Predicting cardiovascular risk under intervention: Development and internal validation of the CHARIOT Model in 19 million adults

O estudo desenvolveu e validou internamente o modelo CHARIOT, baseado em registros de saúde de mais de 19 milhões de adultos no Reino Unido, que utiliza inferência causal para prever a redução específica do risco cardiovascular de 10 anos sob diferentes intervenções, permitindo uma prevenção personalizada e acionável em escala.

O essencial

Imagine que você está dirigindo um carro muito antigo e quer saber se ele vai quebrar na estrada. Os modelos de risco cardiovascular tradicionais (como o QRISK, usado no Reino Unido) funcionam como um mecânico que olha para o painel e diz: "Ei, o seu carro tem 20% de chance de quebrar nos próximos 10 anos. Você deveria trocar o óleo."

O problema é que essa resposta é vaga. O motorista pergunta: "Mas quanto isso vai ajudar se eu trocar o óleo? E se eu trocar o pneu também? E se eu parar de dirigir em estradas de terra?" O mecânico tradicional não sabe responder. Ele só sabe dizer que algo precisa mudar, mas não diz o quanto cada mudança específica vai salvar o carro.

É aqui que entra o CHARIOT, o novo modelo apresentado neste artigo.

O que é o CHARIOT?

O CHARIOT é como um simulador de direção futurista para a sua saúde. Em vez de apenas prever o futuro, ele permite que você faça perguntas do tipo "E se?" (o que os cientistas chamam de "contrafactual").

Ele foi treinado com os dados de 19 milhões de adultos no Reino Unido (um número gigantesco, quase um em cada três habitantes do país!). O objetivo é simples: dizer a você exatamente quanto o seu risco de ter um ataque cardíaco ou derrame vai diminuir se você tomar uma decisão específica.

Como ele funciona? (A Analogia do "Botão Mágico")

Imagine que o seu risco de doença cardíaca é um balão cheio de ar. Quanto mais ar, mais perto de estourar (o evento cardíaco).

1. O Modelo Tradicional: Olha para o balão e diz: "Você tem 19% de chance de estourar. Você deveria fazer algo."
2. O CHARIOT: É como se tivesse botões mágicos ao lado do balão.
   • Se você apertar o botão "Parar de Fumar", o balão encolhe magicamente e o risco cai para 15%.
   • Se você apertar o botão "Tomar Remédio para Colesterol", o balão encolhe para 14%.
   • Se você apertar o botão "Perder 10kg", o balão encolhe para 15%.
   • Se você apertar todos os botões juntos, o balão fica minúsculo, com apenas 5% de risco!

Isso permite que o médico e o paciente tenham uma conversa real: "Olha, se você parar de fumar, seu risco cai tanto quanto se você tomasse remédio. O que você prefere fazer?"

Por que isso é tão importante?

A psicologia humana funciona assim: as pessoas tendem a mudar de comportamento quando entendem o benefício específico de uma ação. Se você apenas diz "você é de risco", a pessoa pode se sentir paralisada ou ignorar o aviso. Mas se você diz "se você caminhar 30 minutos por dia, você reduz seu risco de ataque cardíaco em 4 pontos percentuais", isso se torna uma meta tangível e motivadora.

O CHARIOT foi criado para ser usado em duas situações:

1. No consultório: O médico usa para mostrar ao paciente as opções durante uma consulta de saúde.
2. No celular do paciente: O paciente pode acessar seu prontuário online, ver seu risco e brincar com os "botões" para ver o que acontece se ele mudar hábitos, sem precisar ir ao médico imediatamente.

A "Memória" do Modelo

Outra coisa legal é que o CHARIOT tem "memória".

• Visita 1: Você entra, o modelo calcula seu risco e guarda seus dados (pressão, peso, tabagismo).
• Visita 2 (daqui a um ano): Você volta. O modelo lembra de onde você começou. Se você perdeu 5kg e parou de fumar, ele recalcula seu risco atual e mostra o quanto você melhorou. Se você ainda não mudou nada, ele mostra o risco atualizado (que pode ter subido porque você envelheceu um ano).

Isso transforma a prevenção de algo que você faz "uma vez na vida" em um processo contínuo de acompanhamento.

O Resultado na Prática

Os pesquisadores testaram o modelo em milhões de pessoas e ele funcionou muito bem. Ele é preciso (como um bom GPS) e justo (funciona bem para homens, mulheres, diferentes idades e etnias).

Exemplo real do estudo:
Uma mulher de 70 anos, fumante, com pressão alta e colesterol alto, tinha um risco de 19% de ter um problema cardíaco em 10 anos.

• O CHARIOT mostrou que, se ela tomasse remédio para pressão, o risco cairia para 15%.
• Se ela parasse de fumar, cairia para 15,7%.
• Se ela fizesse um combo (parar de fumar + perder peso + melhorar dieta), o risco cairia para 5,4%.

Com essa informação, ela decidiu parar de fumar e tentar mudar a dieta, porque viu que era uma opção viável e poderosa, sem necessariamente depender apenas de remédios.

Conclusão

O CHARIOT é um passo gigante para a medicina personalizada. Ele sai do modo "alerta de perigo" e entra no modo "plano de ação". Ele não diz apenas "você está em perigo"; ele diz "você tem o poder de mudar esse destino, e aqui está exatamente o quanto cada escolha sua vai ajudar".

É como trocar um mapa que mostra apenas onde está o buraco na estrada, por um GPS que diz: "Se você virar à direita, você evita o buraco e chega 10 minutos mais rápido".

Resumo técnico

Resumo Técnico: Modelo CHARIOT para Previsão de Risco Cardiovascular sob Intervenção

1. O Problema

As doenças cardiovasculares (DCV) são a principal causa de morte global e representam um custo significativo para o sistema de saúde do Reino Unido. Atualmente, os modelos de previsão de risco (como o QRISK2 no Reino Unido) são ferramentas puramente associativas. Eles identificam indivíduos de alto risco, mas falham em responder a perguntas críticas para a tomada de decisão clínica e mudança de comportamento: "O que aconteceria ao meu risco se eu parasse de fumar?" ou "Quanto exatamente os estatinos reduziriam o meu risco?".

As limitações dos modelos convencionais incluem:

• Incapacidade de prever riscos sob cenários hipotéticos de intervenção (contrafactuais).
• Dificuldade em lidar com o uso de tratamentos na coorte de desenvolvimento (viés de "tratamento drop-in"), onde indivíduos já estão medicados.
• Falta de personalização para intervenções específicas (lifestyle, medicamentos) e incapacidade de ser reutilizado em múltiplas consultas de acompanhamento.

2. Metodologia

O estudo desenvolveu o CHARIOT (Causal Health Assessment and Risk Intervention Tool), um modelo de previsão clínica que integra análise de sobrevivência com inferência causal.

• Dados e Coorte:

  • Utilização de registros eletrônicos de saúde (EHR) do CPRD Aurum (Reino Unido).
  • Coorte de 19.410.403 adultos ingleses livres de DCV (idade ≥ 18 anos).
  • Período de acompanhamento até março de 2020.
  • Desfecho: DCV incidente (doença coronariana, AVC isquêmico, AIT ou morte por essas causas).

• Arquitetura do Modelo (Duas Componentes):

  1. Componente de Estimativa de Risco Inicial:
     • Modelo de Razão de Riscos de Cox (hazard model) desenvolvido separadamente para homens e mulheres.
     • Utiliza splines cúbicos restritos para variáveis contínuas (idade, pressão arterial, IMC, colesterol não-HDL).
     • Inovação Causal: Para lidar com indivíduos que iniciam ou interrompem tratamentos durante o acompanhamento, o modelo incorpora termos de offset baseados em efeitos causais médios totais extraídos da literatura (meta-análises de ensaios clínicos). Isso permite estimar o risco sob a estratégia de "continuar na intervenção atual" sem viés de confusão.
  2. Componente de Intervenção (Ajuste Baseado em Memória):
     • Não envolve novo ajuste de modelo, mas sim a aplicação de Razões de Chances (Odds Ratios) causais sobre o risco estimado.
     • Baseia-se em um Grafo Acíclico Direcionado (DAG) para decompor efeitos em diretos e indiretos.
     • Permite simular cenários de: início de estatinos/anti-hipertensivos, cessação do tabagismo, e mudanças no estilo de vida (perda de peso, redução de PA e colesterol).
     • Memória: O modelo armazena os valores dos fatores de risco modificáveis da primeira visita (Visit 0) e atualiza as previsões em visitas subsequentes, permitindo reavaliação dinâmica.

• Validação:

  • Divisão dos dados em desenvolvimento (70%) e validação (30%).
  • Imputação múltipla para dados faltantes.
  • Avaliação de calibração (curvas de calibração, ICI, E50, E90) e discriminação (Índice C de Harrell).
  • Validação temporal para simular visitas de acompanhamento (1 a 5 anos).

3. Contribuições Chave

• Previsão sob Intervenção: É o primeiro modelo em larga escala capaz de fornecer previsões de risco personalizadas para intervenções específicas (medicamentosas e de estilo de vida), respondendo diretamente à "eficácia da resposta" (response efficacy) psicológica necessária para mudança de comportamento.
• Tratamento de Viés de Tratamento: Aborda metodologicamente o problema de indivíduos que já estão em tratamento na linha de base ou que iniciam tratamento durante o estudo, utilizando técnicas de inferência causal para corrigir o viés de seleção.
• Arquitetura Multi-Visita: Projetado para uso contínuo em consultas de atenção primária e plataformas digitais de pacientes, mantendo o histórico do paciente para reavaliação de risco.
• Descomposição de Efeitos: Permite prever riscos sob combinações arbitrárias de intervenções, não apenas opções pré-definidas, ao modelar como uma intervenção afeta múltiplos fatores de risco intermediários.

4. Resultados

• Desempenho Discriminatório: O modelo apresentou excelente discriminação, com um índice C de 0,874 para mulheres e 0,859 para homens na coorte de validação.
• Calibração: O modelo mostrou boa calibração geral através de subgrupos de etnia, região e idade. Houve leve subestimação em indivíduos de alto risco na região noroeste da Inglaterra e em faixas etárias muito jovens (17-30 anos), mas com impacto absoluto mínimo devido ao baixo risco basal.
• Exemplo Prático (Caso de Uso):
  • Para uma mulher de 70 anos com risco basal de 18,97%:
    • Início de estatinos reduz o risco para 14,32%.
    • Redução de 10 mmHg na pressão arterial reduz para 15,26%.
    • Cessação do tabagismo reduz para 15,77%.
    • Terapia combinada (redução de colesterol, PA e peso) reduz o risco para 5,49%.
• Validação Temporal: O componente de intervenção manteve boa calibração ao simular mudanças nos fatores de risco modificáveis ao longo do tempo, embora tenha havido alguma superestimação em indivíduos de alto risco em follow-ups distantes (provavelmente devido a viés de seleção).

5. Significado e Implicações

• Mudança de Paradigma: O CHARIOT move a prevenção cardiovascular de uma identificação passiva de risco para uma ferramenta de suporte à decisão ativa. Ele permite que médicos e pacientes visualizem o impacto quantitativo de ações específicas antes de tomá-las.
• Motivação Comportamental: Ao alinhar-se com a teoria da eficácia da resposta, o modelo tem o potencial de aumentar a adesão a tratamentos e mudanças de estilo de vida, pois os pacientes entendem o benefício direto de suas ações.
• Implementação: O modelo está disponível como uma aplicação interativa (Rshiny) e foi desenvolvido para integração futura em prontuários eletrônicos e portais de pacientes.
• Limitações e Futuro: O modelo assume que os efeitos causais da literatura são transportáveis para a população inglesa. Limitações incluem a possível subestimação de benefícios de intervenções de estilo de vida que atuam por vias não medidas (ex. sensibilidade à insulina) e a necessidade de validação em outras nações do Reino Unido. Trabalhos futuros visam incorporar riscos competitivos para estimar o risco vitalício.

Em resumo, o CHARIOT representa um avanço substantivo na medicina de precisão, transformando a previsão de risco cardiovascular em uma ferramenta dinâmica e orientada para a ação, validada em uma das maiores coortes de dados do mundo.