Introducción
Dr. Héctor Bueno
Presidente del Comité Científico del Congreso
Comité ejecutivo
Comité de evaluadores
Listado de sesiones
Índice de autores
Introducción y objetivos: A pesar del reconocimiento de la importancia de la aurícula izquierda (AI), su estudio se ha visto limitado por la falta de herramientas que faciliten una evaluación completa de la misma. La incorporación de las medidas de strain (S) miocárdico derivadas de la ecocardiografía 2D speckle tracking (E2DST) ha supuesto un avance en su valoración funcional en patologías frecuentes como la fibrilación auricular (FA). Nuestro objetivo ha sido (1) analizar con E2DST la función mecánica de la AI en FA y tras cardioversión eléctrica (CVE) y (2) evaluar su utilidad para predecir recurrencias.
Métodos: Incluimos prospectivamente a pacientes (p) que mantenían el sinusal la primera semana (1s) post-CVE de FA y un grupo de 30 controles sin antecedente de FA, emparejados por edad y sexo. Realizamos E2D completo pre-CVE y 1s post-CVE hy seguimiento clínico. Se calculó la deformación auricular izquierda con E2DST desde las vistas apical de 4 y 2 cámaras con región de interés de 6 segmentos para cada una (12 segmentos en total), utilizando el ciclo ventricular como referencia. Se seleccionó el pico positivo de S longitudinal auricular (%) (PSLA), que se corresponde con la función de reservorio, como el parámetro para el análisis. Se efectuó análisis con regresión logística y curvas ROC.
Resultados: Seleccionamos 43 p [edad media, desviación estándar (DE): 62,6 (9,3) años, volumen indexado AI (iVolAI): 36,8 (11,4) ml/m2, tiempo de evolución de FA pre-CVE: 6,8 (6,6) meses]. 33% mujeres. Hubo un 26% de recidivas. Los valores de PSLA basales y PSLA 1s en los p fueron significativamente inferiores a los del grupo control: 13,06 (4,19) y 15,85 (5,68) vs 29,37 (6,86), respectivamente, p < 0,001 para ambos. En el análisis univariado, el iVolAI basal y el PSLA 1s se correlacionaron significativamente con la recurrencia de FA. El estudio con regresión logística confirmó el PSLA 1s como el mejor predictor de riesgo de recidiva [OR: 0,85 (IC95%): 0,76-0,97, p = 0,004]. Un valor de corte ≤ 13, mostró una sensibilidad del 81,8% y una especificidad del 81,3% para predecir recurrencias. El resultado del análisis con curva ROC se muestra en la figura.
Curvas ROC y resultados del análisis del área bajo la curva.
Conclusiones: El estudio de la AI en la FA que combina parámetros morfológicos, iVolAI, y de función con E2DST, PSLA, muestra una alta precisión diagnóstica para predecir el riesgo de recurrencia de FA a partir de la primera semana tras CVE.