NT-proBNP Best Predictor of Cardiovascular Events and Cardiovascular Mortality in Secondary Prevention in Very Old Age: The Leiden 85-Plus Study

van Peet PG, Drewes YM, de Craen AJ, et al.
PLoS One. 2013 Nov 21;8(11):e81400. doi: 10.1371/journal.pone.0081400
 

Achtergrond

Oudere mensen met bestaande hart- en vaatziekten (CVD) hebben een hoog risico op terugkerende CVD. Hoewel secundaire preventie erg effectief kan zijn bij ouderen, is behandeling vaak verre van optimaal [1-3] en is therapietrouw matig [4]. Het herkennen van patiënten met het hoogste risico kan artsen helpen om die patiënten te selecteren die mogelijk het meest baat hebben bij geïntensiveerde preventieve leefstijlmaatregelen en medicinale behandeling [5].
Traditionele risicomarkers lijken minder voorspellende waarde te hebben voor secundaire preventie [6], hoewel gegevens over hun waarde bij zeer oude mensen schaars is.
De auteurs testten de hypothese dat toevoeging van informatie over de geschiedenis van CVD of nieuwe biomarkers (markers van nierfunctie (MDRD), C-reactieve proteïne (CRP), homocysteïne en NT-proBNP) aan risico-inschatting op basis van traditionele risicomarkers kan heb toegevoegde waarde voor het voorspellen van CV events en sterfte. De Leiden 85-plus Studie is een prospectieve populatiegebaseerde studie die mensen volgt vanaf het moment dat zij 85 worden. Het samengestelde eindpunt ‘CV morbiditeit en mortaliteit’ werd gedefinieerd als incidente fatale en niet-fatale myocardinfarct, incidente fatale en niet-fatale beroerte of andere CV mortaliteit.
 

Belangrijkste resultaten

• Van de 282 deelnemers overleden 157 (56%) tijdens de 5-jaars follow-up. Van hen gingen 67 (43%) dood door CV oorzaken. 109 (39%) deelnemers maakten een primair eindpunt door.

• Univariate analyse van de nieuwe biomarkers lieten significante associaties met CVD risico zien voor CRP (HR: 1.3, 95%CI: 1.03-1.5), homocysteïne (HR: 1.4, 95%CI: 1.1-1.6) en NT-proBNP (HR: 1.7, 95%CI: 1.4-2.1), terwijl MDRD niet geassocieerd was met een hoger risico (HR: 0.83, 95%CI: 0.68-1.01).
• In een multivariabel model met alle traditionele en nieuwe risicomarkers, was NT-proBNP de enige nieuwe risivomarker die nog steeds onafhankelijk was geassocieerd met verhoogd CVD risico (HR: 1.6, 95%CI: 1.3-2.1). Roken (HR: 1.8, 95%CI: 1.1-2.9) en geschiedenis van ernstige CVD (HR: 1.5, 95%CI: 1.01-2.3) waren ook onafhankelijk geassocieerd met CVD risico.
• De C-statistiek van de combinative van traditionele risicomarkers was 0.59 (95%CI: 0.52-0.66). Wanneer NT-proBNP werd toegevoegd aan alle traditionele risicomarkers, steeg de C-statistiek tot 0.67 (95%CI: 0.61-0.74, P(verandering van C-statistiek)=0.023).
• De netto reclassificatie verbetering was 39.0% (P=0.001) wanneer NT-proBNP werd toegevoegd aan het referentiemodel met traditionele risicomarkers, en 16.8% (P=0.17) voor CRP en 24.7% (P=0.04) wanneer homocysteïne aan het model werd toegevoegd.

 

Conclusie

In zeer oude personen met bestaande CVD kan het toevoegen van de biomarker NT-proBNP de voorspellende waarde van een risico-inschattingsmodel op basis van traditionele  CVD risicofactoren aanzienzienlijk verbeteren.
Deze studie toont aan dat traditionele risicomarkers hun  voorspellende waarde verliezen bij secundaire preventie in zeer oude mensen. Daarom geven deze resultaten aanleiding tot het implementeren van NT-proBNP in risico-inschatting bij secundaire preventie in ouderen. Individuen met het hoogste risico hebben waarschijnlijk ook het meeste baat bij geïntensiveerde secundaire preventieve behandeling en follow-up.
 
Klik door naar dit artikel op Pubmed
 

References

1. Macchia A, Romero M, D'Ettorre AJ, et al. (2012) Temporal trends of the gaps in post-myocardial infarction secondary prevention strategies of co-morbid and elderly populations vs. younger counterparts: an analysis of three successive cohorts between 2003 and 2008. Eur Heart J 33: 515-522. doi:10.1093/eurheartj/ehr410.
PubMed: 22096090. ehr410 . PII; Available: . doi:10.1093/eurheartj/ehr410
2. de Ruijter W, de Waal MW, Gussekloo J, et al. (2010) Time trends in preventive drug treatment after myocardial infarction in older patients. Br J Gen Pract 60: 47-49: 47–9. doi: 10.3399/bjgp10X482103. PubMed: 20040168.
3. Zuckerman IH, Yin X, Rattinger GB, et al. (2012) Effect of Exposure to Evidence-Based Pharmacotherapy on
Outcomes After Acute Myocardial Infarction in Older Adults. J Am Geriatr Soc, 60: 1854–61. doi:10.1111/j.1532-5415.2012.04165.x. PubMed: 23003000.
4. Subherwal S, Patel MR, Kober L et al. (2012) Missed opportunities: despite improvement in use of cardioprotective medications among patients with lower-extremity peripheral artery disease, underuse remains. Circulation 126: 1345-1354. CIRCULATIONAHA112.108787 [pii];Available online at: 10.1161/CIRCULATIONAHA.112.108787 [doi]
5. Naderi SH, Bestwick JP, Wald DS (2012) Adherence to Drugs That Prevent Cardiovascular Disease: Meta-analysis on 376,162 Patients. Am J Med, 125: S0002-S9343. PubMed: 22748400. 12)00018-6 . PII;Available: . doi:10.1016/j.amjmed.2011.12.013
6. Bhatt DL, Steg PG, Ohman EM, et al. (2006) International prevalence, recognition, and treatment of cardiovascular risk factors in outpatients with atherothrombosis. JAMA 295: 180-189.
doi:10.1001/jama.295.2.180. PubMed: 16403930. 295/2/180 . PII;Available: . doi:10.1001/jama.295.2.180
7. Uthoff H, Staub D, Socrates T, et al. (2010) PROCAM-, FRAMINGHAM-, S. VASA 39: 325-333. doi: 10.1024/0301-1526/a000057. PubMed: 21104622.