Validación de escalas multiparamétricas de predicción de riesgo de muerte súbita en pacientes con síndrome de Brugada y estudio electrofisiológico

• Moisés Rodríguez-Mañero ^[8] ; Aurora Baluja ^[9] ; Jaime Hernández ^[1] ; Carmen Muñoz ^[10] ; David Calvo ^[2] ; Juan Fernández-Armenta ^[3] ; Amaya García-Fernández ^[11] ; Esther Zorio ^[4] ; Álvaro Arce-León ^[5] ; Juan Miguel Sánchez-Gómez ^[12] ; Ignacio Mosquera-Pérez ^[13] ; Miguel Á. Arias ^[14] ; Ernesto Díaz-Infante ^[15] ; Víctor Expósito ^[6] ; Víctor Jiménez-Ramos ^[16] ; Elvis Teijeira ^[17] ; María Victoria Cañadas-Godoy ^[18] ; José María Guerra-Ramos ^[19] ; Teresa Oloriz ^[20] ; Nuria Basterra ^[21] ; Pedro Sousa ^[22] ; Juliana Elices-Teja ^[7] ; Ignacio García-Bolao ^[23] ; José Ramón González-Juanatey ^[8] ; Ramón Brugada ^[24] ; Juan Ramón Gimeno ^[25] ; Josep Brugada ^[26] ; Elena Arbelo ^[26]
  1. [1] Universitat de Barcelona

     Universitat de Barcelona

     Barcelona, España

     
  2. [2] Hospital Universitario Central de Asturias

     Hospital Universitario Central de Asturias

     Oviedo, España

     
  3. [3] Hospital Universitario Puerta del Mar

     Hospital Universitario Puerta del Mar

     Cádiz, España

     
  4. [4] Hospital Universitario La Fe

     Hospital Universitario La Fe

     Valencia, España

     
  5. [5] Hospital Juan Ramón Jiménez

     Hospital Juan Ramón Jiménez

     Huelva, España

     
  6. [6] Hospital Universitario Marqués de Valdecilla

     Hospital Universitario Marqués de Valdecilla

     Santander, España

     
  7. [7] Hospital Universitario Lucus Augusti

     Hospital Universitario Lucus Augusti

     Lugo, España

     
  8. [8] Servicio de Cardiología, Hospital Universitario Santiago de Compostela, Santiago de Compostela, A Coruña, España; Instituto de Investigación Sanitaria (IDIS), Universidad de Santiago de Compostela, Santiago de Compostela, A Coruña, España; Centro de Investigación Biomédica en Red de Enfermedades Cardiovasculares (CIBERCV), España
  9. [9] Servicio de Anestesiología, Hospital Universitario Santiago de Compostela, Santiago de Compostela, A Coruña, España
  10. [10] Centro de Investigación Biomédica en Red de Enfermedades Cardiovasculares (CIBERCV), España; IDIBAPS, Institut d’Investigació August Pi i Sunyer (IDIBAPS), Barcelona, España; Servicio de Cardiología, Hospital Universitario de Murcia, Murcia, España
  11. [11] Servicio de Cardiología, Hospital Universitario General de Alicante, Alicante, España
  12. [12] Servicio de Cardiología, Hospital Universitario Clínico de Valencia, Valencia, España
  13. [13] Servicio de Cardiología, Complejo Hospitalario Canalejo, A Coruña, España
  14. [14] Servicio de Cardiología, Hospital Universitario Virgen de la Salud, Toledo, España
  15. [15] Servicio de Cardiología, Hospital Universitario Virgen de la Macarena, Sevilla, España
  16. [16] Servicio de Cardiología, Hospital Universitario Santiago de Compostela, Santiago de Compostela, A Coruña, España
  17. [17] Servicio de Cardiología, Hospital Universitario Vigo, Vigo, Pontevedra, España
  18. [18] Servicio de Cardiología, Hospital Universitario Clínico de Madrid, Madrid, España
  19. [19] Centro de Investigación Biomédica en Red de Enfermedades Cardiovasculares (CIBERCV), España; Servicio de Cardiología, Hospital Universitario Sant Pau de Barcelona, Barcelona, España
  20. [20] Servicio de Cardiología, Hospital Universitario Clínico de Zaragoza, Zaragoza, España
  21. [21] Servicio de Cardiología, Hospital Universitario de Navarra, Pamplona, Navarra, España
  22. [22] Departamento de Cardiología, Centro Hospitalar e Universitário de Coimbra, Coimbra, Portugal
  23. [23] Centro de Investigación Biomédica en Red de Enfermedades Cardiovasculares (CIBERCV), España; Servicio de Cardiología, Clínica Universidad de Navarra, Pamplona, Navarra, España
  24. [24] Centro de Genética Cardiovascular, Universidad of Girona, Girona, España
  25. [25] Servicio de Cardiología, Hospital Universitario de Murcia, Murcia, España
  26. [26] Centro de Investigación Biomédica en Red de Enfermedades Cardiovasculares (CIBERCV), España; Sección de Arritmias, Servicio de Cardiología, Hospital Clínic, Universitat de Barcelona, Barcelona, España; IDIBAPS, Institut d’Investigació August Pi i Sunyer (IDIBAPS), Barcelona, España; The European Reference Network for Rare, Low Prevalence and Complex Diseases of the Heart - ERN GUARD-Heart

  Mostrar afiliaciones +
• Localización: Revista española de cardiología, ISSN 0300-8932, Vol. 75, Nº. 7, 2022, págs. 559-567
• Idioma: español
• Títulos paralelos:
  • Validation of multiparametric approaches for the prediction of sudden cardiac death in patients with Brugada syndrome and electrophysiological study
• Enlaces
  • Texto completo
• Resumen
  • español

    Introducción y objetivos Se han desarrollado puntuaciones multiparamétricas para una mejor estratificación del riesgo en el síndrome de Brugada (SBr). Nuestro objetivo es validar 3 abordajes multiparamétricos (las escalas Delise, Sieira y Shanghai BrS) en una cohorte de pacientes con síndrome de Brugada y estudio electrofisiológico (EEF).

    Métodos Pacientes diagnosticados de SBr y con un EEF previo entre 1998-2019 en 23 hospitales. Se utilizaron análisis mediante estadístico C y modelos de regresión de riesgos proporcionales de Cox.

    Resultados Se incluyó en total a 831 pacientes con una media de edad de 42,8±13,1 años; 623 (75%) eran varones; 386 (46,5%) tenían patrón electrocardiográfico (ECG) tipo 1; 677 (81,5%) estaban asintomáticos y 319 (38,4%) tenían un desfibrilador automático implantable. Durante un seguimiento de 10,2±4,7 años, 47 (5,7%) sufrieron un evento cardiovascular. En la cohorte total, un ECG tipo 1 y síncope fueron predictivos de eventos arrítmicos. Todas las puntuaciones de riesgo se asociaron significativamente con los eventos. Las capacidades discriminatorias de las 3 escalas fueron discretas (particularmente al aplicarlas a pacientes asintomáticos). La evaluación de las puntuaciones de Delise y Sieira con diferente número de extraestímulos (1 o 2 frente a 3) no mejoró sustancialmente el índice c de predicción de eventos.

    Conclusiones En el SBr, los factores de riesgo clásicos como el ECG y el síncope previo predicen eventos arrítmicos. El número de extraestímulos necesarios para inducir arritmias ventriculares influye en las capacidades predictivas del EEF. Las escalas que combinan factores de riesgo clínico con EEF ayudan a identificar las poblaciones con más riesgo, aunque sus capacidades predictivas siguen siendo discretas tanto en población general con SBr como en pacientes asintomáticos.

  • English

    Introduction and objectives Multiparametric scores have been designed for better risk stratification in Brugada syndrome (BrS). We aimed to validate 3 multiparametric approaches (the Delise score, Sieira score and the Shanghai BrS Score) in a cohort with Brugada syndrome and electrophysiological study (EPS).

    Methods We included patients diagnosed with BrS and previous EPS between 1998 and 2019 in 23 hospitals. C-statistic analysis and Cox proportional hazard regression models were used.

    Results A total of 831 patients were included (mean age, 42.8±13.1; 623 [75%] men; 386 [46.5%] had a type 1 electrocardiogram (ECG) pattern, 677 [81.5%] were asymptomatic, and 319 [38.4%] had an implantable cardioverter-defibrillator). During a follow-up of 10.2±4.7 years, 47 (5.7%) experienced a cardiovascular event. In the global cohort, a type 1 ECG and syncope were predictive of arrhythmic events. All risk scores were significantly associated with events. The discriminatory abilities of the 3 scores were modest (particularly when these scores were evaluated in asymptomatic patients). Evaluation of the Delise and Sieira scores with different numbers of extra stimuli (1 or 2 vs 3) did not substantially improve the event prediction c-index.

    Conclusions In BrS, classic risk factors such as ECG pattern and previous syncope predict arrhythmic events. The predictive capabilities of the EPS are affected by the number of extra stimuli required to induce ventricular arrhythmias. Scores combining clinical risk factors with EPS help to identify the populations at highest risk, although their predictive abilities remain modest in the general BrS population and in asymptomatic patients.