🩺 Más allá de los umbrales universales: El impacto del estudio PRECISE-HF en el diagnóstico de la Insuficiencia Cardíaca.

En nuestra práctica clínica diaria, el NT-proBNP es una herramienta fundamental para evaluar la sospecha de insuficiencia cardíaca (IC) en la comunidad. Sin embargo, sabemos que su concentración está influenciada por múltiples factores independientes de la IC, como la edad, la función renal (TFG), el índice de masa corporal y la presencia de fibrilación auricular. 

El reciente estudio PRECISE-HF analizó a más de medio millón de pacientes (535.583) para desarrollar un modelo predictivo basado en Machine Learning (XGBoost). A diferencia de las guías actuales que categorizan el NT-proBNP con puntos de corte rígidos, este modelo lo utiliza como una variable continua junto a otras características clínicas para ofrecer un cálculo probabilístico individualizado. 

📌 Hallazgos clave frente a las guías de la ESC:

✅ Exclusión (Rule-out): El modelo descartó IC en el 64.8% de los pacientes con un Valor Predictivo Negativo del 98.5%.

✅ Inclusión (Rule-in): Alcanzó una especificidad del 90.0%.

💡 La aplicabilidad de este modelo probabilístico es sumamente pragmática. Nos permite optimizar los limitados recursos de ecocardiografía, priorizando a los pacientes con una probabilidad clínica real de IC.

https://academic.oup.com/eurheartj/advance-article/doi/10.1093/eurheartj/ehag686/8770128?login=false