Impact of Incorporating Echocardiographic Screening into a Clinical Prediction Model to Optimize Utilization of Echocardiography in Primary Care

Abstract

Introduction: Access to public healthcare is limited in Brazilian underserved areas, and long waiting lists remain for echocardiography (echo). We aimed to develop a tool to optimize indications and shorten waiting lists for standard echo in primary care. Methods: Patients in waiting list for standard echo were enrolled. For derivation, patients underwent a clinical questionnaire, simplified 7-view echo screening by non-physicians with handheld devices (GE-VSCAN), and standard echo (Vivid-Q) by experts. Two models were adjusted, one including clinical variables and other adding screen-detected major heart disease (HD). For validation, patients were risk-classified according to the clinical score. High-risk patients and a sample of low-risk underwent standard echo. Intermediate-risk patients first had screening echo, with a complete study if HD was suspected. Discrimination and calibration of the 2 models were assessed to predict HD in standard echo. Results: In derivation (N=603), clinical variables associated with HD were female gender, body mass index, Chagas disease, prior cardiac surgery, coronary disease, valve disease, hypertension, and heart failure, and this model was well calibrated with C-statistic=0.781. Performance was improved with the addition of echo screening, with C-statistic=0.871 after cross-validation. For validation (N=1,526), 227 (14.9%) patients were classified as low-risk, 1082 (70.9%) as intermediate-risk, and 217 (14.2%) as high-risk by the clinical model. The final model with 2 categories had high sensitivity (99%) and negative predictive value (97%) for HD in standard echo. Model performance was good with C-statistic=0.720. Conclusion: The addition of screening echo to clinical variables significantly improves the performance of a score to predict major HD.

Estatística Cardiovascular – Brasil 2021

“…O escore combinado -derivado de 603 pacientes na lista de espera por ecocardiografia e validado em uma amostra similar de 1.526 indivíduos -apresentou boa discriminação, com estatística C = 0,72, sensibilidade = 99% e valor preditivo negativo = 97%, emergindo como ferramenta promissora para o diagnóstico precoce de doença valvar/DCR, avaliação da carga de doença e a priorização de referenciamento. 193 • Uma ferramenta adicional para se estimar a prevalência de DCR subclínica é a inteligência artificial. O sistema de machine learning (Convolutional Neural Network: Redes Neurais Convolucionais), atualmente sendo desenvolvido no Brasil para estudos de rastreamento, mostrou boa acurácia (normal=72,8±10,2; DCR borderline=64,3±12,2; e DCR definitiva=85,8±11,3), podendo auxiliar a ampliar a disponibilidade do diagnóstico ecocardiográfico precoce no futuro.…”

Combinação de Ferramentas de Telecardiologia para Estratificação de Risco Cardiovascular na Atenção Primária: Dados do Estudo PROVAR+

“…3,4 Portanto, uma abordagem em duas etapas, que inclui a realização do ecocardiograma por não especialistas, seguida de interpretação remota por cardiologistas credenciados, é uma estratégia de rastreamento promissora. 5,6 Isso pode permitir uma alocação de recursos mais eficaz e a implementação de programas de rastreamento mais amplos, permitindo um diagnóstico mais precoce e um tratamento imediato, especialmente onde os recursos são escassos.…”

“…As longas filas e a falta de um sistema de priorização para casos mais urgentes frequentemente levam a atrasos no diagnóstico, contribuindo para resultados desfavoráveis. 5,6 Neste cenário, uma vez que os sistemas de saúde locais têm uma disponibilidade extremamente limitada de exames especializados e encaminhamentos para atenção secundária, longos tempos de espera são comumente observados. Além disso, são frequentes os encaminhamentos de pacientes sem alterações clínicas significativas para exames especializados, contribuindo para longos atrasos.…”

“…7 Na tentativa de solucionar esse problema, foi demonstrado que a adição do ecocardiograma de rastreamento a um escore de estratificação de risco clínico pode ser uma ferramenta promissora para priorizar encaminhamentos para consultas convencionais de ecocardiografia e cardiologia, o que pode potencialmente resultar na redução das listas de espera em áreas sub-atendidas e em melhor alocação de recursos de saúde. 5,7 Uma importante ferramenta para expansão da ecocardiografia portátil é a telemedicina, pois permite a pronta interpretação remota por especialistas, especialmente em regiões de maior vulnerabilidade social. [5][6][7] A Rede de Telessaúde de Minas Gerais foi implementada em 2005 pelo Governo do Estado de Minas Gerais, com o objetivo de conectar hospitais universitários aos serviços de saúde locais, oferecendo suporte aos profissionais de saúde por meio de tele-eletrocardiografia (ECG), teleassistência e, mais recentemente, tele-ecocardiografia, além de fornecer suporte por meio de teleconsultas.…”

“…5,7 Uma importante ferramenta para expansão da ecocardiografia portátil é a telemedicina, pois permite a pronta interpretação remota por especialistas, especialmente em regiões de maior vulnerabilidade social. [5][6][7] A Rede de Telessaúde de Minas Gerais foi implementada em 2005 pelo Governo do Estado de Minas Gerais, com o objetivo de conectar hospitais universitários aos serviços de saúde locais, oferecendo suporte aos profissionais de saúde por meio de tele-eletrocardiografia (ECG), teleassistência e, mais recentemente, tele-ecocardiografia, além de fornecer suporte por meio de teleconsultas. 8 O sistema de tele-ECG já está disponível em todo o país, com recente expansão para outras nações da América do Sul.…”