Bigdata e tele-eletrocardiografia: um estudo com a coorte eletrônica dos eletrocardiogramas da Rede de Teleassistência de Minas Gerais
Carregando...
Arquivos
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Tese de doutorado
Título alternativo
Primeiro orientador
Membros da banca
Resumo
Introdução: As doenças cardiovasculares são as principais causas de mortalidade no Brasil e no mundo. O eletrocardiograma (ECG) é um exame de baixo custo, fácil acesso e não invasivo que faz parte da avaliação inicial do paciente na investigação de cardiopatia, bem como do seguimento clínico dos pacientes sabidamente portadores de doenças cardiovasculares. A identificação de novas variáveis eletrocardiográficas como fatores de risco para eventos cardiovasculares é um importante objeto de pesquisa dentre as coortes eletrônicas. Na eletrocardiografia, os algoritmos de machine learning (ML) têm sido bastante estudados tanto para o diagnóstico automático de alterações eletrocardiográficas, bem como para a predição de eventos cardiovasculares e identificação de novos fatores de risco cardiovasculares.
Objetivos: Avaliar a presença das alterações maiores de Minnesota pelo ECG como fator de risco independente para mortalidade e o impacto prognóstico da idade eletrocardiográfica predita por técnicas de ML.
Métodos: Trata-se de estudo observacional retrospectivo que avaliou pacientes que realizaram eletrocardiograma digital pela Rede de Teleassistência de Minas Gerais de 2010 a 2017. Realizou-se pareamento probabilístico entre os dados do ECG e o sistema de informação de mortalidade do estado de Minas Gerais. Dados clínicos foram auto-relatados. Os ECGs foram laudados por cardiologistas treinados e, também, interpretados pelos softwares automáticos de Glasgow e Minnesota. Uma rede neural convolucional foi treinada para predizer a idade baseada no ECG de 12 derivações.
Resultados: 1.558.421 pacientes acima de 16 anos foram incluídos no estudo. As anormalidades eletrocardiográficas avaliadas foram: bloqueio atrioventricular (BAV), bloqueio de ramo direito (BRD),bloqueio de ramo esquerdo (BRE) e pré- excitação ventricular. Em um seguimento médio de 3,7 anos, a presença de BRE, BRD e BAV foi associada, independemente, a maior mortalidade (p< 0,001). Pacientes com pré- excitação ventricular não apresentaram maior risco de morte (p=0,47). Pacientes com ECG com idade superior a 8 anos que a cronológica apresentaram maior risco de morte (razão de risco (HR) 1,79, p <0,001), enquanto aqueles com ECG com idade inferior a 8 anos que a cronológica apresentaram menor risco (HR 0,78, p <0,001).
Conclusões: Coortes eletrônicas podem determinar o valor prognóstico das anormalidades eletrocardiográficas. A idade eletrocardiográfica predita por ML pode adicionar informações prognósticas à interpretação convencional do ECG.
Abstract
Assunto
Eletrocardiografia, Aprendizado de Máquina, Mortalidade, Doenças Cardiovasculares, Fatores de Risco
Palavras-chave
coorte eletrônica, eletrocardiograma, machine learning, mortalidade