Анализировали данные 535 583 пациентов, которым измеряли уровень NT-proBNP из-за подозрения на сердечную недостаточность (СН) при отсутствии ранее установленного диагноза. Для разработки модели использовали данные 374 909 человек, еще 160 674 пациента вошли во внутреннюю валидационную когорту. Модель учитывала уровень NT-proBNP, возраст, пол, этническую принадлежность, функцию почек, индекс массы тела, систолическое артериальное давление и ряд заболеваний и особенностей лечения. Диагноз СН оценивали по медицинским записям и госпитализациям в течение 12 месяцев после измерения NT-proBNP.
Анализ показал, что эта модель продемонстрировала высокую точность диагностики. Площадь под кривой ROC составила 0,896, а показатель Бриера — 0,061, что свидетельствует о хорошей способности модели различать пациентов с СН и без нее и оценивать вероятность диагноза.
Порог для исключения СН имел чувствительность 90,1% и отрицательную прогностическую ценность 98,5%. Он позволил исключить заболевание у 64,8% пациентов. Порог для подтверждения диагноза имел специфичность 90,0% и положительную прогностическую ценность 44,1% и подтвердил СН у 16,1% пациентов.
Данная модель позволила исключить на 144 пациента больше на каждую тысячу человек при трех пропущенных диагнозах. При подтверждении диагноза число ложноположительных результатов снизилось на 73 на каждую тысячу пациентов.
Авторы пришли к выводу, что данная модель позволяет персонализировать оценку вероятности сердечной недостаточности с учетом уровня NT-proBNP и клинических характеристик пациента. Такой подход может помочь раньше исключать или подтверждать диагноз и своевременно направлять пациентов на дальнейшее обследование и лечение.
RU
EN