Применение шкал сердечно-сосудистого риска для идентификации атеросклероза сонных артерий у больных ревматоидным артритом

Обложка

Цитировать

Полный текст

Аннотация

Цель. Оценить сердечно-сосудистый риск (ССР) и проанализировать его связь с выявлением раннего атеросклеротического поражения сонных артерий у больных ревматоидным артритом (РА).

Материалы и методы. В исследование включены 109 пациентов с РА в возрасте от 45 до 60 лет без установленных сердечно-сосудистых заболеваний (ССЗ). Медиана возраста составила 52 [48; 54] года, продолжительности РА – 120 [36; 204] мес; DAS28 – 4,7 [3,5; 5,6] балла. Пациентам определен суммарный ССР по шкалам mSCORE, Reynolds Risk Score (RRS), ASSIGN, QRISK3, ERS-RА, и выполнена ультразвуковая допплерография сонных артерий.

Результаты. По результатам расчета ССР по шкалам mSCORE, RRS, ASSIGN, QRISK3, ERS-RA высокий риск обнаружен у 5, 5, 14, 6 и 38% больных соответственно. У 30% больных выявлены атеросклеротические бляшки сонных артерий. Продемонстрирована связь толщины комплекса интима–медиа (КИМ) сонных артерий со всеми калькуляторами ССР, а также с возрастом, показателями систолического и диастолического артериального давления, уровнями холестерина, скорости оседания эритроцитов, интерлейкина-6. Чувствительность и специфичность алгоритмов ССР в прогнозировании атеросклеротического поражения сонных артерий составили для mSCORE 73 и 67%, для RRS – 64 и 63%, для ASSIGN – 64 и 56%, для QRISK3 – 73 и 49% соответственно, р<0,05 во всех случаях, для ERS-RА – 67 и 50%, р=0,06.

Заключение. Калькуляторы mSCORE, RRS, ASSIGN, QRISK3 в равной степени прогнозируют атеросклеротическое поражение сонных артерий у больных РА. Оптимальное соотношение специфичности и чувствительности показано для шкалы mSCORE. Стратификация риска ССЗ у больных РА должна включать оценку толщины КИМ сонных артерий. Для идентификации риска развития ССЗ у больных РА наиболее информативными являются вычисление mSCORE и определение толщины КИМ сонных артерий.

Об авторах

Елена Владимировна Герасимова

ФГБНУ «Научно-исследовательский институт ревматологии им. В.А. Насоновой»

Автор, ответственный за переписку.
Email: gerasimovaev@list.ru
ORCID iD: 0000-0001-5815-561X

канд. мед. наук, ст. науч. сотр. лаб. системных ревматических заболеваний

Россия, Москва

Татьяна Валентиновна Попкова

ФГБНУ «Научно-исследовательский институт ревматологии им. В.А. Насоновой»

Email: gerasimovaev@list.ru
ORCID iD: 0000-0001-5793-4689

д-р мед. наук, зав. лаб. системных ревматических заболеваний

Россия, Москва

Дарья Александровна Герасимова

ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет)

Email: gerasimovaev@list.ru
ORCID iD: 0000-0002-4958-0400

мл. науч. сотр. фак-та фарм-экономики

Россия, Москва

Светлана Ивановна Глухова

ФГБНУ «Научно-исследовательский институт ревматологии им. В.А. Насоновой»

Email: gerasimovaev@list.ru
ORCID iD: 0000-0002-4285-0869

канд. физ.-мат. наук, ст. науч. сотр. лаб. медико-социальных проблем ревматологии

Россия, Москва

Евгений Львович Насонов

ФГБНУ «Научно-исследовательский институт ревматологии им. В.А. Насоновой»; ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет)

Email: nasonov@irramn.ru
ORCID iD: 0000-0002-1598-8360

акад. РАН, д-р мед. наук, проф., науч. рук. ФГБНУ «НИИ ревматологии ревматологии им. В.А. Насоновой», проф. ФГАОУ ВО «Первый МГМУ им. И.М. Сеченова» 

Россия, Москва; Москва

Александр Михайлович Лила

ФГБНУ «Научно-исследовательский институт ревматологии им. В.А. Насоновой»; ФГБОУ ДПО «Российская медицинская академия непрерывного профессионального образования» Минздрава России

Email: gerasimovaev@list.ru

д-р мед. наук, проф., дир. ФГБНУ «НИИР им. В.А. Насоновой», зав. каф. ревматологии ФГБОУ ДПО РМАНПО

Россия, Москва; Москва

Список литературы

  1. Ревматология. Российские клинические рекомендации. Под ред. Е.Л. Насонова. М.: ГЭОТАР-Медиа, 2020 [Rheumatology. Russian clinical guidelines. Ed. EL Nasonov. Moscow: GEOTAR-Media, 2020 (in Russian)].
  2. Панафидина Т.А., Кондратьева Л.В., Герасимова Е.В., и др. Коморбидность при ревматоидном артрите. Научно-практическая ревматология. 2014;52(3):283-9 [Panafidina TA, Kondratyeva LV, Gerasimova EV, et al. Comorbidity in rheumatoid arthritis. Rheumatology Science and Practice. 2014;52(3):283-9 (in Russian)]. doi: 10.14412/1995-4484-2014-283-289
  3. Гордеев А.В., Галушко Е.А., Савушкина Н.М., и др. Оценка мультиморбидного профиля (CIRS) при ревматоидном артрите. Первые результаты. Соврем. ревматология. 2019;13(3):10-6 [Gordeev AV, Galushko EA, Savushkina NM, et al. Assessing the multimorbid profile (CIRS) in rheumatoid arthritis. First results. Mod Rheumatol. 2019;13(3):10-6 (in Russian)]. doi: 10.14412/1996-7012-2019-3-10-16
  4. Balsa A, Lojo-Oliveira L, Alperi-López M, et al. Prevalence of comorbidities in rheumatoid arthritis and evaluation of their monitoring in clinical practice: the spanish cohort of the COMORA study. Reumatol Clin. 2019;15(2):102-8. doi: 10.1016/j.reuma.2017.06.002
  5. Avina-Zubieta JA, Thomas J, Sadatsafavi M, et al. Risk of incident cardiovascular events in patients with rheumatoid arthritis: a meta-analysis of observational studies. Ann Rheum Dis. 2012;71(9):1524-9. doi: 10.1136/annrheumdis-2011-200726
  6. Wang H, Li X, Gong G. Cardiovascular outcomes in patients with co-existing coronary artery disease and rheumatoid arthritis: A systematic review and meta-analysis. Medicine (Baltimore). 2020;99(14):e19658. doi: 10.1097/MD.0000000000019658
  7. Dadoun S, Zeboulon-Ktorza N, Combescure C, et al. Mortality in rheumatoid arthritis over the last fifty years: systematic review and meta-analysis. Joint Bone Spine. 2013;80(1):29-33. doi: 10.1016/j.jbspin.2012.02.005
  8. Pappas DA, Nyberg F, Kremer JM, et al. Prevalence of cardiovascular disease and major risk factors in patients with rheumatoid arthritis: a multinational cross-sectional study. Clin Rheumatol. 2018;37(9):2331-40. doi: 10.1007/s10067-018-4113-3
  9. Crowson CS, Rollefstad S, Ikdahl E, et al. A Trans-Atlantic Cardiovascular Consortium for Rheumatoid Arthritis (ATACC-RA). Ann Rheum Dis. 2018;77(1):48-54. doi: 10.1136/annrheumdis-2017-211735.5
  10. D’Agostino RB Sr, Vasan RS, Pencina MJ, et al. General cardiovascular risk profile for use in primary care: the Framingham Heart Study. Circulation. 2008;117(6):743-53. doi: 10.1161/CIRCULATIONAHA.107.699579
  11. Conroy RM, Pyörälä K, Fitzgerald AP, et al. Estimation of ten-year risk of fatal cardiovascular disease in Europe: the SCORE project. Eur Heart J. 2003;24(11):987-1003. doi: 10.1016/s0195-668x(03)00114-3
  12. Ridker PM, Buring JE, Rifai N, Cook NR. Development and validation of improved algorithms for the assessment of global cardiovascular risk in women: the Reynolds Risk Score. JAMA. 2007;297(6):611-9. doi: 10.1001/jama.297.6.611
  13. Goff DC Jr, Lloyd-Jones DM, Bennett G, et al. 2013 ACC/AHA guideline on the assessment of cardiovascular risk: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines. Circulation. 2014;129(25 Suppl.2):S49-73. doi: 10.1161/01.cir.0000437741.48606.98
  14. Ridker PM, Paynter NP, Rifai N, et al. C-reactive protein and parental history improve global cardiovascular risk prediction: the Reynolds Risk Score for men. Circulation. 2008;118:2243-51.
  15. Arts EE, Popa C, Den Broeder AA, et al. Performance of four current risk algorithms in predicting cardiovascular events in patients with early rheumatoid arthritis. Ann Rheum Dis. 2015;74(4):668-74. doi: 10.1136/annrheumdis-2013-204024
  16. Crowson CS, Matteson EL, Roger VL, et al. Usefulness of risk scores to estimate the risk of cardiovascular disease in patients with rheumatoid arthritis. Am J Cardiol. 2012;110(3):420-4. doi: 10.1016/j.amjcard.2012.03.044
  17. Agca R, Heslinga SC, Rollefstad S, et al. EULAR recommendations for cardiovascular disease risk management in patients with rheumatoid arthritis and other forms of inflammatory joint disorders: 2015/2016 update. Ann Rheum Dis. 2017;76(1):17-28. doi: 10.1136/annrheumdis-2016-209775
  18. Woodward M, Brindle P, Tunstall-Pedoe H. Adding social deprivation and family history to cardio-vascular risk assessment: the ASSIGN score from the Scottish Heart Health Extended Cohort (SHHEC). Heart. 2007;93:172-6.
  19. Hippisley-Cox J, Coupland C, Vinogradova Y, et al. Derivation and validationof QRISK, a new cardiovascular disease risk score for the United Kingdom: prospective open cohortstudy. BMJ. 2007;335:136.
  20. Hippisley-Cox J, Coupland C, Vinogradova Y, et al. Performance of the QRISK cardiovascularrisk prediction algorithm in an independent UK sample of patients from general practice: a valida-tion study. Heart. 2008;94:34-9.
  21. Hippisley-Cox J, Coupland C, Brindle P. Development and validation of QRISK3 risk prediction algorithms to estimate future risk of cardiovascular disease: prospective cohort study. BMJ. 2017;357:j2099. doi: 10.1136/bmj.j2099
  22. Solomon DH, Greenberg J, Curtis JR, et al. Derivation and internal validation of an expanded cardiovascular risk prediction score for rheumatoid arthritis: a Consortium of Rheumatology Researchers of North America Registry Study. Arthritis Rheumatol. 2015;67(8):1995-2003. doi: 10.1002/art.39195
  23. Saba L, Jamthikar A, Gupta D, et al. Global perspective on carotid intima-media thickness and plaque: should the current measurement guidelines be revisited? Int Angiol. 2019;38(6):451-65. doi: 10.23736/s0392-9590.19.04267-6
  24. O’Leary DH, Bots ML. Imaging of atherosclerosis: carotid intima-media thickness. Eur Heart J. 2010;31(14):1682-9. doi: 10.1093/eurheartj/ehq185
  25. Khanna NN, Jamthikar AD, Gupta D, et al. Performance evaluation of 10-year ultrasound image-based stroke/cardiovascular (CV) risk calculator by comparing against ten conventional CV risk calculators: a diabetic study. Comput Biol Med. 2019;105:125-43. doi: 10.1016/j.compbiomed
  26. Dessein PH, Semb AG. Could cardiovascular disease risk stratification and management in rheumatoid arthritis be enhanced? Ann Rheum Dis. 2013;72(11):1743-6. doi: 10.1136/annrheumdis-2013-203911
  27. Colaco K, Ocampo V, Ayala AP, et al. Predictive Utility of Cardiovascular Risk Prediction Algorithms in Inflammatory Rheumatic Diseases: A Systematic Review. J Rheumatol. 2020;47(6):928-38. doi: 10.3899/jrheum.190261
  28. Galarza-Delgado DA, Azpiri-Lopez JR, Colunga-Pedraza IJ, et al. Assessment of six cardiovascular risk calculators in Mexican mestizo patients with rheumatoid arthritis according to the EULAR 2015/2016 recommendations for cardiovascular risk management. Clin Rheumatol. 2017;36(6):1387-93. doi: 10.1007/s10067-017-3551-7
  29. Cacciapaglia F, Fornaro M, Venerito V, et al. Cardiovascular risk estimation with 5 different algorithms before and after 5 years of bDMARD treatment in rheumatoid arthritis. Eur J Clin Invest. 2020:e13343. doi: 10.1111/eci.13343
  30. Wahlin B, Innala L, Magnusson S, et al. Performance of the Expanded Cardiovascular Risk Prediction Score for Rheumatoid Arthritis Is Not Superior to the ACC/AHA Risk Calculator. J Rheumatol. 2019;46(2):130-7. doi: 10.3899/jrheum.171008
  31. Kerekes G, Soltész P, Nurmohamed MT, et al. Validated methods for assessment of subclinical atherosclerosis in rheumatology. Nat Rev Rheumatol. 2012;8:224-34.
  32. Corrales A, Vegas-Revenga N, Rueda-Gotor J, et al. Carotid plaques as predictors of cardiovascular events in patients with Rheumatoid Arthritis. Results from a 5-year-prospective follow-up study. Semin Arthritis Rheum. 2020;50(6):1333-8. doi: 10.1016/j.semarthrit.2020.03.011
  33. Kobayashi H, Giles JT, Polak JF, et al. Increased prevalence of carotid artery atherosclerosis in rheumatoid arthritis is artery-specific. J Rheumatol. 2010;37(4):730-9. doi: 10.3899/jrheum.090670
  34. Semb AG, Rollefstad S, Provan SA, et al. Carotid plaque characteristics and disease activity in rheumatoid arthritis. J Rheumatol. 2013;40(4):359-68. doi: 10.3899/jrheum.120621
  35. Ristić GG, Lepić T, Glišić B, et al. Rheumatoid arthritis is an independent risk factor for increased carotid intima-media thickness: impact of anti-inflammatory treatment. Rheumatology. 2010;49(6):1076-81. doi: 10.1093/rheumatology/kep456
  36. Dehghan P, Rajaei A, Moeineddin R, Alizadeh AM. Prevalence of atherosclerosis in patients with inactive rheumatoid arthritis. Clin Rheumatol. 2015;34(8):1363-6. doi: 10.1007/s10067-015-2996-9
  37. Hannawi SM, Hannawi H, Alokaily F, Al Salmi I. Subclinical atherosclerosis in rheumatoid arthritis patients of the Gulf Cooperated Council. Saudi Med J. 2020;41(9):1022-5. doi: 10.15537/smj.2020.9.25319
  38. Dalbeni A, Giollo A, Bevilacqua M, et al. Traditional cardiovascular risk factors and residual disease activity are associated with atherosclerosis progression in rheumatoid arthritis patients. Hypertens Res. 2020;43(9):922-8. doi: 10.1038/s41440-020-0441-1
  39. Del Rincon I, Polak JF, O’Leary DH, et al. Systemic inflammation and cardiovascular risk factors predict rapid progression of atherosclerosis in rheumatoid arthritis. Ann Rheum Dis. 2015;74(6):1118-23. doi: 10.1136/annrheumdis-2013-205058
  40. Pope JE, Nevskaya T, Barra L, Parraga G. Carotid artery atherosclerosis in patients with active rheumatoid arthritis: predictors of plaque occurrence and progression over 24 weeks. Open Rheumatol J. 2016;10:49. doi: 10.2174/1874312901610010049
  41. Jamthikar AD, Puvvula A, Gupta D, et al. Cardiovascular disease and stroke risk assessment in patients with chronic kidney disease using integration of estimated glomerular filtration rate, ultrasonic image phenotypes, and artificial intelligence: a narrative review. Int Angiol. 2020;40(2):150-64. doi: 10.23736/S0392-9590.20.04538-1
  42. Ridker PM. Targeting inflammatory pathways for the treatment of cardiovascular disease. Eur Heart J. 2014;35(9):540-3. doi: 10.1093/eurheartj/eht398
  43. Pauli N, Puchałowicz K, Kuligowska A, et al. between IL-6 and Echo-Parameters in Patients with Early Onset Coronary Artery Disease. Diagnostics (Basel). 2019;9(4):189. doi: 10.3390/diagnostics9040189
  44. Gotsman I, Stabholz A, Planer D, et al. Serum cytokine tumor necrosis factor-alpha and interleukin-6 associated with the severity of coronary artery disease: indicators of an active inflammatory burden? Isr Med Assoc J. 2008;10(7):494-8.
  45. Corrales A, Vegas-Revenga N, Atienza-Mateo B, et al. Combined use of QRISK3 and SCORE as predictors of carotid plaques in patients with rheumatoid arthritis. Rheumatology (Oxford). 2020:keaa718. doi: 10.1093/rheumatology/keaa718
  46. Salaffi F, Carotti M, Di Carlo M, et al. The Expanded Risk Score in Rheumatoid Arthritis (ERS-RA): performance of a disease-specific calculator in comparison with the traditional prediction scores in the assessment of the 10-year risk of cardiovascular disease in patients with rheumatoid arthrit. Swiss Med Wkly. 2018;148:w14656.doi: 10.4414/smw.2018.14656.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Частота традиционных ФР у больных РА.

Скачать (57KB)
Метаданные
3. Рис. 2. ROC-кривые калькуляторов mSCORE, RRS, ASSIGN, QRISK3, ERS-RА.

Скачать (120KB)
Метаданные

© ООО "Консилиум Медикум", 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
 
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».