Estudo multicêntrico e modelo preditivo de embolia em pacientes com acidente vascular cerebral isquêmico e Doença de Chagas

Abstract

Introdução: A doença de Chagas é uma condição infecciosa parasitária causada pela infecção pelo protozoário Trypanosoma cruzi. Há relação da doença de Chagas com acidentes vasculares cerebrais isquêmicos (AVEi), porém existem poucos estudos avaliando a descrição, mecanismos de classificação dos AVCs, assim a sua mortalidade e recorrência. Objetivos: Os objetivos dessa tese são descrever as características do AVCi em pacientes com doença de Chagas admitidos em vários centros de reabilitação, assistência e ensino do país e elaborar uma escala de predição de cardiembolia em pacientes com AVEi prévioe critérios diagnósticos para AVC de origem indeterminada nesses pacientes. Os objetivos secundários são: 1) Avaliar mortalidade e desfechos funcionais em pacientes com AVCi e doença de Chagas e 2) comparar as características clínicas dos pacientes com doença de Chagas e AVCi de etiologia cardioembólica com os de etiologia não cardioembólica. Métodos: Trata-se de um estudo multicêntrico, usando dados de várias instituições de assistência, ensino e pesquisa do país, cada um com metodologia diferente (transversal ou coorte histórica), que utilizou dados de prontuários eletrônicos ou físicos de pacientes atendidos entre 2009 e 2016. Os pacientes foram seguidos até 2018 na rede SARAH de reabilitação (66% da amostra) e o restante foi trabalhado com dados da admissão (corte transversal). Os critérios de inclusão foram pacientes com doença de Chagas e AVCi. Para identificar o mecanismo do AVCi foi utilizado o modelo Stop Stroke Study TOAST (SSS TOAST). Foi realizada aplicação da escala de risco de embolia e dos critérios clássicos para embolia 8 de fonte indeterminada. Testes estatísticos foram realizados para determinar se a variável tinha distribuição normal ou não, e escolhidos testes paramétricos ou não paramétricos de acordo com a resposta. Para a realização a escala de predição de AVCi cardioembólico foi usado modelo de árvore de decisão com uso de inteligência artificial com o programa “wake” com metodologia de “machine learning” supervisionada. Resultados: Foi de 61 anos e houve 10% de óbitos no período. A maioria dos pacientes eram provenientes de cidades de baixa renda e das regiões Nordeste e Sudeste. A aplicação do escore de embolia em pacientes cardioembólicos foi considerada de baixo risco em 65% dos pacientes. Dos pacientes com AVCi de causa indeterminada, 85% se classificaram como AVC embólico de origem indeterminada. Em relação a etiologia, a classificação Causative Classification System (CCS) TOAST demonstrou uma predominância de causas cardioembólicas (57%). Houve predominância de fatores de risco vasculares e piores desfechos de recorrência e mortalidade na população cardioembólica comparado com a não cardioembólica. O modelo preditivo de etiologia cardioembólica apresentou relação com número de alterações nos exames cardiológicos e com os fatores de risco vasculares, além de sexo e histórico prévio de AVCi. Conclusões: A população com AVCi e doença de Chagas possui diferentes características dependendo da etiologia. Há maior gravidade e fatores de risco nos pacientes com mecanismos cardioembólicos do AVCi. Nosso modelo preditivo usando “machine learning” parece ser um bom instrumento para a classificação desses pacientes