Outcome e gestione clinica dei pazienti critici con fibrillazione atriale preesistente: lo studio AFICILL 2.0

Introduzione: la fibrillazione atriale non valvolare (NVAF) è la più comune aritmia del paziente critico, ed è associata ad un elevato rischio di morte o trasferimento in UTI (MO), stroke/TIA (TEE) e sanguinamento maggiore (MB). Tuttavia, ad oggi gli scores necessari per guidare la terapia anticoagulante non sono stati validati nel setting del paziente critico. Scopo dell’attuale tesi è quella di valutare l’accuratezza degli scores suggeriti dalle linee guida ESC anche in questo setting e di proporre nuovi modelli basati sul machine learning (ML) in grado di migliorare la precisione nella predizione degli eventi avversi. Pazienti e Metodi: studio di corte retrospettiva che ha arruolato tutti i pazienti con fibrillazione atriale preesistente, affetti da malattia critica, in un arco temporale di 10 anni, considerando un numero elevato di variabili cliniche, anamnestiche e strumentali. L’accuratezza degli scores CHA2DS2-VASc, CHADS2 e HAS-BLED è stata valutata con curve ROC. I modelli ML sono stati ingegnerizzati mediante feature selection effettuata con topological data analysis, successivamente valutati con metodiche in gradi di fornire informazioni circa le variabili più rilevanti successivamente validati con una ampia coorte rappresentante il 60% del campione. Risultati: MO (14,6%), TEE (9,7%) e MB (11,0%) sono risultati altamente prevalenti; tuttavia, gli scores clinici non sono risultati accurati nella predizione dei rispettivi outcome. Gli algoritmi di ML, al contrario, anche dopo validazione hanno mostrato una elevata accuratezza (MO:0,96;95%CI:0,946-0,972; p<0,0001; TEE:0,95;95%CI:0,943-0,966; p<0,0001; MB: 0,97; 95%CI: 0,955-0,981; p<0,0001). Conclusioni: nei pazienti critici ricoverati in area critica ed affetti da NVAF, gli eventi clinici associati a NVAF sono comuni e difficilmente prevedibili dagli attuali scores. I modelli di ML validati per tali applicazioni sono in grado di fornire al clinico informazioni utili per la gestione di questa peculiare tipologia di pazienti.