2024 年 3 月 22 日 本周心脏病学

请注意，下面的文字不是完整的文字记录，也没有经过复制编辑。 有关这些故事的更多见解和评论，请订阅本周心脏病学播客， 下载 Medscape 应用程序 或订阅 苹果播客, Spotify或您首选的播客提供商。 该播客仅供医疗保健专业人员使用。

在本周的播客中

截至 2024 年 3 月 22 日的一周，医学博士 John Mandrola 对以下新闻和专题报道发表评论： 肥胖 药物作为 动脉粥样硬化性心血管疾病 (ASCVD)-修饰符、心率 (HR) 监测器、期刊发布明显事实、效果评分以及从随机对照试验 (RCT) 中整理信号。

降低心血管结果的肥胖治疗

上周，美国食品和药物管理局（FDA）批准了 索马鲁肽 减少肥胖和心脏病患者的主要不良心脏事件（MACE）。

这一决定源于 17,000 名患者 选择试用。 这是一件大事，因为 FDA 的批准开始了该药物获得保险范围的许可过程。

上周我去丹麦期间做了六场讲座，其中一场的标题是“医生应该给心力衰竭患者开减肥疗法吗？”

我回顾了 SELECT，现在值得简单回顾一下，因为它是一次真正的范式转变试验。

• 患者年龄约62岁； 72%为男性。 平均体重指数为 33。三分之二的人有资格参加该研究，因为之前 心肌梗塞 （MI）； 与之前相比 18% 中风。

• 90%的患者正在服用降脂药物，86%的患者正在服用抗血小板药物。 这是值得注意的，因为索马鲁肽的获益发生在患者已经在服用缓解疾病药物的情况下。

• 平均随访 3.3 年后，索马鲁肽治疗组的主要结局事件为 CVD、MI 或中风，发生率为 6.5%，而安慰剂组的这一比例为 8.0%。 风险比 (HR) 为 0.80，置信区间 (CI) 范围为 0.72-0.90，具有高度显着性 磷-价值。

• 主要结局事件的第一个组成部分是CVD。 索马鲁肽为 2.5%，安慰剂为 3.0%； HR 0.85，CI 0.71-1.01。 这一点很重要，因为 CVD 减少量非常小，而且上限大于 1。 磷-值为 0.07，并且由于这是一个确认终点，因此预先指定 磷 优越性阈值为 0.023。 因此，虽然主要终点显着，但第一个次要（验证）终点并不显着。

• 我之所以谈论这个技术细节，是因为试验规则规定，如果验证性终点未达到显着性测试，则不对其余验证性次要终点进行优效性测试。 这很重要，因为人力资源部 心脏衰竭 复合死亡和全因死亡似乎都具有统计学意义，有利于索马鲁肽。 死亡人数为 4.3（索马鲁肽）与 5.2（安慰剂），高于 CVD。

亚组分析显示没有明显的异质性治疗效果（the）。 体重减轻了约 8.5%，并且在整个试验过程中非常一致。

导致停止用药或安慰剂的不良反应分别为 16% 和 8%，且主要是胃肠道疾病。 癌症诊断没有差异。

评论。 这里的解释很简单。 对于此类患者群体，索马鲁肽是一种缓解疾病的治疗方法。 时期。

它在其他疾病缓解疗法的基础上减少了 MACE。 风险降低幅度不大，但具有临床意义； 事实上，MACE 降低 20% 与他汀类药物相似。 从统计上看，这是有说服力的。

关于它是 GLP-1 激动剂的多效性作用还是仅仅通过体重减轻存在争议。

• 这些药物的使用引起了很多讨论。 适当的担忧是长期副作用（记住，试验只进行3年）、高成本，当然还有停药后体重反弹的问题。

• 本周我听过的一位讲师要求我们考虑停止使用 GLP-1 激动剂后体重的恢复，这与体重增加的情况类似。 低密度脂蛋白胆固醇 停止服用降胆固醇药物后。

• 另一位医生表示，我们对停药后体重增加的看法取决于我们是否认为肥胖是一种健康状况或行为状况。 如果是医疗状况，我们只需像使用降脂药物一样使用 GLP-1 激动剂即可。 长期。

• 但如果我们将肥胖视为一种行为状况，我们希望使用药物来改变行为，从而可能摆脱药物的困扰。 然而，如果 GLP-1 激动剂具有重要的非体重相关作用，那么也许应该长期使用。 这里存在不确定性。

说实话，最终，明天去临床，我认为这个病例没有太多的精神斗争。 这些都是 60 多岁的患有心脏病的患者。 如果您的患者符合这项研究的进入标准，并且患有肥胖症，那么索马鲁肽可能会像他汀类药物一样降低他们的风险。

将这些数据转化为更健康的年轻患者或儿童是不明智的。 我们知道 GLP-1 激动剂可以减轻这些人群的体重，但我们不知道它是否会导致较低的结果。 SELECT 通过招募患有 CVD 的患者来丰富其人群。 在安慰剂事件发生率较低的一组中进行心血管结果试验肯定需要更多的患者。

可穿戴式心率监测器的准确性

来自多伦多和卡尔加里的加拿大作家（第一作者 Ryan Quinn）有一个简短但重要的 研究信 在里面 美国心脏病学会杂志 (JACC) 关于可穿戴心率监测器在窦性心律 (SR) 方面的准确性和 心房颤动 （的）。

这应该是心脏病学的基本原则之一，所以我什至犹豫要不要对它说一句话，但是当你在房颤期间以较高的频率测量身体外围（通常是手腕）的脉搏时，很可能会出现以下情况：称为脉搏不足。

这意味着，当您感觉到脉搏时，您正在测量源自心脏收缩的动脉脉搏波。 在 SR 中，以合理的价格，它是 HR 的一个很好的替代品。 因为一个脉冲等于一个 QRS 波或心跳。

在 AF 中，存在不规则的心律，当有两次紧密耦合的心跳时，第二次可能无法在外周产生良好的脉搏。

然而，输出心率的智能手表很常见。 健身追踪器通常依靠光电体积描记法 (PPG) 技术来计算心率； 换句话说，手腕上的脉搏。

• 由 Paul Dorian 领导的研究小组想知道 PPG 与标准心电图在运动过程中的监测效果如何。

• 他们研究了计划进行常规跑步机测试的患者； 81 名患者的设备心率与心电图进行了比较。 他们研究了六种不同的可穿戴心率监测器。

• 这对健身追踪器来说并不好。

• 静息时，心电图测量的 HR 与设备显示的心率之间的绝对差异平均值为 SR 中的 4.6 ± 8.4 次/分钟，AF 中的 7.0 ± 11.8 次/分钟。

• 在运动高峰期，这些差异要大得多：SR 为 13.8 ± 18.9 次/分钟，AF 为 28.7 ± 23.7 次/分钟（磷 < 0.01）。

• 至于相关性，这也很糟糕。 静息时，AF 的相关系数为 0.931，AF 的相关系数为 0.504。

• 运动期间，SR 的相关系数为 0.726，AF 的相关系数为 0.301。 随着心电图测量的心率增加，设备检测的心率变得不太准确，特别是对于 AF 和运动期间的受试者。

评论。 这是很好的工作。 这是一个适度的实验，但其系统性使我们能够证实我们所有人的怀疑：房颤期间基于手表的心率不够可靠，无法采取行动。

如果您的 AF 患者为您提供了健身应用程序中显示良好心率控制的图表之一，那么明智的做法是通过适当的心电图追踪来确认这一点。

作者没有写这个，但我怀疑胸带监视器会做得更好，就像能够记录实际心电图的手表一样。

由于正常生活的医疗化，我对数字健康的许多方面都非常消极，但对智能手表等感到愤怒就像对下雨感到愤怒一样。 因此，像这样的研究可以帮助我们更好地了解新技术。

当顶级期刊发表既定事实时

期刊必须努力发表科学成果。 联合ACC 是心脏病学领域的顶级期刊之一。 现在它已经发布了 观察性研究 研究发现，在房颤 (AF) 患者中，抗心律失常药物 (AAD) 治疗与较高的心动过缓发生率相关， 昏厥和起搏器植入。

作者的结论是：“在开具 AAD 处方之前应对此类风险进行精确评估。”

• 我的意思是，来吧。 在互联网出现之前，我们在医学院了解到，几乎所有房颤率或心律控制药物都会导致心动过缓。

• 但临床医学工作的更核心是始终平衡拟议干预措施的好处和坏处。

• 我的朋友们，心动过缓是几乎所有心律药物的主要不良反应。 多非利特纯III类药物，是我能想到的唯一例外。

• 氟卡尼, 普罗帕酮, 索他洛尔, 决奈达隆, 胺碘酮所有这些都容易出现心动过缓。 您几乎可以说心动过缓既是一种影响，也是一种不利影响。

• 房颤药物的布雷迪效应实际上是我们在使用房颤药物时首先考虑的问题。 至少半个世纪以来一直如此。

• 我对作者没有恶意，我完全同意他们的发现，就像现在和 1990 年全世界数十万医生一样。

我的问题是为什么要进行这样的研究，以及为什么要这样做 联合ACC 发布并推广它？

如果我不说出我的想法，这个播客就没有多大价值。 因此，这个想法进入了我的脑海——我并不是说这是真的，这只是一个想法——AAD 是 AF 消融的竞争对手。 AAD 没有行业广告，但消融广告却有大量。

无论如何，我希望商业模式与发表一项研究无关，该研究等同于发现在雨中行走与潮湿有关。

RCT 中的所有患者都获得平均效果吗？

循证医学临床医生的首要工作是将试验数据应用于检查室中的人。

随机对照试验提供了干预措施的治疗效果。 然后我们将这种效果应用到我们的患者身上。 但。 从试验的效应大小和我们的患者来看，这条道路有很多复杂性。

其一，试验产生了 平均的 规模效应。 假设有 10,000 名患者参与试验； 可能有一些患者群体受益匪浅，也有一些群体受到伤害。

• 最好的例子就是 丹麦审判 非缺血性心肌病患者植入式心律转复除颤器（ICD）的应用； 1100 名患者入组，其中一半随机分配至 ICD，一半接受标准治疗。

• 平均效应大小为 13%，不显着。 Kaplan Meier 曲线很接近。 本质上，这是一次消极的试验。

• 但亚组分析显示，这对年轻患者有很大的好处，而对老年患者则有损害的趋势。 好处和坏处的平均值为零。

• 我们说可能存在 HTE。 这是行话，意思是相同的干预措施可以根据患者的特征产生不同的效果。

经验丰富的临床医生有时可以本能地感觉到我们办公室里的患者在重要方面与试验中的普通人不同。

亚组分析（通常是论文中的表 3 或表 4）试图解决这一问题，但亚组分析仅使用一件事，例如糖尿病或无糖尿病。 或血压 (BP) 截止值。 一件事。

问题在于，试验能够从总体组中的噪声中筛选出信号，但子组是试验中总体人群的较小部分。 因此，过于依赖子组将会产生大量的假阴性和假阳性（就像用 阿司匹林 在伊斯兰国2）。

美国医学会杂志 已经发表了也许是更好的方法来寻找这些可能或多或少受益的特殊患者。

它是 复杂的纸 它涉及计算机科学、机器学习和建模，但这个想法确实很美好。 我承认我很感兴趣，也许是因为我对机器学习的内部运作经验很少。

事情是这样的。 这称为效果分数。 一组作者对需要插管的危重疾病患者进行了两项单独的氧饱和度目标试验 机械通气。

一段背景：使用呼吸机的患者滴定到的理想氧气饱和度是一个备受争议的问题。 当我在训练中做重症监护医学时，我们认为更高的饱和度更好，因为当然，体内更多的氧气一定是好的。

但试验尚未证实这一点。 试验证明滴定至较低的 O2 饱和度目标是类似的。 但。 这些试验是否是阴性的，因为一些患者因较低的目标而受到伤害，而另一些患者则受益，因此，临床医生是否应该尝试对患者进行个体化治疗？ 或者我们应该假设试验中的大多数或所有患者都获得了平均（或零）治疗效果，然后在我们的重症监护病房中转化这些数据？

嗯，观察性研究表明，最佳氧气目标可能有所不同，例如，缺氧性脑损伤患者与患有缺氧性脑损伤的患者 感染性休克。

该研究在 美国医学会杂志来自众多作者，第一作者 Kevin Buell（芝加哥大学）和资深作者 Mathew Churpek（澳大利亚墨尔本）开始在两项氧目标 RCT 中使用机器学习或患者特征和效应大小。

• 我肯定会过于简化，但我的理解是，他们进行了一次试验，并使用计算机将一组特征关联起来，根据他们是否在低饱和度目标、没有差异或以更高的目标做得更好。

• 基本上，这是一个子组分析，但他们使用的不是一个特征，而是许多由机器学习确定的特征。 我猜你会说他们是从一项试验中“得出”这些组的。

• 然后是验证。 然后，他们将这些“效果评分”用于类似但不同的随机对照试验。 你瞧，一项试验的效果评分预测了第二项试验中 HTE 的异质治疗效果。

具体结果是：

较低与较高 Spo2 目标治疗对个体患者的预测效果范围为 28 天死亡率绝对降低 27.2% 到绝对增加 34.4%。 例如，预计受益于较低 Spo2 目标的患者急性脑损伤的患病率较高，而预计受益于较高 Spo2 目标的患者败血症和生命体征异常升高的患病率较高。

这是一个巨大的传播。 这很诱人。

为了试水，我周三发布了一条推文，说这看起来很酷。 繁荣。

我在 X 上互动的大多数循证医学临床医生都警告我，不仅要对这种方法及其先进的计算机科学持怀疑态度，而且我也应该对试图在试验中寻找此类信号的整个想法持怀疑态度。 我从一些非常资深的医生那里听到的信息是假设大多数试验中的患者都获得了平均效果。 如果您发现潜在的 HTE，则不应采取行动，直到在未来的试验中得到证实。

氧饱和度目标试验的作者在论文中明确指出，试验中非平均效应的证明需要在未来的试验中得到证明。

尽管如此，我并不那么消极。 我想提醒你一篇很好的论文 欧洲预防心脏病学杂志 2018年。

拉夫林和同事 研究了来自 ACCORD 和 SPRINT 试验（BP 目标试验）的个体患者数据，并精美地展示了您可以使用 ACCORD 中的患者特征来创建 SPRINT 试验评分 – 使用 6 个值来计算 ACCORD 试验受试者与平均 SPRINT 受试者之间的差异特征。

他们这样做后发现，在 ACCORD 中（发现较低的血压目标没有差异），有很多患者像 SPRINT 中的患者一样，对于这些患者来说，较低的血压更好。 看看这篇论文。 这个真的很酷。

我是这里的新手，所以让我知道你的想法。 我们应该假设平均效应大小，或者我们能否在试验中找到 HTE 的重要信号？

预告片

我已经没有时间了，但想预览下周将讨论的一项研究。 这是一个全面的 仅随机对照试验的荟萃分析 研究使用盐皮质激素受体拮抗剂 (MRA) 药物治疗心力衰竭和房颤的相互作用。 该研究的第一作者是 Alireza Oraii 和来自麦克马斯特大学的资深作者 William McIntyre。 在里面 欧洲心脏杂志。 很好。 我将 MRA 称为我的“秘密武器”。

2024-03-22 22:28:04
1711151554
#年 #月 #日 #本周心脏病学