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

Todos os dias, os médicos dependem de um teste simples e não invasivo chamado eletrocardiograma, ou ECG, para ouvir o ritmo elétrico do coração. A máquina produz uma linha ondulada em uma tela e, ao longo das décadas, especialistas escreveram regras específicas para interpretar essas linhas. Essas regras funcionam como um checklist: se a voltagem de uma determinada onda for alta o suficiente, pode significar que o músculo cardíaco está espessado; se um intervalo específico entre as ondas for muito longo, pode sinalizar um atraso perigoso no sistema elétrico do coração; se uma determinada onda estiver ausente ou invertida, pode indicar um infarto passado. Essas diretrizes são usadas constantemente em hospitais para tomar decisões rápidas sobre o cuidado ao paciente. No entanto, embora essas regras sejam ensinadas em escolas de medicina e usadas na prática, houve pouco teste em larga escala para ver exatamente quão bem elas se sustentam quando aplicadas aos dados desordenados e reais de milhares de pacientes rotineiros de hospitais, em vez de sujeitos de pesquisa cuidadosamente selecionados.

Um pesquisador chamado Leo Probst propôs-se a testar dez dessas regras clássicas contra uma vasta coleção de registros hospitalares reais. Ele utilizou um banco de dados contendo mais de 160.000 pacientes adultos de um grande centro médico em Boston, abrangendo mais de uma década de registros. O objetivo não era inventar novas regras, mas ver se as antigas poderiam sobreviver a um teste rigoroso e pré-planejado. Antes de olhar para os resultados finais, o pesquisador escreveu exatamente o que esperava encontrar para cada regra, estabelecendo metas numéricas claras de sucesso. Ele então executou a análise computacional para ver se os dados apoiavam essas metas, verificando aspectos como a frequência com que uma regra identificava corretamente um problema sem sinalizar falsamente pessoas saudáveis, e com que frequência previa corretamente desfechos graves, como morte ou emergências de ritmo cardíaco, dentro de um mês.

O estudo descobriu que o destino dessas regras dependia menos das regras em si e mais de como os dados eram medidos e de quais informações estavam disponíveis para compará-las. Para as regras destinadas a detectar um músculo cardíaco espessado, conhecido como hipertrofia ventricular esquerda, os resultados foram uma mistura de confirmação e limitação. As duas regras mais famosas, chamadas Sokolow-Lyon e Cornell, provaram ser muito específicas. Isso significa que, quando a máquina sinalizava um paciente como tendo um coração espessado com base nessas regras, o paciente quase certamente tinha a condição. No entanto, essas regras perdiam a grande maioria dos casos reais. Elas captavam apenas cerca de 7% a 17% das pessoas que realmente tinham um coração espessado. Embora um resultado positivo fosse confiável, um resultado negativo dizia muito pouco ao médico, pois as regras simplesmente não eram sensíveis o suficiente para encontrar o problema na maioria das pessoas.

A regra para detectar infartos passados, que procura por "ondas Q" específicas no traçado, apresentou um desafio diferente. Os dados mostraram que, quando essa regra sinalizava um paciente, era provável que estivesse correta, mas o estudo não conseguiu determinar quantos infartos reais ela perdeu. Isso ocorreu porque havia poucos pacientes no banco de dados com infartos passados confirmados para servir como ponto de referência. Com menos de 50 casos confirmados para comparar, os pesquisadores não puderam calcular uma medida estável de quão bem a regra funcionava no geral. Foi um caso em que os dados simplesmente não continham exemplos suficientes para dar uma resposta definitiva.

Uma das descobertas mais significativas diz respeito ao intervalo QT, uma medição de quanto tempo leva para o sistema elétrico do coração recarregar entre os batimentos. Um intervalo QT corrigido acima de 500 milissegundos é amplamente considerado um sinal de alerta. O estudo confirmou que pacientes com uma leitura acima desse limite estavam, de fato, sob um risco muito maior de morrer em 30 dias ou sofrer um evento de ritmo cardíaco perigoso em comparação com aqueles com leituras mais baixas. O risco era aproximadamente cinco vezes maior para aqueles com o intervalo longo. No entanto, o estudo também destacou uma limitação crucial: como poucos pacientes tinham de fato uma leitura acima de 500 milissegundos, essa regra identificou apenas cerca de 9% das pessoas que morreram. Em outras palavras, embora a regra tenha identificado corretamente um grupo de alto risco, ela perdeu a grande maioria dos pacientes que não sobreviveriam. Os pesquisadores também observaram que a força dessa associação parecia mudar dependendo da frequência cardíaca do paciente. Para pacientes com uma frequência cardíaca lenta, a razão de risco era extremamente alta, enquanto para aqueles com uma frequência cardíaca rápida, a razão caía significamente. Os pesquisadores sugeriram que isso poderia ser devido à fórmula matemática usada para corrigir a medição, mas eles não testaram essa teoria e não ofereceram novas recomendações baseadas no padrão.

Outras regras testadas, como as para um sinal elétrico lento entre as câmaras superior e inferior do coração ou um tipo específico de bloqueio de ramo, não forneceram respostas claras. Os dados foram inconclusivos para essas afirmações, o que significa que o estudo não pôde confirmar nem rejeitar a ideia de que esses padrões carregavam um nível específico de risco. Em alguns casos, o número de pacientes com a condição era pequeno demais para tirar uma conclusão firme. O estudo também observou se diferentes limiares de frequência cardíaca ou diferentes fórmulas para corrigir o intervalo QT mudariam os resultados, mas estas foram observações descritivas adicionadas após os resultados principais serem conhecidos, destinadas a guiar pesquisas futuras em vez de fornecer respostas imediatas.

Em última análise, o estudo concluiu que os vereditos sobre essas regras clássicas de ECG foram moldados pela qualidade dos dados e pela disponibilidade de pontos de referência. As regras que foram apoiadas não eram necessariamente "melhores" em um sentido geral; eram simplesmente aquelas onde os dados permitiam um teste claro e pré-definido para passar. As regras que falharam ou permaneceram inconclusivas foram frequentemente vítimas de dados ausentes ou de uma falta de casos confirmados para comparação. A pesquisa não provou que qualquer uma dessas regras é inválida, nem provou que são perfeitas. Em vez disso, forneceu um mapa claro do que os dados hospitalares rotineiros podem e não podem nos dizer sobre essas ferramentas diagnósticas de longa data. Mostrou que, embora algumas regras identifiquem de forma confiável um pequeno grupo de pacientes de alto risco, elas frequentemente perdem o quadro geral e que, para muitas outras regras, os dados disponíveis nos registros hospitalares padrão ainda não são suficientes para dar uma resposta definitiva.