Measurement definition, reference availability and testability shaped the verdicts on classical ECG rules in routine hospital data

Cada día, los médicos confían en una prueba sencilla y no invasiva llamada electrocardiograma, o ECG, para escuchar el ritmo eléctrico del corazón. La máquina produce una línea ondulada en una pantalla y, a lo largo de las décadas, los expertos han redactado reglas específicas para interpretar esas líneas. Estas reglas actúan como una lista de verificación: si el voltaje de una determinada onda es lo suficientemente alto, podría significar que el músculo cardíaco está engrosado; si un intervalo específico entre ondas es demasiado largo, podría señalar un retraso peligroso en el sistema eléctrico del corazón; si una onda particular falta o está invertida, podría indicar un infarto de miocardio pasado. Estas directrices se utilizan constantemente en los hospitales para tomar decisiones rápidas sobre la atención al paciente. Sin embargo, aunque estas reglas se enseñan en las facultades de medicina y se utilizan en la práctica, se ha realizado poca investigación a gran escala para ver exactamente qué tan bien se mantienen cuando se aplican a los datos desordenados del mundo real de miles de pacientes de hospitales de rutina, en lugar de a sujetos de investigación cuidadosamente seleccionados.

Un investigador llamado Leo Probst se propuso probar diez de estas reglas clásicas contra una enorme colección de registros hospitalarios reales. Utilizó una base de datos que contenía más de 160,000 pacientes adultos de un importante centro médico en Boston, que abarcaba más de una década de registros. El objetivo no era inventar nuevas reglas, sino ver si las antiguas podían sobrevivir a una prueba rigurosa y predeterminada. Antes de mirar los resultados finales, el investigador escribió exactamente qué esperaba encontrar para cada regla, estableciendo objetivos numéricos claros de éxito. Luego, realizó el análisis computarizado para ver si los datos respaldaban esos objetivos, verificando aspectos como la frecuencia con la que una regla identificaba correctamente un problema sin señalar falsamente a personas sanas, y con qué frecuencia predecía correctamente resultados graves como la muerte o emergencias del ritmo cardíaco dentro de un mes.

El estudio encontró que el destino de estas reglas dependía menos de las reglas mismas y más de cómo se medían los datos y de la información disponible para compararlas. Para las reglas diseñadas para detectar un músculo cardíaco engrosado, conocido como hipertrofia del ventrículo izquierdo, los resultados fueron una mezcla de confirmación y limitación. Las dos reglas más famosas, llamadas Sokolow-Lyon y Cornell, demostraron ser muy específicas. Esto significa que cuando la máquina señalaba a un paciente con un corazón engrosado basándose en estas reglas, el paciente casi con seguridad tenía la condición. Sin embargo, estas reglas pasaban por alto la gran mayoría de los casos reales. Solo detectaban aproximadamente entre el 7% y el 17% de las personas que realmente tenían un corazón engrosado. Si bien un resultado positivo era fiable, un resultado negativo le decía muy poco al médico, ya que las reglas simplemente no eran lo suficientemente sensibles para encontrar el problema en la mayoría de las personas.

La regla para detectar infartos de miocardio pasados, que busca "ondas Q" específicas en el trazado, presentó un desafío diferente. Los datos mostraron que cuando esta regla señalaba a un paciente, era probable que fuera correcta, pero el estudio no pudo determinar cuántos infartos de miocardio reales había pasado por alto. Esto se debió a que había muy pocos pacientes en la base de datos con infartos de miocardio confirmados para utilizarlos como punto de referencia. Con menos de 50 casos confirmados para comparar, los investigadores no pudieron calcular una medida estable de qué tan bien funcionaba la regla en general. Fue un caso en el que los datos simplemente no contenían suficientes ejemplos para dar una respuesta definitiva.

Uno de los hallazgos más significativos se refirió al intervalo QT, una medición de cuánto tiempo tarda el sistema eléctrico del corazón en recargarse entre latidos. Un intervalo QT corregido por encima de 500 milisegundos se considera ampliamente como una señal de advertencia. El estudio confirmó que los pacientes con una lectura por encima de este umbral presentaban, de hecho, un riesgo mucho mayor de morir en un plazo de 30 días o de sufrir un evento peligroso del ritmo cardíaco en comparación con aquellos con lecturas inferiores. El riesgo era aproximadamente cinco veces mayor para aquellos con el intervalo largo. Sin embargo, el estudio también destacó una limitación crucial: debido a que muy pocos pacientes tenían una lectura por encima de 500 milisegundos, esta regla solo identificó aproximadamente el 9% de las personas que murieron. En otras palabras, aunque la regla identificó correctamente a un grupo de alto riesgo, pasó por alto a la gran mayoría de los pacientes que no sobrevivirían. Los investigadores también observaron que la fuerza de esta asociación parecía cambiar dependiendo de la frecuencia cardíaca del paciente. Para los pacientes con una frecuencia cardíaca lenta, la razón de riesgo era extremadamente alta, mientras que para aquellos con una frecuencia cardíaca rápida, la razón disminuía significativamente. Los investigadores sugirieron que esto podría deberse a la fórmula matemática utilizada para corregir la medición, pero no probaron esta teoría y no ofrecieron nuevas recomendaciones basadas en el patrón.

Otras reglas probadas, como las de una señal eléctrica lenta entre las cámaras superiores e inferiores del corazón o un tipo específico de bloqueo de rama, no proporcionaron respuestas claras. Los datos fueron inconcluyentes para estas afirmaciones, lo que significa que el estudio no pudo confirmar ni rechazar la idea de que estos patrones conllevaban un nivel específico de riesgo. En algunos casos, el número de pacientes con la condición era demasiado pequeño para extraer una conclusión firme. El estudio también analizó si diferentes umbrales de frecuencia cardíaca o diferentes fórmulas para corregir el intervalo QT cambiarían los resultados, pero estas fueron observaciones descriptivas añadidas después de conocer los resultados principales, destinadas a guiar investigaciones futuras en lugar de proporcionar respuestas inmediatas.

En última instancia, el estudio concluyó que los veredictos sobre estas reglas clásicas de ECG estuvieron moldeados por la calidad de los datos y la disponibilidad de puntos de referencia. Las reglas que fueron respaldadas no eran necesariamente "mejores" en un sentido general; simplemente eran aquellas donde los datos permitían una prueba clara y predefinida para pasar. Las reglas que fallaron o permanecieron inconcluyentes fueron a menudo víctimas de la falta de datos o de la falta de casos confirmados para comparar. La investigación no demostró que ninguna de estas reglas sea inválida, ni demostró que sean perfectas. En cambio, proporcionó un mapa claro de lo que los datos rutinarios de los hospitales pueden y no pueden decirnos sobre estas herramientas diagnósticas de larga trayectoria. Mostró que, si bien algunas reglas identifican de manera fiable a un pequeño grupo de pacientes de alto riesgo, a menudo pasan por alto el panorama general y que, para muchas otras reglas, los datos disponibles en los registros hospitalarios estándar aún no son suficientes para dar una respuesta definitiva.