Introducción
Dr. Héctor Bueno
Presidente del Comité Científico del Congreso
Comité ejecutivo
Comité de evaluadores
Listado de sesiones
Índice de autores
Introducción y objetivos: Variables relacionadas con la fragilidad, pueden influir en el pronóstico de los pacientes con insuficiencia cardiaca (IC) pese a la optimización de estrategias de seguimiento como, por ejemplo, la telemedicina. La agrupación (clustering) en fenotipos puede permitirnos mejorar la atención integrada de los pacientes con IC.
Nuestro objetivo fue realizar un análisis de clusters basado en machine-learning e identificar fenotipos de fragilidad en la cohorte de pacientes incluidos en el ensayo clínico iCOR (insuficiència Cardiaca Optimització Remota).
Métodos: Se realizó un análisis de clusters en base a 8 dimensiones relacionadas con la fragilidad. Se calculó la matriz de disimilitud con la distancia de Gower, un agrupamiento jerárquico divisivo y, finalmente, mediante Elbow y Silhouette se analizó el cambio en la suma de recuadros, y se eligió el número de clusters. Se calculó la incidencia de los eventos (descompensación de IC, evento primario, y hospitalización y mortalidad por todas las causas y mortalidad por todas las causas o descompensación de IC como secundarios) por CLUSTER.
Resultados: Se identificaron 5 clusters de fragilidad. Cluster 1 (29 pacientes, 16%) con los de mayor calidad de vida (QoL) y aceptable estado emocional, pero con mal autocuidado. Cluster 2 (41 pacientes, 23%) incluyó a los más jóvenes, con mayor nivel educativo y cognitivo. Cluster 3 (68 pacientes, 38%) abarcó a aquellos con mayor autocuidado (18,9 ± 9,8) y funcionalidad y menor comorbilidad. Los pacientes en el cluster 4 (30, 17%) tendían a ser mujeres de mayor edad con mala QoL, y mayor dependencia. Finalmente, el cluster 5 fue el grupo menor (10 pacientes, 6%), con los más ancianos, con menor nivel educativo, peor estado emocional y mayor deterioro cognitivo y comorbilidad. El Cluster 4 presentó una mayor incidencia del evento primario (57 por 100 pacientes en riesgo-años, IC95% [37,4-74-5]) y una elevada incidencia de los otros 3 eventos a estudio.
Radar chart para comparar los 5 fenotipos de fragilidad según las 8 dimensiones de fragilidad predefinidas.
Conclusiones: Mediante el análisis de clusters, estratificamos a los pacientes con IC según su vulnerabilidad en diferentes dominios de fragilidad. Esto permitirá incorporar valoraciones holísticas en los programas de IC para identificar las necesidades de los pacientes y proporcionar a cada uno de ellos un programa de seguimiento personalizado y estructurado según sus requerimientos (medicina personalizada y de precisión).