TyG > 8,42 aveva il valore predittivo negativo più alto per CHD. La Support Vector Machine (SVM) basata sull’indice TyG ha funzionato significativamente meglio della SVM basata sul diabete per la previsione della malattia coronarica. L’indice TyG non solo era più importante del diabete nel predire la malattia coronarica; era il fattore più importante dopo l’età nei modelli di machine learning.

Raccomandiamo di utilizzare l'indice TyG nella pratica clinica e nei modelli predittivi per identificare gli individui a rischio di sviluppare CHD e per aiutarli nella prevenzione.

La malattia coronarica rappresenta una delle principali sfide per la salute pubblica e contribuisce al carico globale di malattie. Nonostante il miglioramento dei metodi di prevenzione e delle tecniche di trattamento [1, 2], è ancora la principale causa di morbilità e mortalità in tutto il mondo, rappresentando il 32% di tutti i decessi [3], e rappresenta un’enorme pressione sulle finanze sanitarie nazionali [4, 5]. Pertanto, la valutazione del rischio di malattia coronarica è una priorità di salute pubblica globale.

Vari modelli predittivi di CHD come Framingham [6], Systematic COronary Risk Evaluation (SCORE) [7], Reynolds [8], American College of Cardiology/American Heart Association (ACC/AHA) [9], raccomandazioni consensuali delle società britanniche congiunte per la prevenzione delle malattie cardiovascolari (JBS3) [10], Multi-Ethnic Study of Atherosclerosis (MESA) [11], QRISK [12] e la previsione del rischio cardiovascolare aterosclerotico in Cina (China-PAR) [13], sono stati sviluppati per predire l’incidenza di CHD, ma nessuno ha un valore predittivo ottimale [14]. Tutti questi modelli considerano il diabete come un importante fattore di rischio di malattia coronarica, ma nessuno considera né la resistenza all’insulina né i TG [14,15,16,17].

Una migliore previsione della malattia coronarica potrebbe essere possibile considerando la resistenza all’insulina, che si verifica anni o addirittura decenni prima del diabete [18]. Precedenti analisi mendeliane randomizzate, revisioni sistematiche e meta-analisi hanno sostenuto l’associazione tra resistenza all’insulina e malattia coronarica alterando le risposte della parete vascolare per l’insulina e promuovendo l’aterosclerosi [19,20,21]. Il clamp test iperinsulinemico-euglicemico è il gold standard per la misurazione della resistenza all’insulina, ma non è applicabile negli studi clinici a causa del suo protocollo invasivo, complicato e costoso [22, 23]. Un altro indice validato è il modello di valutazione dell’omeostasi della resistenza all’insulina (HOMA-IR) calcolato dividendo il glucosio sierico per le concentrazioni di insulina. La concentrazione di insulina circolante non viene misurata di routine nelle cure primarie. Inoltre, ha un valore limitato nei soggetti che ricevono insulina sottocutanea. Pertanto, HOMA-IR non è un indice adatto per le strategie di prevenzione primaria [23]. L'indice TyG è un prodotto logaritmizzato di FBS e TG. È stato dimostrato che è altamente correlato al clamp iperinsulinemico-euglicemico e all'HOMA-IR [24]. Inoltre, si tratta di un protocollo semplice e a basso costo che può essere utilizzato in tutti i soggetti indipendentemente dal loro stato di trattamento con insulina [23]. Inoltre, contiene TG, un altro fattore di rischio per CHD [25, 26] come indicato da diversi studi; tuttavia, non è stato considerato nei modelli precedenti [6,7,8,9,10,11,12,13]. Sembra quindi sensato modificare questi modelli con l’indice TyG e poi valutarne l’efficacia.