ISSN: 0300-8932 Factor de impacto 2024 4,9
Pruebas corregidas Pruebas preliminares

Artículo original
Evaluación de la probabilidad clínica ponderada por factores de riesgo y por puntuación de calcio coronario como cribado para pruebas avanzadas de isquemia

Evaluation of risk factor-weighted and coronary artery calcium score-weighted clinical likelihoods as gatekeepers before advance ischemia testing

Simon M. FreyabcIgor G. SchneiderabAnn-Sophie OttoabFlorian M. GeiserabFiona NafaabGabrielle HurébJinju ElavathingalbKarolina SobolewskabKlara RumorabDamian WilddPhilip HaafabFelix MahfoudabChristian E. MuellerabMichael J. Zellwegerab
https://doi.org/10.1016/j.recesp.2025.12.010
Material adicional
Imagen extra
10.1016/j.recesp.2025.12.010
Resumen
Introducción y objetivos

La utilización de la probabilidad clínica ponderada por factores de riesgo (RF-CL) y su combinación con la puntuación de calcio arterial coronario (CACS-CL) podrían reducir las exploraciones normales, la exposición a radiación y los costes.

Métodos

Se estudiaron 3 algoritmos diagnósticos que utilizan la RF-CL y CACS-CL en 1.792 pacientes (65±11 años, 43% mujeres) derivados para realización de tomografía por emisión de positrones (PET) con rubidio-82 (82Rb). Algoritmo 1: aplazar la prueba si RF-CL ≤ 5%; algoritmo 2: reclasificar con CACS-CL si RF-CL> 5-15% y aplazar si RF-CL o CACS-CL ≤ 5%, y algoritmo 3: aplazar si CACS-CL ≤ 5%. Se compararon los diagnósticos perdidos, las exploraciones normales, la exposición a radiación y los costes frente al estándar de referencia actual (CACS+PET). Los parámetros de evaluación fueron la isquemia pequeña (suma de la puntuación diferencial [SPD] ≥ 2) y la relevante (≥ 10% del miocardio).

Resultados

La mediana de la RF-CL y CACS-CL fue del 11 [6-19] y del 12% [3-28], respectivamente. El algoritmo 1 redujo la exposición a radiación y costes en un 22,0%, manteniendo una alta precisión en el rendimiento del cribado (sensibilidad/valor predictivo negativo [VPN] del 92,7/98,2%). El algoritmo 2 aplazó la mayor proporción de pacientes (36,4%), pero pasó por alto la isquemia leve en el 2,0%. El algoritmo 3 demostró el mejor rendimiento reduciendo la exposición a radiación y los costes en un 28,7 y 29,7%, respectivamente, sin comprometer la precisión (sensibilidad/VPN del 93,2/98,4% para la isquemia leve y del y 97,0/99,7% para la relevante).

Conclusiones

El refinamiento de la RF-CL en todos los pacientes y el aplazamiento si la CACS-CL ≤ 5% proporcionaron el mejor rendimiento de cribado ante la sospecha de síndrome coronario crónico.

Palabras clave

Enfermedad coronaria
Probabilidad pretest
Sistema de cribado
Puntuación de calcio coronario
Guías ESC 2024 sobre síndromes coronarios crónicos
Selección de pacientes
Isquemia
Tomografía por emisión de positrones

Abreviaturas

CACS-CL
EC
ESC
PET
PPT
RF-CL
INTRODUCCIÓN

En los pacientes que presentan un dolor torácico estable y sospecha de enfermedad coronaria (EC), la proporción de resultados anormales en las pruebas ha disminuido a lo largo de los años1. Una posible explicación es la sobreestimación de la probabilidad pretest (PPT) con las herramientas de predicción de riesgo utilizadas actualmente2,3. Como resultado de ello, la mayoría de las pruebas funcionales no invasivas de isquemia para la EC muestra resultados normales (60-79%), lo que conduce a una exposición innecesaria a medicamentos, administración de medios de contraste, pruebas de esfuerzo, exposición a radiación y aumento de los costos de la asistencia médica4–6. Con el incremento de la prevalencia de los factores de riesgo cardiovascular y el envejecimiento de la población, se prevé un crecimiento de la demanda de pruebas no invasivas para detectar la EC. Sin embargo, los recursos sanitarios son limitados, por lo que es fundamental seleccionar de forma óptima a los pacientes, especialmente para identificar a aquellos en los que se puede posponer la prueba sin riesgo.

Las guías de 2024 de la Sociedad Europea de Cardiología (ESC) sobre el síndrome coronario crónico (SCC) introdujo un nuevo modelo para estimar el riesgo de EC7. Este modelo de probabilidad clínica ponderada por factores de riesgo (RF-CL) incorpora varios factores de riesgo cardiovascular, además de la puntuación de los síntomas, el sexo y la edad. La puntuación de los síntomas es comparable al sistema de clasificación del dolor torácico utilizado en la guía de la ESC de 20198. La RF-CL puede ajustarse luego de forma subjetiva y personalizada utilizando los resultados clínicos anormales, o reclasificarse cuantitativamente con la puntuación de calcio arterial coronario (CACS).

En comparación con lo indicado en la guía de la ESC de 2019, el modelo de RF-CL triplica la proporción de pacientes clasificados con una probabilidad muy baja de presentar EC (el 38 frente al 12%), al tiempo que mantiene una alta calibración y una excelente discriminación del riesgo7,9,10. Sin embargo, una estrategia de cribado más restrictiva puede aumentar el riesgo de que se pasen por alto diagnósticos11. En consecuencia, la guía de la ESC de 2024 recomienda abstenerse de realizar pruebas no invasivas en los pacientes con una probabilidad clínica muy baja de EC (0-5%) y sugiere reclasificar a los pacientes con una probabilidad baja (> 5-15%) utilizando la probabilidad clínica ponderada por puntuación de calcio arterial coronario (CACS-CL).

Dada la tasa persistentemente alta de resultados normales en las pruebas (hasta un 79%)5, se necesitan estrategias para optimizar el cribado de los pacientes para el uso de la evaluación de la EC. El objetivo de este estudio era evaluar 3 algoritmos diferentes que incorporaban la RF-CL y la CACS-CL como posibles estrategias de cribado para orientar la selección de pacientes o el aplazamiento de las pruebas, y evaluar el rendimiento diagnóstico, la reducción de los resultados normales de las pruebas, la exposición a la radiación y los costes sanitarios.

MÉTODOSDiseño del estudio y selección de los pacientes

Se realizó un cribado de pacientes con sospecha o presencia conocida de EC remitidos a una 82Rb-PET, y se les invitó a participar en este estudio prospectivo entre 2018 y 2022. Se excluyó de este análisis a los pacientes con una EC conocida o exploraciones sin disponibilidad de CACS (figura 1).

Figura 1.

Diagrama de flujo de la selección de los pacientes. Para este proyecto, solo se incluyó a pacientes sin EC conocida y para los que se dispuso de la CACS. CACS: puntuación de calcio arterial coronario; EC: enfermedad coronaria; PET: tomografía por emisión de positrones.

(0.13MB).
Probabilidad pretest

Se calculó la probabilidad clínica (CL, por su sigla en inglés) de cada paciente con la RF-CL descrita en la figura 4 de la guía de 2024 de la ESC sobre el tratamiento del SCC7. Se utilizaron las categorías de edad más baja y más alta para los pacientes menores de 30 años (n=6) y los mayores de 80 años (n=133), respectivamente.

La CL se mejoró con la CACS-CL utilizando la fórmula publicada por Winther et al.9. Partiendo de la RF-CL inicial, se asignó a los pacientes una probabilidad clínica baja o alta según su valor de CACS. En el material adicional, se detalla la fórmula utilizada.

La definición de las categorías de CL fue similar a la indicada en la guía: muy baja (0-5%), baja(> 5-15%), moderada(> 15-50%), alta(> 50-85%) y muy alta(> 85%).

Algoritmos retrospectivos para la selección de los pacientes

El algoritmo de diagnóstico actual (que se tomó como patrón de referencia) utiliza la CACS y la PET en todos los pacientes derivados por sospecha de EC. En consecuencia, se evaluó a todos los pacientes mediante la CACS y la PET. Se aplicaron retrospectivamente 3 algoritmos de cribado diferentes, tal como se muestra en la figura 2.

Figura 2.

Tres algoritmos de diagnóstico diferentes para optimizar la selección previa a la prueba. En la parte superior, se muestran 3 algoritmos de diagnóstico diferentes. Dependiendo de la RF-CL, se realizaría o se evitaría una tomografía por emisión de positrones (PET). Los diagramas circulares indican el número de pacientes y la proporción de resultados anormales en el grupo correspondiente. En los recuadros grises, se indican los resultados de la exploración que no estarían disponibles si se hubiera utilizado el algoritmo. Las características de la prueba hacen referencia a la detección de una isquemia pequeña (SPD ≥ 2). CACS: puntuación de calcio arterial coronario; CACS-CL: probabilidad clínica ponderada por puntuación de calcio arterial coronario; PET: tomografía por emisión de positrones; RF-CL: probabilidad clínica ponderada por factores de riesgo; VPN: valor predictivo negativo.

(0.86MB).

En el algoritmo 1, en los pacientes con una PPT según la RF-CL ≤ 5%, se aplazaban las pruebas, tal como recomienda la guía. En todos los pacientes con una PPT según la RF-CL> 5%, se aplicaba el protocolo estándar con CACS y PET.

El algoritmo 2 fue una extensión del algoritmo 1: Se utilizaba la CACS para calcular la PPT según la CACS-CL en los pacientes con una PPT según la RF-CL baja (> 5-15%). Si se reclasificaba al paciente en el grupo de 0-5%, se aplazaba la realización de la PET, mientras que, en aquellos con una RF-CL ≥ 15% o una CACS-CL> 5%, se realizaba la exploración con PET.

En el algoritmo 3, se utilizó la CACS-CL en todos los pacientes para la estratificación del riesgo. No se realizaba la exploración de PET si la CACS-CL era muy baja (0-5%).

Protocolo y análisis de la exploración de imagen

Se utilizaron los protocolos de exploración de imagen descritos con anterioridad4,5. De forma resumida, se realizó una exploración de los pacientes con un escáner de PET/TC tridimensional (Biograph mCT, Siemens Healthineers, Alemania). Se obtuvo una tomografía computarizada de dosis baja para la corrección de la atenuación. Luego, se realizó una segunda TC de dosis baja sin contraste, activada por el electrocardiograma, durante la apnea, para determinar la CACS.

Después, se inyectó por vía intravenosa cloruro de 82Rb de forma ajustada respecto al peso (30-40 mCi) tanto en reposo como en estrés. Se obtuvieron siempre en primer lugar las imágenes en reposo. El estrés se indujo farmacológicamente con adenosina o regadenosón.

Las imágenes reconstruidas se examinaron visualmente con el programa informático QGS-QPS (SyngoVia, Siemens Healthineers). La CACS se calculó con el método de Agatston, utilizando 130 UH como umbral, según lo descrito con anterioridad12.

Un médico especialista en medicina nuclear y un cardiólogo experimentados, ambos con certificación de especialidad, analizaron e interpretaron las imágenes conjuntamente y alcanzaron un consenso. Se utilizó un modelo visual semicuantitativo de 17 segmentos con una escala de 5 puntos (0: captación normal del trazador, 4: ausencia de captación del trazador) para calcular la suma de la puntuación en estrés (SPE), en reposo (SPR) y diferencial (SPD=SPE-SPR). Se definieron 2 criterios de valoración: isquemia pequeña (SPD ≥ 2) e isquemia relevante (SPD ≥ 7, compatible con una isquemia ≥ 10% del miocardio del ventrículo izquierdo, tal como se sugiere en la guía en cuanto a los criterios para contemplar una evaluación invasiva con posterior revascularización)8.

Análisis estadístico

Las variables continuas con distribución normal se expresan con la media±desviación estándar. Las variables continuas con distribución no normal se presentan con la mediana [rango intercuartílico]. Las variables cualitativas se expresan mediante frecuencia y porcentaje.

El número de resultados isquémicos no detectados con cada 1 de los 3 algoritmos se comparó con el correspondiente al patrón de referencia. La diferencia en el riesgo absoluto de isquemia no detectada se utilizó para calcular el número que es necesario examinar (NNE) para detectar a un paciente con un signo patológico en ambos criterios de valoración (NNE=1/diferencia de riesgo absoluto).

Se calculó la sensibilidad, la especificidad, el valor predictivo negativo (VPN) y el cociente de verosimilitudes negativo (CVN) para cada algoritmo. Se utilizó la prueba de McNemar para comparar la proporción de exploraciones normales con la del patrón de referencia. La reclasificación en los distintos umbrales de probabilidad mediante los algoritmos 2 y 3 se evaluó utilizando la mejora neta de la reclasificación. Se consideró estadísticamente significativo un valor de p<0,05.

Se estimó la posible evitación de radiación y de costes sanitarios utilizando el número exacto de exploraciones de CACS y PET realizadas hipotéticamente en el algoritmo correspondiente (tal como se muestra en la figura 2, tabla 1 y tabla 2). Se aplicaron las siguientes estimaciones internas: CACS, 0,4 mSv y 416€; PET, 2,0 mSv y 2.600€. Se utilizó un tipo de cambio de 1,04€=1 CHF. Los costes para detectar un resultado isquémico que, de otro modo, no se hubiera identificado con un algoritmo determinado se calcularon de la siguiente manera: para los algoritmos 1 y 2 (coste de la CACS+PET)×NNE; para el algoritmo 3, coste de la PET×NNE, ya que la CACS ya se había incorporado para todos los pacientes.

Tabla 1.

Posible reducción de dosis de radiación estratificada según los diferentes algoritmos

Medida de radiación  Algoritmo 1Algoritmo 2Algoritmo 3Patrón de referencia
  mSv  mSv  mSv  mSv 
Radiación de CACS  1.397  558,8  1.397,0  558,8  1.792,0  716,8  1.792,0  716,8 
Radiación de PET  1.397  2.794,0  1.139,0  2.278,0  1.174,0  2.348,0  1.792,0  3.584,0 
Radiación total    3.352,8    2.836,8    3.064,8    4.300,8 
Dosis de radiación por paciente    1,9    1,6    1,7    2,4 
Reducción de dosis relativa    22,0%    34,0%    28,7%     
Reducción de dosis (todos los pacientes)    948,0    1.464,0    1.236,0     
Media de reducción de dosis por paciente    0,5    0,8    0,7     

CACS: puntuación de calcio arterial coronario; mSv: milisievertio; PET: tomografía por emisión de positrones.

La tabla indica la radiación ionizante necesaria según los diferentes algoritmos en comparación con el patrón de referencia actual.

Tabla 2.

Posible reducción de costes estratificada según los diferentes algoritmos

Costes  Algoritmo 1Algoritmo 2Algoritmo 3Normal
         
Costes totales (CACS+PET)    4.213.352€    3.542.552€    3.797.72€    5.404.672€ 
Costes por CACS  1.397  581.152€  1.397  581.152€  1.792  745.472€  1.792  745.472€ 
Costes por PET  1.397  3.632.200€  1.139  2.961.400€  1.174  3.052.400€  1.792  4.659.200€ 
Costes por paciente    2.351€    1.977€    2.119€    3.016€ 
Ahorro de costes relativo    22,0%    34,5%    29,7%     
Ahorro de costes absoluto    1.191.320€    1.862.120€    1.606.800€     
Ahorro por paciente    665€    1.039€    897€     

CACS: puntuación de calcio arterial coronario; PET: tomografía por emisión de positrones.

La tabla indica el posible ahorro en euros según los diferentes algoritmos en comparación con el patrón de referencia actual.

Los análisis estadísticos se realizaron con los programas informáticos SPSS (V.28.0.1.0, IBM, Estados Unidos) y RStudio (paquetes R V.4.2.2 y R TableOne, ggalluvial, PredictABEL) (R Core Team).

RESULTADOSPoblación de pacientes

Se incluyó a un total de 1.792 pacientes, de una media de edad de 65±11 años, con un 43% de mujeres. Se registró una angina típica o atípica en el 21 y el 25% de los pacientes, respectivamente. La mediana de la CACS fue de 74 [1-413]. Se observó una isquemia pequeña en el 19,8% y una isquemia relevante en el 9,3%. Las características iniciales se muestran en la tabla 3.

Tabla 3.

Características iniciales

Variables  Total (n=1.792) 
Edad (años)  65,4±11,0 
Sexo femenino  762 (42,5) 
IMC (kg/m2)  28,1±5,8 
Ictus  76 (4,2) 
EPOC  82 (4,6) 
Enfermedad arterial periférica  63 (3,5) 
Factores de riesgo
Hipertensión  788 (44,0) 
Hipercolesterolemia  645 (36,0) 
Diabetes  375 (20,9) 
Tabaquismo  1.025 (57,2) 
Antecedentes familiares de EC  206 (11,5) 
Síntomas
Asintomático  491 (27,4) 
No anginoso  204 (11,4) 
Angina atípica  445 (24,8) 
Angina típica  371 (20,7) 
Disnea  281 (15,7) 
Probabilidad pretest
RF-CL   
0-5%  395 (22,0) 
> 5-15%  780 (43,5) 
> 15-50%  617 (34,4) 
> 50%  0 (0,0) 
CACS-CL   
0-5%  618 (34,5) 
> 5-15%  353 (19,7) 
> 15-50%  667 (37,2) 
> 50-85%  154 (8,6) 
> 85%  0 (0,0) 
Signos de ECG
Ritmo sinusal  1.644 (91,7) 
BRI  78 (4,4) 
Onda Q  70 (3,9) 

BRI: bloqueo de rama izquierda del haz; CACS-CL: probabilidad clínica ponderada por puntuación de calcio arterial coronario + factores de riesgo; EC: enfermedad coronaria; ECG: electrocardiograma; EPOC: enfermedad pulmonar obstructiva crónica; IMC: índice de masa corporal; RF-CL: probabilidad clínica ponderada por factores de riesgo.

Los datos expresan n (%) o media±desviación estándar.

Distribución de la probabilidad pretest

La mediana de la PPT de la RF-CL y de la CACS-CL fue del 11 [6-19] y del 12% [3-28], respectivamente. La distribución en las diferentes categorías de riesgo se muestra en la tabla 3 y la figura 3. Al aplicar la RF-CL, se clasificó a la mayoría de los pacientes (43,5%) como de probabilidad baja (> 5-15% de la PPT), y el 22,0%, como de PPT muy baja (≤ 5%). No se clasificó a ningún paciente como de PPT alta (> 50%).

Figura 3.

Mejora de la información de probabilidad clínica utilizando el modelo de CACS-CL. Diagrama de transición entre categorías de pacientes (alluvial plot) que muestra la transición de clasificación desde RF-CL (izquierda) hasta CACS-CL (derecha). CACS-CL: probabilidad clínica ponderada por puntuación de calcio arterial coronario; RF-CL: probabilidad clínica ponderada por factores de riesgo.

(0.24MB).

El modelo de CACS-CL clasificó a más pacientes (34,5%) como de probabilidad muy baja (≤ 5%). La proporción de casos de PPT baja fue de menos de la mitad en comparación con el modelo de RF-CL (el 19,7 frente al 43,5%; p <0,001). Se clasificó a un total de 154 pacientes (8,6%) como de PPT alta (> 50-85%).

Reclasificación mediante los diferentes algoritmos

El algoritmo 1 no implicaba una reclasificación de los pacientes. El algoritmo 2 reclasificó a 612 pacientes (el 34,2% de la cohorte) de CL baja a CL muy baja (258, el 33,1% de esta categoría de PPT), moderada (345, el 44,2%) y alta (9, el 1,2%). Ciento sesenta y ocho (21,5%) pacientes continuaron en la categoría de CL baja. La proporción total de CL baja se redujo del 43,5 al 9,4%. La mejora neta de la reclasificación fue favorable al algoritmo 2: 0,2571 (IC95%, 0,1969-0,3173; p <0,001) para la isquemia pequeña y 0,2331 (IC95%, 0,1582-0,308; p <0,001) para la isquemia relevante. Las tablas de reclasificación se muestran en la tabla S1 y la tabla S2.

El algoritmo 3 reclasificó a más pacientes (1.004, 56,0%) a diferentes categorías de probabilidad: 571 (31,9%) pasaron a categorías superiores y 433 (24,1%) a categorías inferiores (figura 3). La proporción de pacientes situados en la categoría de probabilidad muy baja aumentó del 22,0 al 34,5%. La mejora neta de la reclasificación fue favorable al algoritmo 3 y superior en comparación con el algoritmo 2: 0,4954 (IC95%, 0,4173-0,5735; p <0,001) para la isquemia pequeña y 0,5724 (IC95%, 0,4771-0,6677; p <0,001) para la isquemia relevante. Se presenta la información detallada en la tabla S3 y la tabla S4.

Rendimiento de los 3 algoritmos de cribado

El rendimiento general, las características detalladas de las pruebas, la posible exposición a la radiación y la reducción de los costes sanitarios con los 3 algoritmos se resumen en la figura 2, figura 4, tabla 4 y tabla 2.

Figura 4.

Ilustración central. Se aplicaron retrospectivamente 3 algoritmos diagnósticos diferentes basados en las recomendaciones actuales de la guía de la ESC de 2024 sobre el síndrome coronario crónico. La sensibilidad y el VPN hacen referencia a la capacidad de detectar o descartar una isquemia pequeña. 82Rb: rubidio-82; CACS: puntuación de calcio arterial coronario; CACS-CL: probabilidad clínica ponderada por puntuación de calcio arterial coronario; EC: enfermedad coronaria; ESC: Sociedad Europea de Cardiología; PET: tomografía por emisión de positrones; RF-CL: probabilidad clínica ponderada por factores de riesgo; SCC: síndrome coronario crónico; VPN: valor predictivo negativo.

(0.18MB).
Tabla 4.

Características de prueba de los diferentes algoritmos en comparación con el patrón de referencia

Algoritmo  Valor de corte  Sensibilidad (IC95%)  Especificidad (IC95%)  VPN (IC95%)  VPP (IC95%)  CVN (IC95%) 
Algoritmo 1SPD 2  0,927 (0,895-0,949)  1,000 (0,997-1)  0,982 (0,974-0,988)  1,000 (0,988-1)  0,073 (0,051-0,106) 
SPD 7  0,934 (0,885-0,963)  1,000 (0,998-1)  0,993 (0,988-0,996)  1,000 (0,976-1)  0,066 (0,037-0,117) 
Algoritmo 2SPD 2  0,898 (0,862-0,926)  1,000 (0,997-1)  0,976 (0,966-0,982)  1,000 (0,988-1)  0,102 (0,075-0,139) 
SPD 7  0,928 (0,878-0,958)  1,000 (0,998-1)  0,993 (0,987-0,996)  1,000 (0,976-1)  0,072 (0,042-0,125) 
Algoritmo 3SPD 2  0,932 (0,901-0,954)  1,000 (0,997-1)  0,984 (0,976-0,989)  1,000 (0,988-1)  0,068 (0,046-0,1) 
SPD 7  0,970 (0,931-0,987)  1,000 (0,998-1)  0,997 (0,993-0,999)  1,000 (0,977-1)  0,030 (0,013-0,071) 

CVN: cociente de verosimilitudes negativo; IC95%: intervalo de confianza del 95%; SPD: suma de la puntuación diferencial; VPN: valor predictivo negativo; VPP: valor predictivo positivo.

El algoritmo 1 fue el que pospuso las pruebas de CACS y PET en una menor proporción de pacientes (22,0%). En total, no se detectó el 1,5% de los resultados isquémicos. De los pacientes en los que se pospuso la prueba, el 4 y el 3% presentaban isquemia pequeña e isquemia relevante no detectadas, respectivamente. El NNE para la isquemia pequeña y la isquemia relevante fue de 69 y 163, respectivamente. En comparación con el patrón de referencia, la sensibilidad y el VPN fueron buena y excelente, respectivamente. Se podrían haber evitado 0,3 mSv y ahorrado 665€ por paciente.

En comparación con el algoritmo 1, el algoritmo 2 pospuso las pruebas en 258 pacientes más (14,4%), lo que supuso una reducción del 34,0% de la irradiación y del 34,5% de los costes. En general, se observó una tendencia a pasar por alto más resultados de isquemia pequeña (el 1,3 frente al 0,8%; p=0,18). La tasa de isquemia relevante no detectada fue similar. De los pacientes en los que se pospuso la PET, en un 4% no se diagnosticó una isquemia pequeña y en un 2% una isquemia relevante. La sensibilidad y el VPN fueron inferiores a los del algoritmo 1. Sin embargo, el VPN para descartar la isquemia relevante seguía siendo alto (99,3%). La posible reducción de la radiación y del coste por paciente fue de 0,8 mSv y 1,039€, respectivamente.

El algoritmo 3 pospuso la PET en 618 casos (34,5%). La proporción de diagnósticos no detectados fue la más baja, en especial por lo que respecta a la isquemia relevante (el 1,1% de la isquemia pequeña y el 0,3% de la isquemia relevante). En los pacientes en los que se les pospuso la PET, se pasaron por alto isquemias pequeñas y relevantes en un 3 y un 1% de los casos, respectivamente. El NNE fue el más alto en comparación con los demás algoritmos (75 para la isquemia pequeña, 358 para la isquemia relevante). Con el algoritmo 3, se podría haber evitado un 28,7% de la radiación y ahorrado un 29,7% de los costes, lo que se traduciría en una reducción por paciente de 0,7 mSv y 897€. La sensibilidad y el VPN fueron los más altos en comparación con los demás algoritmos.

La proporción de resultados normales de las exploraciones se redujo significativamente, del 80,2 al 76,5%, 72,1% y 71,9% para los algoritmos 1, 2 y 3, respectivamente (p <0,001 en los 3 casos).

Los costes estimados para evitar diagnósticos no detectados de isquemia pequeña fueron de 208.104€, 150.000€ y 195.000€ con los algoritmos 1, 2 y 3, respectivamente. Los costes para detectar a todos los pacientes con isquemia relevante fueron de 491.608€, 449.384€ y 930.800€ utilizando los algoritmos 1, 2 y 3, respectivamente.

DISCUSIÓN

Los principales resultados de este estudio son los siguientes. a) Todos los algoritmos redujeron significativamente el número de resultados normales de las exploraciones, la exposición a la radiación y los costes sanitarios, al tiempo que mantuvieron unas buenas características de la prueba y una tasa aceptable de diagnósticos no detectados. Cabe destacar que se descartó la isquemia relevante desde el punto de vista pronóstico con un grado elevado de confianza (VPN> 99,3%). b) Como refleja el NNE ≥ 149 para la isquemia relevante, el hecho de realizar una PET en todos los pacientes sin preselección es muy ineficiente y costoso. c) El algoritmo 2, que era la estrategia más restrictiva, fue el que aplazó las pruebas en una mayor proporción de pacientes (36,4%). Sin embargo, este enfoque comprometía la seguridad del paciente con una sensibilidad inferior al 90%, por lo que fue el que produjo una tasa más alta de diagnósticos no detectados. d) El mejor rendimiento fue el observado con el algoritmo 3, que utilizó la CACS-CL en todos los pacientes para la reclasificación. En más de un tercio de los pacientes se pospuso la prueba, lo que supuso una reducción significativa de los resultados normales de las exploraciones, la exposición a la radiación y los costes, al tiempo que se preservaba la seguridad de los pacientes.

El algoritmo 1, que no requiere tomografía computarizada para la CACS, es el más sencillo de implementar y podría utilizarse como herramienta de preselección al examinar los informes de derivación de los pacientes. A pesar de su simplicidad, este algoritmo pospuso la prueba en una quinta parte de los pacientes, al tiempo que mantuvo una sensibilidad y un VPN aceptables. Sin embargo, al igual que en la guía de la ESC de 2019, una limitación de la guía de la ESC de 2024, y por consiguiente del algoritmo 1, es la ausencia de categorías de CL superiores al intervalo de valores «moderados’»; en esta cohorte, la CL más alta fue del 45%.

El algoritmo 2, aun siendo eficaz para posponer la PET en la mayor parte de los pacientes, planteaba dificultades prácticas debido al requisito adicional de reclasificación basada en la CACS en el 44% de los pacientes. Este enfoque requeriría una mayor coordinación logística entre médicos, técnicos y personal administrativo, y se asoció a una mayor tasa de diagnósticos no detectados en comparación con los otros algoritmos.

Al comparar los algoritmos 2 y 3, la reclasificación de todos los pacientes utilizando la CACS-CL dio como resultado una mayor proporción de pacientes reclasificados, una mayor mejora neta en la reclasificación y una mejora clínicamente significativa del rendimiento del cribado. En comparación con los demás algoritmos, el algoritmo 3 asignó a un tercio de los pacientes a la categoría de CL muy baja, mientras que redujo a la mitad la proporción clasificada como de CL baja, como se muestra en la figura 3. Además, reclasificó adecuadamente a los pacientes en categorías de CL más altas cuando estaba indicado. Rara vez se pasó por alto una isquemia relevante, y estos casos se redujeron en un 58% en comparación con el algoritmo 2. Cabe destacar que el algoritmo 3 fue la única estrategia con una tasa de fallos inferior al 5%. Aunque la reducción de las exploraciones de PET innecesarias, la exposición a la radiación y los costes fue ligeramente inferior a la lograda con el algoritmo 2, el algoritmo 3 sigue siendo la estrategia de cribado preferida cuando la flexibilidad institucional y logística permite la integración de la CACS en el flujo de trabajo clínico. Esto se puede lograr determinando la CACS antes de programar la PET o aceptando posibles pérdidas de reembolso en aproximadamente un tercio de las citas establecidas para PET si esta se cancela inmediatamente después de que estén disponibles los resultados de la CACS.

Con estos 3 algoritmos, el NNE y los costes para evitar diagnósticos no detectados fueron muy elevados. Cabe destacar que, cuando se aplicó el algoritmo 3, el NNE para detectar todos los casos de isquemia relevante fue de 358. Estos resultados ponen de manifiesto que examinar a toda la cohorte sin ningún tipo de preselección es muy ineficiente e innecesariamente costoso.

En un estudio anterior, algoritmos similares con el empleo de la guía de la ESC de 2019 presentaron resultados diferentes11. La herramienta de PPT recomendada asignó menos pacientes a la categoría de probabilidad muy baja, lo que dio lugar a una mayor sensibilidad y VPN, y a menos diagnósticos no detectados. Sin embargo, las reducciones asociadas en la exposición a la radiación y los costes sanitarios fueron modestas, de solo un 7,5%. El uso de un valor de corte de PPT <15% para la preselección, según lo recomendado por la guía de la ESC de 2019, mostró una sensibilidad insuficiente y comprometía la seguridad del paciente. Por el contrario, la combinación de la PPT con una CACS de 0 logró un rendimiento óptimo como cribado, con una mayor sensibilidad y una menor proporción de diagnósticos no detectados en comparación con el algoritmo 3 del presente estudio. Sin embargo, las reducciones correspondientes en la exposición a la radiación y los costes fueron un 41 y un 42% menores, respectivamente.

Las conclusiones de estos estudios indican que la implementación de estrategias de cribado da lugar inevitablemente a que en algunos pacientes se posponga erróneamente la realización de la prueba. Los enfoques de cribado más restrictivos logran mayores reducciones en la exposición a la radiación y en los costes sanitarios, pero a expensas de la sensibilidad y, potencialmente, de la seguridad del paciente. La incorporación de la CACS en el algoritmo de preselección mejora sustancialmente el rendimiento del cribado.

En el presente estudio, se evaluó el uso de la CACS como cribado previo a la prueba de isquemia funcional con PET en los pacientes remitidos directamente a esta modalidad de exploración de imagen. La guía actual da prioridad a la coronariografía por tomografía computarizada (angio-TAC) como exploración de primera línea, ya que proporciona información sobre la estenosis luminal y la morfología de la placa, en lugar de sobre las consecuencias funcionales de las estenosis. Dada esta diferencia fundamental, los presentes resultados deben interpretarse dentro de este contexto específico. Las pruebas funcionales de isquemia no detectan la EC no obstructiva, que se asocia a eventos cardiacos adversos graves, y tiene consecuencias pronósticas y terapéuticas, como se demostró en el ensayo SCOT-HEART13. En cambio, las exploraciones de imagen anatómicas tienden a sobreestimar la gravedad de la enfermedad: la mayoría de las estenosis coronarias >50% carece de trascendencia hemodinámica, lo que pone de relieve una ventaja clave de la evaluación funcional a la hora de determinar la relevancia de la lesión14. Además, la PET también es capaz de detectar la disfunción microvascular, que es un factor conocido que se asocia a un peor pronóstico15. La combinación de la CACS con la PET añade información anatómica (no sobre la estenosis luminal, sino sobre la carga de placa) y mejora la estratificación del riesgo basada en una evidencia científica bien establecida por lo que respecta a la CACS y a las imágenes de perfusión16. Por consiguiente, en pacientes en los que hay una fuerte sospecha clínica de EC, la PET combinada con la CACS puede responder a muchas preguntas clínicamente pertinentes con una sola exploración.

Ninguna prueba diagnóstica alcanza una sensibilidad del 100% y, por lo tanto, inevitablemente se producen algunos negativos falsos. Así pues, es esencial considerar qué proporción de diagnósticos no detectados es aceptable y a qué coste. En el contexto del SCC, una tasa de diagnósticos no detectados de hasta el 5% puede considerarse aceptable según las guías actuales, que recomiendan no realizar más exploraciones en los pacientes con una CL <5%. Además, la isquemia no detectada o la EC no obstructiva no se traducen necesariamente en episodios clínicos graves, como el infarto de miocardio o la muerte de causa cardiovascular. En estudios de cohorte grandes, se ha observado que los pacientes con una CL muy baja o baja tienen un pronóstico excelente10,17,18, con una tasa anualizada de episodios de aproximadamente el 0,5% para la RF-CL y el 1,0% para la CACS-CL10. En el presente estudio, no se hubiera detectado a los pacientes con una isquemia relevante (correspondiente a un riesgo anual ≥ 5%)19 en tan solo un 3% de los casos al aplicar el algoritmo 3.

Estos estudios y los resultados de la presente investigación respaldan el uso de herramientas de preselección basadas en las guías y la integración de la CACS para evitar exploraciones avanzadas para la EC en los pacientes de riesgo muy bajo. En el futuro, herramientas más sofisticadas que incorporen inteligencia artificial e integren múltiples variables clínicas podrían mejorar aún más la predicción del riesgo de EC sin necesidad de determinar la CACS20–23.

Limitaciones

En primer lugar, la EC se diagnosticó mediante pruebas de isquemia funcional en lugar de modalidades anatómicas como la coronariografía invasiva o el angio-TAC, lo que introduce un riesgo residual de clasificación errónea del criterio de valoración. Sin embargo, solo una minoría de las estenosis luminales significativas desde el punto de vista angiográfico provoca isquemia miocárdica14. Además, las pruebas funcionales no invasivas se utilizan ampliamente en la práctica clínica para orientar el tratamiento y descartar una EC hemodinámicamente significativa.

En segundo lugar, la mediana de la CACS en esta cohorte fue de 74 [1-413], lo que sugiere que el angio-TAC habría sido viable en la mayor parte de los pacientes. Sin embargo, es probable que los médicos que remitieron a los pacientes consideraran que la CL era más alta, lo que motivó una derivación directa a la PET. Debido a limitaciones logísticas, no fue posible realizar ni la determinación de la CACS ni el angio-TAC en todos los pacientes, lo que pone de relieve la importancia de optimizar la preselección con algoritmos de cribado.

En tercer lugar, a pesar de la inclusión prospectiva y consecutiva de pacientes, la generalización de los algoritmos diagnósticos propuestos tiene ciertas limitaciones, ya que los resultados proceden de un único centro académico, y pueden reflejar los patrones y preferencias locales de derivación. No obstante, fueron cardiólogos privados, que, por lo general, siguen las recomendaciones de las guías quienes derivaron a la mayoría de los pacientes. Además, la PET no está disponible de manera uniforme en todos los sistemas de salud, lo que puede limitar aún más la generalizabilidad de los resultados. Sin embargo, dado que la PET es una de las modalidades funcionales de diagnóstico por la imagen más sensibles24, es improbable que la seguridad de los algoritmos propuestos se vea comprometida si se utilizan pruebas funcionales alternativas, como la ecocardiografía de estrés o la resonancia magnética de estrés.

En cuarto lugar, una proporción considerable de pacientes estaban asintomáticos, pero se les derivó para la realización de pruebas avanzadas de diagnóstico de la EC. Como se pone de manifiesto en el análisis de seguridad complementario limitado a los pacientes sintomáticos, estos presentaban una mayor carga de factores de riesgo cardiovascular, comorbilidades y anomalías electrocardiográficas (tabla S5), lo que probablemente llevó a los cardiólogos que los derivaron a optar por pruebas de isquemia funcional en lugar de por el angio-TAC. Aparte de valores de CACS significativamente más altos, no se observaron diferencias significativas en los resultados de las exploraciones, la reducción de la radiación o los costes, los diagnósticos no detectados o el rendimiento del algoritmo cuando los análisis se limitaron a los pacientes sintomáticos (tablas S6-S8). No obstante, la inclusión de pacientes asintomáticos puede haber sesgado los resultados hacia una menor PPT y mayores tasas de exploraciones normales, lo que podría haber influido en el rendimiento observado del cribado.

En quinto lugar, la PPT en esta cohorte era baja, lo que limita la eficacia de los algoritmos descritos. Además, según lo indicado en la guía de la ESC de 2024, ahora se derivaría a muchos de estos pacientes a un angio-TAC como prueba inicial; sin embargo, las derivaciones de este estudio se realizaron antes de la publicación de las recomendaciones actuales. En última instancia, como centro que realiza pruebas avanzadas de diagnóstico por la imagen cardiaco, se intentó evaluar y comparar diferentes estrategias de cribado para optimizar la selección de pacientes y la asignación de recursos.

En sexto lugar, en esta cohorte solo se analizaron las exploraciones de PET, aunque existen otras exploraciones funcionales de la isquemia que no comportan el uso de radiación ionizante, como la ecocardiografía de estrés y la resonancia magnética de estrés. En teoría, la aplicación de los algoritmos propuestos a estas modalidades de diagnóstico podría reducir aún más la exposición a la radiación y los costes; sin embargo, en la actualidad, solo la TAC y la PET están disponibles como técnicas de imagen híbridas.

En séptimo lugar, la seguridad de los algoritmos de cribado propuestos se dedujo a partir de los resultados de las exploraciones de imagen, y no de los datos de la evolución clínica. La confirmación definitiva de la seguridad requeriría estudios prospectivos del pronóstico con criterios de valoración clínicos objetivos.

CONCLUSIONES

Los algoritmos de diagnóstico que incorporaban los modelos de RF-CL y CACS-CL redujeron significativamente el número de resultados normales de las exploraciones, la exposición a la radiación y los costes sanitarios, al tiempo que mantuvieron una excelente seguridad para los pacientes dentro de una estrategia diagnóstica basada en el empleo de la CACS más la PET. El mejor rendimiento del cribado se logró cuando se utilizaron simultáneamente los factores de riesgo clínicos y la CACS para la reclasificación en todos los pacientes, lo que permitió que en una proporción considerable de ellos se evitara, sin riesgo, la realización de pruebas cardiacas avanzadas. Aunque los datos obtenidos mediante exploraciones de imagen sugieren resultados favorables de los pacientes, se necesitarán estudios prospectivos de los resultados clínicos para confirmar de forma definitiva la seguridad de este enfoque.

DISPONIBILIDAD DE LOS DATOS

Se proporcionarán los datos si hay una solicitud razonable.

FINANCIACIÓN

S.M. Frey recibió financiación del University of Basel Research Fund (3MS1089). Este proyectó contó con el apoyo de la Bangerter-Rhyner Foundation (0134/2022), la Swiss Heart Foundation (FF22007) y la Basel Cardiology Foundation (Suiza). Ninguno de los organismos financiadores participó en el diseño del estudio, el análisis o la interpretación de los datos o la preparación del manuscrito, ni tuvo acceso a los datos del estudio.

CONSIDERACIONES ÉTICAS

El comité local de ética aprobó el estudio (Ethikkommission der Nordwest- und Zentralschweiz [EKNZ], ID del proyecto: PB_2018-00076/EK 67/08), que se llevó a cabo de conformidad con los principios de la Declaración de Helsinki. Todos los pacientes dieron su consentimiento informado por escrito. Se incluyó a todos los pacientes remitidos para una PET que dieron su consentimiento para participar en el estudio; por lo tanto, los autores no pudieron abordar los posibles sesgos relacionados con el sexo en los patrones de derivación.

DECLARACIÓN SOBRE EL USO DE INTELIGENCIA ARTIFICIAL

Durante la preparación de este trabajo, los autores utilizaron ChatGPT de OpenAI para mejorar la facilidad de lectura y el lenguaje. Tras utilizar esta herramienta, los autores revisaron y corrigieron el contenido según fue necesario y asumen la plena responsabilidad del contenido de la publicación.

CONTRIBUCIÓN DE LOS AUTORES

S.M. Frey contribuyó a la conceptualización y diseño del estudio, el análisis estadístico, la interpretación de los datos, la redacción del manuscrito y la aprobación del manuscrito final. I.G. Schneider, A.-S. Otto, F.M. Geiser, F. Nafaa, G. Huré, J. Elavathingal, K. Sobolewska y K. Rumora participaron en la obtención de los datos, la interpretación de las exploraciones, la revisión crítica del manuscrito y la aprobación de la versión final. D. Wild y P. Haaf participaron en la interpretación de las exploraciones, la revisión crítica del manuscrito y la aprobación de la versión final. F. Mahfoud y C.E. Mueller participaron en la revisión crítica del manuscrito y la aprobación de la versión final. M.J. Zellweger, como autor sénior, contribuyó a la conceptualización y diseño del estudio, la interpretación de las exploraciones, el análisis estadístico, la interpretación de los datos, la revisión crítica del manuscrito y la aprobación de la versión final.

CONFLICTO DE INTERESES

Ninguno que declarar.

¿QUÉ SE SABE DEL TEMA?

  • La mayor parte de las exploraciones de imagen no invasivas que se realizan ante la sospecha de EC muestran resultados normales, lo que conduce a la aplicación de técnicas innecesarias, exposición a la radiación y un aumento de los costes sanitarios.

  • La guía de la ESC de 2024 sobre el síndrome coronario crónico introduce el modelo de RF-CL, que clasifica a 3 veces más pacientes en el grupo de probabilidad muy baja de presentar una EC obstructiva en comparación con el modelo de 2019.

  • Las estrategias de cribado que incorporan la RF-CL, solas o en combinación con la CACS, tienen el potencial de optimizar la selección de pacientes, reducir la exposición a radiación y mejorar la utilización de los recursos sin comprometer su seguridad.

¿QUÉ APORTA DE NUEVO?

  • Tres algoritmos de diagnóstico que incorporan la RF-CL con o sin la CACS redujeron las tasas de pruebas normales, la exposición a la radiación y los costes, al tiempo que mantuvieron una alta seguridad diagnóstica (VPN> 99,3% para la isquemia relevante).

  • El uso sistemático de PET en todos los pacientes es ineficiente; el NNE para detectar una isquemia relevante oscila entre 149 y 358.

  • Un algoritmo de diagnóstico que incorpora la CACS en todos los pacientes fue el que proporcionó el mejor equilibrio entre su seguridad, el aplazamiento de la prueba, y la reducción de los costes de radiación y asistencia sanitaria.

  • Los algoritmos de cribado que utilizan la RF-CL con o sin la CACS deberían implementarse más ampliamente en la práctica diaria.

Bibliografía
[1]
H. Jouni, J.W. Askew, D.J. Crusan, T.D. Miller, R.J. Gibbons.
Temporal Trends of Single-Photon Emission Computed Tomography Myocardial Perfusion Imaging in patients With Coronary Artery Disease: A 22-Year Experience From a Tertiary Academic Medical Center.
Circ Cardiovasc Imaging., (2017), 10
[2]
L.E. Juarez-Orozco, A. Saraste, D. Capodanno, et al.
Impact of a decreasing pre-test probability on the performance of diagnostic tests for coronary artery disease.
Eur Heart J Cardiovasc Imag., (2019), 20 pp. 1198-1207
[3]
S. Winther, S.E. Schmidt, L.D. Rasmussen, et al.
Validation of the European Society of Cardiology pre-test probability model for obstructive coronary artery disease.
Eur Heart J., (2021), 42 pp. 1401-1411
[4]
S.M. Frey, U. Honegger, O.F. Clerc, F. Caobelli, P. Haaf, M.J. Zellweger.
Left ventricular ejection fraction, myocardial blood flow and hemodynamic variables in adenosine and regadenoson vasodilator 82-Rubidium PET.
J Nucl Cardiol., (2022), 29 pp. 921-933
[5]
S.M. Frey, O.F. Clerc, U. Honegger, et al.
The power of zero calcium in 82-Rubidium PET irrespective of sex and age.
J Nucl Cardiol., (2023), 30 pp. 1514-1527
[6]
K. Lertsburapa, A.W. Ahlberg, T.M. Bateman, et al.
Independent and incremental prognostic value of left ventricular ejection fraction determined by stress gated rubidium 82 PET imaging in patients with known or suspected coronary artery disease.
J Nucl Cardiol., (2008), 15 pp. 745-753
[7]
C. Vrints, F. Andreotti, K.C. Koskinas, et al.
2024 ESC Guidelines for the management of chronic coronary syndromes.
Eur Heart J., (2024), 45 pp. 3415-3537
[8]
J. Knuuti, W. Wijns, A. Saraste, et al.
2019 ESC Guidelines for the diagnosis and management of chronic coronary syndromes.
Eur Heart J., (2020), 41 pp. 407-477
[9]
S. Winther, S.E. Schmidt, T. Mayrhofer, et al.
Incorporating Coronary Calcification Into Pre-Test Assessment of the Likelihood of Coronary Artery Disease.
J Am Coll Cardiol., (2020), 76 pp. 2421-2432
[10]
S. Winther, S.E. Schmidt, B. Foldyna, et al.
Coronary Calcium Scoring Improves Risk Prediction in patients With Suspected Obstructive Coronary Artery Disease.
J Am Coll Cardiol., (2022), 80 pp. 1965-1977
[11]
S.M. Frey, G. Hure, J.P. Leibfarth, et al.
Evaluation of three diagnostic algorithms to reduce normal scan rates, radiation exposure and costs in patients with suspected chronic coronary syndrome referred for 82Rb-Positron Emission Tomography ((82)Rb-PET).
Open Heart., (2025), 12
[12]
A.S. Agatston, W.R. Janowitz, F.J. Hildner, N.R. Zusmer, M. Viamonte, R. Detrano.
Quantification of coronary artery calcium using ultrafast computed tomography.
J Am Coll Cardiol., (1990), 15 pp. 827-832
[13]
M.C. Williams, J. Kwiecinski, M. Doris, et al.
Low-Attenuation Noncalcified Plaque on Coronary Computed Tomography Angiography Predicts Myocardial Infarction: Results from the Multicenter SCOT-HEART Trial (Scottish Computed Tomography of the HEART).
Circulation., (2020), pp. 1452-1462
[14]
P.A.L. Tonino, W.F. Fearon, B. De Bruyne, et al.
Angiographic Versus Functional Severity of Coronary Artery Stenoses in the FAME Study Fractional Flow Reserve Versus Angiography in Multivessel Evaluation.
J Am Coll Cardiol, (2010), 55 pp. 2816-2821
[15]
M. Rauf, K.W. Hansen, S. Galatius, et al.
Prognostic implications of myocardial perfusion imaging by 82-rubidium positron emission tomography in male and female patients with angina and no perfusion defects.
Eur Heart J Cardiovasc Imaging., (2023), 24 pp. 212-222
[16]
M.J. Budoff, T. Mayrhofer, M. Ferencik, et al.
Prognostic value of coronary artery calcium in the PROMISE study (Prospective Multicenter Imaging Study for Evaluation of Chest Pain).
Circulation., (2017), 136 pp. 1993-2005
[17]
L.D. Rasmussen, M.C. Williams, D.E. Newby, et al.
External validation of novel clinical likelihood models to predict obstructive coronary artery disease and prognosis.
Open Heart., (2023), 10 pp. e002457
[18]
L.D. Rasmussen, S.E. Schmidt, J. Knuuti, et al.
Clinical risk prediction, coronary computed tomography angiography, and cardiovascular events in new-onset chest pain: the PROMISE and SCOT-HEART trials.
Eur Heart J., (2025), 46 pp. 473-483
[19]
D.E. Winchester, D.J. Maron, Multimodality Writing Group for Chronic Coronary D, et al.
ACC/AHA/ASE/ASNC/ASPC/HFSA/HRS/SCAI/SCCT/SCMR/STS 2023 Multimodality Appropriate Use Criteria for the Detection and Risk Assessment of Chronic Coronary Disease.
J Am Coll Cardiol., (2023), 81 pp. 2445-2467
[20]
S.M. Frey, A. Bakula, A. Tsirkin, et al.
Artificial intelligence to improve ischemia prediction in Rubidium Positron Emission Tomography-a validation study.
EPMA J., (2023), 14 pp. 631-643
[21]
C.G.M.J. Eurlings, S. Bektas, S. Sanders-van Wijk, et al.
Use of artificial intelligence to assess the risk of coronary artery disease without additional (non-invasive) testing: validation in a low-risk to intermediate-risk outpatient clinic cohort.
BMJ Open., (2022), 12
[22]
M.J. Zellweger, A. Tsirkin, V. Vasilchenko, et al.
A new non-invasive diagnostic tool in coronary artery disease: artificial intelligence as an essential element of predictive, preventive, and personalized medicine.
EPMA J., (2018), 9 pp. 235-247
[23]
M.J. Zellweger, M. Brinkert, U. Bucher, A. Tsirkin, P. Ruff, M.E. Pfisterer.
A new memetic pattern based algorithm to diagnose/exclude coronary artery disease.
Int J Cardiol., (2014), 174 pp. 184-186
[24]
J. Knuuti, H. Ballo, L.E. Juarez-Orozco, et al.
The performance of non-invasive tests to rule-in and rule-out significant coronary artery stenosis in patients with stable angina: a meta-analysis focused on post-test disease probability.
Eur Heart J., (2018), 39 pp. 3322-3330
Copyright © 2026. Sociedad Española de Cardiología