Introducción
Dr. José María de la Torre Hernández
Presidente del Comité Científico del Congreso. Vicepresidente de la SEC
Comités ejecutivo, organizador y científico
Comité de evaluadores
Listado completo de comunicaciones
Índice de autores
Introducción y objetivos: La estratificación de eventos cardiovasculares adversos mayores (MACE) en la miocardiopatía hipertrófica (MCH) es imperfecta. Este estudio tiene como objetivo investigar el papel pronóstico del strain longitudinal global de la aurícula izquierda (SLG-AI) derivado de RMC en MCH.
Métodos: Estudio retrospectivo, longitudinal, unicéntrico, de pacientes con MCH, con análisis ciego de las RMC. El SLG-AI se obtuvo a partir de un método semiautomático y se clasificó según su valor mediano. MACE se definió como mortalidad global, muerte súbita cardiaca (MSC), taquicardias ventriculares (TV) sostenidas y no sostenidas, descargas apropiadas del DAI, hospitalización por insuficiencia cardiaca y fibrilación auricular de nueva aparición. Se realizó un análisis de regresión de Cox. Se presentan aquí los resultados preliminares.
Resultados: Se incluyeron 54 pacientes con MCH, de 58 ± 16 años y 39% mujeres. El grosor máximo parietal (GMP) era de 18,0 ± 3,9 mm, el 37% presentaba obstrucción del tracto de salida del ventrículo izquierdo (OTSVI) y el 45% tenía realce tardío de gadolinio (RTG) (tabla). Tras un seguimiento medio de 6,9 ± 3,0 años, 26 pacientes (48%) presentaron MACE. El SLG-AI fue significativamente inferior en los pacientes con MACE (26,5 ± 19,0% vs 36,7 ± 13%, p = 0,026), con un valor predictivo moderado (AUC = 0,68, figura A). El análisis multivariante reveló que una disminución del SLG-AI (HR 1,09 por cada 1% de disminución, IC95% 1,03-1,15, p = 0,002), la presencia de RTG (HR 6,90, IC95% 1,70-28,00, p = 0,007), la presencia de OTSVI (HR 3,40; IC95% 1,12-10,20; p = 0,031) y un aumento del GMP (HR 1,23 por cada 1 mm de aumento; IC95% 1,05-1,45; p = 0,011) se asociaron de forma independiente con MACE. Entre los pacientes de bajo riesgo (ausencia de RTG u OTSVI, o GMP inferior al valor mediano), el SLG-AI tuvo un papel pronóstico adicional: aquellos con una SGL-AI superior al valor mediano (> 29,7%) presentaron un pronóstico muy favorable (figura B-D).
Características clínicas y hallazgos de imagen |
||||
Características clínicas |
Todos los pacientes |
MACE |
No MACE |
p |
N (%) |
54 (100%) |
26 (48,1%) |
28 (51,9%) |
- |
Género femenino (%) |
21 (38,9%) |
10 (38,5%) |
11 (39,3%) |
0,951 |
Edad (años) ± DE |
58,5 ± 15,9 |
60,9 ± 12,8 |
56,3 ± 18,3 |
0,285 |
Hipertensión (%) |
23 (42,6%) |
14 (53,8%) |
9 (32,1%) |
0,168 |
Diabetes (%) |
5 (9,3%) |
2 (7,7%) |
3 (10,7%) |
0,702 |
Dislipemia (%) |
21 (38,9%) |
9 (34,6%) |
12 (42,9%) |
0,586 |
Hª familiar de MS (%) |
7 (13,9%) |
4 (15,4%) |
3 (11,1%) |
0,646 |
Supervivencia (años) ± DE |
6,9 ± 3,1 |
5,5 ± 3,4 |
8,1 ± 2 |
< 0,001 |
Hallazgos de imagen |
||||
SLG (%)* |
23 (45,1%) |
15 (62,5%) |
8 (29,6%) |
0,019 |
SLG-AI (%) ± DE* |
31,8 ± 17,2 |
26,5 ± 19,0 |
36,7 ± 13,0 |
0,026 |
SLG-AI < 29,7% (%) |
27 (50,0%) |
17 (65,4%) |
10 (35,7%) |
0,029 |
GMP (mm) ± DE* |
18,0 ± 3,9 |
18,7 ± 4,2 |
17,4 ± 3,6 |
0,048 |
OTSVI (%)* |
20 (37,0%) |
11 (42,3%) |
9 (32,0%) |
0,041 |
FEVI (%) ± DE |
62,7 ± 6,7 |
62,7 ± 7,0 |
62,6 ± 7,00 |
0,936 |
FEVD ± DE |
61,0 ± 8,1 |
62,4 ± 7,9 |
59,7 ± 8,1 |
0,214 |
VTDVIi (ml/m2) ± DE |
80,3 ± 18,7 |
79,9 ± 30,3 |
80,6 ± 19,6 |
0,894 |
MVIi (g/m2) ± DE |
73,5 ± 26,5 |
77,9 ± 30,3 |
69,3 ± 22,2 |
0,238 |
VAIi (ml/m2) ± DE |
48,7 (19,7) |
49,9 ± 20,9 |
47,6 ± 18,8 |
0,672 |
FEVD: fracción de eyección del ventrículo derecho; FEVI: fracción de eyección del ventrículo izquierdo; GMP: grosor máximo promedio de la pared; MACE: eventos cardiovasculares adversos mayores; MS: muerte súbita; MAVi: masa del ventrículo izquierdo indexada; OTSVI: obstrucción al tracto de salida del ventrículo izquierdo; DE: desviación estándar; SLG: strain longitudinal global; SLG-AI: strain longitudinal global de la aurícula izquierda; VAIi: volumen de aurícula izquierda indexado; VTDVIi: volumen telediastólico de ventrículo izquierdo indexado. *Variables incluidas en el análisis multivariable. |
Resultados del estudio preliminar.
Conclusiones: El SLG-AI por RMC es un predictor de eventos en la MCH más allá de los factores pronósticos clásicos. En particular, parece ser útil para estratificar el riesgo de los pacientes de bajo riesgo: aquellos con un GLS-AI normal muestran un pronóstico excelente. Si se confirma en estudios prospectivos, el GLS-AI podría utilizarse para individualizar el seguimiento de la MCH.