Comparison of Swiss and European Risk Algorithms for Cardiovascular Prevention in Switzerland

Details

Ressource 1Download: MD_final-OK.pdf (618.79 [Ko])
State: Public
Version: After imprimatur
License: Not specified
Serval ID
serval:BIB_97997D4DB608
Type
PhD thesis: a PhD thesis.
Collection
Publications
Institution
Title
Comparison of Swiss and European Risk Algorithms for Cardiovascular Prevention in Switzerland
Author(s)
Beuret Hadrien
Director(s)
Vaucher Julien
Institution details
Université de Lausanne, Faculté de biologie et médecine
Publication state
Accepted
Issued date
2020
Language
english
Abstract
Contexte : En Suisse, la prévention cardiovasculaire est basée sur des recommandations émanant de deux sociétés savantes différentes : 1) le Groupe de travail Lipides et Athérosclérose (GSLA) » ; et 2) la Société Européenne de Cardiologie (ESC). Chacune fournit un score de risque cardiovasculaire (PROCAM pour le GSLA et SCORE pour l’ESC), ainsi qu’un algorithme de prise en charge, guidant les mesures de prévention en fonction du risque cardiovasculaire estimé.
But : Notre but premier était de déterminer lequel, entre l’algorithme du GSLA et celui de l’ESC, était le plus performant pour prédire la survenue d’événements cardiovasculaires athérosclérotiques (ECVA), ainsi que leur propension respective à recommander la prescription de statines dans la population suisse. Notre deuxième but était de valider pour la Suisse les scores de risque du GSLA et de l’ESC, couramment utilisés en prévention primaire.
Méthode : Les données sont basées sur une étude populationnelle prospective, la cohorte
« CoLaus ». L’échantillon initial comprenait 6'733 personnes, âgées de 35 à 75 ans (54% de femmes), qui furent suivies durant 10 ans. Nous avons calculé les performances de discrimination et de calibration des algorithmes du GSLA et de l’ESC, et ainsi déterminé leurs capacités à prédire la survenue d’événements cardiovasculaires.
Résultats : Des 6'733 participants de l’échantillon initial, 5'529 avaient des données complètes et furent inclus dans nos analyses. L’âge moyen (déviation standard, DS) était de 52.4 (10.6) ans. Durant un suivi moyen (DS) de 10.2 (1.7) ans, 370 (6.7%) participants présentèrent un ECVA. La sensibilité des algorithmes du GSLA et de l’ESC pour la prédiction d’ECVA étaient respectivement de 51.6% (IC 95%, 46.4-56.8) et de 58.6% (53.4-63.7). Les performances de discrimination et de calibration étaient similaires entre les algorithmes du GSLA et de l’ESC, avec des valeurs d’air sous la courbe de 0.78 (95% CI, 0.76-0.80) et de 0.79 (0.76-0.81), et des scores de Brier de 0.059 et de 0.041, respectivement. Parmi les 370 individus ayant présentés un ECVA, seulement 278 (75%) étaient éligibles pour un traitement par statine au début du suivi. Les performances prédictives des scores de risque du GSLA et de l’ESC étaient également similaires et bonnes, validant leur usage pour la population suisse en prévention cardiovasculaire primaire.
Conclusion : Les algorithmes du GSLA et de l’ESC présentent des facultés similaires pour prédire la survenue d’événements cardiovasculaires en Suisse. Un quart des événements cardiovasculaires ont lieu chez des personnes identifiées à bas risque selon les recommandations actuelles, soulignant le besoin de développer des méthodes complémentaires pour améliorer les stratégies de prévention cardiovasculaire.
--
Background: In Switzerland, two distinct algorithms are recommended for cardiovascular prevention: (a) Arbeitsgruppe Lipide und Atherosklerose (AGLA); and (b) European Society of Cardiology (ESC). We validated and determined which algorithm better predicts incident atherosclerotic cardiovascular disease and assessed statin eligibility
in Switzerland.
Design: A prospective population-based cohort.
Methods: We employed longitudinal data of the CoLaus study involving 6733 individuals, aged 35–75 years, with a 10-year follow-up. Using discrimination and calibration, we evaluated the predictive performance of the AGLA and ESC
algorithms for the prediction of atherosclerotic cardiovascular disease.
Results: From the 6733 initial participants, 5529 were analysed with complete baseline and follow-up data. Mean age (SD) was 52.4 (10.6) years and 54% were women. During an average follow-up (SD) of 10.2 years (1.7), 370 (6.7%) participants developed an incident atherosclerotic cardiovascular disease. The sensitivity of AGLA and ESC algorithms to predict ath-
erosclerotic cardiovascular disease was 51.6% (95% confidence interval (CI) 46.4–56.8) and 58.6% (53.4–63.7), respectively. Discrimination and calibration were similar between the AGLA and ESC algorithms, with area under the receiver operating characteristic curve values of 0.78 (95% CI 0.76–0.80) and 0.79 (0.76–0.81), and Brier scores of 0.059 and 0.041, respectively. Among 370 individuals developing incident atherosclerotic cardiovascular disease, only 278 (75%) were eligible for statin therapy at baseline, including 210 (57%) according to both algorithms, 4 (1%) to AGLA only and 64 (17%) to ESC only.
Conclusion: AGLA and ESC algorithms presented similar accuracy to predict atherosclerotic cardiovascular disease in Switzerland. A quarter of adults developing atherosclerotic cardiovascular disease were not identified by preventive algorithms to be eligible for statin therapy.
Keywords
Cardiovascular, prevention, risk score, myocardial infarction, guidelines, Switzerland
Create date
08/09/2020 10:59
Last modification date
18/09/2020 7:09
Usage data