ABSTRACT
Introdução: O acesso a cuidados em saúde na rede pública no Brasil é limitado em regiões desassistidas e longas filas de espera para consultas especializadas e exames complementares se formam. O objetivo deste trabalho foi desenvolver e avaliar uma estratégia para otimizar as indicações de ecodopplercardiograma na atenção primária. Métodos: Foram selecionados pacientes na fila de espera para ecodopplercardiograma em Montes Claros. Na fase derivação, os pacientes realizaram formulário clínico padronizado, ecocardiograma de rastreio simplificado com captura de imagens feita por não-médicos com aparelho ultraportátil (GE VSCAN) e ecodopplercardiograma padrão por ecocardiografista experiente (Vivid-Q). Foram desenvolvidos dois modelos de predição clínica, um incluindo as variáveis clínicas e outro acrescentando a presença de alterações cardíacas significativas (ACS) ao ecocardiograma de rastreio. Na fase validação, os pacientes foram classificados de acordo com a predição do formulário clínico. Pacientes de alto risco e uma amostra dos pacientes de baixo risco realizaram o ecodopplercardiograma padrão. Pacientes classificados como risco intermediário foram submetidos ao ecocardiograma de rastreio, sendo encaminhados para o ecodopplercardiograma padrão caso houvesse suspeita de ACS. Discriminação e calibração dos dois modelos foram avaliadas de acordo com a capacidade de predizer ACS ao ecodopplercardiograma padrão. Também na fase de validação os pacientes foram submetidos a rastreio para fibrilação atrial (FA) com ferramenta portátil de derivação única (MyDiagnostick®). Resultados: Na fase derivação (N = 603), as variáveis clínicas associadas a ACS foram sexo feminino, índice de massa corpórea, doença de Chagas, cirurgia cardíaca prévia, doença coronariana, doença valvar, hipertensão e insuficiência cardíaca, e este modelo teve boa calibração com C-estatístico de 0,781. A performance foi melhorada com a adição do ecocardiograma de rastreio, com C-estatístico de 0,871 após validação cruzada. Na fase validação (N = 1.526), 14,9% pacientes foram classificados como baixo risco, 70,9% como risco intermediário e 14,2% como alto risco pelo modelo com formulário clínico isolado. O modelo final com 2 categorias de risco teve alta sensibilidade (99%) e valor preditivo negativo (97%) para detecção de ACS ao ecodopplercardiograma padrão. A performance do modelo foi boa com C-estatístico de 0,720. O rastreio para FA foi positivo em 6,4% dos pacientes. Idade avançada foi um fator de risco para FA (9,3% vs 4,8% em pacientes > 65 anos, p = 0,001). O rastreio para FA positivo foi fator de risco independente para ACS (OR = 3,9; IC 95% 2,1 a 7,2, p < 0,001). Conclusão: A associação de ecocardiograma de rastreio ao formulário clínico de forma isolada e o rastreio para fibrilação atrial melhorou de forma significativa a performance de escore para predição de ACS no ecodopplercardiograma na atenção primária. Palavras-chaves: rastreio; atenção primária; ecocardiograma; saúde pública; cardiopatias.
Introduction: Access to public healthcare is limited in Brazilian underserved areas, and long waiting lists remain for echocardiography (echo). We aimed to develop a tool to optimize indications and shorten the waiting list for standard echo in primary care. Methods: Patients in waiting list for standard echo in Montes Claros, Brazil, were enrolled. For derivation, patients underwent a standardized clinical questionnaire, simplified 9-view echo screening by non-physicians with handheld devices (GE VSCAN), and standard echo (Vivid-Q) by experts. Two models were adjusted, one including clinical variables and other adding screen-detected major heart disease (HD). For validation, patients were risk-classified according to the clinical score. High-risk patients and a sample of low-risk underwent standard echo. Intermediate-risk patients first had screening echo, with a complete study if HD was suspected. Discrimination and calibration of the 2 models were assessed to predict HD in standard echo. Also for validation phase, patients were submitted to an atrial fibrillation screening (AFS) with a single derivation portable device (MyDiagnostick®). Results: In derivation (N=603), the clinical variables associated with HD were female gender, body mass index, Chagas disease, prior cardiac surgery, coronary disease, valve disease, hypertension, and heart failure, and this model was well calibrated with C-statistic of 0.781. Performance was improved with the addition of echo screening, with C-statistic of 0.871 after cross-validation. For validation (N = 1,526), 227 (14.9%) patients were classified as low risk, 1082 (70.9%) as intermediate risk, and 217 (14.2%) as high-risk by the clinical model. The final model with 2 categories had high sensitivity (99%) and negative predictive value (97%) for HD in standard echo. Model performance was good with C-statistic of 0.720. The AFS was positive in 6.4%: 12.6% high risk, 6.1% intermediate risk and 2.2% low risk. Older age was a risk factor (9.3% vs 4.8% in those more than and less than 65 years, p = 0.001). AFS positive was independently associated with heart disease in echo (OR = 3.9, 95% CI 2.1 to 7.2, p < 0.001). Conclusion: The addition of screening echo to clinical variables and the screening for AF significantly improves the performance of a score to predict major HD on primary care. Keywords: screening; primary health care; echocardiogram; public health; cardiopathies.