Разработка алгоритма диагностики доклинического атеросклероза у пациентов из группы высокого риска развития сердечно-сосудистых заболеваний

Цель исследования. Разработка нового диагностического подхода к выявлению доклинического атеросклероза у лиц с высоким и очень высоким риском развития сердечно-сосудистых заболеваний (ССЗ).

Материал и методы. Проведено поперечное одномоментное исследование с участием 52 пациентов (62% мужчин) 40–65 лет (средний возраст 54,6±8,0 года) с высоким и очень высоким суммарным риском развития ССЗ (5–9 и ≥10% по шкале SCORE соответственно). Определялись традиционные факторы риска (ФР) развития ССЗ (отягощенный по ССЗ семейный анамнез, избыточная масса тела/ожирение и абдоминальное ожирение, курение, артериальная гипертония, сахарный диабет). Всем пациентам проводились мультиспиральная компьютерная томография (МСКТ) с контрастированием и расчетом индекса кальцификации коронарных артерий, проба с физической нагрузкой, дуплексное сканирование сонных артерий с оценкой толщины интимы–медии, определялись лодыжечно-плечевой индекс, жесткость сосудистой стенки с помощью отечественного аппарата «Ангиоскан», показатели липидного состава крови (общий холестерин, холестерин липопротеинов высокой и низкой плотности, триглицериды, апо-А1, апо-В), глюкоза, высокочувствительный С-реактивный белок и фибриноген. Для оценки психологического статуса пациентов использовалась Госпитальная шкала тревоги и депрессии, для выявления типа личности D – опросник DS-14.

Результаты. В соответствии с данными МСКТ пациенты были разделены на 2 группы: с наличием стенозов и/или кальцинатов коронарных артерий (n=21) и интактными артериями (n=31). При проведении однофакторного анализа были установлены достоверные ассоциации субклинического поражения коронарных артерий (наличие кальцинатов и/или стенозов) по данным МСКТ с очень высоким риском развития ССЗ (≥10% по шкале SCORE), длительным течением артериальной гипертонии (≥5 лет), длительным приемом антигипертензивной терапии и повышенной жесткостью сосудистой стенки (скорость пульсовой волны ≥10 м/с). Для проведения многофакторного линейного регрессионного анализа были разработаны и проанализированы 26 моделей. Определена наиболее информативная многофакторная линейная регрессионная модель (величины коэффициента детерминации регрессии R-square=0,3443; общая значимость модели p=0,0008, чувствительность 63% и специфичность 80%).

Заключение. Разработанная многофакторная линейная регрессионная модель позволяет с высокой степенью вероятности предполагать наличие субклинического атеросклероза коронарных артерий у пациентов с высоким и очень высоким риском развития ССЗ. Это доступный, несложный в использовании метод, который можно применять в повседневной клинической практике для улучшения стратификации риска развития ССЗ, что позволит выбрать наиболее рациональную лечебно-профилактическую тактику, направленную на предотвращение сердечно-сосудистых осложнений.

1. Бойцов С.А., Погосова Н.В., Бубнова М.Г., Драпкина О.М., Гаврилова Н.Е., Еганян Р.А. и др. Кардиоваскулярная профилактика 2017. Российские национальные рекомендации. Российский кардиологический журнал. 2018;23(6):7–122. DOI: 10.15829/1560-4071-2018-6-7-122

2. Piepoli MF, Hoes AW, Agewall S, Albus C, Brotons C, Catapano AL et al. 2016 European Guidelines on cardiovascular disease prevention in clinical practice: The Sixth Joint Task Force of the European Society of Cardiology and Other Societies on Cardiovascular Disease Prevention in Clinical Practice (constituted by representatives of 10 societies and by invited experts)Developed with the special contribution of the European Association for Cardiovascular Prevention & Rehabilitation (EACPR). European Heart Journal. 2016;37(29):2315–81. DOI: 10.1093/eurheartj/ehw106

3. Helfand M, Buckley DI, Freeman M, Fu R, Rogers K, Fleming C et al. Emerging Risk Factors for Coronary Heart Disease: A Summary of Systematic Reviews Conducted for the U.S. Preventive Services Task Force. Annals of Internal Medicine. 2009;151(7):496–507. DOI: 10.7326/0003-4819-151-7-200910060-00010

4. Khot UN. Prevalence of Conventional Risk Factors in Patients With Coronary Heart Disease. JAMA. 2003;290(7):898–904. DOI: 10.1001/jama.290.7.898

5. Vasan RS. Biomarkers of Cardiovascular Disease: Molecular Basis and Practical Considerations. Circulation. 2006;113(19):2335–62. DOI: 10.1161/CIRCULATIONAHA.104.482570

6. Schlendorf KH, Nasir K, Blumenthal RS. Limitations of the Framingham risk score are now much clearer. Preventive Medicine. 2009;48(2):115–6. DOI: 10.1016/j.ypmed.2008.12.002

7. Steyerberg EW, Vickers AJ, Cook NR, Gerds T, Gonen M, Obuchowski N et al. Assessing the Performance of Prediction Models: A Framework for Traditional and Novel Measures. Epidemiology. 2010;21(1):128–38. DOI: 10.1097/EDE.0b013e3181c30fb2

8. Langlois MR. Laboratory approaches for predicting and managing the risk of cardiovascular disease: postanalytical opportunities of lipid and lipoprotein testing. Clinical Chemistry and Laboratory Medicine. 2012;50(7):1169–81. DOI: 10.1515/cclm-2011-0636

9. Wang TJ, Gona P, Larson MG, Tofler GH, Levy D, Newton-Cheh C et al. Multiple Biomarkers for the Prediction of First Major Cardiovascular Events and Death. New England Journal of Medicine. 2006;355(25):2631–9. DOI: 10.1056/NEJMoa055373

10. Melander O. Novel and Conventional Biomarkers for Prediction of Incident Cardiovascular Events in the Community. JAMA. 2009;302(1):49–57. DOI: 10.1001/jama.2009.943

11. Blankenberg S, Zeller T, Saarela O, Havulinna AS, Kee F, Tunstall-Pedoe H et al. Contribution of 30 Biomarkers to 10-Year Cardiovascular Risk Estimation in 2 Population Cohorts: The MONICA, Risk, Genetics, Archiving, and Monograph (MORGAM) Biomarker Project. Circulation. 2010;121(22):2388–97. DOI: 10.1161/CIRCULATIONAHA.109.901413

12. Wang TJ. Assessing the Role of Circulating, Genetic, and Imaging Biomarkers in Cardiovascular Risk Prediction. Circulation. 2011;123(5):551–65. DOI: 10.1161/CIRCULATIONAHA.109.912568

13. Метельская В.А., Гаврилова Н.Е., Яровая Е.А., Бойцов С.А. Интегрированный биомаркер: возможности неинвазивной диагностики коронарного атеросклероза. Российский кардиологический журнал. 2017;22(6):132-8. DOI: 10.15829/1560-4071-2017-6-132-138

14. Погосова Н.В., Юферева Ю.М., Качанова Н.П., Метельская В.А., Колтунов И.Е., Воронина В.П. и др. Поиск возможных подходов к диагностике доклинического атеросклероза у лиц с высоким сердечно-сосудистым риском. Кардиология. 2019;59(11S): 53–62. DOI: 10.18087/cardio.n471

15. Zigmond AS, Snaith RP. The hospital anxiety and depression scale. Acta Psychiatrica Scandinavica. 1983;67(6):361–70. PMID: 6880820

16. Denollet J. DS14: Standard Assessment of Negative Affectivity, Social Inhibition, and Type D Personality. Psychosomatic Medicine. 2005;67(1):89–97. DOI: 10.1097/01.psy.0000149256.81953.49

17. Van Bortel LM, Laurent S, Boutouyrie P, Chowienczyk P, Cruickshank JK, De Backer T et al. Expert consensus document on the measurement of aortic stiffness in daily practice using carotid-femoral pulse wave velocity. Journal of Hypertension. 2012;30(3):445–8. DOI: 10.1097/HJH.0b013e32834fa8b0

18. Silber S. Comparison of spiral and electron beam tomography in the evaluation of coronary calcification in asymptomatic persons. International Journal of Cardiology. 2002;82(3):297–8. DOI: 10.1016/S0167-5273(01)00627-1

19. Agatston AS, Janowitz WR, Hildner FJ, Zusmer NR, Viamonte M, Detrano R. Quantification of coronary artery calcium using ultrafast computed tomography. Journal of the American College of Cardiology. 1990;15(4):827–32. DOI: 10.1016/0735-1097(90)90282-T