Development and Internal Validation of a Nomogram for Predicting One-Year All-Cause Mortality in Heart Failure Patients Undergoing Non-Cardiac Surgery: A Retrospective Analysis of 308 Cases

Resumo Técnico: Desenvolvimento e Validação Interna de um Nomograma para Predição da Mortalidade por Todas as Causas em Um Ano em Pacientes com Insuficiência Cardíaca Submetidos a Cirurgia Não Cardíaca

Definição do Problema
A insuficiência cardíaca (IC) representa uma carga significativa para a saúde pública global, com mais de 15% dos pacientes submetidos a cirurgias não cardíacas (CNC) apresentando IC comórbida. Esses pacientes enfrentam riscos elevados de instabilidade hemodinâmica perioperatória e mortalidade pós-operatória a longo prazo. Embora as intervenções cirúrgicas frequentemente desencadeiem respostas de estresse traumático em pacientes com IC, não existe atualmente um instrumento direto e preciso disponível para prever a probabilidade de mortalidade pós-operatória de um ano especificamente para esta população. Ferramentas existentes, como o Índice de Risco Cardíaco Revisado (RCRI), carecem de biomarcadores específicos e indicadores clínicos de rotina necessários para uma estratificação de risco de longo prazo precisa em coortes de IC. Este estudo aborda a necessidade de uma ferramenta de avaliação de risco individualizada e precisa para facilitar a formulação precoce de estratégias terapêuticas personalizadas e melhorar os desfechos de sobrevivência pós-operatória.

Metodologia
Este estudo de coorte retrospectivo analisou 308 pacientes com insuficiência cardíaca que foram submetidos a cirurgia não cardíaca no Hospital do Povo do Distrito de Luhe, em Nanjing, entre janeiro de 2023 e junho de 2024. O estudo foi aprovado pelo Comitê de Ética Médica local e registrado no Registro Chinês de Ensaios Clínicos.

• Coleta e Pré-processamento de Dados: O estudo coletou 18 covariáveis preditivas candidatas, incluindo dados demográficos, características cirúrgicas, tipo de anestesia e vários biomarcadores laboratoriais (ex: BNP, PCR, lipoproteína(a), hemoglobina, marcadores cardíacos). Valores ausentes (<5%) foram tratados via imputação múltipla (MICE). A coorte foi estratificada aleatoriamente em um conjunto de treinamento (n=217) e um conjunto de validação (n=91) na proporção de 7:3.
• Triagem de Variáveis: Foi empregado um processo de triagem de duas etapas. Primeiro, a regressão LASSO combinada com o algoritmo Boruta foi utilizada para identificar potenciais preditores e controlar a multicolinearidade. Isso reduziu as 18 variáveis iniciais para 9 candidatas. Segundo, uma abordagem de eliminação retroativa passo a passo dentro de uma estrutura de regressão logística multivariada (entrada p=0,05, remoção p=0,10) identificou o conjunto final de preditores independentes. A correção da Taxa de Falso Descoberta (FDR) de Benjamini–Hochberg foi aplicada para mitigar erros do Tipo I.
• Construção do Modelo: Um nomograma foi construído com base nos seis preditores independentes identificados. O modelo utilizou regressão logística para calcular a probabilidade de mortalidade por todas as causas em um ano.
• Validação e Avaliação: O desempenho do modelo foi rigorosamente avaliado usando:
  • Discriminação: Curvas ROC (Receiver Operating Characteristic) e Área Sob a Curva (AUC) com Intervalos de Confiança (IC) de 95%.
  • Calibração: Gráficos de calibração e teste de Hosmer-Lemeshow.
  • Utilidade Clínica: Análise de Curva de Decisão (DCA) e Curvas de Impacto Clínico (CIC).
  • Comparação: O nomograma foi comparado ao escore RCRI convencional através de testes de DeLong.
  • Justificativa do Tamanho da Amostra: O tamanho da amostra (n=308, 69 eventos) foi verificado para atender à regra de "10:1" de eventos por variável e aos requisitos de poder estatístico (poder de 80%, OR=1,6).

Principais Contribuições

1. Identificação de Seis Preditores Independentes: O estudo identificou seis indicadores clínicos de rotina como preditores independentes de mortalidade em um ano:
   • Nova insuficiência cardíaca pós-operatória (preditor mais forte).
   • Níveis de biomarcadores miocárdicos (elevado troponina I pré-operatória [cTnI]).
   • Peptídeo Natriurético do Tipo B (BNP).
   • Lipoproteína(a) [Lp(a)].
   • Índice de Massa Corporal (IMC).
   • Hemoglobina (Hb).
2. Desenvolvimento de um Nomograma de Alto Desempenho: Um modelo preditivo foi construído integrando essas variáveis em um sistema de pontuação visual.
3. Ferramenta Clínica Dinâmica: Um nomograma dinâmico interativo baseado na web (aplicação R Shiny) foi desenvolvido para permitir que clínicos insiram dados do paciente e recebam instantaneamente probabilidades personalizadas de risco de mortalidade, eliminando erros de cálculo manual.
4. Superioridade sobre o RCRI: O estudo demonstrou que o nomograma proposto supera significativamente o escore RCRI tradicional em precisão preditiva para esta população específica de pacientes.

Resultados

• Taxa de Mortalidade: A taxa de mortalidade por todas as causas pós-operatória em um ano na coorte foi de 22,4% (69/308).
• Desempenho Preditivo:
  • Conjunto de Treinamento: O nomograma alcançou um AUC de 0,933 (IC 95%: 0,893–0,974).
  • Conjunto de Validação: O modelo manteve forte capacidade discriminativa com um AUC de 0,892 (IC 95%: 0,812–0,971).
  • Comparação com RCRI: O nomograma superou significativamente o RCRI tanto no conjunto de treinamento (AUC 0,933 vs. 0,659, P<0,001) quanto no conjunto de validação (AUC 0,892 vs. 0,700, P=0,003).
• Calibração: O modelo apresentou excelente calibração. O teste de Hosmer-Lemeshow rendeu valores de P de 0,8428 (treinamento) e 0,8973 (validação), indicando ausência de falta de ajuste significativa. Os erros médios absolutos de calibração foram baixos (3,41% e 4,05%, respectivamente).
• Utilidade Clínica: A Análise de Curva de Decisão (DCA) confirmou benefícios clínicos líquidos favoráveis dentro de uma probabilidade de limiar de 0,0–0,4. As Curvas de Impacto Clínico (CIC) verificaram a capacidade do modelo em rastrear com precisão pacientes de alto risco através de vários limiares de decisão.
• Importância das Variáveis: A nova insuficiência cardíaca pós-operatória (OR=9,434) e a Lp(a) (OR=1,005 por unidade) foram identificadas como os principais impulsionadores do risco. Por outro outro lado, o IMC mais elevado e os níveis de Hemoglobina foram identificados como fatores protetores.

Significância e Alegações
Os autores afirmam que este novo nomograma fornece uma ferramenta intuitiva, confiável e precisa para a avaliação de risco perioperatório em pacientes com insuficiência cardíaca submetidos a cirurgia não cardíaca. Ao integrar indicadores clínicos de rotina e dados de complicações pós-operatórias, o modelo oferece precisão preditiva superior em comparação com os índices padrão existentes.

O estudo postula que esta ferramenta facilita a identificação de coortes de alto risco, permitindo a implementação precoce de estratégias terapêuticas personalizadas (ex: suporte nutricional para baixo IMC, manejo da anemia e monitoramento próximo para nova insuficiência cardíaca). Os autores enfatizam que a dependência do modelo em indicadores rotineiramente disponíveis torna sua implementação clínica altamente viável. Eles reconhecem limitações, incluindo o desenho retrospectivo de centro único e a falta de acompanhamento de longo prazo além de um ano, afirmando que estudos prospectivos multicêntricos futuros são necessários para validar a generalizabilidade do modelo. No entanto, concluem que o modelo atual representa um passo significativo em direção ao manejo perioperatório preciso e à intervenção clínica individualizada para esta população vulnerável.